Tesla 人工智慧主管 Ashok Elluswamy 對部分 Optimus 展示給出罕見的直接說法：那些機器人動作「基本上是遙控」。依他的描述，機器人會在維持平衡的同時，「相當盲目地」執行接收到的動作指令。他並警告，實體機器人的 AI 安全問題，會讓當前大型語言模型（LLM）的安全問題「看起來像小兒科」。16

重點不在於 Optimus 是否完全沒有機器端智慧，而是：一段流暢的公開展示，不能自動視為機器人已經自行理解任務、規劃步驟、因應不確定性，並在沒有人工指引下安全完成工作。

人類指揮動作時，機器人還保有什麼自主能力？

Elluswamy 的說法把「維持平衡」歸於機器人本身，較大範圍的動作則被描述為遠端控制。16 這顯示出一種分工：人類提供或塑造動作意圖，機器人至少負責即時穩定控制，讓動作得以完成。

這仍是有價值的機器人能力。要讓類人機器人在移動時不跌倒，本來就是困難課題；但這與通用自主性是不同層級的主張。這項揭露並不能證明 Optimus 能在陌生環境中可靠感知、自己選擇合適的任務計畫、處理意外碰撞，或在每一次出錯時自行安全復原。

因此，觀看機器人展示時，更實際的問題是：究竟哪一層是自主的？ 機器人可以自主處理平衡或低階運動控制，但互動內容與任務層級的行為，仍可能由遠端操作員負責。

回看早期亮相：模式其實並不陌生

這項說明與 2024 年 10 月 Tesla「We, Robot」活動後的報導相符。TechCrunch 引述 Bloomberg、The Verge 等媒體指出，許多 Optimus 與賓客的互動由人類遠端操作；不過知情人士也稱，原型機可運用 AI 在無外部控制下行走。28

這個區別很重要。有人協助與人群互動，並不代表展示的每一部分都是假的；但它確實表示，該活動不是一場可直接證明「完全自主」人形接待機器人的展示。

2025 年 12 月的邁阿密展示也引發類似檢視。一台發送瓶裝水的 Optimus 跌倒後，評論者注意到其手部動作看似模仿遠端操作員摘下 VR 頭戴裝置。這項觀察具有提示性、但並非定論：單靠影片無法確定確切控制配置。不過，它再次說明 Tesla 有必要在公開展示中清楚區分遙操作、預先編排與自主行為。20

為何實體機器人的安全問題遠比 LLM 複雜？

Elluswamy 的比較建立在一項根本差異上：語言模型出錯，可能產生不當或錯誤文字；人形機器人出錯，則可能立即在人的周圍、物體之間或不穩定環境中產生實際動作與力量。16

對一台能走路、能抓取的機器而言，安全不只是判斷該說什麼或追求哪個目標，還包括它能否：

• 在腳下狀況或接觸力改變時維持站立；
• 移動手臂或身體時避開近處的人；
• 面對重量、形狀或易碎程度不確定的物品時調節抓握力道；
• 辨識何時應減速、停止，或把控制權交還給人類。

這不是說實體機器人 AI 無法實現，而是說，漂亮的動作本身只是有限的安全訊號。可靠性必須能面對罕見、混亂且持續變化的真實條件，而不只是受控環境中的固定套路。

Tesla 仍須解決：維度爆炸與低延遲控制

Tesla 將其自動駕駛方法描述為端到端神經網路：系統接收攝影機像素、車輛運動學資料、音訊、地圖與導航輸入，再產生駕駛控制指令。Elluswamy 把高解析度、高影格率、長時間上下文的真實世界輸入規模，稱為「維度災難」。14

汽車的可控制作相對有限，主要是轉向、加速與煞車；人形機器人卻必須協調更多自由度、身體接觸與操作決策。它需要同時管理雙腿、軀幹、手臂和雙手，還要顧及平衡、物體，以及近距離的人。

馬斯克帳號轉述的一場 GTC 討論也提出相同觀點：與自動駕駛車相比，人形機器人具有更多感測模態與自由度，而最底層的控制訊號仍必須即時生成。13

這正是控制上的核心難題。光是辨識場景或選定大方向還不夠；從感知到動作的完整迴路，必須夠快、也夠安全，才能阻止跌倒、避免碰撞或及時調整抓力。Tesla 所稱 FSD 每秒 36 次決策（36 Hz）的能力，是相關經驗，但並不能單獨證明其已具備足以支援人形機器人全身控制與物件操作的能力。12

