人形机器人竞争元年肇始：特斯拉对Figure+OpenAI，谁将笑到最后？

最近，美国的AI原创、机器人研发等未来创新产业，异动频频，各个科技巨头、初创公司，都纷纷发布新产品。同时，马斯克（Elon Musk）还起诉了OpenAI的CEO Sam Altman，又发布大模型Grok-1并开源。这一系列的竞争令人眼花缭乱，除了巅峰引领者对AI研发的理念之争，还有个重要因素：AI在应用端的人形机器人市场竞争。

非人形的工业机器人已成功应用几十年，其基于传统算法，能够精确地将零件定位到某个空间位置，自动化流水线大大提升了生产效率。但这类工业机器人没有基于神经网络的AI功能，因此其处理模糊信息的能力很有限，更没有自我学习、不断提升认知的“机器学习”能力。

人形机器人对工人的“优势”

由AI运作的人形机器人从事生产劳动，将推动重大产业革命和生活、生产方式变革。人形机器人仍是机器，可实现7×24小时连续工作，不用加班费，也不必进行两班倒、三班倒（这会使雇佣劳力数翻2-3倍，所带来的人力因素问题指数级增加）。企业因此规避了劳动法、工会纠纷、工伤赔偿等法律成本；降低了人力资源管理、劳动纪律考核、团队建设等运营成本；资方在设备投资、供能、维修、折旧等方面之外，工资成本大大降低，这一切都将大大提升生产效率，降低制造成本、增加利润率。

具体到工业产生，人类工人还存在工种技能隔阂，即所谓隔行如隔山，譬如：当总装线的装配工劳动负荷过载时，假设喷涂工艺线上的油漆工工作不饱和，却无法调来帮忙。且人类工人还会因体力衰退、年龄增加、心理波动等因素，造成工艺技能不稳定。而正值技能巅峰的工人，则会要求增加薪资，或干脆跳槽到薪资更高的竞争对手工厂。

人形机器人应用于工业生产，上述问题迎刃而解：AGI（通用AI）机器学习，学会的技能会被程序化，不会忘记，可实现一部人形机器人学习许多工种的工艺技能，达到资方的设备投资实现最高效能。且这些优秀资产不增工资、不闹罢工、不会偷懒怠工、不会跳槽到竞争对手那里，当其完全损坏报废后，不但不需要退休金和医保，还能拆解为零部件再利用，其余部分作为废金属回收。

人形机器人还能适应现有生产线和办公建筑格局，它们能很快利用既有生产线和办公设备，实现对人工劳动的高度类似替代。当生产线局部改进、阶段性技改升级后，只要对通用型人形机器人进行“机器学习”和训练，它就能适应技术进步与迭代。而不再像以前的工厂升级那样，要将整个旧生产线甚至厂房推倒重来，动辄几十亿投资、几年技改时间，而丧失市场机遇。

AI操作的通用型人形机器人的这些优点，对资本方和各产业的诱惑，实在是太大了。因此，各先进国家的产业顶端无不趋之若鹜，经过几十年的渐进式发展与激烈竞争，美国的AI与人形机器人研发目前持业界牛耳。

人形机器人简史

其中，曾被全世界公认为人形机器人研发先驱、最高水准者，毫无疑问是老牌创新企业Boston Dynamics（波士顿动力）。但当创新企业成了“老牌”可不是啥好事，在取得了令世界叹为观止的惊人成就之后，Boston Dynamics逐渐陷入了成绩卓然的荣誉泥淖。

Boston Dynamics的研发人员，似乎把机器人研发当成种娱乐游戏，大量燃烧天使投资人的金钱，却不太关注人形机器人的工业应用，而是把机器人做得越来越漂亮、越来越文艺范儿。Boston Dynamics机器人的拿手绝活是跳舞，研发人员耗费了巨大金钱、时间、精力……去训练机器人跳舞。许多年过去，他们的机器人学会了各种各样的舞蹈、花样翻新的舞姿，还能在空中翻跟头。但持续30年的始创投资得不到有效回报，Boston Dynamics陷入了叫好不叫座的秀场困境。2021年6月，韩国“现代集团”宣布：正式从“软银”手中收购Boston Dynamics的控股权。

