马斯克挤水分，王兴兴砸钱办赛

同一天，两条消息把人形机器人行业的滤镜打碎了又粘了回去。

10月22日，特斯拉CEO马斯克先是在X Takeover访谈里直言：网上大量观感震撼的人形机器人表演，绝大多数是预编程脚本甚至后台远程操控，不算真智能；随后又在财报电话会上给Optimus定下节奏——2027年底解决设计、可靠性与寿命问题，才对外交付。同日，宇树科技王兴兴在杭州的2026世界物理AI大会上官宣三大布局，并宣布每年投入数千万元举办世界物理AI大赛，面向全球开放八大赛道。

一个在挤水分，一个在铺赛道。这两件事拼在一起看，才是这轮人形机器人热潮真正的风向标。🤖

🎭 同一天，两盆冷水与两张王牌

演示视频好看，和机器人能干活，中间隔着一条马里亚纳海沟。

马斯克这次把话说得相当不留情面：预编程机器人只能在布置好的固定环境里重复排练好的动作，一旦物品位置变动、出现未知障碍物，就很容易失效卡壳。真正具备智能的机器人，核心能力是处理从未见过的陌生场景与任务。这句话杀伤力不小——过去两年，人形机器人行业融资热闹，很大程度上是被演示视频推着走的，而出厂即巅峰、落地即翻车的案例，业内私下传的版本远比公开报道多。

有意思的是，马斯克自己也承认：特斯拉准备发布一段Optimus完成非预先编程任务的展示视频，还要一两个月才能推出。挤别人水分的人，得先把自己的水挤干。

另一边，王兴兴的打法看起来截然相反：不是去拆别人的台，而是花钱把台子做大。在2026世界物理AI大会暨宇树合作伙伴生态大会上，他明确了宇树三大布局——大规模量产能力适配千万级乃至亿级市场需求、自研与合作并行推进物理AI小模型、布局超大规模算力集群。

这两套动作背后是同一个判断：行业叙事正在切换。前两年的核心命题是『机器人能不能像人一样动』，答案是已经基本能了；接下来两年的命题是『机器人能不能自己想、能不能批量造』。演示叙事的时代结束了，能力叙事和产能叙事的时代开始了。

🏭 量产是真功夫：S曲线不陪你演

发布会可以剪辑，产线的爬坡曲线不会。

特斯拉最新财报显示，Optimus已在弗里蒙特工厂的高产量产线上开始生产，下线的是首批具备量产质量的机器人，制造工艺已被验证适用于商业产品。弗里蒙特的专用产线规划年产能100万台，同时得州超级工厂正在准备第二条产线，长期设计年产能1000万台。

但马斯克紧接着就泼了冷水：得州这条产线需要大约一年甚至更久，才能达到每周2万台的产能。他还直言，人形机器人的制造难度远高于特斯拉以往任何车型——电动车可以沿用大量成熟零部件，而Optimus大量零件都是全新开发，整条供应链要从头搭建，产能会遵循制造业S型爬坡曲线，前期推进速度缓慢。

做过工厂的人都知道这句话的分量。S曲线前段那个平台期，是最烧钱、最磨人的阶段：良率上不去、节拍提不动、供应商配合度有限，每一项都在消耗现金和耐心。

硬件侧的瓶颈同样具体。马斯克点出，人形机器人最大的硬件瓶颈是灵巧手——人手拥有数十个自由度，要复刻接近人类的精细抓取与操作，配套执行器、触觉传感器都得从零自研，现有成熟供应链几乎无法满足需求。电机磁体等关键零部件的供应链风险也不是纸面推演：此前磁体供应问题，就让Optimus项目延误了数月。

`infographic

{"type":"problemsolution","title":"Optimus量产的四大堵点","items":[{"problem":"灵巧手自由度高，执行器与触觉传感器无现成供应链","solution":"特斯拉从零自研，硬件仍在持续迭代"},{problem":"电机磁体等关键件供应不稳，曾致项目延误数月","solution":"提前锁定供应商，分散供应链风险"},{problem":"整条供应链需从头搭建，产能爬坡呈S型慢启动","solution":"弗里蒙特先行验证工艺，得州产线随后复制放量"},{problem":"早期产品难以直接面对消费者","solution":"先留在自家工厂作业，采集真实数据迭代AI模型"}]}

`

注意一个细节：现阶段下线的机器人优先留在特斯拉工厂内部作业、采集真实环境数据，不急着卖给消费者。这套逻辑和当年FSD的数据飞轮如出一辙——先让机器人在真实环境里干活攒数据，用数据喂模型，模型反过来提升作业能力。至于Intelligence，马斯克给出的方案依然是端到端视觉AI框架，与FSD同源，依托Dojo超算靠海量视频与实操数据自主学习，而不是为每类场景单独写程序。他甚至计划把AI5芯片集成到Optimus上，并针对机器人场景缩减了内存配置——算力给足，成本抠死，这是很典型的量产思维。