從 FSD 借鏡：先以人類參與累積資料，再提高自主性

Tesla 更大的策略，是把端到端神經網路方法延伸到自動駕駛與機器人。關於 Elluswamy 工作的報導提到，Tesla 正打造統一的「世界模擬器」，並嘗試串連 FSD 與 Optimus 的訓練路徑。2

這讓資料蒐集成為 Optimus 計畫的核心。Fremont 的 Gen 3 試產，被描述為著重蒐集真實世界資料；規模更大的 Giga Texas 專用設施則以 2027 年高量產為目標，長期年產能目標最高可達 1,000 萬台。這些是目標，不是已獲確認的產能，也不是機器人已能公開安全自主運作的證據。33

與 FSD 的類比很清楚：先讓人類參與和監督、蒐集運作資料、訓練模型，再逐步擴大系統能處理的範圍。然而，能在人群周邊走動並操作物品的機器人，面對的接觸密集型邊緣案例，遠比車輛的轉向、油門與煞車來得廣泛。

已展示的能力，與尚未被證明的能力

Tesla 已展示 Optimus 可以做出協調動作，也顯示公司正投資軟體、資料與製造能力來推進開發。但 Tesla 尚未公開提供逐場展示的完整說明，讓外界可直接判定每個動作的自主程度。18

Elluswamy 的說法提供了目前最清楚的解讀：部分吸睛動作由人類指引，而機器人利用自身平衡能力去執行。16 Tesla 的端到端方法真正尚待驗證的是，它能否從這種混合式安排，走向能在非結構化人類環境裡，自主、安全地走路、抓取物件並從突發狀況中恢復的人形機器人。

在這一點被透明且可重複地展示之前，量產雄心與吸睛影片都應被視為一條研發路徑的證據，而不是通用人形機器人自主能力已經到位的證明。

Tesla 人工智慧主管 Ashok Elluswamy 對部分 Optimus 展示給出罕見的直接說法：那些機器人動作「基本上是遙控」。依他的描述，機器人會在維持平衡的同時，「相當盲目地」執行接收到的動作指令。他並警告，實體機器人的 AI 安全問題，會讓當前大型語言模型（LLM）的安全問題「看起來像小兒科」。16

重點不在於 Optimus 是否完全沒有機器端智慧，而是：一段流暢的公開展示，不能自動視為機器人已經自行理解任務、規劃步驟、因應不確定性，並在沒有人工指引下安全完成工作。

人類指揮動作時，機器人還保有什麼自主能力？

Elluswamy 的說法把「維持平衡」歸於機器人本身，較大範圍的動作則被描述為遠端控制。16 這顯示出一種分工：人類提供或塑造動作意圖，機器人至少負責即時穩定控制，讓動作得以完成。

這仍是有價值的機器人能力。要讓類人機器人在移動時不跌倒，本來就是困難課題；但這與通用自主性是不同層級的主張。這項揭露並不能證明 Optimus 能在陌生環境中可靠感知、自己選擇合適的任務計畫、處理意外碰撞，或在每一次出錯時自行安全復原。

因此，觀看機器人展示時，更實際的問題是：究竟哪一層是自主的？ 機器人可以自主處理平衡或低階運動控制，但互動內容與任務層級的行為，仍可能由遠端操作員負責。

回看早期亮相：模式其實並不陌生

這項說明與 2024 年 10 月 Tesla「We, Robot」活動後的報導相符。TechCrunch 引述 Bloomberg、The Verge 等媒體指出，許多 Optimus 與賓客的互動由人類遠端操作；不過知情人士也稱，原型機可運用 AI 在無外部控制下行走。28

