Ashok Elluswamy（Tesla人工智能主管）罕有咁直接講明，部分Optimus示範中見到嘅機械人動作「基本上係遙距操控」。按佢講法，機械人會「幾盲目咁」做出收到指令嘅動作，同時維持平衡；佢亦認為，實體機械人嘅AI安全問題，會令現時大型語言模型（LLM）嘅安全難題「睇落似小兒科」。16

重點唔係話Optimus完全冇機上智能，而係：一段流暢嘅公開演出，唔應該自動被視為機械人已經能夠自行理解工作、規劃步驟、應付未知情況，並且毋須人類指示而安全完成任務。

人類遙控之下，機械人仲有咩自主能力？

Elluswamy形容大動作係遙距操控，但同時將「維持平衡」歸於機械人本身。16 呢個講法反映咗一種分工：人類提供或塑造動作指令，機械人則至少處理執行期間所需嘅即時穩定控制。

呢個本身都係實在嘅機械人技術能力。要一部人形機械人郁動時唔跌低，並唔容易；不過，呢個能力比起「通用自主」仍然窄得多。呢次披露並冇證明Optimus可以喺陌生環境可靠地感知、揀選合適計劃、處理突如其來嘅接觸，或者每次出錯都毋須人手介入便安全復原。

所以睇機械人示範時，真正值得問嘅係：究竟邊一層係自主？ 機械人可以自行平衡或做低層動作控制，但互動方式同任務層面嘅行為，仍然可能由遙距操作員主導。

早前Optimus亮相，點樣吻合呢個模式？

呢次披露同Tesla喺2024年10月「We, Robot」活動嘅相關報道一致。TechCrunch引述Bloomberg、The Verge等報道指，不少Optimus同現場人士嘅互動由人類遙距操作；不過消息人士亦稱，原型機可利用AI毋須外部控制自行行路。28

呢個分別好重要。有人協助處理人群互動，唔代表示範每個部分都係假；但亦即係話，活動並非一個清楚展示「完全自主」人形接待員嘅場合。

2025年12月，邁阿密一次Optimus派水樽示範中，機械人跌倒，同樣惹來質疑。評論者聚焦佢一啲手部動作，認為似遙距操作員除低VR頭盔。呢個觀察只屬提示性線索，未足以單靠片段確定實際控制安排；但它再次說明，Tesla應清楚區分公開示範中邊啲係遙距操控、預先編排，抑或自主行為。20

點解實體機械人安全，比LLM安全難得多？

Elluswamy嘅比較，建基於文字系統同具身系統嘅根本差異。語言模型出錯，可以產生錯誤或有害內容；人形機械人出錯，則可能即時喺人、物件及不穩定環境附近產生實際動作。16

對一部會行路、會抓取物件嘅機械人而言，安全唔只係「揀咩目標」或者「講咩」。仲包括佢能否：

• 落腳位或接觸狀態有變時保持站穩；
• 擺動手臂或身體時避開身邊嘅人；
• 面對重量、形狀或易碎程度未知嘅物件，調節抓握力度；
• 察覺幾時應該減速、停低，或者交返畀人控制。

呢啲唔係證明實體機械人AI做唔到，而係解釋咗點解「郁得靚」並不足以反映安全水平。可靠性要喺罕見、混亂而不斷變化嘅真實環境中都成立，而唔係只喺受控流程中成功一次。

Tesla仍要解嘅維度與延遲難題

Tesla形容其自動駕駛系統採用端到端神經網絡，輸入包括鏡頭像素、車輛運動學資料、聲音、地圖及導航資料，再輸出駕駛控制指令。Elluswamy將需要處理高解像度、高幀率、長上下文真實世界輸入嘅規模，形容為「維度災難」。14

汽車嘅動作空間相對受限，主要係轉向、加速同煞車；人形機械人就要協調更多自由度、身體接觸同操作判斷。佢要同時控制雙腿、軀幹、手臂同雙手，又要顧及平衡、物件，同近距離嘅人。

