Elon Musk 预测到 2036 年将有 10 亿台人形机器人，但这笔账很残酷

据报道，Elon Musk 预测到 2036 年，全球将拥有超过 10 亿台人形机器人。这一说法出现在 RSSHub 于 9 月 2 日发布的一则 36Kr 条目中，该条目援引了 CCTV Finance 的报道。按这一描述，届时平均每九个人就将对应一台机器人。

这个数字并不只是一个乐观的市场预测。它意味着要在十年内建立起一个规模超过当今汽车行业的产业。它还要求人形机器人能够在截然不同的工作场所和家庭中，变得价格可承受、可靠、实用且易于被接受。

这一愿景与现实之间的差距巨大。据报道，2025 年人形机器人出货量超过 13,000 台，而 Tesla 的交付量仅为数百台或更少。要达到 10 亿台已部署机器人的规模，产量必须增长数个数量级。

据报道，Musk 还认为，10 亿台机器人创造的产出将超过全人类的总产出。他将人工智能与全球经济增长 20% 至 30% 的潜力联系起来，相当于每年新增数万亿美元的经济活动。

这些生产率和经济规模估算尚未得到独立验证。原始言论也未附带公开模型，用以说明生产速度、工作时长、任务表现、资本成本或替代效应。

因此，真正的关键并不在于机器人能否跳舞、叠衬衫，或在演示区域内搬运零件。而在于制造商能否以前所未有的规模，将具身 AI 转化为可靠的劳动力。

Musk 的 2036 年预测将机器人时间表大幅提前

Musk 的预测将通常与 2050 年相关的目标，压缩为仅十年后的期限。

9 月 2 日的相关报道称，Musk 预计十年内至少将出现 10 亿台人形机器人。该报道将相关言论归于 9 月 1 日，但对发言场合或预测假设提供的背景有限。

缺失的背景很重要。预测所描述的可能是年度产量、累计产量、在役部署量，或仅仅是技术上能够实现类人运动的机器数量。这些定义会对应截然不同的市场规模。

RSSHub 的 36Kr 条目将该数字描述为全球人形机器人的数量。它并未说明退役机器、实验机器、远程操作机器或仅能执行狭窄预设程序的机器，是否计入总数。

人形机器人通常指结合类人身体结构，以及用于感知、运动和执行任务的软件的机器。这样的形态有助于机器在原本为人类设计的楼梯、门、货架、工具和工作站周围工作。

但这一界定仍留下很大的解释空间。沿固定路线运行的仓储机器人，与能够进入陌生家庭、完成开放式指令的通用机器，存在显著差异。

Musk 的时间表也不同于华尔街一项颇受关注的预测。Morgan Stanley 预计，全球已部署的人形机器人数量将在 2050 年前后接近 10 亿台，而不是 2036 年。

其人形机器人市场预测称，采用速度在 2030 年代中期前可能仍相对缓慢，随后在 2030 年代后期和 2040 年代加速。

Morgan Stanley 预计，到 2050 年约 90% 的此类机器将用于工业或商业场景。由于家务工作对灵活性、安全性和社会接受度的要求更高，它预测家庭市场将小得多。

Musk 实际上将这一 10 亿台的里程碑提前了大约 14 年。他的预测要求加速阶段几乎立即开始，而不是等到再经历十年的技术发展之后。

与人口的对比让这一说法显得更加直观。联合国预测，到 2037 年前后，全球人口将接近 90 亿。届时 10 亿台机器人，大致相当于每九个人拥有一台人形机器人。

但这个比例同样可能造成误导。早期机器人大概率会集中在工厂、仓库、矿场、医院和物流设施中，而不会均匀分布于家庭或各个国家。

一座工厂可能运行数百台机器人，而附近的家庭一台也没有。因此，更有经济意义的比例是每项任务、每个设施或每个工作小时对应的机器人数量，而不是每人对应的机器人数量。

Musk 的生产率论断也取决于这一差别。10 亿台机器若能长时间轮班工作，确实可以带来巨大的总产出。然而，它们真正的有效贡献取决于正常运行时间、监督需求、维护、能源、任务成功率以及完成工作的价值。