這個區別很重要。有人協助與人群互動，並不代表展示的每一部分都是假的；但它確實表示，該活動不是一場可直接證明「完全自主」人形接待機器人的展示。

2025 年 12 月的邁阿密展示也引發類似檢視。一台發送瓶裝水的 Optimus 跌倒後，評論者注意到其手部動作看似模仿遠端操作員摘下 VR 頭戴裝置。這項觀察具有提示性、但並非定論：單靠影片無法確定確切控制配置。不過，它再次說明 Tesla 有必要在公開展示中清楚區分遙操作、預先編排與自主行為。20

為何實體機器人的安全問題遠比 LLM 複雜？

Elluswamy 的比較建立在一項根本差異上：語言模型出錯，可能產生不當或錯誤文字；人形機器人出錯，則可能立即在人的周圍、物體之間或不穩定環境中產生實際動作與力量。16

對一台能走路、能抓取的機器而言，安全不只是判斷該說什麼或追求哪個目標，還包括它能否：

• 在腳下狀況或接觸力改變時維持站立；
• 移動手臂或身體時避開近處的人；
• 面對重量、形狀或易碎程度不確定的物品時調節抓握力道；
• 辨識何時應減速、停止，或把控制權交還給人類。

這不是說實體機器人 AI 無法實現，而是說，漂亮的動作本身只是有限的安全訊號。可靠性必須能面對罕見、混亂且持續變化的真實條件，而不只是受控環境中的固定套路。

Tesla 仍須解決：維度爆炸與低延遲控制

Tesla 將其自動駕駛方法描述為端到端神經網路：系統接收攝影機像素、車輛運動學資料、音訊、地圖與導航輸入，再產生駕駛控制指令。Elluswamy 把高解析度、高影格率、長時間上下文的真實世界輸入規模，稱為「維度災難」。14

汽車的可控制作相對有限，主要是轉向、加速與煞車；人形機器人卻必須協調更多自由度、身體接觸與操作決策。它需要同時管理雙腿、軀幹、手臂和雙手，還要顧及平衡、物體，以及近距離的人。

馬斯克帳號轉述的一場 GTC 討論也提出相同觀點：與自動駕駛車相比，人形機器人具有更多感測模態與自由度，而最底層的控制訊號仍必須即時生成。13

這正是控制上的核心難題。光是辨識場景或選定大方向還不夠；從感知到動作的完整迴路，必須夠快、也夠安全，才能阻止跌倒、避免碰撞或及時調整抓力。Tesla 所稱 FSD 每秒 36 次決策（36 Hz）的能力，是相關經驗，但並不能單獨證明其已具備足以支援人形機器人全身控制與物件操作的能力。12

從 FSD 借鏡：先以人類參與累積資料，再提高自主性

Tesla 更大的策略，是把端到端神經網路方法延伸到自動駕駛與機器人。關於 Elluswamy 工作的報導提到，Tesla 正打造統一的「世界模擬器」，並嘗試串連 FSD 與 Optimus 的訓練路徑。2

這讓資料蒐集成為 Optimus 計畫的核心。Fremont 的 Gen 3 試產，被描述為著重蒐集真實世界資料；規模更大的 Giga Texas 專用設施則以 2027 年高量產為目標，長期年產能目標最高可達 1,000 萬台。這些是目標，不是已獲確認的產能，也不是機器人已能公開安全自主運作的證據。33

與 FSD 的類比很清楚：先讓人類參與和監督、蒐集運作資料、訓練模型，再逐步擴大系統能處理的範圍。然而，能在人群周邊走動並操作物品的機器人，面對的接觸密集型邊緣案例，遠比車輛的轉向、油門與煞車來得廣泛。

已展示的能力，與尚未被證明的能力

Tesla 已展示 Optimus 可以做出協調動作，也顯示公司正投資軟體、資料與製造能力來推進開發。但 Tesla 尚未公開提供逐場展示的完整說明，讓外界可直接判定每個動作的自主程度。18

Elluswamy 的說法提供了目前最清楚的解讀：部分吸睛動作由人類指引，而機器人利用自身平衡能力去執行。16 Tesla 的端到端方法真正尚待驗證的是，它能否從這種混合式安排，走向能在非結構化人類環境裡，自主、安全地走路、抓取物件並從突發狀況中恢復的人形機器人。

在這一點被透明且可重複地展示之前，量產雄心與吸睛影片都應被視為一條研發路徑的證據，而不是通用人形機器人自主能力已經到位的證明。