特斯拉的產線還未投產,Figure已交付350臺機器人

2026年8月27日 09:40
特斯拉的產線還未投產,Figure已交付350臺機器人
站內 AI 整理稿

硅谷Tech news2026.08.27 09:38 · 來自北京全文3803字00:00 / 11:04特斯拉拆解汽車產線轉產人形機器人,與Figure的量產競速。人形機器人的量產競賽正逼近窗口期,但發佈會上的敘事與產線上的真實進度之間存在明顯落差。8月的加州弗裡蒙特,一條運行十餘年、先後生產過大量Model S和Model X的汽車產線,正在被拆除清空。46天前,工人們還在這裡完成電動轎車的總裝;46天后,產線骨架已經騰出,等待安裝Optimus Gen3的專屬工裝。同一個州,聖何塞,Figure AI的BotQ工廠,從今年1月到4月,日產能從一臺提升至具備每小時一臺的生產能力。

120天,24倍。到4月底,工廠已向客戶交付350餘臺Figure 03。其中一批已進駐寶馬斯巴坦堡工廠,承擔一項新的物流作業。人形機器人的“iPhone時刻”是否已經到來?當兩家公司均宣稱“已從實驗室走向商業化”,其中哪一方更接近事實,哪一方仍停留在願景階段?兩套不同的路徑Figure 03的規格幾乎全部公開且可核實,身高168釐米,體重60公斤,負載20公斤,行走速度1.2米/秒,續航5小時。它搭載一塊2.3千瓦時電池,足底集成無線充電線圈,站立於充電墊即可自動補能。全身44個自由度,單手即佔16個,掌心嵌入一顆廣角攝像頭,用於解決伸入深櫃、暗箱時的視覺盲區問題。

指尖觸覺傳感器標稱可分辨3克的壓力差,約一枚回形針的重量。Optimus Gen3的參數披露則不夠完整,特斯拉一貫的策略是優先推進項目本身,參數後續公佈。已確認的部分包括,身高173釐米,體重57公斤,搭載新一代AI5芯片,配合xAI的Grok實現語音交互。手部數據可從兩個維度考察,單手22個自由度(手腕另加3個),這是指手部可執行的動作種類數量;驅動這些動作的,是兩隻手合計50個執行器。自由度是運動維度的數量,執行器是實現這些運動的電機數量,兩者屬於不同概念。兩家公司在感知技術路線上高度趨同。

特斯拉明確棄用激光雷達,將FSD自動駕駛的技術路線直接遷移,攝像頭的成本約為激光雷達的百分之一,只要神經網絡訓練充分,純視覺方案即可滿足需求。Figure 03公開的傳感器方案為6個主攝像頭加兩個掌心攝像頭,歷次公佈的規格中均未出現激光雷達,同樣走的是以視覺為主的路線。產品參數的競爭力與產線能否投入實際運轉是兩個層面的問題,而後者恰恰是特斯拉和Figure差距最大的環節。截至7月22日的Q2財報,特斯拉官方口徑是第一代Optimus產線“正在安裝”,生產“預計年內啟動”。也就是說,弗裡蒙特這條被寄予厚望的產線,尚未真正投入運轉。

馬斯克本人對“年產百萬臺”這一目標反覆重申,但這更接近方向性的意志表態,缺乏附有時間表的施工計劃。他在2025年初曾表示當年要生產上萬臺Optimus,實際交付數字遠低於預期。Figure則呈現出不同的節奏,沒有宏大的產能宣言,只有連續數月的進度更新。1月,日產能一臺;4月底,每小時一臺,24倍提速。到8月,按當時公佈的周產55臺的速度倒推,實際產量大概率已明顯超過350臺的基數。比產能數字更值得關注的,是Figure在寶馬斯巴坦堡工廠積累的實地運行記錄。

上一代Figure 02,11個月的駐廠試點,累計運行超過1250小時,裝載零件超過9萬個,支持了3萬多輛寶馬X3的生產,放置精度99%以上。該項目已於2025年11月結束,Figure 02隨之退役。基於Figure 02的實地運行數據,Figure 03研發問世,並獲得新的部署合同,40臺機器人進駐同一座工廠,執行物流作業,報價約每機器人每小時25美元。作為對照,特斯拉官方尚未公佈Optimus在弗裡蒙特和奧斯汀工廠執行電池分揀、零件搬運等任務時的精度或錯誤率數據。特斯拉描繪的圖景更為宏大,在“產品能否勝任實際作業”這一問題上,Figure提供的證據更具說服力。

產能爬坡可以靠資本投入和管理意志推動,但流水線良品率和實測精度的可操控餘地要小得多。產線運轉只是第一道門檻。真正決定兩條路線走向的,在於每臺機器人如何實現商業回報,以及能否將製造成本降至可承受區間。賣低價硬件,還是賣持續服務特斯拉的邏輯,本質上是將造車方法論平移過來,先跑通量產爬坡曲線,靠規模效應攤薄單臺成本,最終將售價壓至2萬至3萬美元區間,使普通企業乃至家庭能夠承受。這一邏輯成立的前提,是特斯拉確實能像造Model 3那樣,將機器人成本從當前的5萬至10萬美元,一路壓縮至長期目標線以下。

