特斯拉Optimus正在从概念原型走向量产工厂。民生证券研究院报告指出，2025年1月马斯克在CES大会上上调Optimus量产目标，预计2025年生产数千台人形机器人。2025年5月，Optimus展示利用第一人称视频学习多项新技能——捡垃圾、清理桌面、搅拌食物、使用吸尘器等，单个神经网络运行并可通过自然语言调用。视频训练技术大幅降低数据采集成本，是Optimus技能泛化的关键突破。工厂训练将推动人形机器人从“专用设备”向“通用平台”演进，Optimus的量产进程正成为行业风向标。

2025年1月9日，马斯克在CES2025大会上上调特斯拉Optimus量产目标，明确2025年生产数千台人形机器人。此前市场预期2025年为小规模量产，新指引超出预期，推动相关供应链企业估值提升。马斯克此前多次表示，人形机器人达到100万台大规模量产之后，售价可降至2-2.5万美元，即不高于一辆汽车的售价，具有大规模推广的性价比基础。特斯拉Optimus的量产节奏一直是人形机器人板块的核心催化剂，本次上调量产指引进一步确认了产业化进程的加速。

2025年5月21日，特斯拉发布了Optimus应用技能的最新视频，展示其通过第一人称人类视频学习多项新任务的能力。Optimus目前可以执行捡起垃圾、打开垃圾桶丢垃圾、使用刷子与簸箕清理桌面、从卷纸上撕下单页、拿起勺子搅拌食物、使用吸尘器清洁地板、工件搬运、打开铰链式柜门、拉窗帘等操作。大部分学习成果可以直接从人类视频迁移到机器人身上，通过自然语言调用，由单个神经网络运行。与单纯依靠遥控机器人数据相比，视频训练使机器人能够更快启动新任务，同时更好地利用互联网数据，大幅减轻遥控数据采集成本并提升训练效率。

特斯拉的下一步目标是利用第三视角的随机互联网视频训练人形机器人。现存的互联网视频大部分是通过随机摄像头捕捉的第三人称视角视频，数据量级远大于第一人称视频。特斯拉计划将机器人训练数据集由第一人称视频扩展到第三人称视频传输，并通过在现实世界或模拟世界/世界模型中的强化学习来提高技能的可靠性。这一技术路线有望将Optimus的训练数据从百万级轨迹扩展到互联网级视频数据，是解决机器人数据稀缺问题的革命性思路。Optimus的技能泛化能力将随数据量级的提升而实现质的飞跃。

2025年万台以上Optimus进入工厂场景训练，是破除具身智能数据不足与实用性低下之间“引力束缚”的关键。工厂环境提供结构化且多样化的操作任务，机器人可在真实场景中持续采集操作数据，形成“训练-部署-数据采集-再训练”的闭环。工厂训练不仅积累高质量数据，还能验证技能的实际可靠性和泛化能力。马斯克曾表示，Optimus将在特斯拉工厂内部先投入使用，承担物料搬运、零件分拣等重复性任务，随后逐步扩展到更复杂的装配任务。工厂训练是Optimus从“专用工业机器人”向“通用人形机器人”演进的必经之路，2025年将是这一进程的起点。

指标 | 2024年 | 2025年目标 | 远期目标

Optimus产量 | 原型机 | 数千台 | 100万台/年

Optimus造价 | ~6万美元 | — | 2-2.5万美元

训练数据源 | 遥控操作 | 第一人称视频 | 第三人称互联网视频

应用场景 | 实验室 | 工厂训练 | 家庭/民用