🧠 王兴兴的三张牌：把硬件优势翻译成AI优势

中国厂商的强项在硬件，弱项恰恰在马斯克说的那两个字：智能。

宇树科技过去几年靠四足机器人和人形机器人硬件的极致性价比打出了全球存在感，出货量在行业内排在前列。但王兴兴在这次大会上给出的三张牌，全都没指向硬件——量产能力是制造业的护城河，物理AI小模型和算力集群才是把硬件优势翻译成智能优势的转换器。

第一张牌，量产。『适配未来千万级乃至亿级的市场需求』这句话听着远，但方向很清晰：既然演示时代过去了，谁能先把成本打下来、把良率做上去，谁就能在真实订单来临时接得住。第二张牌，物理AI小模型——注意『适配自身硬件』这个定语，宇树不打算做一个大而全的通用大脑，而是自研与合作并行，做贴着自己硬件跑的小模型，这是务实到近乎抠门的技术路线。第三张牌，超大规模算力集群，给前两者兜底。

更值得注意的是宇树正在搭建的机器人自进化体系：『AI自主研发—仿真训练—真实测试—反馈迭代』的闭环模式，替代传统人工调试路径。这条闭环的价值在于单位时间内的迭代次数——传统人工调试，一周迭代几版；闭环自动化，一天可能迭代几十版。在具身智能这场竞赛里，迭代速度就是身位差。

把特斯拉和宇树的路线放一起看会发现一个巧合：两边都在建数据飞轮。特斯拉靠自家工厂的真实作业场景攒数据，宇树靠仿真训练加真实测试的闭环提效率。殊途同归——大家都想明白了一个道理，物理AI的进展速度，最终取决于真实数据的生产速度，而不是发布会视频的播放量。

🥊 每年数千万办赛：不是情怀，是阳谋

砸钱办比赛，听起来像市场行为，实际上是数据与人才的采集器。

王兴兴官宣的世界物理AI大赛，每年投入数千万元人民币奖金，面向全球团队与个人开放，设置任意移动、田径、格斗、灵巧操作、生产、体育赛事、多模态交互、康养八大赛道。目的是凝聚全球创新力量，推动物理AI技术边界持续突破。

每年数千万是什么量级的投入？这笔钱可能不够训练一个头部大模型，但如果目标是撬动全球开发者，性价比极高。回看历史，自动驾驶行业当年就是靠各类挑战赛完成了人才启蒙——参赛者赛后大多进入了产业核心岗位，比赛的规则和评测标准也直接沉淀成了行业的技术共识。

八大赛道的设置颇有心机：任意移动、田径、格斗考的是全身运动控制，这是宇树的看家本领；灵巧操作、生产、康养考的是精细作业与长时任务，这是商业化落地的方向；多模态交互则是通往通用智能的必经之路。每一条赛道，都是一个明确的技术路标，同时也是一个潜在的commercial场景预演。

（上图基于公开信息的定性推演，仅代表本文观点。）

对宇树来说，办赛还有一层生态意图：机器人硬件出货上去之后，缺的是上面跑的应用和开发者。办赛就是用奖金池把全球开发者的注意力、代码和创意引到自家硬件平台上——这套打法，安卓开发者大会玩过，各类自动驾驶挑战赛也玩过，屡试不爽。据多位接近产业的人士观察，接下来一年各家国内厂商大概率都会跟进类似的开发生态动作，先发者拿走的注意力红利最难追赶。

⚠️ 挤掉水分之后，谁在真游

冷水泼完，行业反而更健康了。

把马斯克的『预编程拆台』和王兴兴的『办赛+三大布局』放在一起，可以看出人形机器人行业的三条确定性判断：

第一，演示与智能正式脱钩。能不能处理陌生场景，将成为衡量机器人是否『真智能』的唯一标准，特斯拉那段尚未发布的非预编程任务视频，某种意义上会成为整个行业的验金石。第二，量产是硬门槛。100万台、1000万台的产线规划听着宏大，但真正决定生死的是S曲线前段那一年多的爬坡期能不能熬过去、灵巧手和触觉传感器这些无现成供应链的零件能不能自研跑通。第三，智能竞赛的本质是数据与算力竞赛，无论端到端大模型路线还是物理AI小模型路线，最终都指向同一个问题：你有多少真实数据、多少算力、多快的迭代闭环。

对我们这些天天泡在产线和代码里的人来说，这轮变化其实让人踏实——潮水退去，泳姿才看得清。挤掉演示的水分之后，还在真游的玩家，值得下注。

小结：同一天里，马斯克用『预编程』三个字撕开了行业遮羞布，又用2027年交付时间表展示了挤完水分后的底气；王兴兴则用三大布局加每年数千万的赛事，把宇树从硬件冠军往物理AI平台的方向推。两条路线一西一中，指向同一个终局：谁先跑通『真实智能+规模量产』的闭环，谁就握住了这个可能超越汽车产业的入场券。明年，看视频，更看产线。