解析 Optimus 上市時程、產能規劃與銷量預測，比較 Figure、Agility、Unitree 等競爭對手優劣勢，提供投資人五大驗證層級評估框架。
特斯拉（Tesla）的 Optimus 人形機器人一直是科技與投資圈的熱門話題。本文根據截至 2026 年 8 月的公開資訊，整理 Optimus 的上市時程、產能規劃、銷量預測，並與 Figure、Agility、Unitree 等主要競爭對手進行比較，提供投資人一套完整的評估框架。
Optimus 上市時程：從內部試產到公開販售
根據 Tesla 官方在 2026 年第一、二季的股東報告資料，Optimus 的上市時程可分為三個階段：
| 階段 | 可能時間 | 意義 |
|---|---|---|
| 內部試產與工廠部署 | 2026 年 | 在 Tesla 工廠測試、收集資料 |
| 企業試點／有限商業交付 | 2027 年下半年起 | 可能先賣給製造、物流等企業 |
| 一般消費者購買 | 最早 2027 年底 | 馬斯克提出的目標，但不是確定上市日 |
Tesla 官方在 2026 年第一季資料中表示，Optimus Gen 3 的第一條量產線預計在 2026 年開始生產，初始設計年產能為 100 萬台；德州廠的第二代產線則規劃長期年產能達 1,000 萬台。
不過，這裡的「產能」不等於實際銷量。Tesla 在 2026 年第二季更新中進一步說明，Fremont 的 Optimus 產線正在安裝，初期製造的機器人主要會用於 Optimus Academy、訓練資料收集與功能開發，而非立即供一般消費者購買。官方資料中的 Robotics 欄位，Fremont 和 Texas 都仍標示為 Construction，而不是已經進入正常 Production 狀態。
銷量預測：從樂觀情境到保守估計
Tesla 目前沒有公布正式的 Optimus 銷售預測或訂單數字。公開資料中的「100 萬台」與「1,000 萬台」是工廠設計產能，不是銷售目標，也不是 Tesla 對外承諾的年度出貨量。
市場分析師的樂觀預估
市場分析師陸行之提出的情境如下：
| 年度 | 預估全球 Optimus 銷量 |
|---|---|
| 2026 | 約 1,000 台 |
| 2027 | 約 1 萬台 |
| 2028 | 約 10 萬台 |
| 2029 | 約 50 萬台 |
| 2030 | 約 100 萬台 |
| 2031 | 約 500 萬台 |
這屬於分析師或市場人士的推估，不是 Tesla 官方指引，因此應視為樂觀情境，不能當成確定預測。
較保守的三種情境分析
如果從實際產品化難度看，可以將銷量拆成三個情境：
| 情境 | 2027 年 | 2030 年 | 2031 年 |
|---|---|---|---|
| 保守 | 數千台 | 10–30 萬台 | 30–100 萬台 |
| 基準 | 1–3 萬台 | 30–80 萬台 | 100–300 萬台 |
| 樂觀 | 5–10 萬台 | 約 100 萬台 | 500 萬台以上 |
基準判斷是：Optimus 真正開始賣的第一年，銷量可能只有數千到數萬台；要到 2030 年左右，才有機會突破數十萬台甚至百萬台。
原因是人形機器人比汽車更難量產。它不只需要降低硬體成本，還必須同時解決：
- 手部與全身動作的可靠性
- 在非結構化環境中安全工作
- 電池續航與維修成本
- 長時間工作時的故障率
- 不同工廠、家庭和工具環境的適應能力
- 企業責任、保險與機器人安全法規
價格與營收推估
Tesla 尚未公布正式售價。市場常見的推測是初期售價可能約 2.5 萬至 10 萬美元，但這個區間非常寬，取決於機器人的實際功能和是否包含軟體服務。
若採用較合理的早期平均售價 3.5 萬美元：
- 2027 年銷售 1 萬台：營收約 3.5 億美元
- 2028 年銷售 10 萬台：營收約 35 億美元
- 2029 年銷售 50 萬台：營收約 175 億美元
- 2030 年銷售 100 萬台：營收約 350 億美元
- 2031 年銷售 500 萬台：營收約 1,750 億美元
但實際商業模式可能不只是一次性硬體銷售，也可能包含：
- 每月軟體／AI 訂閱費
