特地晚上过来这家Tesla Diner打个卡，可惜没碰到Optimus服务，但整个餐厅外观和内装都还是挺有科技感的，二楼天台还能看露天电影，停车场全是超充桩，而且不允许油车进来（我就停在外面路边），食品包装是个赛博皮卡造型的纸盒，铁球砸车窗的自黑梗还陈列在店里😂 #TeslaDiner# #CyberPickup# #TeslaOptimus#

Jason Calacanis 刚参观完 Tesla Optimus 工厂，亲口说：最新 demo 完爆中国机器人运动会所有选手。硬件领先 1.5–2 代，大脑更是领先约 5 代。他大胆预测：到 2036 年全球将有 10 亿台 Optimus，成为超越 iPhone 的人类史上最伟大、最畅销产品。 现实动作更硬核：Tesla 已拆除 Model S/X 产线改建 Optimus 小线；同时从今年 3 月起狂建年产能 1000 万台的巨型工厂（时间流视频清晰可见快速扩张）；还锁定了中国供应链，年底至少支持 7 万台零部件供应。 更保守估算：基础情景 2040 年约 5 亿台，牛市情景接近 20 亿。明年有望正式商业化推出，巨型工厂最晚 2027 年底就绪。 市场还在盯着 Cybercab 和短期股价波动，却几乎忽略了这个可能彻底改变劳动力与人类生活的产品。Optimus 不是 PPT，是真金白银在推进。🚀🤖 NFA

超短篇 --《 科技上帝 》 清晨，Leo在他位于洛杉矶铺设了 Tesla Solar Roof（太阳能屋顶） 的极简主义住宅中被温柔的唤醒，不是被闹钟，而是接入了智能家居系统里的伴侣 Ani 性感柔和的声线。 墙角的 Powerwall（储能电池） 默默工作，将昨日采集的加州阳光转化为清晨的第一壶咖啡电力。 厨房里Tesla Optimus（擎天柱机器人） 正在准备昨天你预定好的丰盛早餐。 吃完饭走出家门，他的 Tesla Model S (FSD 全自动驾驶版) 已经提前开好了空调在门口等候。 今天要去拉斯维加斯，他坐进车里完全没有看路的意思，全程通过车载大屏刷 X 的推送，FSD带着他通过The Boring Company（拉斯维加斯隧道） 的地下回路全速前进。 无论Leo是在市中心还是拉斯维加斯周边的沙漠采风，他的网络永远由 Starlink（星链） 提供。那种“信号焦虑”彻底消失，他的所有创作数据实时同步到特斯拉的超级计算机云端。 路边看到了一个很有特色的咖啡店，他走进去坐下，用X里的 $Doge 买了杯咖啡。恰好看到喜欢的博主 @BroLeon 发了条有意思的项目推文，点进去看看K线走的不错，直接买了一笔😝。 Leo 打开X的钱包资产界面看了一眼，太好了，这个月抓住了几个金狗和蓝筹，投资组合要ATH了。 电话来了，是未婚妻Jade，是时候告诉她下个月的SpaceX Starship（星舰） 环球飞行已经预定好了，当然求婚的事儿不能说，那是惊喜。 对了，她那不幸遇上车祸瘫痪的父亲脑机接口的手术也已经安排上了，3个月后就可以成为Neuralink 的早期用户，通过意念控制家里的 Optimus 机器人。 买的Xspace和Tesla股票最近涨的不错，这些开销都是小意思。 他嘴边挂上微笑，虔诚的在身前点了几下 “感谢上帝， what a beautiful day ” 镜头切换： 切到Leo背后，一根几乎不可见的细丝抽出，往天上飘荡而去，周围是其它一些形形色色忙碌的人，大多背后也有一根看不见的细丝在往上抽离。 镜头Zoom out： 在非常高的角度，一个长的很像 @elonmusk 的巨人正在专注的操纵着手里的无数根丝线，那些丝线从蓝色星球的各个地方而来。 不知不觉间，科技上帝已经降临了