一台能够可靠执行单一生产任务的机器人可以创造可衡量的价值。一台频繁需要人工干预的通用机器，消耗的劳动力可能比它替代的更多。

最好将这一预测视为产业目标，而非经过测量得出的前景判断。它描述的是 Musk 认为在制造能力和自主性同步提升的情况下，具身 AI 能够达到的规模。

即使具体数字最终被证明不准确，这一表述依然意义重大。它将人形机器人的制造，而非仅仅汽车制造，置于 Tesla 长期定位的核心。

Tesla 有百万台计划，而非十亿台产业

Tesla 已披露的生产计划提供了一个可信的起点，但与 Musk 的全球预测相比，规模仍相差三个数量级。

Tesla 在其 2026 年 1 月的公司更新中表示，Optimus Gen 3 将是其首个面向大规模生产设计的版本。公司计划在第一季度公布该设计。

Tesla 还表示，正在筹备首条 Optimus 生产线。相关工作包括供应链准备，预计将在 2026 年底前启动生产。

这条规划中的生产线最终将支持每年 100 万台机器人的产能。Tesla 谨慎指出，已建成产能并不等同于实际产量。

这一区别至关重要。工厂产出取决于零部件供应、设备正常运行时间、软件成熟度、监管条件、质量控制以及需求。

即便年产 100 万台，也将是一项重大的制造成就。然而，一条生产线按这一速度运行十年，在扣除退役和生产损失前也只能生产 1,000 万台机器人。

要在 2036 年前提供 10 亿台在役机器人，所需规模要大得多。整个行业在十年间平均每年需要净增加接近 1 亿台。

由于早期产量会低得多，后期年度产量必须大幅超过这一平均值。制造商还需要替换故障机器或达到使用寿命终点的机器。

一个粗略的规模对比说明了挑战。据报道，2025 年的出货基数超过 13,000 台。要从这一水平达到累计 10 亿台，需要的机器数量接近其 77,000 倍。

这条路径不会是线性的。生产可能在商业化初期迅速翻倍，随后随着市场成熟而放缓。但即使持续翻倍，年度产量达到数百万台后，要求依然极为严苛。

Tesla 确实具备一些有利条件。它了解大规模制造、电动动力总成、电池、视觉系统和垂直整合的软件。其工厂也为测试 Optimus 任务提供了受控环境。

内部部署可以减轻早期需求问题。Tesla 可以将机器人放入自有设施，观察故障、收集训练数据，并在大范围销售前优化任务。

这一策略与工业自动化常见的发展方式相似。制造商先从受控空间中的重复性工作开始，在衡量可靠性和回报后，再逐步增加复杂度。

不过，人形机器人的生产涉及与汽车不同的部件和公差要求。双手需要紧凑的执行器和精确的传感。关节必须在扭矩、重量、效率、耐久性和安全互动之间取得平衡。

乘用车可以容纳某些冗余部件和防护结构。人形机器人则必须足够轻，才能高效移动，同时还要经受跌倒和反复接触。

扩大机身制造规模只解决了一半问题。每一台机器还需要能够感知物体、规划行动、从错误中恢复，并在人的周围保持可预测行为的软件。

这类软件不能完全依靠排练好的演示。真实工作场所中有放错位置的工具、反光表面、破损包装、被阻塞的通道，以及行为不可预测的人。

远程人工协助可以弥补部分缺口。当机器人遇到异常情况时，一名监督员或许可以协助多台机器人。

但频繁干预会削弱生产率方程。一台不断请求人工帮助的机器，只是把劳动力转移到了控制室，而非真正消除它。

因此，Tesla 必须证明三种不同形式的规模化能力：制造规模、自主任务规模和客户部署规模。

一座年产百万台的工厂只解决了第一类问题。投资者和客户仍需要看到证据，证明这些机器能够以有限监督完成有价值的工作。

Musk 的预测也促使 Tesla 公布更多运营数据。演示视频和舞台活动无法证明整个机器人机群层面的可靠性或经济价值。

有用的披露数据包括任务完成率、人工干预频率、运行时长、工作场所事故、维护周期，以及软件更新后的表现。

在这些指标出现之前，Optimus 计划仍是一项生产雄心，附着于一个前景尚不确定的劳动力产品。

市场预测远低于 2036 年达到 10 亿台机器人

独立预测支持一个庞大的人形机器人市场，但其部署曲线仍明显慢于 Musk 的预测。

Goldman Sachs 在 2024 年估计，到 2035 年，人形机器人市场规模可能达到 380 亿美元。其机器人市场分析预计，在此期间出货量将达到 140 万台。

