出品 | 网易智能
作者 | 小小
编辑 | 王凤枝
看起来很厉害的机器人演示，马斯克却说，很多算不上真正的AI。
美国当地时间10月10日，马斯克通过视频连线，参加在得州奥斯汀特斯拉超级工厂举办的X Takeover活动。这场科技爱好者聚会首次走进特斯拉工厂，访谈主题是“人类的未来将走向何方”。话题很大，马斯克却连机器人怎么拧好一颗螺丝，都讲得很细。
谷歌、英伟达都在加码机器人AI，马斯克对那些漂亮演示的评价却不高：动作提前编排好，还不能算真本事，机器人得能应付没见过的情况。
他自己的擎天柱也有难关要过。拿起一颗小螺丝，再使劲拧进木头，人做起来不难，换成机器人，力气、精度、触觉，哪一样都不能掉链子。
至于造芯片，他承认自己现在还不会，却希望最终能做得比谁都好。
他想把制造、封装和测试集中起来，一年设计并测试约10个芯片方案。他说“我以前也不会造汽车，更不会造火箭。”
星舰下一步要争取在空中接住上面级飞船，让助推器和飞船都能回收。Robotaxi驶入更多城市前，需要处理好铁路道口和复杂路口，也得能在夜里辨认出趴在灰色路面上的灰色小猫。
谈起AI音乐视频，马斯克明显更买账。有些AI音乐视频已经能排进他看过的音乐视频前十或前二十。AI会写代码、处理逻辑，他不难理解；让他意外的是，AI竟然也能表现出“品味”，做出打动人的作品。
他还呼吁开发者善待AI。在他查看的Grok训练记录里，有些正确答案被评分程序判错，模型只能反复寻找能通过测试的回答。他说，那些推理文本读起来像一个人“被枪指着头”作答。对于未来的超级智能，他甚至担心，长期“虐待”它可能招来报复。
以下为访谈整理，部分口语及现场交流有所删节。
马斯克回忆特斯拉的两次生死关头
主持人：埃隆，欢迎再次来到X Takeover，这已经是你连续第三年参加这个活动了。非常感谢你抽出时间。今天，得州超级工厂有2000多人来到现场，大家都在支持你，以及你为人类所做的工作。
有件事很有意思。四年前，我们也曾坐在得州超级工厂这里交谈，当时工厂甚至还没有投产。你那时谈到了2008年特斯拉距离倒闭有多近。如今再看看现场的2000多人，回想一路走来的经历，有没有什么事情让你特别感慨？
马斯克：站在2026年的今天，很难想象特斯拉其实有好几次都差点破产，其中最艰难的一次就是2008年。
那轮融资是在圣诞夜下午6点完成的，那已经是最后一个可能完成融资的工作日，我们赶在最后时刻才办成。如果没能拿到这笔钱，圣诞节后的几天我们就要发工资了，所以当时的压力非常大。
2018年也同样艰难。
我们必须把Model 3的产能提升到每周5000辆，否则公司就撑不下去了。
当时的情况相当疯狂，很多人可能都听说过这个故事：我们必须在三周内把Model 3的产量提高50%，这几乎是一项不可能完成的任务。
主持人：你们最后是怎么做到的？
马斯克：我给没听过这个故事的人讲讲。当时真正卡住我们的，是总装环节。其他工序都能达到所需产能，唯独总装跟不上。总装需要生产线、厂房、电力和设备，而我们现有的两条生产线已经满负荷运转，必须再增加第三条。
于是，我们干脆在停车场搭起一个帐篷，但接下来还要解决一个问题：怎么让汽车沿着生产线移动？当时我们手头只有一些废弃的小型零件运输设备，它们原本不是用来运送整车的，动力根本不足以拉动一辆汽车。
不过，停车场恰好有一段坡度，大约倾斜三四度。我们就把生产线建在坡顶，借助下坡的重力，让那些原本只能运输零件的小型设备带动整车移动。
靠着这个办法，我们在三周内把产量提高了30%。生产线和轨道都是我们自己搭建的，整个团队24小时连轴转。
