人形机器人演示视频越拍越炫，马斯克却把这套“炫”放上了手术台。当地时间10月10日，在特斯拉得州超级工厂举行的“X Takeover”直播活动上，他直言，看到的复杂机器人演示几乎都是预先编排好的，那不是真正的AI，真正的AI要能应对没见过的情况。 马斯克划出的分水岭不在动作难度，而在泛化能力：不靠预编程排练、不靠后台人工实时操控，机器人面对从未遇到的场景，仍然能把活干成。直播实录显示，他的原话更直白：真正的AI，是给它展示从未见过的东西，它仍然能够正常工作。澎湃新闻小红书
这不是他第一次开炮。7月24日的特斯拉二季度财报电话会上，马斯克公开对整个人形机器人行业的展示提出质疑：网络上流传的各类机器人精彩演示，大多依靠提前编写动作程序或是后台人工远程操控，目前全球没有任何一款人形机器人，能仅凭语音、画面指令自主完成多样化日常工作。 他当时还举了例子：半马赛事中仅四成机器人实现自主导航，其余依靠远程操控；海外多款商用机器人自带VR远程操控模式，热门短视频里的机器人互动画面也多为刻意编排。这些数字和判断均出自马斯克本人口径，统计范围没有公开，但从“点名某几家”到“否定整套演示逻辑”，他近三个月的说法一以贯之。快科技
为什么说“复杂”不等于“智能”
演示之所以越来越难作数，是因为隔着屏幕核对不了三件事：动作来自脚本、遥控，还是机器人自己学到的策略；场景是为镜头专门布置的，还是随机的；这条片子拍了多少遍，放出的是第几遍。至于“堆的料越猛、动作越难，机器就越聪明”的直觉，则被一场对照实验直接打破。李飞飞、Jim Fan等34位作者发表的T-Rex论文，在同一套硬件、同一组任务、同一套评估标准下做了对照：研究者把触觉力信号编码成 token，直接拼进预训练好的 π0.5 模型，任务平均成功率从 17% 掉到 6%；换成论文提出的另一种接入架构后，同一批任务的成功率升到 65%。 同样的传感器、同样的任务，只差一种接入方式，结果相差十倍。原因在于频率错配——视觉信号的有效更新在5赫兹量级，触觉要发挥作用则需要20赫兹甚至更高，快慢两套信号硬塞进同一个模型，高频信息发挥不出来，还会干扰视觉已经学好的表征。复杂可以被工程堆出来，泛化不行。知乎
这把尺子，也量到了特斯拉自己
马斯克划线针对同行，但同一场活动上，他承认Optimus最难的部分恰恰还没过关。马斯克强调，手部和手臂是当前最难攻克的工程难点之一。 要实现类似人类的精细操作，需要高精度的力控与触觉感知，才能完成拾取微小零件这类任务；与人类皮肤不同，机器人传感器无法自我修复，因此对耐用性要求极高。10月8日被披露的一件特斯拉手部触觉专利（申请号19/326,524，由美国专利商标局公开）印证着这道坎有多基础：这件专利解决的是让触觉传感层贴合指尖、拇指和手掌的曲面，而东西是不是正从指间滑走，恰恰由切向力决定，法向压力给不出这个信号。有报道在核对公开文本后指出，这件专利列出的感知维度限于压力与接触，该传感器无法独立识别滑移、剪切力和温度；特斯拉官方没有进行确认。 也就是说，“目前全球没有任何一款人形机器人完全自主”这句话，马斯克同样留给了Optimus——他同时承认，量产爬坡仍受供应链与工艺瓶颈制约，初期速度会相对较慢，当前重点是解决Optimus V3的手部精密制造、触觉系统可靠性与AI泛化能力。小红书知乎
用户现在该怎么看机器人演示
分水岭立起来之后，行业自证的方式也在变。量子位报道过一条10分钟的机器人Demo，卖点不是动作多炫，而是一刀未剪：现在的具身智能公司，把Demo演示片拍得像广告一样精良和夸张，但一刀未剪的真实视频，你看过吗？ 对普通用户，这把尺子可以简化成两问：这个任务在脚本里吗？现场有没有人拿着遥控器？马斯克的表态迅速发酵，澎湃新闻视频评论区里，被顶在前排的说法是“也没说是AI啊，就是遥控大玩具”，也有人直接反驳“明显嫉妒人家跳舞”——演示的真假已经成了各方争夺的叙事，而不再是不证自明的实力。量子位澎湃新闻
这场争论背后押着更大的判断。据中文社区对马斯克9月央视财经专访的转述，他预测20年内人形机器人或达到1000亿台，并认为一旦机器人真正具备通用智能与规模化制造能力，将从根本上改变制造业和服务业。 这类时间表出自马斯克本人，历来激进且未经第三方验证，但它的前提——先跨过泛化这道分水岭——正是他这次给全行业立下的规矩。谁先在没排练过的场景里把活干成、并且敢一镜到底地放出来，谁才算真的过了线。知乎