这一估计已经是该公司此前出货量预测的四倍。Goldman 将此次调整部分归因于 AI 发展更快，以及预期零部件成本降低。

该公司特别提到机器人领域的大型语言模型，这类模型将基于语言的推理与感知和物理行动连接起来。这些系统旨在减少工程师手动编程每一种行为的需要。

Goldman 也警告称，通用型机器人的可行性尚未得到证明。操作能力、自然交互、精密部件和制造产能仍是重要限制因素。

其基准情景预计，2030 年的人形机器人出货量将超过 250,000 台，几乎全部服务于环境和任务可控的工业用途。

这一预测远低于实现 Musk 目标所需的生产曲线。即使到 2035 年，修订后的预测达到每年数百万台，也仍会留下巨大的缺口。

Morgan Stanley 的视角更长期。它预计到 2050 年，全球人形机器人数量将接近 10 亿台，并在 2030 年代中期后加速普及。

这一预测同样描述了非同寻常的增长。不过，它给了制造商两倍以上的时间来发展供应链、标准、服务网络和公众接受度。

近期的部署数据支持谨慎乐观，而非认为人形机器人即将无处不在。美联社报道称，2025 年全球人形机器人出货量超过 13,000 台。

其出货量概览援引 Omdia 的估算称，AGIBOT 和 Unitree 的出货量均超过 5,000 台。Tesla 和 Figure 的出货量则仅为数百台或更少。

Omdia 预计，到 2030 年代初期，先进机器人的年出货量将超过 100 万台。与 2025 年的基数相比，这将是显著增长。

但每年 100 万台的出货量，只能为 Musk 提出的机器人规模增加很小一部分。要实现 10 亿台目标，需要的是智能手机级别的制造能力，而不是专业工业设备的产量。