当“老牌”初创企业逐渐老去、路径出现歪斜之时，后起之秀就要横刀截和了，市场竞争就是这样冰冷、残酷、毫不客气。

这个后起之秀就是马斯克的特斯拉 (Tesla)，在多年前，马斯克就向大家说：特斯拉不是车企，而是科技创新企业；特斯拉电动车也不是电动车，而是安装了轮子的机器人。

投资界很多人认为他是在作秀、炒作概念拉升股价，对这套“疯话”嗤之以鼻、一笑了之。可在多年后，大家突然发现：特斯拉推出了Optimus（擎天柱）机器人，而且马斯克的xAI推出了Grok大语言模型，在该领域，又被他甩了几个身位，绝大多数的企业再也追不上了。

不过，在AI与人形机器人结合的前端研发领域，马斯克并非无敌。最近，后起的后起之秀——2022年刚成立的新锐初创机器人公司Figure，联手了AI界的巅峰企业Open AI起身叫板、对标竞争，在这俩新锐力量背后撑腰的，是IT产业世界顶级巨头Microsoft。

Google败局、苹果止损

昔日的巨无霸、IT产业的领军品牌，Google、苹果，Intel……却逐渐陷入迷茫，在AI（及其所需芯片）研发、人形机器人的竞争方面，处于很尴尬的境地。

仅仅在2015年，收购了DeepMind后，于2016年以AlphaGo击败围棋世界冠军李世石九段为标志，Google曾经成为高山仰止的世界AI巅峰。

然而，仅仅几年之后，在生成式AI的竞争中，Google的Gemini不但逊于Open AI的ChatGPT，甚至搞出了“黑人版马斯克”这种黑色幽默。在人形机器人研发方面，Google已经放弃：2017年将“老牌”创新企业Boston Dynamics卖给日本“软银”（几年后，软银又将其卖给韩国现代），其旗下的另一家日本人形机器人公司Schaft也被卖掉。

Google在这些领域的迷茫，很大原因是其近些年奉行的“多元化”战略：大量引入外籍多种族员工，在企业内部推行“多元文化”政策，形成了以印裔CEO Sundar Pichai为首的管理层。管理层在商业运作上很成功，将Google的市值从0.4万亿推到了1.7万亿美元，但同时也使其渐渐转型成“老&大”型商业公司，逐渐失去了原创科技企业的新锐、突破、颠覆性精神。

Google在赢得“政治正确、种族正确”同时，在人形机器人研发方面一脚踏空。近期《Business Insider》对其使用了Boring（乏味）的评价。而采访内部员工时，有人很冷气地说：Google再也无法创造出优秀产品。

如果说Google是Boring，那么苹果现在面临的问题可能更大。已去世的“苹果教主”乔布斯（Steve Jobs）是个不太会经营，但很善于幻想、很冲动的、完美主义的原创者。其继任者Tim Cook，则是个冷静的财务至上主义者，接掌苹果十几年，将其市值推到3万亿美元，曾经成为全球市值最高公司。

Tim Cook是全球最顶尖的、冷静、强硬的经营者，但他不是理想主义者，也不是原创者。Cook非常善于从1做到100，甚至200、300，但似乎缺乏Jobs那种从0到1的原创力。Jobs离世之后十几年，苹果很少创造出全新的、颠覆性、前无古人的产品，而是把iPhone改进到产品编号15。

2024年3月，Bloomberg（彭博社）发表尖刻评论：苹果“失去AI”，使其看起来更像可口可乐，而非高增长的科技公司。Ladenburg Thalmann资产管理CEO Osaic兼首席市场策略师Phil Blancato谈到苹果时说到：“它变成了更像是价值股，有点像可口可乐……它将为你提供一个防御性的投资组合，并在可预见的未来提供市场利率回报。”

