推廣活動

特斯拉Optimus下線 2 萬台,一半先去上學

美股艾大叔
•
AI速讀
特斯拉 Optimus V3 正式進入量產,年度目標 1.5-2.5 萬台,其中超過 50% 將用於素材中心採集訓練數據。目前意向訂單達 18 萬台,預計可轉化 5 萬台實單,首批客戶集中於汽車零部件、物流與零售業。技術面在物流搬運已達 3 台換 1 人的盈虧平衡點。特斯拉計畫透過減少高價感測器、擴大產能及降低車規標準,將售價從 9 萬美元壓至 2.5 萬美元。儘管仍面臨執行器壽命與散熱瓶頸,但預計 2028 年將大規模推向家庭市場。

今年 7 月,特斯拉的人形機器人 Optimus V3 正式進入量產。全年的下線目標,1.5 萬到 2.5 萬台。

但這批機器人裡,一半以上不下車間。它們被送進北美一座素材中心,日復一日地重複抓握、搬運、整理貨架,只做一件事:攢資料。


這次的專家是特斯拉的供應鏈公司內的,連當下核心技術瓶頸也仔細拆解了。乾貨滿滿,專業度高。值得認真閱讀。

一、一半產能在攢資料

專家把今年下線的機器拆得很細:50% 到 60% 先送進素材中心;剩下的 30% 到 40% 裡,一半進標準生產線,一半進試制線。北美幾家機器人餐廳也有幾台,數量少到可以忽略。

素材中心裡堆著三代機器:2025 年的 G2、G2.5,和今年的 V3。名字有點亂——官方口徑叫 Gen 3,馬斯克自己叫 V3,說的是同一台;再往前數,2023 年底那代是第二代,2022 年只會慢慢挪步的那台原型是第一代,早停產了。

它們做的是同一件事:工人穿著動捕服親手做一遍,機器人在旁邊跟著學;攝影機再從它自己的視角把整個過程錄下來,一段一段存成訓練素材。說白了,就是給機器人編教材。

今年的規劃裡,資料採集要用掉 1 萬台,順利的話能到 1.5 萬台。這個數字決定了今年產能的大頭去那兒。

素材中心不是無底洞。專家測算,它能容納的機器最多不超過 5 萬台,穩定規模在 3 萬到 5 萬台之間——也就是說,靠“多買機器”堆資料的階段,大概還有兩年窗口。

換下來的舊機器也不是報廢。新版本進來,老版本轉崗去產線或其他場景,一台機器從買進到用舊,帳能從頭算到尾。

二、先動的不是整機,是零部件

這條鏈的節奏,得從零部件看起。

專家給了一個明確的數:公司內部 2027 年的零部件訂單量,對應約 10 萬台人形機器人。如果這些件全部組裝成整機,光給素材中心補充的,就不少於 2 萬到 3 萬台。

把兩個數字放在一起看,節奏就清楚了:今年兩萬台上下,明年零部件先按十萬台備料。零部件的訂單,比整機的銷量早半年到一年,是這條鏈上最不會說謊的訊號。

但要留一句:訂單對應的是“能力”,不是“銷量”。備料十萬台,和賣出十萬台,中間還要過測試、過驗收、過砍單,一關一關走。

三、18 萬台意向,只敢認 5 萬

意向訂單這塊,截至 9 月底累計約 18 萬台。

公司自己的演算法是:等 V3 正式公佈性能和價格,這些意向裡至少 30% 能轉成實際採購合同,也就是 5 萬台以上。

客戶名單挺能說明問題。排在前面的幾類是:汽車零部件供應商(博世、法雷奧、海拉)、物流快遞(UPS、DHL)、商超零售(沃爾瑪、Costco)、餐飲連鎖(麥當勞),以及白電與消費電子製造商——包括台灣的鴻海精密(富士康)在美國的工廠。

還有一類意向容易被忽略:醫藥企業和私立醫療機構,想把機器人用在護工、病人照看、健康監測上。專家說得很直白,這類應用短期內較難兌現。

交付節奏也分層。今年底先開一個對接通道,挑一部分 To B 夥伴做定向交付,在對方工廠裡跑測試,但那還不是正式銷售;真正的對公銷售要到明年。

明年優先的還是工業端。專家透露,已經和部分汽車上游的零部件公司簽了商業備忘錄,計畫明年向其定向交付大量機器人,用於生產、物流搬運和質量檢測。

讓客戶敢簽的,還有一條承諾。已經固化的那 50% 到 60% 技術,不會再大改;新技術出來,客戶可以直接免費更換。

迭代節奏也被刻意壓住了。大的更新不會發生在 V3 到 V4 之間,而在 V3 到 V5,也就是至少 3 年一次——正好對上機器的物理壽命。對一條產線來說,這比參數重要。