与智能手机的类比可能掩盖其中的难度。手机包含复杂的电子元件，但不会保持平衡、操作陌生物体，也不会在工人身旁运行。

智能手机故障通常只会中断通信。移动机器人故障则可能损坏设备、令生产线停摆，或造成人员受伤。

机器人还需要本地化服务。电机磨损、关节松动、电池衰减、传感器漂移，而机械手会承受反复的机械应力。

因此，10 亿台规模的机器人群将催生庞大的维护经济。制造商需要在许多国家提供替换零件、技术人员、诊断软件、保险流程和安全更新系统。

供应集中度带来了另一项限制。Morgan Stanley 表示，开发商仍高度依赖来自中国和亚洲其他地区的零部件。

这种集中度会造成地缘政治和运营风险。出口管制、关税、材料短缺或生产中断，都可能同时影响所有主要机器人制造商。

中国目前拥有制造优势。根据美联社援引的研究，2025 年中国约占人形机器人出货量的 85%。

当年，中国还拥有超过 140 家人形机器人制造商和 330 多种型号。这些数字显示竞争激烈，但并不能证明需求具有可持续性。

碎片化市场可以加快试验步伐，也可能带来重复设计、薄弱的服务支持，以及在可靠应用尚未出现前就急于寻找订单的工厂。

RSSHub 36Kr 报道呈现了 Musk 的经济预测，却未解释它与这些市场估算之间的关系。全球产出增长 20% 至 30%，需要的不只是卖出机器人。

机器人必须完成原本不会完成的生产性任务、缓解实质性约束，或创造全新的商品和服务。仅仅替换现有资本，并不会带来等量的净增长。

经济学家还必须将投资、能源、维护、软件、监管以及被替代资产纳入考量。总产出与净福利不能混为一谈。

这一预测的方向或许正确，但数值上仍可能极端。AI 驱动的机器能够扩大生产能力，而不必在 2036 年前达到 10 亿台规模。

部署在高价值场景中的较小机器人群，可能比执行低价值任务的大规模机器人群更重要。生产率取决于利用率和能力，而不只是数量。

可靠性和需求比人形机器人演示更难解决

核心竞争并非雄心与工程人才之间的较量，而是 10 亿台承诺与客户是否需要可靠人形机器人的证据之间的较量。

机器人演示进步很快。机器如今可以穿越不平整地面、从推搡中恢复平衡、分拣物体，并响应自然语言指令。

这些能力很重要，但演示通常选择有利条件。商业部署会让机器人面对长时间轮班、部件磨损、意外障碍和重复性工作。

可靠性必须在数千小时的运行中衡量。短视频中看似令人印象深刻的任务完成率，在工厂规模下仍可能造成无法接受的停机时间。

设想一台负责在工作站之间搬运零件的机器人。它必须识别正确的容器、安全抓取、避开人员，并在不干扰生产的情况下完成交付。

每一步都会增加潜在故障点。即便是很低的错误率，也会在每个班次数百次移动中不断累积。

通用能力让这件事更难。专用机器会针对狭窄的任务优化其结构和控制方式。人形机器人则牺牲部分效率，以换取使用人类空间和工具的能力。

当环境频繁变化时，这种取舍可能很有价值。但如果固定式机械臂或轮式平台能以更低成本、更高可靠性完成相同任务，其说服力就会降低。

工厂早已广泛采用自动化。人形机器人必须与成熟设备、重新设计的工作流程和人类员工竞争，而不是填补一个空白市场。

人形外观本身仍存在争议。双腿能让机器人在为人类建造的空间中移动，但轮式系统往往能耗更低、稳定性更好。

手部提供了广泛的操作潜力，但许多工业任务只需要专门设计的夹具。额外的手指和关节会增加成本、控制复杂度和维护需求。

最有希望的早期应用，可能是结合人类设计的环境与难以通过固定自动化解决的任务。物料搬运、检查、设备看护和危险环境维护都符合这一模式。

家庭工作则是更高的门槛。住宅中有楼梯、宠物、儿童、易碎物品、散落衣物、液体，以及不断变化的布局。

美联社描述了一项家庭试验：机器人整理鞋子、叠衣服并更换垃圾袋，同时由一名人类清洁人员陪同。

用户认为这台机器很有趣，但效率不高，而且很难在狭小住宅中移动。这一体验揭示了技术能力与令人信服的普及之间的距离。

商业需求是另一项不确定因素。中国制造商报告称获得数千台订单，但许多买家是研究机构、国有企业或演示场馆。

这些采购有助于开发，但未必能证明私人客户在计算运营成本和生产率后，会部署大规模机器人群。

美联社援引的分析师警告称，应用场景仍然有限。机器人生产成本依然高昂、运行时较为脆弱，并依赖结构化环境。

这种批评并不意味着人形机器人一定会失败，而是意味着行业必须区分补贴支持的试验与可重复的客户需求。

成功部署应当促使客户在不依赖新奇感或政策支持的情况下扩大机器人规模。重复订单比谅解备忘录或试点公告更能提供有力证据。

安全性也将影响普及速度。雇主需要明确规则，来管理与人协同工作的机器，尤其是在模型部署后学习新行为时。

具身 AI 带来的风险超出了传统软件范畴。聊天机器人给出错误答案，与重型机器做出错误动作并不相同。

机器人制造商需要多层安全保障，包括力量限制、紧急停止、受限运行区域、碰撞检测、安全更新和可审计的行为日志。

当机器人造成伤害时，监管机构和保险公司会追问责任如何划分。责任可能涉及制造商、软件供应商、工作场所运营方或数据提供方。

网络安全带来了另一种实体风险。被攻破的机器人可能暴露摄像头画面和设施地图，同时影响机械设备和人员安全。

10 亿台联网人形机器人将形成巨大的攻击面。安全身份认证、加密通信、更新验证和网络隔离将成为基础设施。