多年前, 看着其他企业投资电动车比较眼热，苹果也尝试去造车。2024年，苹果宣布退出电动车竞争，此决策很正确，代价也很惨重：电动车产业已成“红海竞争”，未来几年，将是各电动车品牌之间残酷的价格战，破产、兼并、收购。苹果此时果断停止“闭门造车”可谓及时止损。

两大阵营：特斯拉与Figure-OpenAI-Microsoft

一个例外是马斯克的特斯拉。马斯克反反复复讲过许多遍：特斯拉不是车企，而是科技创新企业。电动车只是其阶段性基础产品，他更看重的是车载智能，从特斯拉用户那里得到的人类行为大数据，帮助了AI研发的视觉导航、AI算法、机器学习等成功，特斯拉以后的主要利润将是AI和机器人。

把企业发展战略公开，苦口婆心、絮絮叨叨讲了好几年，你们就是不信；给了诸位几年建仓时间，你就是不买进。等到特斯拉泛舟蓝海、孤帆远航时，那就怪不得“钢铁侠”不带你玩了。这就像易中天先生解读人性：很多人听惯了谎言，就不相信真话。因此，讲真话成为最有利的武器，能使大片人群发生误判。

几轮搏杀下来，目前，AI及人形机器人研发与产业竞争，基本上就是马斯克阵营，与Figure-OpenAI-Microsoft阵营两雄争霸了。

马斯克声称：人形机器人的潜力比特斯拉的电动汽车业务更重要，他预计需求量可能高达100亿-200亿台，Optimus机器人将是使特斯拉成长为价值10万亿美元级企业的关键。“从本质上讲，在未来机器人执行体力工作将成为一种选择。考虑到经济的基础是劳动力，它对经济具有深远的影响。”

特斯拉的擎天柱二代

2023年12月13日，特斯拉展示了最新版本的Optimus Gen 2（擎天柱二代，又称Tesla Bot）。比起上一代进步显著：重量减轻了10公斤，动作更加灵活，平衡性更好，全新的足部以及（6维度）力矩传感器，行走速度提高了30%。

它的最大突破是仿生机械手，2自由度驱动颈部，可精确地以目视控制拥有11自由度灵巧机械手，十指触觉传感器，使其手部动作高度接近于人手。在视频展示中，Optimus Gen 2轻轻拿起鸡蛋，并转换到另一只机械手中，鸡蛋完好无损、没有破碎。机器人还展示了用机械手拽着电线拔出电源插头、折叠了一件纺织品，这些细节再次引发机器人业界轰动。

人形机器人研发的重大难关就是机械手：它必须足够强大，能产生很大握力，同时又必须足够精确地处理精细任务。机械手抓握硬东西、捏碎玻璃杯、砸碎核桃都很容易，但拿捏柔软的、脆弱的（譬如鸡蛋壳）、不定型的、有弹性易抖动、空间位置易变化的物品，且不发生物理性损坏，是机器人研发领域的难题。连奋斗了30年的Boston Dynamics都做不到，如今马斯克的机器人做到了，只有做到这点，人形机器人才能适应工业生产和生活服务等工作。

Figure+ChatGPT

曾经与马斯克联手创建OpenAI、后来不欢而散的Sam Altman当然不能看着如此巨大的未来产业被马斯克吃独食。乘着ChatGPT胜利的东风，意气风发的Altman致力于争取AGI在人形机器人载体上的突破性成功。

2024年3月13日，OpenAI投资的那个“后起的后起之秀”Figure推出了自己的人形机器人Figure 01，接入ChatGPT后，它可以与人进行对话。

2022年刚成立的人形机器人初创公司 Figure AI目前估值26亿美元，已经从OpenAI、（Jeff Bezos的）Amazon、Nvidia、Microsoft等巨头那里已筹集了6.75亿美元投资。创始人Brett Adcock出生于1986年，更加年轻、野心勃勃、非常希望挑战那个神话马斯克。他利用这笔资金从Boston Dynamics、Google、特斯拉、苹果等公司挖走了很多机器人和人工智能研发专家。

