过去的人形机器人，像一个背熟了操作手册的工人：看见螺丝就调用“抓取”程序，遇见台阶就执行“抬腿”例程。每一步都是工程师提前写好的代码，世界稍微变一点，机器人就卡住。
现在特斯拉换了一种做法。
据报道，特斯拉最新量产版 Optimus 首次全面搭载了与 FSD 同源的端到端视觉大模型。它不再把“看见什么”和“该做什么”拆成一个个独立模块，而是让神经网络直接从视觉输入生成关节控制指令。简单说，机器人第一次不是被“编程”去干活，而是被“训练”去理解世界。
这不是参数升级，是范式切换。
从模块化到端到端，Optimus 的动作开始像人
据 AIBase 报道，新一代 Optimus 摒弃了传统的模块化分步算法，转而采用“视觉输入到动作输出”的端到端方案。机器人通过机载双目摄像头感知环境，大模型实时生成全身关节控制指令。
现场测试里，这套系统要同时处理三类场景：突发的外力推搡、不平整路面上行走、精细物品抓取与分拣。报道给出的结论是，Optimus 在动作流畅度、反应速度和平衡性上都达到了极高水准，流畅度对标真人。
为什么这件事值得单独拿出来说？因为过去几年人形机器人行业的进步，大多发生在“肢体”上：电机更轻、关节更灵活、电池更耐用。但“大脑”一直是短板，机器人看得懂环境，却要靠工程师把每一种情况写成规则。端到端模型上车，意味着短板开始补上了。
特斯拉在这件事上有天然优势。FSD 的纯视觉端到端方案已经在真实道路上跑了十余年，积累了海量数据和训练方法论。把同一套架构迁移到机器人身上，等于让 Optimus 站在 FSD 的肩膀上起步。
端到端到底解决了旧架构的什么病
要理解这次升级的分量，得先知道旧方案卡在哪里。
传统机器人软件架构是模块化的：感知模块识别物体，定位模块判断位置，规划模块设计动作，控制模块驱动电机。每个模块独立开发、独立调试，模块之间靠人工定义的接口传递信息。
这种架构的第一个问题是信息在传递中层层损耗。感知模块把三维世界压缩成几个坐标点传给规划模块，规划模块再压缩成一条轨迹传给控制模块。每压缩一次，就丢掉一部分环境细节。等到控制模块拿到指令时，它已经说不清刚才为什么这么决定。
第二个问题是长尾场景永远覆盖不完。工程师可以写出“平地行走”“抓取圆柱体”的规则，但写不出“被人从侧面推了一把、同时脚下踩到电线”这种组合情况。现实世界的意外是无限的，规则库永远追不上意外。
端到端方案把整条链路合成一个神经网络。摄像头画面进去，关节指令出来，中间没有人工定义的接口，也没有被压缩丢掉的信息。模型在海量数据里自己学会哪些视觉特征对应哪些动作，而不是靠人一条条教。
这套思路并非没有争议。特斯拉 AI 软件副总裁 Ashok Elluswamy 在介绍 FSD 方法论时承认，端到端曾被诟病是黑盒：输入上亿个 token，最后只输出转向和加减速两个动作，巨大的压缩比会让神经网络学到“虚假相关性”。比如驾驶员减速是因为看见前车刹车灯，模型却误以为是旁边摇晃的树枝。特斯拉的解法是在训练数据端下功夫：车端部署筛选器，只上传高价值片段，再用稠密的中间监督信号强迫模型形成正确表征。
同一套方法论，现在被搬到了 Optimus 身上。
为什么是特斯拉，而不是别人
端到端听起来不新。Google 的 RT-2、Physical Intelligence 的 RoboAgent，都在做视觉—语言—动作模型。但特斯拉有一个别人没有的东西：数据闭环。
端到端模型的上限不取决于算法设计，而取决于训练数据的质量和规模。FSD 车队每天都在真实道路上跑，遇到各种极端场景，数据回流云端，训练出更强的模型，再 OTA 推送到车上。这个飞轮转了十余年：特斯拉 FSD 活跃订阅数从 2021 年的 40 万增长到 2026 年三季度的 174 万，仅用一年时间就增长了 67%。
