今天凌晨，特斯拉公布了其第二季度的业绩，并进行了 Q2 财报电话会，其中 Optimus 机器人的进展，成为了会上的重点话题。
总体来看，关于机器人的情况，特斯拉 CEO 马斯克在会上透露了下面几个关键信息：
Optimus 量产工作即将启动；
大家在网上看到很多机器人精彩演示，但那些演示机器人要么是预先编程，要么是远程操控；
目前还不存在能够执行通用任务的人形机器人，Optimus 将是首款实现该能力的产品；
必须杜绝 Optimus 失控故障，想要敲定成熟设计、实现量产爬坡，还有大量工作要做；
希望大家理性预期量产节奏，Optimus 会遵循制造业经典 S 型爬坡曲线，但曲线前期会平缓且漫长。
除此之外，特斯拉 AI 软件副总裁 Ashok Elluswamy 也机器人训练数据采集这一今年来行业共同关注的问题上，给出了相对详细的回答。
01
V3 仍然没有亮相
其实在去年底，马斯克就表示 Optimus V3 将会在今年一季度亮相，但到了 3 月底，V3 并没有像大家预想的那样出现在公众面前。
时间来到 4 月，马斯克在 Q1 财报电话会上表示，之前 Optimus 每次迭代曝光后，竞品都会快速模仿，所以 V3 要到贴近量产的节点再对外公布。
其实自从 2022 年 10 月初代 Optimus 亮相后，大家就一直非常关注 Optimus 机器人的进展，尤其是在 2023 年 12 月第二代 Optimus 发布后，整个行业被彻底点燃，特斯拉无疑就是标杆。
但到了这两年，行业的情况出现了非常大的变化，机器人厂商开始大规模崛起，各种做家务、进工厂的视频层出不穷，甚至有许多公司已经到了万台级别的量产规模。
不过在这个过程中，也确实存在着不少乱象，就像马斯克提到的那样：「很多机器人的精彩演示，要么是预编程，要么是远程操控。」并且目前还没有企业能够做到「只需下达指令，就能让机器人在无需额外编程的情况下，自主完成任务」这件事。
同时他也认为，Optimus 将是首款能够执行通用任务的人形机器人，能够真正在日常生活中发挥实用价值。
02
要理性预期量产节奏
除了 V3 的情况，整个行业也一直都比较关注 Optimus 的量产节奏，这次财报电话会上，马斯克也就此问题，进行了详细解答。
他提到，机器人机电设计存在重重挑战，既要实现足够灵活的操作能力，还要保证高可靠性、耐用性。
在这里他举了个例子，如果一台 70 公斤重的机器人突然倒地，还没有轮子，那只能像抬重物一样把它运走。
在总体的量产层面，马斯克非常谨慎，他认为想要敲定成熟设计、实现量产爬坡，还有大量工作要做。
并且着重强调：「Optimus 量产规模化的挑战极其巨大，这将是特斯拉有史以来最难量产的产品。」
这点也体现在供应链层面，他提到 Optimus 不像电动车那样，在许多零部件上有着成熟的供应链，因此特斯拉要么从零搭建整条供应链，要么选择内部自研自产。
所以马斯克在会上也表示，希望大家理性预期量产节奏：「Optimus 会遵循制造业经典 S 型爬坡曲线，但曲线前期会平缓且漫长。」
另外，他也提到，「Terafab 晶圆工厂的选址会很快公布。如果缺少这座工厂，Optimus 量产规模会受到限制，我们会面临 AI 芯片供给瓶颈。」
03
Optimus 数据飞轮
在量产节奏之外，今年整个机器人行业最关心的问题，就是数据。
对于这个问题，特斯拉 AI 软件副总裁 Ashok Elluswamy 在电话会上进行了一次系统性公开说明，也让外界第一次比较清晰地看到了 Optimus 的数据体系。
Ashok 表示，Optimus 采用人形设计，并不仅仅是为了外观像人，更重要的是能够直接学习人类完成工作的方式。
人形机器人最大的优势，就是可以直接学习人类完成工作的方式。无论是工厂还是家庭，大量真实场景都可以成为机器人的训练来源。
在 FSD 上，特斯拉依靠海量真实道路数据不断提升模型能力；到了 Optimus，真实世界中的人类操作过程，也正在成为机器人的训练数据。
他提到，在工厂中，员工日常完成装配、搬运等工作的画面，都能够作为机器人的训练数据。机器人通过观察人类如何完成任务，学习对应的操作方式。
除了这些规模化的人类操作数据之外，特斯拉还有一支专门的数据采集团队。
这支团队会采集数量虽然不多、但质量非常高的示范数据，用于模型的微调训练，以进一步提升机器人执行任务的能力。
与此同时，互联网中的大量工业、家庭场景操作视频，同样也是 Optimus 的重要训练数据来源。
除了这些外，按照 Ashok 的介绍，大批量 Optimus 在专门的「Optimus 实训基地」中不断重复执行各种任务。
机器人在执行任务过程中产生的数据，不仅能够弥补机器人与人类身体形态之间的差异，还能够作为强化学习的数据基础。
也就是说，机器人会不断尝试任务，从成功与失败中持续学习，在循环训练中不断提升自己的操作能力。
Ashok 将这一过程描述为 Optimus 的第二重增长飞轮。
04
Optimus 和 FSD 都是端到端
在数据之外，Ashok 强调，Optimus 的整体 AI 架构与 FSD 保持一致。
两者都采用端到端方案，以视觉作为输入，直接输出控制指令。
他举例表示，在 FSD 中，用户输入一个目的地，车辆能够自主完成整个驾驶过程；
未来对于 Optimus 来说，也是类似的逻辑，用户只需要下达任务指令，机器人便能够自主完成整个任务，无需人工持续干预。
值得注意的是，Ashok 还透露，目前负责 FSD V12、V13、V14、V15 的同一支 AI 团队，也正在负责 Optimus 的算法研发。