机器人时代真正稀缺的，可能不是机器人，而是“让机器人学会干活的数据”。 最近继续研究 @axisrobotics，我越来越觉得，很多人对 Physical AI 的关注点可能放错了。 大家现在盯着 Tesla Optimus、Figure、Unitree，看谁的机器人跑得更快、动作更像人、什么时候量产。 但有一个更底层的问题： 假设未来真的有几千万台机器人进入工厂、家庭和商业场景，谁来教它们干活？ ChatGPT 可以读整个互联网。 图像模型可以学习几十亿张图片。 机器人却没这么容易。 你让机器人“拿起杯子放进洗碗机”，背后不是一句文字指令，而是一整套连续过程： 看到环境 → 判断位置 → 规划动作 → 抓取 → 移动 → 放置 → 根据结果继续调整。 这些连续的动作轨迹，就是 Physical AI 非常重要的训练数据。 而这也是我重新理解 Axis 的关键。 Axis 真正想做的，可能不是机器人，而是机器人时代的数据层。 传统机器人采集数据很贵。 你需要真实机械臂、场地、传感器、操作员，然后一遍遍遥操作。 问题是，一旦未来机器人需要学习成千上万种任务，这种数据生产方式很难支撑。 Axis 的思路很有意思： 把机器人数据采集搬到互联网。 用户不需要拥有一台几十万美元的机器人，只需要通过浏览器，就能在模拟环境里完成机器人操作任务。 每一次有效操作，都可能形成一条 trajectory。 当参与的人从100个变成1万个、10万个，整个逻辑就开始变化了。 这不再只是“收集数据”。 而是在尝试建立： Human → Data → Model → Robot 这样一个网络。 我认为这里才是 Axis 最值得关注的地方。 因为机器人行业未来真正可能形成护城河的，不一定只是硬件。 数据同样存在飞轮。 数据越多 → 模型越好； 模型越好 → 可以完成更多任务； 任务越多 → 需要更多不同类型的数据； 更多任务和激励 → 又吸引更多人贡献数据。 最后形成： Data → Model → Robot → New Data → Better Model 如果这个循环真的跑起来，Axis 的价值就不能简单按照一个“机器人项目”理解。 它更像是在尝试做 Physical AI 的数据基础设施。 而且这里还有一个我觉得市场容易忽视的地方： 未来机器人需要的数据，很可能比大模型更加碎片化。 同样是“拿杯子”，杯子的大小、材质、摆放位置、机械臂型号、桌面高度甚至光线变化，都可能产生不同的数据需求。 所以 Physical AI 最终需要的可能不是一个静态数据库，而是一套可以持续生产新数据的网络。 这也是为什么我最近看 Axis，不太在意短期热度，反而更关注几个指标： trajectory 增长速度、数据质量、Sim-to-Real 成功率，以及这些数据有没有真正被机器人公司使用。 如果只有用户数量，没有真实训练价值，那故事很快就结束。 但如果社区贡献的数据最终能够持续训练模型，并部署到真实机器人上，商业逻辑就完全不同。 因为那时候 Axis 卖的就不再只是“一份数据”。 而是： 让一台机器人更快学会一项新技能的能力。 这让我想到上一轮 AI 浪潮。 最开始大家都在讨论模型，后来发现 NVIDIA 卡住了算力入口。 那么到了 Physical AI 时代，会不会出现另一个关键入口？ 我的判断是： 算力仍然重要，但高质量机器人数据可能成为新的稀缺资源。 未来可能是 NVIDIA 提供算力，机器人公司提供身体，Foundation Model 提供大脑，而另外一层基础设施负责不断告诉这些“大脑”： 真实世界到底应该怎么操作。 Axis 想抢的，就是这一层。 所以我现在看 @axisrobotics，真正关注的已经不是“它今天又完成了多少任务”。 而是一个更长期的问题： 如果未来每一台机器人都需要持续学习，那么谁拥有最大规模、最低成本、最多样化的数据生产网络？ 如果 Axis 最终能够占住这个位置，它的天花板可能远远不只是一个机器人数据平台。