- 企業維護與服務合約
- 按工作時數或任務收費
- 由 Tesla 自有工廠部署，降低人工成本
- 機器人租賃或 Robot-as-a-Service
Tesla 長期真正想賺的可能不是單純賣機器人，而是「硬體＋AI 軟體＋服務」的經常性收入（recurring revenue）。
競爭對手比較：Optimus 的相對位置
截至 2026 年 8 月，Optimus 的狀態可以概括為：Tesla 在「長期量產規模、AI 算力與垂直整合」上可能是最有潛力的追趕者；但在「已被外部客戶驗證、產線實際運作、商業交付」方面，現階段反而落後於 Figure、Agility，且在可購買性上落後於中國的 Unitree。
| 公司／產品 | 目前最強項 | 商業化進度 | 主要弱點 |
|---|---|---|---|
| Tesla Optimus | 製造規模、AI／資料閉環、電池與馬達垂直整合 | 主要仍是 Tesla 內部研發與試用；尚無公開外部銷售 | 缺少公開的產能、工時、錯誤率與外部客戶數據 |
| Figure 02/03 | AI 控制、靈巧操作、汽車工廠驗證 | Figure 02 已在 BMW 運作；Figure 03 也已進入 BMW | 成本與量產能力仍遠低於 Tesla 的長期目標 |
| Agility Digit | 工業物流、實際商業部署、RaaS 模式 | 已部署於 GXO、Schaeffler、Toyota、Mercado Libre 等客戶 | 不是完整人形，任務範圍偏物流；製造規模仍有限 |
| Apptronik Apollo | 工業場景、模組化設計、Mercedes／Jabil 試點 | 企業試點階段 | 公開運行數據與實際規模有限 |
| Unitree G1/H1 | 低價格、已可購買、開發者生態與運動能力 | G1 已有公開價格與供貨渠道 | 基礎款偏研究／展示用途；續航、負載與工業可靠性有限 |
| UBTECH Walker S2 | 中國工廠導入、換電與工業流程 | 已宣布量產與交付，並有汽車、電子製造客戶 | 國際驗證、公開技術資料與軟體生態較少 |
| Boston Dynamics Atlas | 動態控制、機械可靠度、Hyundai 製造場景 | 朝企業部署與 Hyundai 內部使用發展 | 預期成本高，暫非大眾可購買產品 |
量產能力的實際比較
| 公司 | 公開產能／出貨狀態 | 投資人應如何解讀 |
|---|---|---|
| Tesla | Fremont 長期設計容量約 100 萬台／年；Texas 長期目標約 1,000 萬台／年 | 規模上限最高，但尚未證明能達到有效良率與實際節拍 |
| Figure | BotQ 第一條線設計容量約 12,000 台／年；2026 年已公布第 1,000 台 Figure 03 生產里程碑 | 規模小很多，但生產紀錄和產品迭代透明度較高 |
| Agility | RoboFab 峰值容量約 10,000 台／年 | 已有商業部署與 RaaS 客戶，產品任務較聚焦 |
| UBTECH | Walker S2 已宣布量產與數百台首批交付；規劃 2026 年約 5,000 台、2027 年約 10,000 台 | 中國工業導入和交付速度較快，但公開數據需進一步核實 |
| Unitree | 已有可購買的 G1／R1 等產品，部分機型價格約 1.35 萬美元起 | 商品化、價格和開發者取得性最強，但不等於工業級可靠度 |
Tesla 的優勢與劣勢
Tesla 的優勢：
- 曾經量產過數百萬台汽車，擁有車用馬達、電池、功率電子和供應鏈管理經驗
- 可以把車輛工廠、設備、人員和製造工程團隊轉移到機器人
- 有大量現金與資本支出能力
- 可以先在自有工廠部署，不必一開始就依靠外部客戶
- 能讓硬體、軟體、資料和工廠流程形成閉環
Tesla 的劣勢：
- 缺乏外部客戶的可驗證成績
- 尚未公布足夠的獨立驗證資料，例如每小時處理量、平均無故障運行時間、任務成功率、人工介入比例等
- 手部與觸覺仍是全產業共同瓶頸
- 展示影片往往無法回答企業最關心的問題：是否全程自主？是否有遠端操作員介入？失敗後能否自行恢復？
投資人評估框架：五大驗證層級
1. 量產真實性