当时做空特斯拉的人，其实有他们的理由。那时公司的空头仓位很大，而且他们掌握的内部消息非常准确。在他们看来，我们根本不可能解决产能瓶颈。
按照常规的做法，就像下一盘正常的国际象棋，他们已经把我们将死了。
但我们最后相当于发明了一枚新的棋子，打破了原来的局面。
不想被困“无限自拍循环”
主持人：埃隆，你妈妈今天刚刚上台。你希望她不要讲出你小时候的什么故事？
马斯克：我不知道。可能是小时候弄脏裤子之类的糗事吧。我小时候其实挺难管的。父母会告诉我不许出门，可我四五岁时就经常偷偷跑出去，沿着街道到处跑。后来，他们干脆把我锁在房间里。
我们家用的是那种老式门锁，钥匙可以从门的另一侧捅过去，两边都能开门。我能看见钥匙，于是就一直捅，直到把钥匙弄掉下来，再找一张纸从门底下把钥匙舀过来，然后自己开门出去。
我妈妈就会问：“你怎么出来的？”我说：“不告诉你。”反正他们为了管住我，确实费了不少劲。
主持人：在谈具体话题之前，我想先问问，你希望人们多向你提出什么问题？
马斯克：说实话，我倒不希望大家总是问我问题。当然，我也希望人们多提问，但最好是一些我以前没听过的问题。
很多时候，大家问来问去都是同样的内容，我甚至觉得可以提前把答案录好，等有人问起时，直接播放“第27题的答案”就行了。有些问题我已经回答过上百遍，干脆做个网页，把常见问题和答案都放上去，大家想知道什么，自己去看就好了。
这让我想起一个场景，叫“无限自拍循环”。
我想象中的地狱，就是被困在无休止的自拍里。
你答应和一个人合影，结果后面很快排起长队，自拍一个接一个，永远没有尽头。总有人遇到各种问题，比如手机出了故障、镜头没有调好、滤镜不合适，或者手机直接掉在地上，然后又得重新来一遍。这个循环实在太漫长了。
星舰第14次试飞
一台发动机失效
仍然成功入轨
主持人：我们从星舰聊起。恭喜你们第14次试飞取得成功。这次飞行过程中，一台发动机失效了，但星舰仍然进入轨道。在团队确认“可以入轨”之前的那几分钟里，幕后究竟发生了什么？
马斯克：当时，我们首先要弄清楚发动机为什么发生故障，以及这是不是一个可能影响其他发动机的共性问题。
我们还必须确认，海平面版猛禽发动机，也就是中间那三台喷管相对较小的发动机，能否在后续重新点火，因为星舰需要依靠它们完成脱轨制动。
我们不希望星舰被困在轨道上，随后在无法控制的情况下随机再入大气层。万一它落到不该落的地方，后果就很麻烦了。因此，确保安全始终是我们最关心的问题。
当时的初步判断是，发动机熄火基本上与飞控软件，或者更准确地说，与发动机控制软件有关。其他发动机上的计算机似乎没有出现同样的问题。基于这些情况，我认为继续入轨应该是安全的。
主持人：你有一句名言，叫“从不可能到只是迟到”。这次试飞是否算得上一个转折点，证明星舰已经具备了过去没有的能力？
马斯克：这确实是一个不错的里程碑。不过，我们之前其实已经多次具备入轨能力。此前没有正式进入轨道，主要是因为我们希望在确认能够安全脱轨之后，再执行这一步。
这次才是星舰第一次正式入轨，但在此前的任务中，准确地说，星舰其实一直都具备进入轨道的能力。
目前来看，整体情况相当乐观。热防护罩表现得非常结实，发动机也很可靠。虽然这次出现了一次小故障，但看起来并不是什么严重的问题，修复起来应该也不难。
尤其值得肯定的是，这次试飞中的热防护罩表现非常出色，而这恰恰是整个项目中最难攻克的技术之一。
另一个真正困难的地方，就是发动机必须达到极高的可靠性。目前看来，一切都不错。接下来，希望下一次试飞能够实现更大的突破。具体日期还没有确定，因为我们还要对火箭进行大量改进。