Optimus 正在复制这个飞轮。据 IIoT World 统计，截至 2026 年中，特斯拉在 Fremont 和得州超级工厂内部署了约 1000 至 1200 台 Optimus，让它们在实际生产环境中学习。机器人干得越多，数据越多，模型越聪明。这是纯实验室出身的机器人公司很难追赶的壁垒。
硬件上特斯拉也有纵深。FSD 的整套视觉栈，包括 8 个摄像头、鸟瞰图变换、占用网络、生成式高斯溅射，都可以复用到机器人上。特斯拉还训练了一个神经世界模拟器，能在虚拟工厂里推演 Optimus 的行为，生成对抗性场景做回归测试。很多危险或罕见的训练场景，不需要拿真机器人去摔。
成本则是另一重优势。马斯克给 Optimus 定的长期目标价是 2 万至 3 万美元，比多数汽车便宜。端到端方案大幅减少了软件工程模块和代码量，长期看会降低开发和调试成本。当一台人形机器人的价格接近一辆汽车时，商业化的大门才真正打开。
量产时间表与竞争格局
技术突破之外，量产是另一条战线。
据报道，特斯拉位于得克萨斯的超级工厂正在加速建设 Optimus 专用生产线，规划年产能达 1000 万台，预计 2027 年晚些时候启动生产。Fremont 工厂的生产线也在改造中，用于 Optimus 组装。
但这个时间表要冷静看待。预测市场曾把特斯拉在 2026 年底前发布 Optimus 的概率定在 17%，市场对马斯克的激进时间表已经形成条件反射式的怀疑。机器人不是软件，硬件爬坡、供应链、良率，每一个环节都可能拖慢节奏。
竞争端也在加速。根据 2026 年的一份人形机器人公司全景图，Tesla Optimus 排名第一，Figure AI、Boston Dynamics 紧随其后；前 15 强中中国企业占据 6 席，包括宇树科技、优必选、小米、智元机器人、傅利叶智能、小鹏机器人。
中国玩家的进展同样具体。界面新闻 2026 年 10 月的报道显示，2025 年中国人形机器人整机企业已超过 140 家，发布产品超过 330 款。优必选 Walker 系列进入汽车制造场景，2026 年上半年营收 12.69 亿元，同比增长 104.2%，人形机器人收入占比从 6.1% 跃升至 46.5%。宇树科技 2025 年出货超过 5500 台，科研教育场景占比 73.6%。
技术路线上，多数厂商仍依赖外部大模型或英伟达 Cosmos 生态。除特斯拉自研外，其余主流公司基本接入英伟达平台，或与 OpenAI、Google 合作。Figure AI 曾在 2025 年 2 月宣布终止与 OpenAI 合作，称在自研端到端机器人 AI 上取得突破。
这意味着特斯拉的护城河不只是“做得早”，而是“全栈自研”：从芯片、算法、数据到制造，全部握在自己手里。
人形机器人的 iPhone 时刻，不在硬件在神经网络
端到端视觉大模型上车，是 Optimus 从“演示品”走向“产品”的关键一步。
过去的人形机器人，卖点永远是“它能走几步”“能抓多重的东西”。那是硬件指标的内卷。端到端之后，竞争维度变了：谁的模型更懂世界，谁的数据飞轮转得更快，谁能用更低的成本让机器人在真实环境里持续学习。
这对行业的影响是结构性的。具身智能正在从实验室走向真实商业化场景，但赢家可能不是机器人公司，而是 AI 公司。因为决定机器人上限的，不再是减速器或电机，而是那套看世界、做决策的神经网络。
特斯拉真正在卖的，其实不是 Optimus 这台机器，而是 FSD 那套理解物理世界的方式。当这套方式被装进一个人形身体里，它要替代的就不是某个工位的工人，而是“写规则”这件事本身。
人形机器人的 iPhone 时刻，不在硬件发布的那一天，而在神经网络接管四肢的那一刻。
快报