Elon Musk帳戶轉載嘅一段GTC討論亦提出同一點：人形機械人嘅感測模態同自由度比自動駕駛車更多，而最底層控制訊號仍必須即時產生。13

呢個先係核心控制難題：唔止要辨認場景或者揀一個大方向，整個由感知到動作嘅迴路，都要快同安全到足以防跌、避碰，或者及時調整抓握。Tesla所稱FSD每秒36次決策（36 Hz）係相關經驗，但單憑呢一點，未足以證明可為人形機械人提供足夠嘅全身控制同物件操作能力。12

Tesla想複製FSD路線：先靠人，後擴大自主

Tesla嘅大方向係將端到端神經網絡方法套用到自動駕駛同機械人。關於Elluswamy工作嘅報道提到，一個統一嘅「世界模擬器」及連接FSD與Optimus訓練嘅路線。2

因此，蒐集數據會係Optimus項目嘅核心。Fremont嘅Gen 3試產，被形容為主要用作收集真實世界數據；Tesla喺Giga Texas興建嘅較大型專用設施，目標係2027年進行高產量生產，長遠目標為每年最多1,000萬部。呢啲都係目標，唔係已獲確認嘅產能，更加唔係面向公眾嘅自主能力證明。33

同FSD嘅比喻相當清楚：先由人類參與及監督、收集實際操作數據、訓練模型，之後逐步擴大系統可自行處理嘅範圍。不過，一部要喺人群附近行路同搬動物件嘅機械人，面對嘅接觸型邊緣個案，會比汽車嘅轉向、油門同煞車控制多得多。

已展示咗咩，未展示咗咩？

Tesla已展示Optimus能做協調動作，公司亦正投資軟件、數據同製造能力去改善它。但Tesla未有公開逐項交代每場示範中每個動作嘅自主程度，令外界難以直接判斷。18

Elluswamy今次披露提供咗目前最清楚嘅解讀：部分搶眼動作由人類指揮，而機械人以機上平衡能力協助完成。16 Tesla端到端方法尚未解答嘅關鍵測試係：能否由呢種混合操作模式，走到機械人可以喺非結構化、有人活動嘅環境，自行安全地行路、抓取物件，以及應付意外情況。

喺呢件事被透明而反覆地展示之前，量產目標同吸睛影片較適合被看作一條研發路線嘅證據，而唔係通用人形機械人自主能力已經到位嘅證明。

Ashok Elluswamy（Tesla人工智能主管）罕有咁直接講明，部分Optimus示範中見到嘅機械人動作「基本上係遙距操控」。按佢講法，機械人會「幾盲目咁」做出收到指令嘅動作，同時維持平衡；佢亦認為，實體機械人嘅AI安全問題，會令現時大型語言模型（LLM）嘅安全難題「睇落似小兒科」。16

重點唔係話Optimus完全冇機上智能，而係：一段流暢嘅公開演出，唔應該自動被視為機械人已經能夠自行理解工作、規劃步驟、應付未知情況，並且毋須人類指示而安全完成任務。

人類遙控之下，機械人仲有咩自主能力？

Elluswamy形容大動作係遙距操控，但同時將「維持平衡」歸於機械人本身。16 呢個講法反映咗一種分工：人類提供或塑造動作指令，機械人則至少處理執行期間所需嘅即時穩定控制。

呢個本身都係實在嘅機械人技術能力。要一部人形機械人郁動時唔跌低，並唔容易；不過，呢個能力比起「通用自主」仍然窄得多。呢次披露並冇證明Optimus可以喺陌生環境可靠地感知、揀選合適計劃、處理突如其來嘅接觸，或者每次出錯都毋須人手介入便安全復原。

所以睇機械人示範時，真正值得問嘅係：究竟邊一層係自主？ 機械人可以自行平衡或做低層動作控制，但互動方式同任務層面嘅行為，仍然可能由遙距操作員主導。

早前Optimus亮相，點樣吻合呢個模式？

呢次披露同Tesla喺2024年10月「We, Robot」活動嘅相關報道一致。TechCrunch引述Bloomberg、The Verge等報道指，不少Optimus同現場人士嘅互動由人類遙距操作；不過消息人士亦稱，原型機可利用AI毋須外部控制自行行路。28

