今年5月，特斯拉最后一批Model S/X下线，宣告停产退役。仅仅46天后，旧生产线被拆除干净，取而代之的是Optimus人形机器人的首条量产线。这一戏剧性的转变，凸显了特斯拉向AI公司转型的决心——Optimus不仅与Model 3/Y共享工厂，其“大脑”更直接移植了FSD算法。

特斯拉一直强调，车上的FSD算法可以复用于机器人，将汽车行业的重资产包袱转化为边际成本趋零的软件优势，估值因此水涨船高。木头姐（Cathie Wood）最近公开认错，表示其2029年2600美元的目标价模型里并未计入Optimus的价值，并承认“在自动驾驶领域过于激进，但在人形机器人领域可能过于保守”。马斯克本人也时常抱怨华尔街低估特斯拉，在财报会上多次为Optimus辩护，称第三代产品是“真正意义上的通用机器人”。

然而，口号背后是略显尴尬的时间差：特斯拉最早提出人形机器人概念是在五年前，至今仍未量产。人形机器人是软件业与制造业的结晶，理论上应是汽车公司的舒适区，但眼看着机器人公司风头日盛，特斯拉反而显得慢了。问题出在哪里？

算法移植的局限

2024年，前特斯拉AI负责人Andrej Karpathy在播客中透露，早期版本的Optimus“一度以为自己是辆汽车”，因为它使用了与汽车相同的计算机、摄像头和算法。FSD算法移植给Optimus并非特斯拉独有，人形机器人与自动驾驶在“感知-决策-控制”链条上确有共通性。外界估算，Optimus大约复用了60%的FSD算法，何小鹏甚至认为人形机器人与汽车在软件上的共通性高达90%。

但算法目标存在本质区别：自动驾驶服务于“从A点移动到B点”，而人形机器人需要理解物理世界并与之交互，例如拿起鸡蛋、整理衣物。智驾算法输出的加速刹车指令，无法直接转化为机器人所需的精细操作技能。正如文章指出，智驾算法做得再好，充其量是专用机器人系统；人形机器人的“通用”在于“全能”，而非简单的移动。

硬件优势：供应链与制造

车企的优势更多来自硬件。一是供应链管理能力：汽车与人形机器人的零部件技术原理相近，供应链重叠度高。以关节为例，电机、减速器、丝杠等核心部件已有大量汽车供应商参与，如恒帅、中鼎、双林、三花智控、舍弗勒等。车企庞大的订单量能带来极低采购价，并深度参与产品研发。二是生产制造能力：汽车是复杂工业品，车企具备高自动化生产线和成熟的质量管控体系，这些经验可复用于机器人量产，确保成本可控。

数据难题：通用化的拦路虎

人形机器人需要海量数据训练算法，以打破莫拉维克悖论——人类轻而易举的事，AI却觉得困难。相比驾驶数据可依赖车队回传，机器人数据采集更为困难。过去依赖真机遥操，成本高且效率低；近年兴起的无本体数据（如UMI、EGO）可提高效率，但车企与原生机器人公司在此面临的挑战基本一致。文章总结，造车经验或许能造出机器人，但“活干得好不好”最终取决于数据和算法，在这场新竞赛中，没人掌握直接通关的密码。