10 月 28 日消息，特斯拉 CEO 埃隆・马斯克在社交平台发布观点，提出一项大胆判断：未来人形机器人对内存的需求，会超过地球上其余所有应用场景内存需求的总和。他同时补充，超级智能所需要的算力规模，还要远高于人形机器人；但超级智能几乎全部的算力负载，最终都会部署在深空环境运行。这番言论，再次引发行业对于人形机器人、超级智能算力架构的讨论。
马斯克所指的人形机器人，核心就是特斯拉持续推进的 Optimus。按照特斯拉的规划，Optimus 未来会走进工厂、家庭，承担搬运、装配、日常服务等各类任务。和普通 AI 模型不同，人形机器人需要实时感知周边环境、识别障碍物、处理动态变化，还要持续执行闭环控制。每一台机器人都需要本地内存，用来存储环境地图、视觉数据、运动参数、任务指令。如果未来人形机器人实现大规模量产普及，海量终端叠加在一起，内存消耗会快速膨胀，这也是马斯克做出这个判断的基础逻辑。
目前市面上的大模型算力消耗，大多集中在数据中心服务器集群。大模型训练、推理依靠高密度算力卡，算力集群搭建在地面机房，供电、散热、运维体系都已经成熟。但马斯克认为，超级智能的算力需求量级，会突破地面基础设施的承载上限。地面存在空间、散热、能源、电磁干扰等多重约束，而深空环境可以避开这些限制。在太空搭建算力节点，能够承载超级智能庞大的计算负载。
不过该设想和当下主流算力发展路线差异很大。当下全球 AI 算力布局，全部扎根地表数据中心。地面机房可以接入稳定电网，维护人员可以随时进场检修，硬件更换、故障排查的成本可控。深空算力方案，要面对大量现实难题。首先是发射成本，算力芯片、服务器、散热设备送入太空，发射成本极其高昂。其次是在轨运维，设备出现故障之后，很难快速维修更换。宇宙辐射也会对芯片、存储单元造成影响，容易引发运算错误、硬件损坏。能源供给同样是难点，太空算力集群主要依靠太阳能供电，夜晚以及遮蔽区域，供电会受到限制。
人形机器人赛道本身也还处在早期阶段。现阶段 Optimus 仍以实验室测试、厂区小范围试点为主，距离大规模商用还有很长距离。不少行业分析师认为，人形机器人是否会形成海量内存需求，取决于落地规模。如果机器人长期局限在工厂有限场景，终端数量有限，内存总消耗很难追上云计算、短视频、搜索、自动驾驶这些成熟赛道。只有当机器人大规模走进千家万户，全天候实时运行，马斯克的预判才有落地的前提。
特斯拉近年持续在 AI 和机器人方向加码，算力是布局重点。此前特斯拉自研算力集群，主要服务自动驾驶和机器人训练。马斯克这次的观点，也传递出特斯拉长期的方向：把人形机器人作为重要增长点，同时为远期的超级智能寻找算力承载方案。他多次公开提到超级智能带来的风险，把算力部署在深空，也被不少解读视为一种隔离思路，把超级智能和地球物理环境分离开。
从产业节奏来看，短期行业重心依旧集中在地面算力优化、人形机器人功能迭代。特斯拉接下来的重点，是优化 Optimus 的动作稳定性、降低制造成本，推进小批量落地。深空算力的构想，更多是面向远期超级智能时代的设想。
无论是人形机器人内存爆发，还是深空算力承载超级智能，都还停留在预判阶段。技术能不能落地、成本能不能降到可控范围、有没有配套的通信方案，都是需要解决的关卡。马斯克的观点，提供了一个完全不同的算力想象方向，也让行业开始提前思考，当 AI 能力持续扩张之后，算力基础设施该往何处延伸。
