特斯拉 AI 副總裁 Ashok Elluswamy 週日承認，Optimus 演示視訊裡的動作 "本質上由人工遠端控制"。
這句話坐實了我此前的判斷：特斯拉在自動駕駛上的優勢，不能直接搬到人形機器人上。Optimus 短期更像演示工程，離可規模部署的生產力還遠。
其實遙控本身不丟人。機器人早期靠遙操作采資料，是行業常態。
真正值得我們關注的是：演示動作仍由人控，說明它還沒轉起自動駕駛那個 "部署 — 資料 — 訓練 — 再部署" 的飛輪。
我把人形機器人比作 "2018 年前的自動駕駛"，說白了就是還沒進入真實場景的大規模資料閉環。
自動駕駛能破局，是因為電動車本身有用。車先賣出去、上路跑、順便采資料。人形機器人如果完不成真實任務，就鋪不了量，資料也起不來。
這是 "資料 — 能力死循環"：缺真實任務資料 → 模型不靈 → 執行不了複雜任務 → 無法廣泛部署 → 更難拿到資料。
其實Ashok還說了一件更重要的事，那就是實體機器人的 AI 安全問題。他說這會讓大語言模型的安全討論顯得 "不值一提"。
大語言模型犯錯頂多是胡說。可機器人犯錯是在真實世界裡撞人、砸東西、誤操作裝置。它不光要懂語言，還要懂力、材質、空間、因果、人的習慣。VLA 模型現在的適應性，離人類還差很遠。
我多次講，真人形有偽需求，偽人形有真需求。像 Optimus 這種完整雙足人形，展示強、敘事強，真實商業任務卻太難。帶底盤、雙臂、固定場景的 "偽人形" 或專用機器人，反而更可能先落地。
所以，這件事對特斯拉的影響，要分兩個層面來看。
第一層，利空 Optimus 的短期敘事。馬斯克把 Optimus 說成特斯拉未來最大業務之一，但如果核心動作仍靠遙操作，短期量產、進廠替人、規模變現都要打折。
第二層，未必利空特斯拉自動駕駛。自動駕駛才是特斯拉有資料飛輪的戰場，Robotaxi 也是我更看重的主線。Optimus 更像 AI 品牌的遠期期權，離可驗證的現金流業務還遠。
車是在結構化道路上做決策，機器人是在混亂物理世界裡幹活，難度不是一個量級。機器人還沒找到它的第一塊根據地。
以後看到人形機器人，先問問是不是遙控的，連特斯拉都承認了，誠實一點不丟人。 (創新地圖)