所以那條折扣要記住:18 萬是意向,5 萬才是訂單。中間這道折價,是這類硬體最容易被高估的地方。

四、三台機器人換一個工人,剛好不虧

機器人到底替不替得動人,得看三個工站的實際成績。

表現最好的是智能倉儲裡的物流搬運:三台換一個人,精準率約 98%。

質量檢測是另一個極端。精準率最高,做到 99%,但速度慢,人效只有 20%,得五到六台才頂一個人。

最吃力的是零部件組裝:精準率 90% 到 93%,平均六到七台換一個人。打螺栓這種簡單工站五台就夠,裝支架、預埋線束這類複雜工站要七到八台。專家說得很實在,這一環的投資回報,眼下還差一口氣。

這筆帳可以拿物流搬運來算:美國物流工人年薪約 30 萬人民幣,機器人物料成本 4 萬到 5 萬美元;如果整機壽命能撐三到五年,三台換一個人,剛好打平。

明年的目標是把這個比例壓下去。專家預計,到 2027 年,物流搬運可以接近 1 比 1,人效做到人類的 80%;質量檢測在明年一季度能到 2 比 1。組裝因為工序複雜,還得再等。

還有一層常被忽略:機器人能 24 小時干。電池輕載續航約 7 小時、多載只有 3 小時,解決辦法是在地面下預埋充電線,讓它邊用邊充。代價是散熱——所以明年只挑慢工位上,一分鐘過十個以內;一分鐘要過幾十個的快線,還不敢上。

這也解釋了那個反直覺的選擇:第一批被替代的不是最髒最累的活,是最慢最規律的活。

五、從 9 萬美元砍到 2.5 萬

這台機器現在很貴。物料成本 4 萬到 5 萬美元,加上製造、管理費用和毛利,售價落在8 萬到 9 萬美元。公司的目標是把售價壓到 2 萬到 2.5 萬美元——這意味著物料成本要先降到 1.5 萬到 2 萬。

降本不是靠單方面壓價,而是三條路一起走。

第一條路,是讓軟體替硬體幹活。V3 把六自由度力矩感測器的用量從原型機的 8 個減到 2 個——就是那種能同時感知前後左右上下六個方向受力的感測器,當時一個報價 3 萬到 4 萬人民幣。門檻一降,能做的供應商從少數幾家變成一二十家,價格競爭自己就來了。

第二條路走的是產能。諧波減速器是關節裡那個把電機轉速降下來、同時把力氣放大的齒輪組,在工業機器人裡早就是標準件,全球一年需求約 200 萬套;人形機器人要的是把供應商綁進來——承諾三到五年內作為主流供應商、保證一定訂單比例,換它擴產。再借汽車行業的老辦法,簽大額訂單和年度降價協議,把自動化帶來的成本紅利拿回來。

第三條路是降規格。先解釋兩個門檻:ASIL 是汽車電子的安全等級,D 檔最嚴;AEC-Q100 和 AEC-Q200 是車規晶片的入門考試。原型機階段,很多電子電器控製器直接按最嚴的兩檔車規做,等於拿造飛機的規矩造自行車,成本全是冗餘的;到了 V3 評估發現,部分部件按消費電子的標準就夠用,這兩道認證不再強制,這一刀省得很實在。

材料上還有兩個動作。一是磁鐵。釹鐵硼就是電機裡那種稀土磁材,現在每台要吃掉 4 公斤到 5 公斤,目標是壓到 1 公斤以內;特斯拉 9 月 3 日剛展示過用在 Cybertruck 上的無稀土電機,現在正把它做小,搬到機器人關節上。二是拿塑料換鋼:減速器和絲槓裡的齒輪、保持架,改用碳纖維增強的 PEEK 塑料件。

自研也有邊界。明年下半年的 V4,會從供應商手裡收回一部分大關節執行器的生產權限,自己建線;收的都是技術含量最高、最怕被同質化的那部分。但晶片還得靠台積電、三星、英飛凌代工,自家的 Terafab 工廠要到 2028 年之後才能規模量產;靈巧手——就是那雙帶手指的手——上面的柔性觸摸感測器,專家判斷未來三到五年仍然要委外。

