今年5月，特斯拉最後一批Model S/X下線，宣告停產退役。僅僅46天後，舊生產線被拆除乾淨，取而代之的是Optimus人形機器人的首條量產線。這一戲劇性的轉變，凸顯了特斯拉向AI公司轉型的決心——Optimus不僅與Model 3/Y共享工廠，其“大腦”更直接移植了FSD演算法。

特斯拉一直強調，車上的FSD演算法可以複用於機器人，將汽車行業的重資產包袱轉化為邊際成本趨零的軟體優勢，估值因此水漲船高。木頭姐（Cathie Wood）最近公開認錯，表示其2029年2600美元的目標價模型裡並未計入Optimus的價值，並承認“在自動駕駛領域過於激進，但在人形機器人領域可能過於保守”。馬斯克本人也時常抱怨華爾街低估特斯拉，在財報會上多次為Optimus辯護，稱第三代產品是“真正意義上的通用機器人”。

然而，口號背後是略顯尷尬的時間差：特斯拉最早提出人形機器人概念是在五年前，至今仍未量產。人形機器人是軟體業與製造業的結晶，理論上應是汽車公司的舒適區，但眼看著機器人公司風頭日盛，特斯拉反而顯得慢了。問題出在哪裡？

演算法移植的侷限

2024年，前特斯拉AI負責人Andrej Karpathy在播客中透露，早期版本的Optimus“一度以為自己是輛汽車”，因為它使用了與汽車相同的計算機、攝像頭和演算法。FSD演算法移植給Optimus並非特斯拉獨有，人形機器人與自動駕駛在“感知-決策-控制”鏈條上確有共通性。外界估算，Optimus大約複用了60%的FSD演算法，何小鵬甚至認為人形機器人與汽車在軟體上的共通性高達90%。

但演算法目標存在本質區別：自動駕駛服務於“從A點移動到B點”，而人形機器人需要理解物理世界並與之互動，例如拿起雞蛋、整理衣物。智駕演算法輸出的加速剎車指令，無法直接轉化為機器人所需的精細操作技能。正如文章指出，智駕演算法做得再好，充其量是專用機器人系統；人形機器人的“通用”在於“全能”，而非簡單的移動。

硬體優勢：供應鏈與製造

車企的優勢更多來自硬體。一是供應鏈管理能力：汽車與人形機器人的零部件技術原理相近，供應鏈重疊度高。以關節為例，電機、減速器、絲槓等核心部件已有大量汽車供應商參與，如恆帥、中鼎、雙林、三花智控、舍弗勒等。車企龐大的訂單量能帶來極低採購價，並深度參與產品研發。二是生產製造能力：汽車是複雜工業品，車企具備高自動化生產線和成熟的質量管控體系，這些經驗可複用於機器人量產，確保成本可控。

資料難題：通用化的攔路虎

人形機器人需要海量資料訓練演算法，以打破莫拉維克悖論——人類輕而易舉的事，AI卻覺得困難。相比駕駛資料可依賴車隊回傳，機器人資料採集更為困難。過去依賴真機遙操，成本高且效率低；近年興起的無本體資料（如UMI、EGO）可提高效率，但車企與原生機器人公司在此面臨的挑戰基本一致。文章總結，造車經驗或許能造出機器人，但“活幹得好不好”最終取決於資料和演算法，在這場新競賽中，沒人掌握直接通關的密碼。