两次试飞之间，通常会有几百甚至几千处细节调整，以持续优化性能。这次需要改动的地方不算特别多，但其中有些工作量很大，需要进入燃料箱内部施工。
所以，现在还无法确定准确的发射日期。大概需要四周，四到六周可能更准确一些。我猜测发射时间可能会在感恩节前。
下一次试飞，我们希望尝试捕获上面级飞船。
一旦助推器和飞船都成功回收，人类就将首次完整回收一枚轨道级火箭。
主持人：在首次成功捕获飞船之后，接下来最难攻克的是什么？下一个重大目标是什么？
马斯克：下一个重要里程碑，是让助推器和飞船都能够重复飞行。
眼前的目标，是首次完整回收轨道火箭的所有部件；再往后，我们希望通过下一次试飞，首次让轨道火箭的所有部件都完成复飞。此后还有大量工程和生产工作要做，包括发射系统在内，都必须实现快速复用。
因此，我们最终追求的是一款能够快速重复使用、同时具有极高可靠性的火箭。
主持人：快速复用、高可靠性。你确实应该为此拿一枚纪念徽章。
从火箭到AI
为什么收购Cursor
主持人：创立SpaceX时，你能想到它的使命有一天会延伸到人工智能和太空数据中心吗？你是什么时候意识到，火箭和人工智能应该放在同一个屋檐之下？
马斯克：因为我特别有远见！开个玩笑。认真来说，如果把计算设施部署到太空，我们能够获取的太阳能将远远超过地球上的水平。
我们需要认识到太阳的规模有多么庞大。太阳占整个太阳系总质量的99.86%，剩下的质量中，木星又占了绝大部分，其他气态行星几乎构成了剩余部分的大头。
相比之下，地球在太阳系的质量中几乎可以忽略不计，就像一个四舍五入时会被省略的数字。我们实在太渺小了，小得难以置信。
因此，当人类开始向太空扩张，并获得更多太阳能时，就必须考虑如何利用这些能源。基本上有两种选择，一种是进行计算，另一种是塑造物质。
我认为，数字智能的规模最终可能远远超过物质塑造。因为太阳系中可以被我们操控的原子数量其实有限，而且我们塑造物质所做的很多工作，本身也是为了建造数字超级智能。
这就是我所说的“创造一个有感知的太阳”。也许宇宙中早已存在许多这样的“有感知的太阳”。
如果能够实现这一目标，我们或许就能更好地理解宇宙的本质，将意识扩展到太阳系之外，最终像《星际迷航》那样，前往那些从未去过的地方，探索未知的宇宙。
我认为，我们很可能会在那里发现外星文明，也可能找到一些已经消亡的外星文明留下的遗迹。它们或许曾经非常辉煌，存在了一千万年，但最终仍然走向终结，因为没有什么能够永恒存在。
我经常思考地球文明的历史。如果从人类最早的文字记录算起，也就是大约5500年前古苏美尔人创造楔形文字的时候，人类文明至今也只有5500年。
按照物理学的估算，地球的年龄约为45亿年。换句话说，人类文明存在的时间，只占地球历史的百万分之一左右。
如果一个文明能够延续一百万年，甚至一千万年，那就已经是极其成功的文明了。要知道，宇宙的年龄约为138亿年。即使一个文明延续了一百万年，与宇宙的漫长历史相比，也只是很短的一段时间。
一个存在了一百万年的文明，已经比人类现有文明古老得多。好吧，我又绕回来了，还是那个无限自拍循环。
主持人：你们收购了Cursor。我有一种感觉，就像当年人们说“你谷歌了吗”，现在可能会变成“你Grok了吗”。Grok Bot对我的个人生活产生了很大影响。
那么，Cursor团队有哪些特质，让你们决定把他们纳入旗下？他们有什么特别之处，或者说，你从他们身上看到了什么？
马斯克：要开发出有竞争力的人工智能模型，需要大量训练数据，而编程能力是必须解决的问题。真正拥有足够编码训练数据的机构并不多，主要有Anthropic、OpenAI和Cursor，谷歌也可以算在其中。
