Ashok Elluswamy的正式头衔是特斯拉AI软件副总裁，同时负责FSD自动驾驶与Optimus人形机器人的AI研发。2025年6月，原Optimus项目负责人Milan Kovac离职后，Ashok正式接管了Optimus团队。两个项目的算法人力、算力配额、高管注意力，全部汇聚在同一个人的决策盘里。

但X上前特斯拉AI工程师的最新讨论，提出了一个被市场忽略的担忧：算法核心人力和高管优先级无法被隔离。特斯拉当下的最高优先级是FSD V14迭代和Cybercab监管落地。一旦自动驾驶业务出现危机，Optimus的灵巧手调试和Academy训练排期可能被直接挤压。

协同派则提出了相反的看法：FSD的世界仿真和物体交互数据集可以直接喂给Optimus；Optimus Academy的真机物理数据回流，反过来也能改善FSD对非结构化物体的处理能力。但前提是——必须给到足够的算法人力配额，否则协同只是纸面逻辑。

一个负责人Ashok，管着两条战线

Ashok同时管着FSD和Optimus，这个事实本身就是一个信号。特斯拉正在用“统一基础模型”的架构，同时驱动FSD、Optimus和Digital Optimus。两个项目共享同一套端到端神经网络、同一套视觉感知系统、同一个数据训练体系。外界估算，Optimus大约复用了60%的FSD算法。

但共享架构不意味着共享资源。FSD是特斯拉当下的“现金牛叙事”——Cybercab已经投产，FSD V14的迭代直接关系到Robotaxi的商业化落地。一旦FSD出现技术瓶颈或监管障碍，Ashok的第一反应可能是把算法团队调去救火，而不是继续调试Optimus的灵巧手。有分析指出，特斯拉内部“管理带宽有限，无人车Cybercab和FSD更重要”。

协同是长期的，竞争是当下的

FSD和Optimus的“数据飞轮”逻辑在纸面上非常完美：FSD的世界仿真数据可以喂给Optimus，Optimus的真机物理数据可以反哺FSD。特斯拉的Dojo超算同时为两个项目提供算力支持。

但这种协同的实现，有一个被反复提及的前提：算法人力配额。没有足够的人去处理数据、训练模型、调试算法，再完美的数据闭环也只是“纸面逻辑”。

社区对特斯拉不披露两个项目之间人力、算力配额的现状感到不满。所有关于“FSD会不会挤压Optimus”的判断，都属于外部推演。唯一的验证方式，是看Gen 3的迭代速度——如果接下来的几个月里Optimus的进展明显放缓，那大概率是资源被FSD抽走了。

Ashok同时管着两条战线，既是特斯拉整合AI能力的优势，也是Optimus最大的不确定性。当FSD需要资源的时候，Optimus可能只能等着。而Optimus能等多久，市场已经没什么耐心了。 

#特斯拉机器人 #Optimus机器人 #擎天柱机器人 #人形机器人

 关注「智财社」看具身智能技术迭代与资本脉络

       原文标题 : 特斯拉AI工程师和算力之争：FSD和Optimus机器人谁会排在前面？