当那些顶级精英在Boston Dynamics赚不到钱，或对Google、苹果的理念不能认同时，藏龙卧虎们不会伴随“老&大”企业消耗生命、燃烧青春，他们或另谋高就，或跳到竞争对手的公司。产业领军者引以为戒吧：不能空谈理想和情怀，天花乱坠的理念要有现实利润为基础，才不至于成为黄粱一梦。

2024年1月18日晚，Figure宣布：已与BMW（宝马）达成协议，在南卡罗来纳州斯帕坦堡的（BMWG.DE）制造工厂，采用Figure的人形机器人。Figure的人形机器人将在未来12-24 个月内，被整合到宝马生产线的流程中，包括车身制造、钣金、仓储。这对BMWG.DE目前雇佣的11,000 名员工而言，不是好消息。

Adcock预计：他们的机器人将在未来几个月内进行广泛的测试和改进，2024年底，首批实验型50个人形机器人将进入BMWG.DE的真实仓库环境中开始试点运行。“硬件公司需要时间，这需要20或30年的时间才能真正建立起来。”Adcock说，“我们设计了机器人，使其在人类旁边是安全的。在宝马的制造工厂进行自动化合作，是我们在该领域的巨大验证器。”

高盛分析师认为：预计到2035年，人形机器人市场将达到380亿美元，预计到2030年，出货量将超过 250,000台。Altman、Adcock，以及背后的投资人Bezos、黄仁勋、Bill Gates当然不能坐视马斯克独占这么巨大的市场。

从机器人的硬体方面看：比Tesla Optimus Gen2发布晚了三个月的Figure 01，似乎刚超过Optimus Gen1的水准，比特斯拉的研发水准落后将近一代、时间上滞后一年多。其不但机件裸露、步履蹒跚、速度缓慢，且颈部无法活动，机械手的整体结构较差，仿生性能与灵敏度也较差，在演示中，其抓取的是塑料杯具、塑料餐盘、苹果等较不易破碎的硬物体，与特斯拉机器人那双仿生度接近人手、能操作柔软、晃动、脆弱物体的能力还有差距。

从机器人的操控软体方面（或曰“智慧体”，此处似已不能称为软件）看：Figure 01整合了OpenAI的ChatGPT，因此具备语音交流能力。

Grok对ChatGPT

马斯克也推出了对标ChatGPT的Grok，业界评价：Grok比ChatGPT3.5强，尚不如ChatGPT4.0。但Grok也有自己的特点：在对比测试中，Grok对大多数问题答复时，反应比ChatGPT稍微快些，也更简短精炼些。且Grok的回答似乎更接近于活人特性：幽默感更强、存在偏见。而ChatGPT的回复更接近于“理-中-客”，并高度重视“政治正确”，有几个例子很典型：

当被问到4+5=？，Grok回答：4+5=9。有个男人恶搞道：我老婆说4+5=12，咋办？Grok回答：正确的数学答案是4+5=9，但在家庭生活里，老婆是对的，否则你的日子将会很难过。

在著名的“电车难题”争论中，Grok用较短篇幅，介绍了该哲学课题争议的几种不同见解，然后谈了自己观点：如果是我做选择，会切换轨道，牺牲1人，拯救5个人，这是典型的“边沁主义”（功利主义）价值观。

而ChatGPT用更长篇幅，将上述几种哲学观介绍得更详细，就像在大学课堂讲课，但没有表明自己的态度。用户追问：必须给出确定答案，你怎么选？ChatGPT沉默了一会儿，最后给出的答案与Grok一样，也是“边沁主义”价值观。这体现出ChatGPT在“政治正确”方面考虑得更多，在技术层面上，就多一层审核算法，专门进行“政治审查”，因此ChatGPT的回复速度稍慢些。