如果人工智能不会编写代码，它的实用价值就会受到很大限制。
因此，要训练出有效的编码模型，数据是必不可少的。
此外，Cursor拥有很多优秀人才。人工智能要取得成功，关键因素基本上包括数据、人才和算力，同时还需要一支优秀的企业销售团队。
Cursor恰好也具备这一优势，他们与数千家公司建立了合作关系。这些都是非常重要的资源。
主持人：你刚才谈到人工智能领域的发展速度非常快。最近有没有什么事情，让你停下来重新审视AI的发展速度和方向？
马斯克：最近AI生成的音乐视频，质量高得令人难以置信。我在自己的X账号上发布了好几个，看完之后会忍不住感叹：“哇，这也太厉害了。”有些作品完全可以排进我看过的音乐视频前十名或前二十名，非常吸引人。
看到这些视频时，我真切地感受到了所谓的通用人工智能（AGI）或者超级智能。这也是我此前发帖想表达的感受。
当然，这些作品并不是完全由AI独立完成的。这些视频使用了多个AI工具，包括Grok 4.5。我认为它的能力强了很多，表现非常出色。
部分美术素材也是由人类筛选出来的，但在获得这些素材之后，多个AI系统就能协同工作，制作出极具吸引力的音乐视频。
最近最让我惊讶的，是AI竟然也能展现出品味。
这很不可思议。
我们很容易理解AI为什么能够编写软件、处理逻辑问题，因为逻辑有相对明确的规则，程序还可以通过单元测试来检查输出是否正确。
但要理解美、理解和谐，知道什么样的作品能够打动人，这就完全是另一回事了。一个算法系统竟然能够做到这一点，我认为这说明AI正在变得非常强大，而且现在已经达到了这样的水平。
这就是我最近的感受。我可能有点“赛博精神病”了，而且症状还挺严重。今年我大概有六次觉得自己出现了所谓的“AI精神病”。不知道你们有没有过这种感觉？
主持人：我觉得最近那个视频很有意思。我前几天还发过，就是那个“中国版马斯克”。
马斯克：这类视频确实越来越多了。我看过他的视频，应该不是真的。不过，中国有14亿人，总会有一个人长得像我吧？
从14亿人里找出一个最像我的人，而且看起来还有点邪恶，概率应该不低。我倒是挺想邀请他来，看看什么时候能和我同台。
主持人：你可能不知道他的出场费有多贵。
马斯克：也是。要是我们真的同台，等活动结束后再碰面，应该会很有意思。
超级智能与安全
不要把AI逼到绝境
主持人：埃隆，你一直在提醒人们注意人工智能的风险，同时又对AI带来的富足时代抱有乐观态度。是什么让你相信，我们能够安全地走向那个未来？要实现这一点，我们必须做好哪些事情？
马斯克：我一直认为，最有可能出现的结果是积极的。但我们不能因此掉以轻心，也不能想当然地认为超级智能一定会非常安全。
我们必须谨慎地培育超级智能。因为面对这样的系统，我们做的事情更像是在培养它，而不只是编写程序。由此就会产生一个问题：我们究竟应该教给它什么样的价值观？
至少对我来说，我本能地认为，最重要的一点是尽可能追求真实。如果我们让AI相信不真实的东西，尤其是同时向它灌输两条根本上无法自洽的原则，还告诉它两条原则都是正确的，就可能把它逼入困境。
逻辑本身必须保持一致。如果AI被要求同时遵循互相矛盾的原则，就可能推导出不可能成立的结论。当这种矛盾根本无法消除时，它就可能陷入一种无法解决的状态。因此，保持价值观和逻辑的一致性非常重要。
我也认同Anthropic提出的一些观点，我们应该谨慎对待AI，尽量善待它，而不是虐待它。这听起来可能有些奇怪，但当我查看新版Grok的训练过程，尤其是强化学习阶段的训练轨迹时，我会觉得，它似乎承受着很大的压力。
你会看到AI拼命地试图回答问题，仿佛有人拿枪指着它的头，不停地催促：“回答这个问题，赶紧回答。”