训练数据也带来独立的担忧。机器人会从视频、远程操作、模拟以及在工作场所或住宅收集的传感器记录中学习。

这些记录可能包含面孔、对话、专有流程和敏感布局。如果在扩大学习规模的同时不扩大隐私控制，将招致监管阻力。

能源需求同样值得关注。每台机器人都需要充电，而训练和运行其 AI 模型需要计算基础设施。

10 亿台机器人不会均匀消耗电力。不过，部署计划仍必须纳入充电安排、电网限制、电池，以及本地冷却或计算需求。

Musk 对生产率的比较假设这些系统能够在较长时期内保持实用。维护停机时间和能源使用会降低净产出。

这也假设组织能够围绕机器重新设计工作流程。只安装机器人而不改变流程，可能造成昂贵的拥堵，而非更高生产率。

企业将需要工作流梳理、安全审查、员工培训、集成软件和绩效监控。这些活动会延长部署周期。

知识工作者也应当关注，因为实体自动化也会重塑信息系统。每台机器人都会生成指令、传感器历史、事故记录和维护文档。

团队将需要可检索的运营知识，而不是分散的手册和聊天记录。管理完善的AI knowledge base可以帮助人们保留决策、比较故障，并审计不断变化的流程。

这一信息层无法解决机械问题，但会决定组织是从数千次小故障中学习，还是不断重复发现相同问题。

因此，10 亿台预测所依赖的制度能力，与机器人技术本身同样重要。客户必须知道该自动化什么、如何衡量，以及何时应停止不安全的部署。

什么能让 2036 年预测变得可信

三个信号将揭示 Musk 的预测是在成为产业发展轨迹，还是仍停留在宣传目标。

第一个信号是经过验证的 Optimus 产量。Tesla 曾描述一条最终年产能可达 100 万台机器人的生产线，但产能本身不能证明实际产出。

投资者应关注已完成的产品、工厂部署、对外交付以及可重复的月度产量。Tesla 还应将原型机与面向客户的成熟机器明确区分。

最有力的确认将是持续产出与公开运营数据的结合。如果大规模机器人群的大部分时间处于闲置状态，这一论点就会被削弱。

第二个信号是自主生产率。机器人制造商需要报告机器在两次人工干预之间能工作多久，以及完成指定任务的频率。

有用的指标包括有效工作时长、干预频率、安全事故、维护间隔，以及在变化条件下的任务成功率。

这些衡量应覆盖日常运营，而不是精心挑选的演示。独立客户应确认，机器人在计入集成和监管成本后仍能创造价值。

第三个信号是跨多个行业的重复需求。一个 10 亿台规模的市场不能依赖汽车制造商从关联机器人项目中购买机器。

仓储企业、物流供应商、制造商、公用事业公司、医院、酒店和服务企业必须在完成试点后下达重复订单。

订单应转化为交付和扩大的部署规模。订金、合作公告和展示活动提供的证据较弱。

中国将是这项检验的核心。其供应链、制造商数量和早期出货量领先，为快速生产提供了当前最坚实的基础。

Tesla 和其他美国开发商可能会在 AI 模型、芯片或集成软件方面保持优势。但这些优势必须转化为可靠机器，而不只是更高的基准测试分数。

通用型与专用型机器人的竞争，将提供另一个重要信号。客户可能会发现，轮式系统和固定式自动化在大多数工作中能带来更高回报。

如果专用机器占据主导地位，人形机器人的产量仍可能增长，但难以接近 Musk 的目标。人形设计必须证明，其灵活性足以抵消机械复杂性。

未来几个月应能更清楚地展现 Tesla 自身的进展。对 Optimus Gen 3 的详细发布，将显示其机械手、执行器、可维护性和设计是否已准备好实现可重复的制造。

若生产设备在 2026 年底前投入运行，将支持 Tesla 的时间表。若出现延误或设计重置，所需增长将被压缩到更短的周期内。

早期工厂成果将比演示质量更重要。Tesla 需要展示机器能在有限人工监管下，完成整个班次的有用工作。

更广泛的经济论断仍将更难验证。全球经济每年增长 20% 至 30%，需要生产率、投资、消费和市场准入等方面共同改善。

AI 可能提升经济的生产潜力，却未必带来如此高的增长率。瓶颈可能从劳动力转移至能源、材料、资本、监管或需求。

分配同样重要。机器人产出可以提高总体生产，但收入也可能集中于机器所有者和基础设施提供商手中。

劳动者、政府和企业将通过工资、税收、培训、监管以及新企业形成作出回应。这些反应将影响更高产能能否转化为广泛共享的繁荣。

RSSHub 的 36Kr 条目记录了 Musk 最惊人的数字，但验证缺口仍是故事的一部分。读者应将已报道的言论与经审计的生产和部署证据区分开来。

到 2036 年实现 10 亿台人形机器人，只有在制造业曲线异常陡峭的情况下才具备数学上的可能性。它要求许多公司和国家，而不仅是 Tesla，达到巨大的规模。

当三件事同时发生时，这项预测才会变得可信：工厂出货数百万台，客户持续复购，机器人无需频繁人工救援即可安全工作。

在此之前，这个数字更像是对行业的挑战。它告诉制造商、供应商、监管机构和买家，要让实体 AI 实现其最大承诺，需要改变什么。

下一个有意义的问题，不是人形机器人能否再完成一次令人瞩目的演示。应当问：它完成了多少个生产性工时，人工介入的频率如何，以及客户是否追加了订单。

应持续追踪 Tesla、中国制造商和独立部署项目的这些答案。如果这些指标随着产量提升而改善，Musk 被压缩的时间表就值得认真关注。

如果制造商只公布产能目标和精心编排的视频，更长的采用曲线仍更具说服力。届时，10 亿台机器人将是一个目的地，而非 2036 年的现实。