比特纪事 ｜ 第 025 篇 · 本文 1900 字，读完约 5 分钟
一家在喊百万，一家在跑时产。2026 年人形机器人行业的拐点，第一次站上两条腿——Tesla Optimus Gen3 在弗里蒙特装产线，Figure F.03 在 BotQ 工厂用 120 天把日产 1 台拉到时产 1 台。
两条产线，两种姿势
人形机器人这件事，过去十年被讲了无数遍。讲的人多，做出来的少。Demo 多，量产几乎没有。
2026 年这条线变了。
弗里蒙特，Tesla 把 S/X 部分产线改造，开始装 Optimus Gen3 的产线。马斯克喊出来的目标是年产 100 万台，售价 30K 美元。这个数字你随便听听——百万级别从来不会在第一年发生。
加州另一头的 Sunnyvale，Figure 在自己的 BotQ 工厂干了一件更朴素的事。120 天前，他们一天造 1 台 F.03；120 天后，一小时造 1 台。一周下线 55 台，年化 2860 台。这是真在产线上跑出来的速率，不是 PPT 上的目标。
两家同框，两种姿势。一家在喊百万，一家在跑时产。本文不站队——但 2026 年的人形机器人拐点，第一次站在了两条腿上。
Optimus Gen3 与 Figure F.03 双子量产对照
Optimus Gen3：一份未公开的整机
先说 Tesla 这边。
Optimus Gen3 的纸面参数很硬：1.73 米身高，22 自由度的触觉手，2.3 kWh 电池支撑 10-12 小时连续工作。规格上对得起一个量产级人形机器人的预期。
问题在另一面。Wikipedia 截至 2026 年 4 月 25 日的词条仍在写「first-generation production lines for Optimus are being installed」。换句话说：Tesla 还在装产线。同期媒体跟踪也指出，「2026 年 1 月 21 日量产开始」的说法没有得到主流信源的独立验证。
Tesla 的优势不在某一项参数，在垂直整合。芯片、模型、本体、产线、车队数据——Tesla 是为数不多能把这一整条链握在自家手里的公司。Optimus 复用 FSD 的 AI 软件栈，理论上可以共享 Tesla 全球数百万辆车每天产生的真实路况数据。
这条路线一旦跑通，会非常恐怖。问题是「跑通」这两个字，目前还在 PPT 阶段。
Figure F.03：BotQ 工厂的 24 倍曲线
把镜头切到 Figure。
F.03 没有 Tesla 的全栈包袱，也没有 Tesla 的全栈红利。它做了一件最简单的事——把一个数字变大。
120 天，BotQ 工厂的下线速率从 1 台/天提到 1 台/小时，24 倍。当前周产 55 台，全年外推 2860 台。这个数字对人形机器人行业意味着什么？意味着第一次有一家公司从「单台手搓」走进了「产线下线」。
Figure 在制造端拆解出 9000+ 执行器，跨 10+ 子系统标准化生产。这是一条朴素的硬件工程曲线——把一台机器人拆成模块，把每个模块的产能都拉起来。
这条曲线背后还有一个更关键的决定：和 OpenAI 分手。
Helix vs FSD：两套大脑的分岔
2025 年 2 月 4 日，Figure CEO Brett Adcock 在 X 上发了一条声明：终止与 OpenAI 的合作协议。理由公开说是「自研有重大突破」。业内私下传的解读更直白：OpenAI 自己也在做机器人，Figure 不愿意把数据和产品线交给一个未来的对手。
"Figure made a major breakthrough on fully end-to-end robot AI, built entirely in-house." —— Brett Adcock, 2025-02
自研的产物就是 Helix——一个 Vision-Language-Action 模型，把视觉、语言、动作三个层次合并成一个端到端神经网络。
Helix 02 当前能做什么？穿过乱糟糟的客厅，捡起玩具，喷水擦桌子。这些动作在过去都需要分别训练独立的策略网络。VLA 的意义在于：一个模型搞定全部。
Tesla 走的是另一条路。Optimus 复用 FSD——同一套自动驾驶软件栈，通过摄像头识别、神经网络规划、电机执行。FSD 在车上跑了上亿英里，数据池足够大。理论上把它移到双足上，是降维打击。