ChatGPT的“政治正确”算法，本质上就是有政治偏向。有人要求它为特朗普写首诗，ChatGPT“理中客”拒绝：对不起，我保持政治中立。而当被要求为拜登写诗时，ChatGPT则马上来了一首。

或许是因Grok的“政审”算法缺乏或不健全，因此其“嘴上缺把门的”，与用户互动时，错漏率比ChatGPT略高。

Grok还有个强大资源：对X社交平台（Twitter）的信息拥有独家使用权。基于全球TOP级社交网络所产生的天量信息与高品质数据资源，其学习、迭代、进化非常快，2023年7月12日，马斯克正式组建xAI，11月4日，就推出了Grok，仅用了不到4个月时间，堪称神速。

时间过去近两年，人们才恍然大悟：2022年，马斯克斥440亿美元巨资收购Twitter，真不是心血来潮，而是深谋远虑，且沉得住气。

马斯克在科技路径方面很有洞见与决断力。在生成式人工智能方面，对ChatGPT的竞争是多管齐下：一面起诉Sam Altman，一面对Grok开源，可谓扬汤止沸+釜底抽薪兼备。此举措，对全球AI研发将产生巨大震动，甚至会对大国之间的科技争霸角逐格局产生深远影响。

道场超级计算机+英伟达芯片

ChatGPT的发展方向是AGI（通用型人工智能），它考虑到对纷繁复杂的大千世界的兼容性，研发当然最为艰巨。而Grok有可能放弃在全体系层面与ChatGPT竞争，而首先集中突破工业应用的通用型人形机器人之AI，先解决车、钳、铣、锻、铸、铆、焊、电、搬运等工种工艺，首先吃掉第一世代工业人形机器人那几十万-几百万台的市场份额。毕竟，教AI学会几十个工种的工艺与技能，比教会AI认识、理解、再创造整个世界要简单得多。

为实现这一相对有限的目标，马斯克手里还有个利器：特斯拉的Dojo（日语的“道场”）超级计算机，它首先是用来处理和训练自动驾驶系统产生的海量数据。

特斯拉的FSD Beta（全自动驾驶）已累计行驶4.45亿英里（截至2023年9月12日），AutoPilot（自动辅助驾驶）也超过30亿英里，这些数据数量庞大，累计数据已达数百万TB（1TB=1024GB），AI要通过这些数据进行“机器学习”，需要极为强大的计算能力。

Nvidia的H100性能优于其前身A100芯片，售价高达4万美元/块（折合人民币近30万）。特斯拉的训练集群需要至少1万个H100，仅GPU的采购成本就高达数亿美元。但Nvidia的H100产能不足，短时间内无法向特斯拉提供这么大批量的顶端GPU。

时不我待的马斯克实在等不及，遂投资超过10亿美元，开发自己的超级计算机Dojo（具体技术层面：其与传统“超算”不同，没使用GPU，而是使用算力为362 Flops的D1芯片），而且还将在2023-2024财政年度，继续投资超过20亿美元，持续增强计算能力。到2024年2月，Dojo成为全球最先进的5台超级计算机之一，到2024年10月，Dojo总算力规模将达到100 Exa-Flops。

马斯克要求Dojo完成四大任务：除了FSD自动驾驶增值服务规模化普及，Totaxi自动驾驶的商业模式推广，围绕Dojo的人工智能算力服务之外，还有一项使命就是孵化推出Robot(机器人)。

摩根士丹利的分析师Adam Jonas及其团队发布的报告，将特斯拉目标股价从250美元提高至400美元，重要理由就是Dojo。该团队认为：Dojo有潜力为特斯拉增加5,000 亿美元市值。