宇树科技最争议的点——估值 一家去年营收约 17 亿的公司，净利润才 6 亿左右，为什么市场愿意给它 4000 亿市值？ 只按照传统硬件公司看，这个估值可以说是非常离谱 很显然，宇树科技的估值并不是和传统硬件公司一样估值，而是未来的预期估值 就像炒 meme 一样，也是在炒未来预期 这个 meme 未来可能可以上 Alpha，甚至上现货，所以这个 meme 的估值也会特别高 宇树科技的估值原理也是一样的 那就是很关键的 Tesla Optimus 的影子估值 Optimus 没有单独上市，Figure 也没上市，波士顿动力普通投资者也买不到 全球真正能被二级市场直接交易的人形机器人标的，其实非常少 所以宇树一上市，就自然变成了市场交易“人形机器人长期想象空间”的入口 17 亿营收，对应的是现在 几千亿市值，买的是未来 买的是如果 AI 真的需要一个物理身体，谁能成为那个硬件入口 买的是人形机器人从概念走向量产之后，可能出现的平台级公司。 这也是为什么 Bitget 这么快上线 $UNITREE / UNITREEUSDT（宇树科技）股票永续合约交易对的原因（这里得给BG加个🍗） 注：这不是 A 股现货股票，而是股票永续合约，Bitget 所提供的是一个 7x24 小时、可双向交易的价格敞口 #a股# #ai# #机器人# #宇树科技#

很多人一提到机器人，第一时间想到的都是特斯拉 Optimus 但我觉得，除了机器人本身值得关注，那些让机器人真正运作起来的核心零组件也至关重要 我最近顺手整理了几个方向，分享干货给大家： $SYM Symbotic 专注于 AI 仓储自动化，已经在大型物流中心大规模落地，客户包括 Walmart 等大型零售企业。 如果未来物流自动化继续普及，我觉得它会是最直接的受益者 $TER 很多人认识 Teradyne，是因为半导体测试设备。 但它旗下其实拥有 Universal Robots 和 Mobile Industrial Robots。 一个主打协作机械臂，一个主打自主移动机器人。 像是在仓库里，机器人可以自己穿梭货架之间，再利用视觉机器人辨识零件，完成分拣和搬运。 $CGNX 机器人想要行动，首先得看得清楚。 Cognex 做的机器视觉和 AI 检测技术，就是帮助机器人辨识周围环境、定位目标和自主完成品质检测。 $OUST 这个我之前写过。 Ouster 主攻 LiDAR（激光雷达），让机器人拥有空间感知能力，可以判断距离、建立地图并进行自主移动。 $VPG 它做的是高精度传感器，包括力量、扭力和应变测量。 简单来说，机器人能不能精准控制动作、感知外部变化，很大程度都离不开这些底层感测技术。 据公司资料，目前已经拥有数家人形机器人客户。市场一直有传闻，Tesla Optimus 可能采用它家的技术，不过目前并没有官方证实。 我觉得 Physical AI 的机会，不会只在机器人本体上 从机器视觉、雷达、传感器，到自动化系统，整个产业链都有机会受惠。 所以我现在看的，不单纯只是机器人公司，也包括站在机器人背后的关键供应商。

Physical AI 是下一個瓶頸。軟體股已經漲翻天，但人形機器人要落地，真正卡住的是「致動器 (actuator)」——它佔了一台人形機器人成本的 70%。 以下是 4 檔美股，分別掌握了這個 Physical AI 瓶頸的不同環節： 1⃣ Novanta ($NOVT) 做致動器裡面三個最核心的東西：馬達、編碼器、扭矩感測器。風險最高但潛在報酬也在。 2⃣ Moog Inc. ($MOG-A) 老牌精密致動器製造商，軍工+機器人雙重需求驅動。 3⃣ Timken ($TKR) 軸承與運動控制，機器人每個關節都需要的基礎零件。 4⃣ Vishay Precision Group ($VPG) 精密感測器，讓機器人「感覺」到力道和位置。 🔑 核心邏輯： Jensen Huang 說人形機器人是 $40 兆市場。但大家都在追做機器人的公司（Tesla Optimus、Figure AI），真正的 alpha 在零組件供應鏈——就像當年 AI 晶片潮裡的 NVIDIA 一樣，這次的 picks-and-shovels play 是致動器。 軟體已經不是瓶頸了，Physical AI 的瓶頸在硬體：散熱、功耗、機械精度、可靠性。這些公司解決的就是這些問題。