六、三大瓶頸,和一條三年的壽命線

專家把未來三到五年最要緊的技術問題排了個序,第一是執行器,第二是感測器,第三是控製器。

執行器是地基。它就是關節裡那塊“肌肉”,靠它出力、也靠它發熱。行業通病是散熱差、壽命短、效率低,解法無非新電機、新減速器,或者把控製器、感測器、執行器做成一體化的關節模組。

感測器難在“像人”。真正的電子皮膚要能感知壓力、溫度、濕度,甚至痛覺和癢覺;現在多數所謂電子皮膚,只能處理單一訊號。

控製器難在架構。機器人身上那套模型現在三四十億參數,往後要漲到百億甚至幾百億;算力不夠可以外掛輝達的 Thor,但如果全身上下的線路不是從頭到尾一套規矩,節點一多,訊號就開始打架——軟體的上限,被硬體的下限拖住了。

散熱是這中間最不性感、又最要命的一環。靈巧手關節多、體積小,傳統風冷塞不進去,特斯拉在 V3 到 V4 的迭代裡用了一種叫超高頻射流風扇的東西:靠壓電陶瓷高頻振動擠壓空氣,形成高速氣流定點吹。再疊上相變材料和導熱矽脂,把熱從晶片表面帶走。

壽命是另一條線。現在整機系統壽命大約 2 年到 3 年,結構件、線束能撐 10 年以上,短板全在感測器和執行器,個別件只有一兩年。明年的 V4 目標是做到標準三年壽命。

他們甚至想了個工程之外的辦法:把手部觸摸感測器做成可解耦的手套,壞了使用者自己換一隻,不用返廠。

七、想進客廳,先過五道驗收線

想賣給家庭,得先一道道過關。特斯拉自己列了五條硬指標,一條一條卡。

資料是第一道。有效資料時長破 100 萬小時,才有機會解鎖行政辦公這類簡單場景;要到 500 萬小時,才夠支撐家庭生活。而現在,靠人工示範錄下來的資料只有十幾萬小時。

壽命是第二道。消費者對可靠性極敏感,整機至少三年,更高標準五年。

第三道是平順性。關節響應必須壓到 100 毫秒以內,八十到九十毫秒最舒服——超過這條線,人眼能看出卡頓,機器就只是機器。

第四道是互動。眼下的模型一次能處理的任務框在 100 個以內,目標是一千個以上,才能聽懂語境、做出不像背稿子的回答。

第五道是泛化。場景切換五個以上,識別精準率不能低於 95%;切換八到十個、還要連著做(出門、逛超市、社交、回家),不能低於90%。

所以先落地的是辦公室和餐廳。辦公室標準化程度高、佔地小、作息固定,掃地、養花、發零食、整理檔案,幾台機器串起來就能替掉行政後勤;餐廳毛利高、還自帶吸睛效應,但風險也大,明年以聯合營運試點為主,不放開銷售。

家庭要等。V4 明年下半年設計凍結,2028 年左右才大規模推家庭場景。公司內部把 To C 真正量產的時點定在 2028 年;行業會快一些,輕量 To C 的交付明年底就會陸續出現,比如超市理貨、前台收銀;專家判斷真正的放量在 2028 年下半年到 2030 年。

···

還有一組數字,比上面任何一條都更能說明量產的難度。

從 G1 到 V3,機器的整體架構已經收斂,60% 到 70% 的部分固化了;V3 到 V4,還要改30% 到 40%;V4 到 V5,降到 20% 到 30%。公司給自己劃的底線是:每代迭代,至少一半以上的零件不做大改。

│ 如果每一代產品的零部件復用率過低,SKU 就會變得極多,成本和產線管理都會失控。

翻成白話:每代都換一批零件,倉庫裡就會堆滿各種型號,採購、備料、裝配全跟著亂。

這就是為什麼 V3 在 7 月踩上這條復用線,量產的時間點才被定在今年——不是因為技術最好,是因為終於夠穩定。

再往遠看一點,專家描繪的場景其實很樸素:一個全由人形機器人組成的車間,標準化的程度會超過今天的黑燈工廠——那種車間連燈都不用開,因為裡面本來就沒幾個人。人不累、不鬧情緒、不漏檢,質量和節拍都是恆定的。

這個畫面離現在還有幾年。中間隔著的是執行器的壽命、感測器的精度、控製器的算力,還有一條條寫在紙上的驗收線。

人形機器人從來不是“能不能做出來”的問題,是“能不能連續三年不出事”的問題。這一代產品真正的對手,不是同行,是良率和時間。

(數之湧現)