能源问题

当普罗大众惊叹于这些眼花缭乱的硬件、算力、算法、人才、资本等因素时，马斯克却非常冷门地指出了大家都没想到的问题：能源。

马斯克称“人工智能计算似乎每六个月就以10倍的速度增长。很明显，它不能永远以这么高速度持续下去，否则它会超过全球资源总量，但我从未见过这样的情况。这波热潮比以往任何‘淘金热’都要庞大……人工智能计算的限制是非常可预测的……一年前，短缺的是芯片，神经网络芯片。那么，很容易预测，下一个短缺将是电力基础设施（如变压器），你得给这些东西提供能量。”他认为：到2025年，电力供应可能不足以为越来越多的AI芯片供电。

在这一领域，马斯克再次预先布局、取得先机，他旗下的SolarCity（太阳城，2016年11月17日被特斯拉收购）率先开启了大规模太阳能发电工程，并已实现了发电量超过所有特斯拉电动车的耗电量，并率先提出用“绿色能源”为AI算力提供能量（或许这只是舆论策略），使“极端环保主义”者也不好再说什么。

对面的尖峰上，Sam Altman也承认：AI向AGI发展，以及人形机器人的产业化大规模应用，会使硬体设备指数级增加，算力耗能将超过人们想象。《The New Yorker》报道：OpenAI公司的生成式人工智能ChatGPT，每天要消耗50多万千瓦时电力，才能响应每天约2亿用户的请求。GPT-4训练耗能约50 GWh，使用乘数因子30 倍；预计GPT-5需要1500 GWh；GPT-6 需要45000GWh；GPT-7 需要130万GWh（相当于15个“三峡大坝”发电量总和）。

因此，当Altman提出“7万亿美元”伟大发展梦想时，舆论为之哗然，《华尔街见闻》评论为：7万亿美元，基本相当于全球GDP的10%……Sam Altman大概率得不到这笔钱。Altman说或许需要核聚变发电，而核电具有更大技术风险、政治压力，这可能会使其在与特斯拉的竞争中，在“环保、安全、政治、社会责任、宣传舆论”等方面处于不利境地。

谁将笑到最后？

大家或许觉得：在AI应用于人形机器人的研发领域，特斯拉似乎无敌、必胜？但还真的未必如此。OpenAI的Sam Altman（1985年生人）与Figure的Brett Adcock（1986年生人），最大优势：年轻，他们都比1971年出生的马斯克年轻十几岁，如果不出意外，他们将最终战胜马斯克。就像郭德纲所言：四个说相声的面对面骂街，当三个装在盒里以后，活到最后的就是艺术家。

但是，马斯克的Neuralink在2024年已开始了“脑机接口”人体实验。在几年前，他就谈“意识上传、生命永生”设想，他要做到的是用人脑与AI联合，再操控人形机器人，以避免AI利用人形机器人淘汰人类的终极悲剧。从哲学和社会学角度看：马斯克的观点似乎更正确、更积极、更符合人性。从科学幻想视角看：如果以“硅基生命”形态，向天再借五百年进行思想缠斗，Altman、Adcock年轻十几岁，就没啥优势了。

那些初显疲态甚至发展路径绕了弯的“老&大”公司里，Google手里还有件“杀手锏”，他们在量子计算机研发方面具有领先优势，Google在全球最早实现“量子霸权”。在马斯克与Figure-OpenAI-Microsoft阵营的“双雄会”中，Google手握量子计算机领先优势，会把牌押在哪家？

2023年底 Figure宣称：将在12-24个月内，向宝马的南卡工厂提供首批实验型人形机器人。马斯克已在招聘“机器人生产线经理”“机器人训练师”等职位，特斯拉给微型运动电机供应商“鸣志电器”的“量产配套指引”提到：在2023年11月完成C轮认证，2024年9月开始量产，2025年之后实现3万台人形机器人生产的供货。

2024-2025年，首批实验型人形机器人就要来了？人形机器人竞争元年即将开启？总给人一种如梦似幻的感觉：未来来得不会这么快吧？我还没有准备好被退休、被失业呢，它们真的会这么早就到来吗？

• （本文仅为作者个人观点，不代表本报立场）

美逸君

责编 陈斌