为什么机器人还没学会拧螺丝，特斯拉就要先造两万台？

造一两万台人形机器人，就为了让它们在厂区里自己玩自己？

连怎么拧螺丝都还没学会呢。

正常做工程的逻辑，肯定是先把算法训练明白，机器人会干活了，再去开模量产。

马斯克偏要把这套流程反过来走。

在 10 月 21 号的财报电话会上，有人问起机器人 Optimus 的进展。

马斯克说，他们正在建一个叫 Optimus 学院的专门训练场。

造个一万到两万台机器人放进去，让它们在里面自己玩自己。

他还拿两三岁的小孩打了个比方。

小娃娃刚开始学走路，也是晃晃悠悠，什么都不会。

但玩着玩着，慢慢就能学会自己穿鞋，甚至学会自己擦屁股。

带过娃的人都懂，这可是一大步。

小孩靠成天到处抓、到处碰、到处乱翻，在玩耍里摸清了物理世界的规律。

马斯克的意思是，机器人也必须在物理世界里大规模地玩。

听到这你可能会纳闷：

特斯拉不是有最顶尖的 AI 团队和超级算力吗？

把仿真程序往服务器里一扔，要多少数据没有，干嘛非得花真金白银造上万台铁家伙，在地上摔着玩？

特斯拉的 AI 负责人阿肖克·埃卢斯瓦米（Ashok Elluswamy）给出了答案。

以前特斯拉搞自动驾驶，手里握着一张全世界谁都比不过的底牌。

几百万辆特斯拉天天跑在马路上。

人类车主自己握着方向盘，踩着油门刹车，给车带路。

车上的摄像头和传感器，就在旁边悄悄记录人类怎么拐弯、怎么避障。

遇到大雨、逆光、加塞这种极端情况，数据直接自动回传。

这叫免费的数据飞轮。

上百万个人类老司机，免费帮特斯拉跑完了几百亿公里的真实道路数据。

但到了人形机器人身上，这套路子彻底走不通了。

街上一台能干活的 Optimus 都还没有。

总不可能把一个连路都走不稳的半成品，直接卖给几百万户人家去用。

那让人类工程师戴上头显、穿上动作捕捉手套，远程遥控机器人，行不行呢？

行是行，但算一下账就傻眼了。

一个工程师每天遥控一台机器人，干满 8 个小时，也就只能攒出 8 小时的操作记录。

大模型要想学会熟练干家务、打螺丝，需要几千万小时的高质量动作数据。

上哪去找几十万个全职工程师，天天戴着头显给机器人当提线木偶？

阿肖克在电话会上解释：汽车能从自己的行驶中拿到数据，但机器人没有人型外骨骼让人钻进去，没人能把它们当木偶来操作。

既然人工遥控搞不定，那在电脑里跑模拟仿真呢？

如果是下围棋，这招确实管用。

当年 AlphaZero 自己跟自己下棋，不需要人类棋谱，8 个小时就能把几千年的围棋理论全盘破解。

因为棋盘就 361 个点，规则白纸黑字，计算机每秒能模拟几千万局。

但真实世界哪有这么简单？

抓一把滑腻的螺栓，金属表面有多滑？

拽一根橡胶软管，它会以什么角度回弹？

桌面上的灰尘、零件的毛刺、指尖接触瞬间的微小摩擦力，在软件里根本模拟不准。

在电脑仿真里练得百发百中的机械臂，一拿到现实工位上，手一伸可能就滑脱了。

这就是硬件工程里最棘手的现实差距。

这就碰到了一个死循环：

没有海量的数据，机器人变不聪明。

但机器人如果不够聪明，就卖不出去，拿不到真实数据。

怎么打破这个循环？

马斯克的办法很暴力：没有现成的车队，就自己造一支机器人车队。

直接把产线开动起来，硬造一万到两万台 Optimus。

把它们全都关在专门的场地里，二十四小时不停地搬箱子、插拔电线、分拣零件。

摔倒了就重新爬起来，零件掉了就再捡一次。

两万台机器人同时在现实里摸爬滚打，一个月就能跑出几百万小时带物理阻力和触觉反馈的真实数据。

这些数据像滚雪球一样喂回算法，机器人的动作就会从笨拙的晃荡，慢慢收敛到熟练。

这么一看就全通了。

造这一两万台机器人，根本不是为了拿去卖钱，也不是为了摆在展厅里好看。

这批机器人自己就是采矿机。

普通电子产品的规律，是先把芯片和软件打磨好，最后才去工厂大规模量产。

但具身智能把顺序彻底倒了过来：

造出两万台能动弹的肉身，才拿到把大脑训练成型的入场券。

等这一两万台机器人在学院里摔够了跤，把自己该干的活全摸透了。

那时候走下产线的机器人，才真正算得上是劳动力。