Figure的策略截然不同,不賣硬件,賣機器人的工作時間,每機器人每小時25美元,對標的是產線工人的時薪成本,與設備折舊成本是兩套算法。這一模式下,Figure的收入來自隨部署規模擴大而持續滾動的服務費。這也是它在去年9月融資中獲得390億美元估值的核心敘事,投資人真正在意的是“每小時能收多少錢、能收多少年”這一持續收入預期。兩種模式對應著不同的資本耐心結構,特斯拉押注的是資本市場願意為一個宏大願景持續提供資金。需要指出的是,人形機器人是硬件迭代較快的品類,產品平臺可能一兩年就需要換代。

按小時收費的模式,理論上將設備迭代成本更多留在服務提供方一側;一次性賣斷硬件的模式,則更多將這部分風險轉移給買方。但無論選擇哪條路徑,兩家公司最終都要面對同一個瓶頸,它位於供應鏈最底層的幾個關鍵零部件上。摩根士丹利全球具身智能團隊在一份研究中給出了一個足以令“2萬至3萬美元”定價目標暴露可行性問題的數字:如果完全不使用中國供應商製造Optimus Gen2,整機BOM成本將從約4.6萬美元飆升至13.1萬美元,近3倍。僅執行器一項,成本就可能從約2.2萬美元漲至5.8萬美元。特斯拉提出的“2萬至3萬美元”目標,實質上已將“依賴中國供應鏈”這一前提隱含在商業承諾之中。

中國供應鏈的優勢集中在幾個成本最高、短期內最難替代的環節,並未在所有零部件品類上全面覆蓋。多份行業分析均提到,中國的絕對主導地位集中在永磁體品類,市佔率接近九成;但在減速器、軸承、精密傳感器等同樣關鍵的環節,日本、韓國、歐洲和美國本土供應商仍佔有相當份額。一旦脫離中國供應商,成本近乎翻三倍,“2萬至3萬美元”的定價目標便很難成立。這是人形機器人量產競賽中一個不可迴避的結構性變量,短期內缺乏替代方案。人形機器人的“iPhone時刻”是否已經到來高盛此前給出過一個人形機器人市場規模預測,到2035年,60億美元。隨後,同一機構將該數字上修至380億美元,六倍以上的修正幅度。

另一家市場研究機構ResearchAndMarkets給出的路徑是從2025年的29.8億美元,十年內增長至2434億美元。從380億到2434億,同一個市場,專業機構對十年後規模的預測能相差六倍以上。這種程度的分歧通常只指向一個結論,“它究竟該如何定義”尚未形成共識。將其視為工業設備來計算折舊年限,還是視為消費電子來估算滲透率,抑或視為勞動力替代來對標工資成本,不同的建模邏輯會得出截然不同的結論。而在出貨量數據上領先的反而是第三種策略。宇樹去年售出超過5500臺人形機器人,超過特斯拉、Figure、Agility Robotics三家美國公司的總和。

其策略是先將價格壓至1萬多美元區間,以出貨量建立市場基礎,再逐步補齊通用能力。2007年iPhone發佈時,它並非市場上第一款智能手機。諾基亞、黑莓此前已進入智能機市場。iPhone真正改變行業的,是首次將“可負擔”和“體驗達標”兩件事同時達到消費者可接受的水平。放在人形機器人領域,這個類比指向三個具體條件:成本降至可被規模化採購接受的區間,續航覆蓋一個完整工作班次,供應鏈具備支撐百萬級穩定量產的能力。Figure這條產品線用上一代機型在寶馬工廠11個月的實地運行記錄,證明了這類機器“可以製造、能夠勝任實際作業”。

特斯拉描繪了一條“未來可降至低成本”的路徑,但當前BOM成本仍在5萬至10萬美元區間,距目標價尚有一倍以上的差距。中國供應鏈證明了“可以低成本製造”,但這一前提是必須依賴那幾個被卡脖子的關鍵零部件。三個條件目前分散在不同參與者手中,沒有任何一方同時具備全部。產線拆除的轟鳴、產能爬坡的傳送帶、工廠車間裡反覆作業的機器,構成了人形機器人量產前夜的真實圖景。這場競賽自始至終比拼的核心,在於誰能率先將成本可控、產能穩定、場景可行三者整合為自我造血的正向循環。至於單款產品的參數亮眼程度,從長遠看並非決定性因素。iPhone時刻之所以成為產業里程碑,在於它首次讓前沿技術轉化為普通人可觸及的日常。

人形機器人的真正拐點不會出現在發佈會的聚光燈下。它要等千萬條產線日復一日地運轉下去,才可能慢慢浮現。(本文首發APP,作者 | 硅谷Tech_news,編輯 | 林深)

Related

相關文章

MarkTechPost AI模型更新

Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能

Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。

17 小時前
MarkTechPost AI模型更新

認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶

Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。

1 天前
MarkTechPost AI模型更新

DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API

DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。

1 天前
MarkTechPost AI模型更新

2026年20款Jev替代方案:挑戰TypeSafe的決策模型

TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。

1 天前