理论上。
VLA vs FSD 的本质分歧：Figure 押注端到端通用模型从家庭走到工厂，Tesla 押注汽车自动驾驶能力外溢到机器人。两条路都有道理，但只有一条路在 2026 年这个时点已经真在工厂里跑。
Helix VLA 端到端 vs FSD 软件栈复用
BMW Spartanburg：11 个月给的真账
判断量产真伪有三条线：可重复、可商用、可扩张。
可重复性看产线，Figure 的 1 robot/hour 已经过线。
可商用性看真实部署。这里有一份关键账：Figure 在 BMW Spartanburg 工厂跑了 11 个月，搬运 9 万多个钣金件，完成 1250 个班次。这不是 demo，不是 PR 视频，是工厂数据。它证明 Figure 02 能稳定通过一个真实生产线的考核——而 F.03 是这条曲线的延续。
Mercedes-Benz 那边，Apptronik 的 Apollo 同步在跑。装配、物流、上下料——这些过去由人工承担的工位，开始有机器人接住。
Tesla 这边，Optimus 当前主要在 Fremont 自家工厂内部跑，做电池模组搬运和零件投料。优势是数据闭环（Tesla 自产、自用、自训）；劣势是没有第三方验证，黑箱风险高。
可扩张性这条线，两家都还在 2026 下半年的考卷上。Figure 要从 BMW 一家工厂复制到三家、五家；Tesla 要从 Fremont 一条线复制到 Giga Texas、Berlin。这两件事都是 2026 H2 的重头戏。
三家厂商车企部署进度对照
写在量产元年
人形机器人的第一性问题不是「能不能做出一台」，是「能不能稳定造出一万台、十万台、一百万台」。
过去十年，Boston Dynamics 做出了能后空翻的 Atlas，但那是手工艺品。波士顿动力的产能从来不是问题，因为他们没打算量产。
2026 年是第一次有两家公司把这件事推到了产线层面。Figure 用一条朴素的工程曲线证明了「时产 1 台」的可行性，Tesla 用一条 PPT 上的曲线打开了「年产百万」的想象空间。两家都不完美——Figure 没有 Tesla 的数据池，Tesla 没有 Figure 的产线证明。
但两家叠加，是过去十年都没出现过的画面：人形机器人第一次同时具备了"算法可用" + "硬件可量产" + "工厂可商用"三个条件。
下一道账，是 2027-2028 年。届时要回答的问题包括：年产能能否破万、能否破十万；BMW、Mercedes 之外能否进入更多客户；售价能否从 30K 美元打到 15K；家庭场景的第一个真实付费用户在哪里。
这些问题没有公司能现在给出答案。但 2026 年这一年，人形机器人从"还能不能做"，变成了"能造多快"。
2026 年不是 Optimus 的胜利，也不是 F.03 的胜利。是「量产」这两个字第一次和「人形机器人」放在一起说，而没有人觉得突兀。
参考信源
1. Counterpoint Research 2025-02「Figure AI Unveils its 2nd-Gen Robot After OpenAI Split」
2. Brett Adcock X @adcock_brett（2025-02-04 终止合作公告 + 2026 BotQ 进展）
3. Figure AI 官网「Introducing Figure 03」「Helix: A Vision-Language-Action Model」
4. iFactoryApp「Tesla Optimus at Fremont: Gen 3 Humanoid Deployment & Mass Production」（2026）
5. Awesome Robots「Tesla Optimus Gen 3」spec 表
6. Wikipedia「Optimus (robot)」截至 2026-04-25
7. IIoT World「Physical AI Deployment ROI: BMW's 30,000-Car Proof」（Figure × BMW Spartanburg）
8. NewMarketPitch「Figure 03 vs Tesla Optimus Comparison Tracker (2026)」
