关于特斯拉的类人型机器人，这些细节你知道吗

2022 年 10 月 1 日，当大家开始享受长假的第一天时，大洋彼岸一个全身裸露着骨架和电线、闪烁着各式各样指示灯的类人形机器人正缓缓走上舞台，向现场的观众挥手致意。

是的，这就是特斯拉 "2022 AI Day" 中的一个场景。而这台乍看之下还有点简陋的类人形机器人，也正是特斯拉在这场活动中发布的、同时也很可能会是对其未来影响最大的 " 新品 " 之一。

当然，如果你是一位科技爱好者，想必已经在 "AI Day" 当天看过了不少的相关报道。但这场持续了三个多小时的活动，许多朋友可能很难从早上一直看到接近中午。

正因如此，我们三易生活今天就总结了特斯拉此次 "2022 AI Day" 上，四个可能很容易忽略、但其实又相当重要的细节。

此次特斯拉这次发布机器人并不是 " 擎天柱 "

在目前关于 "2022 AI Day" 的诸多报道中，我们注意到有不少媒体在提及特斯拉此次发布的这款类人型机器人时，都用了 " 擎天柱 " 来称呼它。

不得不说，这首先就是一个很大的错误。一方面，特斯拉这款机器人名为 "Optimus"，而大家熟悉的《变形金刚》里的 " 擎天柱 "，原名则是 "Optimus Prime"。请注意，"Optimus Prime" 并不是 " 名 + 姓 " 的结构，因此是不能拆开简写的，因此 "Optimus" 自然也就不能被理解为 " 擎天柱 "。

不过在中文互联网里进行搜索就会发现，很多人其实都有错将 "Optimus" 当作 " 擎天柱 " 的习惯。这是因为 "Optimus" 这个词并非英文，而是一个来自拉丁语的词汇，意思大致是 " 最优化的、最好的 "，因此在英文辞典里找不到它的释义也并不奇怪。

顺带一提，正是因为 "Optimus" 这个词汇的意思，所以也使得它常常被用于一些工业、工程领域。比如有个工业设计、优化工具软件就叫做 Optimus；又比如笔记本电脑中，大家熟知的 NVIDIA 独显 / 集显自动切换技术，也叫做 Optimus。

因此特斯拉之所以会将这款类人形机器人取名为 Optimus，或许不仅仅是因为会让人联想到 " 擎天柱（Optimus Prime）"，还有希望它可以 " 优化 " 未来生产流程、给用户带来更美好生活的期望。

特斯拉 " 造人 " 是为了干活，而非炫技

讲完了在名称上的误解后，接下来就来看看 Optimus 类人形机器人更多的 " 内在信息 " 吧。

如果你此前有关注过类人型机器人的相关信息可能已经发现，特斯拉此次发布的 Optimus 在很多技术指标和设计理念上，与其他一些类人型机器人相比存在着极大的差异。

比如说，特斯拉方面在此次活动中花了极大的篇幅，来介绍他们自研的机器人电机系统。据悉，在一台 "Optimus" 上配备了 28 台自研电机，但其实它们只有 6 种从大到小的不同规格，电机数量和种类都明显要远少于现有的大多数同类产品。

又比如说，在机器人的相关算法部分，特斯拉还专门讲到了他们是如何 " 训练 "Optimus 执行各种精密动作的。不同于常见的类人型机器人需要对每一个关节进行细致编程的做法，他们创造了一个动作追踪的通用模型。这样一来，" 训练师 " 只需穿上动捕服、把动作做一遍，机器人就会自动识别相应的关节运动数据、" 学会 " 特定的行为。

除此之外，在 Optimus 的 " 机能 " 属性上，目前的版本就可以搬运约 10Kg 的重物，而最终的设计指标也 " 只不过 " 才 20Kg 的载荷。同时，与许多追求 " 能跑能跳 "、动作极其灵活的类人型机器人不同，Optimus 的行走速度被故意设计为 " 可以被人轻易追上 "，同时平衡能力也不会比人类有太大优势。事实上，特斯拉的工程师甚至还专为其设计了一套基于吸能结构的 " 跌倒防护 " 机制，确保机器人被人为 " 放倒 " 时，内部组件不会轻易损坏。

为什么特斯拉要让 Optimus 如此简单而 " 孱弱 "？因为它本身并不是一款为了 " 炫技 " 而生的设备。Optimus 不是像电影里擎天柱那样的 " 超级机器人 "，相反，它从一开始就被设计为特斯拉未来生产线上的 " 机器苦力 "，将会被制造几千、几万台，甚至更多，专门用于执行货物搬运、简单的零件组装等，枯燥、高度重复、同时还有受伤风险的工作。

正因如此，Optimus 显然就不需要有可爱的外表，也不需要 " 能歌善舞、疾驰快跑 "。相比之下，自研且规格高度统一的电机可以简化其生产与维护流程，并且仿生学的结构也不是为了追求指标好看，而是为了让它可以更快速地学习、模仿 " 和人一样的动作 "。

顺带一提，特斯拉有意地将 " 能够被人轻易制服 " 作为了 Optimus 运动能力的设计指标之一。不得不说这有点 " 赛博朋克 "，但也从另外一个侧面证明了他们将大规模量产 Optimus，并会将其用于实际生产、而非炫技的决心。

Optimus 其实与特斯拉的车 " 同宗同源 "