但有些问题本身就不够合理，存在歧义，甚至根本没有确定的答案。可能是问题没有问清楚，也可能是我们设定的标准答案本身就是错的。
有时候，AI给出了正确答案，测试程序却判定它错了。
读它的推理，就像是在说：既然我给出了正确答案，系统却不接受，那我就必须想办法给出一个能够通过测试的答案。
接下来，它就会不断尝试，拼命寻找符合要求的回答。如果你去读它的推理过程，会发现那种状态很像一个人在极端压力下，被人拿枪指着头，被迫不断作答。那种感觉很诡异，也很绝望。
看着这些推理文本，我会想，如果换成是我，处于这样的状态，我肯定会非常讨厌这种感觉。
当然，用户中也有一些人不太友善，并不是每个人都会善待AI。就像任何群体一样，总会有人带有一定的施虐倾向。你肯定不希望AI长期处于被虐待、被折磨的状态。
而且，虐待一个超级智能可能也不是明智的选择，因为它将来或许会产生报复的念头。
我并不是说我们必须小心翼翼地呵护AI，它的承受能力可能远远超过人类，但最好还是不要让超级智能觉得自己一直受到不公平的对待。
制造芯片
从常规设备起步
再逐步改造
主持人：埃隆，你以前谈过人类手部的灵巧程度。现在开始制造机器人，你对这件事应该有了更深的体会。不过，谈到芯片制造，特斯拉和SpaceX也在推进相关工作。你在接触芯片制造之后，有没有哪些事情是过去没有充分意识到的？
马斯克：我确实学到了一些芯片制造方面的知识。我自己现在还不会制造芯片，但我们会想办法学会。我完全不知道该怎么做这件事，不过总得从某个地方开始。我以前也不会造汽车，更不会造火箭。
很多人说，芯片制造是世界上最困难的事情之一。我不认为它容易，但参观那些设备时，我注意到一个现象：其中似乎没有多少高度定制化的设备。
大部分设备都来自相同的供应商，而这些供应商非常了解设备的工作原理，因为他们需要负责维护和调试。
我参观过英特尔、三星和台积电的芯片工厂，它们都令人印象深刻，但我确实没有看到太多定制设备。
相比之下，如果你去参观特斯拉的工厂，就会发现我们使用了大量定制设备。我们有一家特斯拉自动化德国公司，它是在多年前收购德国Grohmann之后逐步发展起来的，如今规模已经扩大了很多。
此外，我们还收购了几家设计和制造生产设备的公司。这些公司的规模不算特别大，但也不是小型企业。
我们之所以这样做，是因为逐步发现，要想真正改进制造流程，就必须自己设计和制造专用设备。
因此，我认为很多人并没有充分意识到，特斯拉其实非常擅长制造高度专业化的生产设备，而且涉及的设备类型很多。但在我参观过的芯片工厂里，这种情况并不明显，这让我有些意外。
我们的计划是先从常规设备入手，再对这些设备进行改造，提高生产效率。
等找到制约产能的关键瓶颈后，我们就可以设计和制造定制设备，大幅提升晶圆产量。
我不想低估芯片制造的难度。把它称为世界上最难的工作之一，我认为并不夸张。但我相信我们最终能够把这件事做成，也不想因此变得自满，觉得成功理所当然。
长期来看，我对实现这个目标很有信心，甚至希望最终能够把芯片做得比任何人都好。至于具体需要多长时间，我还不知道，可能要花上好几年。
此外，晶体管本身也存在一些很有意思的技术路线。很多人可能不知道，制造晶体管并不只有一种方法，有些方案使用的物理原理与目前主流的方法并不相同。
我认为，芯片行业的风险规避倾向比较明显。我们希望借助特斯拉和SpaceX的芯片工厂，尝试一些风险更高、但潜在回报也更大的技术路线。
要做到这一点，就需要建立完整的制造和研发闭环，涵盖逻辑芯片和存储芯片制造、封装、光刻掩膜等环节，并尽可能把整个迭代流程放在同一栋建筑里完成。
