智元发布Worken与灵渠OS 1.0：机器人上岗有了工时标准

机器人前瞻 作者 | 许丽思 编辑 | 漠影

机器人也要开始打卡上班了？

一台机器人干一天活到底值多少钱？给机器人算工时、定KPI，智元想给这个问题定一个标准答案。

10月29日，2026智元创新日在上海世博中心举行。一场发布会看下来，信息密度真的相当高！

智元给出了一把新的尺子——Worken（有效智能工时），用三项指标来算机器人到底干了多少活：活跃机器人数量、自主工作时长、产出效能比。

紧接着发布的GO-3 Preview具身基座模型在RoboDojo、RoboTwin、RoboColiseum三项具身智能评测榜单中均位列第一，会在年底开源。

随后，智元合伙人、联席总裁熊彦登台，一口气抛出了多个成果：

具身全模态端到端交互大模型WITA-OMNI正式发布，这个模型拿下四项交互相关评测榜单第一；

灵渠OS 1.0作为行业首个具身智能原生操作系统正式登场，同时被捐给开放原子开源基金会。智元打算年底将其全面开源。

生态侧，AIMA技术生态和元苼计划的最新成果也同步公布，技术底座进一步向全行业开放。

发布会结束后，我们跟熊彦聊了一次。聊完发现，智元这一轮连串发布都指向同一个目标：让机器人真正走上岗位，把模型能力变成能持续创造价值的生产力。

一、机器人会察言观色了！WITA-OMNI攻克真实交互难题

机器人站在人群里，听见有人说话，就应该回答吗？未必。

拿游乐园来说，广播、音乐、游客聊天声此起彼伏，小朋友还可能随时插话。机器人得听清楚，还得判断对方是不是在对自己说话、该在什么时候接话，有时还要靠动作和表情给出回应。

熊彦说，自然交互的难点集中在鲁棒性、情商、交互体验和智商上。到了WITA-OMNI 1.0，智元把鲁棒性排在首位，着重提升嘈杂环境与多人交谈中的识别表现，并强化对情绪的理解和回应。

1、听得清、接得住、回应快，原生全模态模型亮相

语音、视觉、文本这些输入，连同语音、表情、动作这些输出，WITA-OMNI把它们塞进同一个模型里统一训练和对齐，走的是原生全模态路线。机器人因此能一边看一边听，据此作出判断，再让语言和身体动作配合起来。

为什么要这样设计？

熊彦说，像手机、电脑、智能音箱这类设备，大家一般对着麦克风就能完成交互；机器人不一样，它得直接站进真实人群里，光靠视觉感知周围还不够，还得把语言、视觉等多种信息捏在一起，持续读懂交互过程中不断变化的上下文。

比如，机器人听到有人说话，仅凭语音信息很难判断对方是否在与自己交流，还需要结合视觉信息，识别说话对象及其交互意图。

他提到，团队试过在已有大模型后面接新模态，结果原有能力容易受损，新加的信息也很难跟原始训练结果充分对齐。所以智元改在初始训练阶段就把各种模态放进去，让模型更好地拿捏交谈时机、读懂意图，判断什么时候该打断、什么时候该沉默。

交互还得足够快。为此，WITA-OMNI采用了全双工与快慢双模架构。熊彦拿人打比方：“人的交互系统天生就是双工的交互，我边听还可以边表达。”

这套架构里，前台管即时回应，后台管复杂推理、规划和任务处理，两边共用上下文与时间线。结果是，后台忙着处理任务时，机器人照样能和人聊下去，用户也能随时补充或修改指令。

现场，WITA-OMNI让远征A3把人机交互的本事秀了出来。据了解，远征A3上装了多摄像头、激光雷达、8个麦克风和高清面屏，机器人可以结合视觉、听觉与身体动作来交流。

远征A3已经会看人下菜碟。熊彦问它看到了什么，它说眼前是一位站在舞台上的“叔叔”。熊彦追问：“你说谁是你叔叔？”机器人立刻改口，叫他“帅哥”。

面对一连串密集追问，远征A3也接得住，多语言同传同样难不倒它。熊彦给出的数据是：模型平均响应速度约600毫秒，最快400毫秒。

WITA-OMNI还在Daily-Omni、TimeLens-Bench、EmbSpatialBench和MMAU四项权威评测榜单上排到第一。

2、走进长隆乐园，用真实场景检验交互

在好几个真实场景里，WITA-OMNI带来的交互体验是过去没有过的。

长隆乐园就是一个例子。熊彦讲，有的小朋友说话细声细气、不敢开口，站着的机器人听不清楚，远征A3会主动凑上去打招呼，再单膝跪地、弯下腰把距离拉近。“我可以主动贴近交互对象，这是很不一样的交互过程，也是普通模型无法完成的。”

机器人主动往人跟前凑，安全自然成了第一位的。长隆乐园每天游客量很大，小孩随时可能跑进机器人的活动范围。

针对这一点，远征A3在交互全程保持360度环境观察，一旦有人进入安全区域就主动停下动作；要是发生意外接触，柔顺力控会迅速把输出力降下来。电子围栏负责限制活动路线，异常告警则把情况通知给运营人员。