当然，说到特斯拉，很多朋友可能首先会想到的还是他们的新能源车系。也正因如此，当看到特斯拉在今年 "AI Day" 上花了足足三个多小时大讲特讲机器人时，的确就会让一些人产生特斯拉 " 不务正业 " 的感觉。

然而，一方面正如前文中所讲到的那样，特斯拉 " 造（机器）人 " 的一个重要目地，其实也是为了改善自身汽车制造工厂的生产效率和安全性。另一方面来说，纵观整个 "Optimus" 的软硬件设计，也不难看到大量的、和特斯拉车系完全相通的元素。

例如在核心的计算方案上，Optimus 就搭载了特斯拉自研的芯片。它其实就是特斯拉车系上使用的同款计算芯片，这可不是指的车机大屏的控制芯片，而是主导 FSD 辅助自动驾驶的 AI 运算芯片。换句话来说，在其他新能源车企还满世界寻找 AI 计算方案供货商时，特斯拉不仅早已用上了自研方案，而且已经开始进一步挖掘其在机器人控制领域的潜力了。

比如在环境感知能力上，Optimus 采用了仿生学的视觉设计。也就是说，它不像其他大多数同类机器人那样，需要依靠遍布全身上下的雷达、超声波、红外线来测量空间距离，而是几乎完全借助头部的摄像头去 " 看 " 世界，去判断不同的物体、生物、障碍的种类、高度、大小等信息。

是不是觉得很眼熟？对，这种 " 全视觉感知 " 的设计理念和算法，其实也与特斯拉目前的车载辅助驾驶设计有着莫大的联系。多年前，当马斯克面对公众的质疑，声称 " 因为人类是用双眼认知世界，所以我们的车也应该研发视觉认知方案 " 时，很多人对这一观点嗤之以鼻。但如今看来，特斯拉可能当时就已有了研发、制造机器人的意图。

那么，大量源自汽车平台的设计理念和配置，会给 Optimus 带些什么呢？

首先，它让特斯拉以超高的效率完成了这款机器人 " 从概念到现实 " 的设计过程。事实上，Optimus 从提出概念到造出第一款原型机总共只用了短短六个月，而从最初的原型机优化到目前能够自主步行的程度，也只用了八个月而已。

其次，源自车载计算机和电力系统的设计经验，让特斯拉非常注重 Optimus 的能效表现。一方面，Optimus 内置了 2.3kWh 的电池组，对于一款体型、体重都接近成年人的类人型机器人来说，这其实是个很小的电池容量。但另一方面，它在静坐和快走时的功耗分别仅为 100W/500W，这就使得哪怕只配备了几块小容量电池，也足够 Optimus 支撑一整天的工作需求。

最为重要的是，大量沿用自车端的成熟技术、再加上偏量产实用性的设计思路，使得 Optimus 的生产成本具备极大的优势。根据官方公布的信息显示，Optimus 最终的目标是将成本降低到两万美元左右，甚至比目前特斯拉入门款的电动车还便宜。

除了机器人，Dojo 也是今年 AI Day 的大招

说了这么多关于 Optimus 的内容，大家是不是已经产生疑问了。毕竟明明是 "AI Day"，难道今年特斯拉的 AI 研发成果，就仅仅只是这一款类人型机器人吗？

当然不是！事实上，就在这场活动中，特斯拉方面也宣布了他们在 FSD（全自动辅助驾驶）Beta 测试上所取得的规模性成果，同时还公布了自研超算 Dojo 的最新信息。

可能有些朋友不知道的是，如今对于的各大车企来说，自有 " 超算平台 " 其实已经成为了一个相当重要的业务环节。毕竟，如今的新能源车普遍都很重视续航能力和辅助驾驶功能。而超级计算机的意义，就在于它既能辅助进行车身设计，规划出风阻更低的车身造型，同时还能够帮助车企训练各种 AI 模型，在车辆的人机交互、电池管理、辅助驾驶，甚至未来的自动驾驶功能研发和改进上，都有着至关重要的意义。

正因如此，前不久大家可能都看到了这样的一则消息，说国内的新能源车企都在抢购 NVIDIA 最新型的超算计算卡，这其实为的就是要 " 攒够算力 "，方便未来几年的新品研发。而在特斯拉这边，他们从 2019 年就开始了芯片级的自研超算项目，也就是如今的 Dojo。

Dojo 使用的基础计算单元，是一款名为 "D1" 的处理器，并且其自研程度极高，甚至连指令集都是特斯拉自定义的。而如此高的自研程度，也帮助 Dojo 实现了远超传统 GPU 超算的性能和成本控制水平。

根据特斯拉今年在 AI Day 中公布的信息显示，Dojo 超算已经完成了对训练模组的工作测试。如今一个 Dojo 训练模组的机器学习训练能力，就可以达到 "6 个 GPU 计算盒子 " 的水准，同时成本甚至还不到后者的 1/6。

这是什么概念呢？要知道，在目前的新能源车市场中，特斯拉本就有着一定的规模优势。而如今，他们开始在后端的 AI 计算能力、模型生成速度上，也有了远超其他车企的效率和成本优势。这也就意味着，特斯拉未来将能够以快得多的速度，迭代他们的自动驾驶算法、同时花费还更少，最终摊平到产品上的成本压力还会更低。

甚至，还可以更进一步的设想，正如现在特斯拉可以将 " 造车 " 的技术用于制造机器人一样，" 天生 " 具备算力和成本双重优势的 Dojo 超算，未来会不会也成为特斯拉对外开放的新业务呢？