马斯克支持大胆预言：14年后地球上将有大约10亿个人形机器人

埃隆·马斯克此前曾表示，未来将会出现数以百亿计的机器人，而这一愿景至少还需要一个甚至更长的十年才能实现。

不过他坚信，这一进程将以极快的速度推进。

值得一提的是，早在2024年初，Midjourney创始人大卫·霍尔茨就在社交平台上抛出一个颇为大胆的判断：到2040年代，地球上将出现大约10亿个人形机器人。

马斯克随即回应，称这个数字"大概差不多"，前提是人类文明的根基保持稳定。

也正是这次隔空互动，让"十亿台"这个原本听上去过于遥远的数字，第一次被摆到了公众的讨论桌上。之所以做出如此乐观的判断，是因为在马斯克看来，人形机器人将成为有史以来最大的产品品类，其市场需求会是"永不满足"的，几乎每一个人都会想要拥有一台。

他形象地反问道，谁不希望拥有一个属于自己的C-3PO或R2-D2式的机器人伙伴呢？围绕产能目标，主持人提到马斯克曾公开表态，计划在2030年前生产一百万台机器人。

对此，马斯克回应称这是一个合理的目标，并将以此为起点，逐步迈向他所描绘的"可持续富足"图景。一百万台只是起点，十亿台才是终局，中间横亘着的，是产能、成本、训练三道大关。

这里其实还有一层更冷静的商业逻辑在支撑着"十亿台"的预期。站在雇主的角度思考：是花钱雇一个人，还是直接买一台机器人？在很多重复性、危险性、长时间连续作业的岗位上，答案已经不难想象。

十亿台的底气，说到底就是从这样一本"用人账"里推算出来的——只要单台机器人的综合成本能够压到某个临界点以下，市场需求就会像水坝决口一样瞬间释放。

访谈中，主持人将话题引向了训练难度的问题。他指出，业界过去在讨论自动驾驶时，就已经反复提及要让汽车具备与人类相当甚至超越人类的能力，需要漫长的训练过程；那么对于承担各类任务的人形机器人而言，训练所需的时间是否会更长？这是否会成为一个难以跨越的瓶颈？

马斯克承认，训练机器人确实需要投入大量的算力资源，也需要相当长的时间。

但他同时指出，行业正在逼近一些关键的"阈值性突破"。

他所设想的一个重要突破是：让Optimus能够像人类一样，通过观看内容——无论是YouTube上的公开内容，还是各类操作教学素材——来学习完成对应的任务。

一旦机器人具备了这种从画面中习得技能的能力，其任务的可拓展性将出现质的飞跃，因为它可以极其迅速地掌握几乎任何一项新技能。

马斯克判断，这一目标有望在未来一年内实现，但他也坦承，目前尚未达到这一水平。

他将"能够通过观看画面进行学习"定义为一个非常重要的门槛，而这与目前普遍采用的"观看真人示范"或"由人类手把手训练"的方式有着本质区别。

换句话说，一旦跨过这道门槛，机器人的学习效率将不再受限于人类逐条演示的速度，而是可以从人类社会已经积累的海量影像资料中批量提取技能。在描述当前的训练方式时，马斯克介绍，特斯拉正在教Optimus完成一些基础性动作。

具体做法是：让一位真人穿上所谓的动作捕捉服，头部佩戴摄像装置，然后按照机器人未来需要的方式进行动作示范，比如拾起物品、开门，以及投掷皮球、跳舞等基本动作。

他认为，这种方式对于机器人智能的"冷启动"是必要的，只有先具备了这些基本功能，才能进入下一个更有趣的阶段。他进一步指出，真正令人期待的、也与人类学习方式高度相似的阶段，是让机器人进入"自我博弈"（self-play）的学习模式。

他以孩子的学习过程作为类比：孩子是如何学习的？孩子会有玩具，会去摆弄这些玩具，玩积木，在一次又一次的反复尝试中，逐渐领悟到应该把三角形的积木放进三角形的孔洞里，把圆形的积木放进圆形的孔洞里。

这个过程的本质，就是自我博弈。

马斯克表示，当机器人的数量足够多时，就可以大规模地开展这种自我博弈式的训练。

做法非常直接——把机器人放进一间摆满玩具的房间里，让它像孩子那样去玩这些玩具，它就会在这个过程中自主学习。当然，这一切需要配合一个奖励函数。

他举例说，就像那种经典的儿童玩具一样，机器人的目标是把圆形放进圆形孔、把方形放进方形孔、把三角形放进三角形孔，如此反复直到成功为止，而奖励函数所奖励的，就是"成功完成任务"这一结果。

这套逻辑之所以关键，是因为它把机器人训练从"人教一步、学一步"的线性模式，切换到了"机器人自己练、彼此教"的指数模式。

一旦每一台机器人在自我博弈中学到的技能都能被同步到整个机群，那么保有量越大，整体智能进化的速度就越快。

这正是"十亿台"这个数字背后隐藏的另一重意义——它不仅是销量，也是一个规模空前的分布式训练场。

在访谈的最后，主持人追问：要实现这些设想，是否还需要人工智能领域出现新的重大突破，还是仅凭算力等条件的提升就足以支撑？

马斯克回应称，确实还需要一些新的进展，但他并不认为这些是难以跨越的障碍。在他看来，这些问题都是可以解决的，而解决的时间窗口，就在未来几年之内。

把这几段对话串起来看，"14年后地球上将有大约10亿个人形机器人"的预言其实并不孤立。

它建立在三重支撑之上：市场端"人人都想要一台"的近乎无限需求，成本端与人力工资的持续对比，以及技术端从动作捕捉到自我博弈的路径闭环。

十亿台不是凭空喊出的口号，而是一个可以被拆解成年产能、单台成本、训练效率三条曲线的工程问题。当这三条曲线在未来十几年里同时向下和向上弯折，量变堆积到某个节点，就会转化为社会层面的质变。

至于这个节点究竟落在2038年、2040年，还是更晚一些，或许并不是最要紧的。

真正值得每个人提前思考的是：当机器人开始像孩子一样在房间里玩积木、像成年人一样从画面中学手艺时，人和机器之间的分工边界，还会停在今天的位置上吗？