呢個分別好重要。有人協助處理人群互動，唔代表示範每個部分都係假；但亦即係話，活動並非一個清楚展示「完全自主」人形接待員嘅場合。

2025年12月，邁阿密一次Optimus派水樽示範中，機械人跌倒，同樣惹來質疑。評論者聚焦佢一啲手部動作，認為似遙距操作員除低VR頭盔。呢個觀察只屬提示性線索，未足以單靠片段確定實際控制安排；但它再次說明，Tesla應清楚區分公開示範中邊啲係遙距操控、預先編排，抑或自主行為。20

點解實體機械人安全，比LLM安全難得多？

Elluswamy嘅比較，建基於文字系統同具身系統嘅根本差異。語言模型出錯，可以產生錯誤或有害內容；人形機械人出錯，則可能即時喺人、物件及不穩定環境附近產生實際動作。16

對一部會行路、會抓取物件嘅機械人而言，安全唔只係「揀咩目標」或者「講咩」。仲包括佢能否：

• 落腳位或接觸狀態有變時保持站穩；
• 擺動手臂或身體時避開身邊嘅人；
• 面對重量、形狀或易碎程度未知嘅物件，調節抓握力度；
• 察覺幾時應該減速、停低，或者交返畀人控制。

呢啲唔係證明實體機械人AI做唔到，而係解釋咗點解「郁得靚」並不足以反映安全水平。可靠性要喺罕見、混亂而不斷變化嘅真實環境中都成立，而唔係只喺受控流程中成功一次。

Tesla仍要解嘅維度與延遲難題

Tesla形容其自動駕駛系統採用端到端神經網絡，輸入包括鏡頭像素、車輛運動學資料、聲音、地圖及導航資料，再輸出駕駛控制指令。Elluswamy將需要處理高解像度、高幀率、長上下文真實世界輸入嘅規模，形容為「維度災難」。14

汽車嘅動作空間相對受限，主要係轉向、加速同煞車；人形機械人就要協調更多自由度、身體接觸同操作判斷。佢要同時控制雙腿、軀幹、手臂同雙手，又要顧及平衡、物件，同近距離嘅人。

Elon Musk帳戶轉載嘅一段GTC討論亦提出同一點：人形機械人嘅感測模態同自由度比自動駕駛車更多，而最底層控制訊號仍必須即時產生。13

呢個先係核心控制難題：唔止要辨認場景或者揀一個大方向，整個由感知到動作嘅迴路，都要快同安全到足以防跌、避碰，或者及時調整抓握。Tesla所稱FSD每秒36次決策（36 Hz）係相關經驗，但單憑呢一點，未足以證明可為人形機械人提供足夠嘅全身控制同物件操作能力。12

Tesla想複製FSD路線：先靠人，後擴大自主

Tesla嘅大方向係將端到端神經網絡方法套用到自動駕駛同機械人。關於Elluswamy工作嘅報道提到，一個統一嘅「世界模擬器」及連接FSD與Optimus訓練嘅路線。2

因此，蒐集數據會係Optimus項目嘅核心。Fremont嘅Gen 3試產，被形容為主要用作收集真實世界數據；Tesla喺Giga Texas興建嘅較大型專用設施，目標係2027年進行高產量生產，長遠目標為每年最多1,000萬部。呢啲都係目標，唔係已獲確認嘅產能，更加唔係面向公眾嘅自主能力證明。33

同FSD嘅比喻相當清楚：先由人類參與及監督、收集實際操作數據、訓練模型，之後逐步擴大系統可自行處理嘅範圍。不過，一部要喺人群附近行路同搬動物件嘅機械人，面對嘅接觸型邊緣個案，會比汽車嘅轉向、油門同煞車控制多得多。

已展示咗咩，未展示咗咩？

Tesla已展示Optimus能做協調動作，公司亦正投資軟件、數據同製造能力去改善它。但Tesla未有公開逐項交代每場示範中每個動作嘅自主程度，令外界難以直接判斷。18

Elluswamy今次披露提供咗目前最清楚嘅解讀：部分搶眼動作由人類指揮，而機械人以機上平衡能力協助完成。16 Tesla端到端方法尚未解答嘅關鍵測試係：能否由呢種混合操作模式，走到機械人可以喺非結構化、有人活動嘅環境，自行安全地行路、抓取物件，以及應付意外情況。

喺呢件事被透明而反覆地展示之前，量產目標同吸睛影片較適合被看作一條研發路線嘅證據，而唔係通用人形機械人自主能力已經到位嘅證明。