长隆乐园里的机器人累计已完成超过100万次交互，海量真实互动也给模型留出了继续学习的机会。熊彦说：“真实部署态的数据对我们来说是最有价值的数据，这些数据本身就是很高的护城河。”

比起顺顺利利完成的对话，用户不满意、聊到一半走开这类数据回流到模型训练中，能让机器人慢慢摸清实际服务环境。

更关键的一点在于，交互智能能不能提升，直接决定机器人能否创造实际经济价值。

熊彦认为：“交互可能是人产生价值的必经入口。”拿酒店服务、导购导览、零售仓这些综合场景来说，机器人得先通过交互弄明白人要什么，再往里走，才轮到运动智能和作业智能接力。

二、给机器人造操作系统，灵渠OS年底全面开源

大脑变聪明了，软硬件适配的问题还摆在机器人面前。

熊彦表示：“到了具身时代，得有一个原生的操作系统，AI不能只待在屏幕里，得去看、去听、去动、去干活儿，软硬件之间要配合得高效；缺了这样一个统一的系统，我们的开发就会变得重复、复杂、低效。”

智元这次发布的灵渠OS 1.0就是冲着这类问题来的。它把统一硬件抽象、具身原生内核和智能服务框架串起来，从底层硬件接入、软件构建到部署和上层应用支持都覆盖，给不同机器人提供同一套软件基础。

这套系统已经在智元量产机器人上跑过验证。灵渠OS支持主流算力平台，15类、100种以上外设可以快速接入，设备之间的重复适配工作因此减少。

实时性是机器人操作系统的另一道坎。机器人运动过程中，系统得持续处理控制指令，时延一波动就可能影响动作执行。灵渠OS为此做了全栈确定性时延优化，在1000Hz任务负载下，端到端时延抖动小于4微秒。

灵渠OS还搭了一个统一接入平台，运动、交互、作业三类智能都能接进来。开发者可以调用、复用系统已有的能力，针对不同本体开发机器人应用，少做重复建设。

熊彦在現場还宣布，2026年底灵渠OS 1.0将全面开源，届时贡献经过量产验证的2亿行代码、5000多个生态软件包，以及端到端构建工具链和预集成开源组件。

智元同时把灵渠OS项目捐给开放原子开源基金会，双方一起建设人形机器人开源社区。合作方向覆盖操作系统、本体硬件、数据、模型和工具链，推动联合开发、测试验证和行业标准建设。

做开源，智元图的是让行业技术生态更繁荣。

三、半年聚集8万开发者，智元把技术底座向行业开放

今年4月，智元启动元苼计划，打算把自家的技术、产品及工程能力开放出去，带动AIMA生态体系发展。

具身智能卡住的地方，早已不止硬件。场景缺、数据缺，能把机器人真正用起来的开发者同样缺——这是行业眼下的真实处境。智元选择把技术底座对外开放，说白了就是拿自家投入去换全行业的应用试错速度。生态铺得越大，跑通场景的概率就越高。

熊彦透露，AIMA生态目前已汇聚超过8万名开发者，开源数据集下载量超过560万次；灵心与灵创两个平台累计产生15万项用户创作内容，其中7000多项由创作者主动分享到了平台上。

分平台看，灵心已累计产生3万多个智能体，开发者可以在上面做智能体创作，也能用自然语言编排；灵创则攒下3万多个高动态动作，机器人全身动作支持分钟级复刻，创作时那些繁重的编程工作被削掉不少。

光能开发应用还不够，机器人得能协同干活。智元的灵动平台可对不同机型统一调度，长隆乐园每日常态化的人机共舞演出用的就是它。10月24日，110台远征A3依托这套系统，完成了最多人形机器人同时跳舞的吉尼斯世界纪录挑战。

工业作业这块，Genie Studio 2.0升级成了智能作业平台，一类作业场景的部署最快7天就能完成。它背后的CoLab计划已推动100多个生态共建项目落地，覆盖50多个应用场景，平台能力由此进一步用到了实际交付中。

生态扩张要靠真金白银撑着。元苼计划2026年以来投入已超过3亿元，五年计划投入不少于20亿元。智元目前已联动255所高校、511家企业，近半年有40家合作伙伴拿到部署态落地激励。

结语：开放生态，推动具身智能技术繁荣

“行业要发展，技术要成长，生态就是土壤。”熊彦在发布会上的这句话，点出了智元这一系列布局背后的思考。机器人要真正走进更多工作岗位，模型能力得持续往上走，开发者、场景伙伴和整个产业生态也缺一不可。

这次智元打算开源灵渠OS，并持续投入AIMA技术生态，图的就是把技术和工程能力开放出来，减少行业里的重复开发，让更多创新成果有机会被应用、被验证。

生态一旦开放，技术成果的共享、复用和创新就有望提速：更多开发者加入技术探索，更多应用场景得到验证，行业也能形成持续进化的良性循环。技术创新与产业应用再往前走一步，具身智能的技术生态也会更繁荣。