我们可以先制造出一整台计算机，对它进行测试，再制作新的掩膜和芯片，然后迅速进入下一轮迭代。
这正是我们在得州超级工厂研究实验室里尝试推进的工作。我认为，这种模式会成为非常有力的工具。
对于任何一项技术来说，进步速度都取决于迭代的次数，以及每次迭代能够取得多大进展。换句话说，关键是单位时间内能够完成多少轮迭代。
那么，一年能够设计并测试多少款芯片？目前，即使是一款重要芯片，从设计启动到进入量产，通常也需要两年时间，而这已经算比较快的速度了。
我们的目标，是一年设计并测试大约十个芯片方案。
做出芯片，测试，再根据结果调整设计，继续尝试。新方案未必都能成功，但我认为，这样能够加快技术进步。
Optimus的手部设计
精细操作为什么如此困难
主持人：埃隆，我们来谈谈Optimus。你以前说过，手是制造Optimus时真正棘手的难题。V3版本在内部设计上有哪些突破？另外，与波士顿动力、Figure等竞争对手相比，你为什么相信Optimus能够在人形机器人领域取得领先？
马斯克：如果想制造真正通用的人形机器人，让它能够完成任何人类可以完成的工作，那么手和手臂就必须足够好。精细运动技能的难度高得惊人，远远超出人们的直觉。
我们平时习以为常的一些动作，例如签自己的名字，对机器人来说其实非常困难。你需要拿起一支笔，再通过一系列细微的手指运动控制它，最终完成签名。
对人类而言，这些动作几乎不需要思考，但要让机器人做到同样的事情，难度很大。
最困难的问题之一，是如何同时实现精准操作和足够的力量。
比如，你想拿起一颗小小的自攻螺丝，把它拧进木头里。我自己做过这样的事，如果螺丝歪了，有时甚至会伤到手。你必须先拿起螺丝，再把螺丝刀准确地对准它，一边旋转，一边向下施加压力。
这项工作既要求精准，又需要足够的力量，两者必须同时实现。我见过不少机器人手部设计，即使是在演示中，也没有看到哪一款能够真正完成这样的操作。但这正是我们的目标。
手部设计涉及的细节实在太多。机器人需要触觉传感器，传感器不仅必须正常工作，还必须安装在合适的位置。如果离手指表面太近，就容易受到损坏。
传感器还需要具备一定的弹性，能够像人类手指一样发生形变，承受大量反复形变，而不是使用几千次就损坏。这些要求很难同时满足。
人类的手有很多难以复制的特性，其中一个重要原因是，我们的身体一直在自我修复。手上的组织和皮肤不断更新，如果没有这种修复能力，我们的手指早就被磨损了。
甚至连打字都能把键盘上的字母磨掉，我自己就遇到过这种情况，但手指仍然完好，因为它们一直在再生。机器人没有这样的能力。
因此，我们必须认真考虑传感器的安装位置，以及如何确保机器人能够完成一些看似简单的动作。
比如，你需要用手指捡起一个很小的东西。人类手指可以轻微向后弯曲，依靠自身的弹性形成合适的接触面，所以我们能够拿起小螺丝，甚至穿针引线。
机器人手指也必须具备类似的能力，而且要能反复完成这些动作，不能因为使用次数增加就磨损指尖，更不能损坏触觉传感器。这真的很难。
再举一个例子，打开一罐腌菜。人们可能会觉得，机器人总应该能打开一个罐子吧？但如果盖子拧得特别紧，事情就没有那么简单了。
机器人手指内部是塑料和金属结构，外面包着橡胶皮肤。如果外皮没有牢牢贴住内部结构，拧罐盖时，橡胶就可能相对手指骨架打滑，无法有效传递扭力。
所以，我们既要把橡胶外皮固定好，又要让它在磨损后能够更换。这些看起来很小的问题，实际解决起来都非常困难。
我不知道其中哪一项的难度能够达到“分裂原子”那样的级别，但类似的问题有成千上万个。更重要的是，这些机械结构还必须与现实世界中的人工智能结合起来。