不要只看「年產能」，要追蹤：
- 每季實際生產數量
- 良率
- 每台生產工時
- 關鍵零件自製比例
- 生產節拍是否能連續維持
- 產線是否真的在生產，而非只是安裝設備
一個很重要的信號是 Tesla 是否開始在財報中單獨披露 Optimus 生產量、交付量、Robotics revenue、Robotics gross margin 等數據。
2. 任務 KPI，而不是展示影片
投資人應要求看到：
- 每小時有效任務數
- 每班成功率
- 每班人工介入次數
- 連續無故障運行時間
- 單台每日工作時數
- 物料掉落率
- 充電或換電時間
- 維修週期
- 不同工廠的跨場景泛化能力
Figure 已公開 BMW 的任務 KPI，包括 84 秒總週期、37 秒裝載時間、超過 99% 成功率目標與每班零人工介入目標。這種資料格式比單純公布「我們的機器人很聰明」更有投資價值。
3. 自主程度
要分辨：完全自主、低頻人員監督、遠端操作、事後人工修正、腳本式流程、只在受控環境中成功。如果 Tesla 展示一個任務，投資人應問：這段影片中，機器人完成了多少次？失敗了幾次？有多少秒是遠端操作？是否有剪輯？
4. 資料轉換效率
不要只問「有多少資料」，要問：
- 每 1,000 小時資料能讓成功率提高多少？
- 一個工廠學會的技能，能否轉移到另一個工廠？
- 新任務需要幾小時人類示範？
- 失敗資料是否比成功資料更有效？
- 不同硬體版本是否能共用模型？
真正的 AI 護城河不是資料總量，而是：有效資料量 × 標註品質 × 模型泛化能力 × 迭代速度。Tesla 在「有效資料量」和「運算能力」可能有優勢，但「標註品質、觸覺資料、跨任務泛化」仍需要證據。
5. 商業單位經濟
最後要計算的不是售價，而是每台機器人的經濟價值：
每年淨價值 = 可替代人工成本 − 能源成本 − 維護成本 − 監督成本 − 折舊成本
例如，一台機器人即使售價 3.5 萬美元，如果每天只能有效工作 4 小時、每週需要大量人工介入、手部或關節常故障，那它的實際價值可能遠低於一台售價 6 萬美元、每天穩定工作 16 小時且幾乎不需要人工介入的機器人。
三種投資情境分析
| 情境 | 產量假設 | AI／資料表現 | 投資含義 |
|---|---|---|---|
| 失敗情境 | 2027–2028 年仍只有小批量內部部署 | FSD 資料轉換到手部操作不順 | Optimus 主要變成高成本研發項目 |
| 基準情境 | 2027 年數萬台、2029–2030 年達數十萬台 | 在少數工廠任務取得高成功率 | 成為 Tesla 的第二個重要成長業務 |
| 樂觀情境 | 2030 年接近百萬台，之後繼續放大 | 形成跨工廠、跨任務的 fleet learning | 可能出現巨大硬體與 AI 服務市場 |
結論
Optimus 最可能在 2026 年先進入 Tesla 內部試產，2027 年下半年開始有限企業交付，公開市場銷售目標落在 2027 年底，但實際大規模出貨可能要到 2029–2030 年之後。
銷量方面，2027 年數千至數萬台、2030 年數十萬至約 100 萬台是較合理的觀察區間；「2031 年 500 萬台」則屬於高度樂觀情境，而非目前已被 Tesla 證實的預測。
對企業導入者而言，不應只看 Tesla 宣稱的年產 100 萬台，而應建立一套驗證門檻：至少要求連續運作 1,000 小時以上、任務成功率超過 99%、人工介入低於 1%、明確的維護週期與每小時成本。以目前公開資訊，Figure 和 Agility 在「證據」上領先；Tesla 在「資源與規模選項」上領先；中國公司在「價格與供應鏈速度」上領先。
投資人不應該問「Tesla 有沒有最多資料」，而應該問：Tesla 能不能把 FSD 的視覺與資料閉環，轉化成低人工介入、高可靠度、可跨場景複製的物理操作能力？如果未來 12–24 個月內，Tesla 能同時公布可驗證的產量、外部客戶、連續工作時數、人工介入率和每台成本，Optimus 的投資論點會大幅增強。反之，如果只看到新的展示影片、工廠照片和百萬台產能目標，卻沒有單位經濟與運行數據，那目前仍應把 Optimus 視為高度有潛力、但尚未完成商業驗證的期權價值。