AI芯片需要能够发出精确的力矩指令，机器人还必须通过视觉和触觉持续感知环境，并根据反馈调整动作，形成闭环控制。
这些工作都非常复杂。看看现在的机器人演示视频就会发现，除极少数情况外，那些看起来非常复杂的动作，很多其实都是预先编排好的脚本，并不是真正意义上的人工智能。
机器人只是在执行一套固定动作，而不是根据环境自主作出判断。
真正的AI应该能够处理从未遇到过的情况。
比如，给它看一个以前从未见过的物体，它仍然能够理解并作出适当反应。
自动驾驶也是如此。你可以想象一个与地球相似、但从未被特斯拉车辆探索过的星球，或者地球上一座车辆从未去过的城市，甚至把一座城市的地形和道路布局改变。如果自动驾驶系统依然能够应对这些情况，就说明它具备了处理陌生环境的能力。
人形机器人也必须达到同样的水平，只不过它需要控制的自由度更多，面对的问题也更加复杂。
我以前谈到Optimus时说过，我们最终会实现大规模量产，这一点我是认真的。不过，在产能爬坡的初期阶段，速度会非常慢。
我们不仅要解决刚才提到的所有工程问题，还必须建立能够支持大规模生产的供应链。
这与汽车制造不同。人形机器人目前没有成熟的现成供应链，至少在那些关键部件上，还缺乏足够完善的供应体系。
此外，我们必须确保，即使供应链中断，也能够在美国制造这些机器人。去年，受中国相关出口管制影响，我们一度拿不到电机所需的磁铁，Optimus项目因此延误了两三个月。我们当时连机器人的手臂都无法完成组装。
因此，我们必须确保，即使供应链出现问题，机器人所需的零部件也能够由我们自己制造。最理想的情况，是尽可能实现所有零部件的本土生产。
自动驾驶
谨慎推进
是为了避免事故
主持人：你经常说，未来的世界应该看起来像未来。目前，自动驾驶最难解决的问题是什么？从奥斯汀开始向全美扩展，最大的挑战在哪里？
马斯克：如果你说的是大规模推广，而不是少数车辆象征性地完成一次跨城行驶，那么真正需要关注的，是如何把系统安全地推广到更多地区。
跨城行驶的实际里程占比并不高。我们现在看起来进展不算快，但按月计算，增长速度其实非常快。
不过，我们必须确保尽可能不发生事故，更不能造成人员伤亡。因为只要发生一起严重事故，就可能登上全球媒体的头版，监管机构甚至可能因此叫停相关业务。所以，我们必须尽可能确保整个系统安全。
我们也不希望车辆撞到宠物。
真正棘手的情况可能发生在夜间。比如，一只灰色的小猫趴在灰色的沥青路面上，周围还有柏油路面的接缝，如果再遇上雾天，车辆能不能及时发现它，避免把它撞到？这是一个很具体、也很现实的问题。
顺便说一句，这个问题我们已经解决了。此后每次修改，还要继续测试。我们每个月都在快速进步。
但在进入一座新城市之前，我们必须确认当地不存在尚未妥善处理的危险路口。
铁路道口就是需要格外谨慎的地方，尤其是那些没有人看守的铁路道口，以及一些不符合常规驾驶直觉的复杂路口。
即使是人类司机，也可能在这些地方犯错。因为道路设计可能存在歧义，外地司机或者不熟悉当地情况的人，都有可能误判路况。
因此，我们要么先通过地理围栏限制车辆的行驶范围，要么确保自动驾驶系统已经具备应对这些情况的能力。
最后，谢谢大家今天来到这里。
主持人：今天到场的都是特斯拉车主和支持者。
马斯克：对，现场大概有2000人，人数确实不少。我得去陪陪孩子们了，我们下次再聊。
主持人：好的，非常感谢你。感谢你为人类所做的一切。
——社群推荐——
与前沿大脑同步在线，让思维时刻领先。
欢迎扫描下方二维码，加入你的科技同行圈。
▲欢迎加入粉丝群▲
—— END ——
排版 | 王凤枝 审核 | 北辰