智元“机器人总动员”：我们为什么还没有等到瓦力？

Fast Reading

• 彭志辉提出Worken（有效智能工时）的新概念，它由活跃机器人数量、自主工作时长和产出效能比组成，试图衡量机器人在真实环境中究竟创造了多少有效劳动。
• 一台机器人开机八小时，不代表它有效工作八小时；在发布会上完成一次操作，也不意味着它能在产线上连续稳定工作一个月。机器人从被制造出来，到成为真正的劳动力，中间还有一段很长的路。
• 从“能上台”到“能上岗”，改变的是整个行业的竞争逻辑。技术能力最终要经过成本和效率的检验，才能变成客户愿意持续购买的服务。

在2008年上映的皮克斯动画电影《机器人总动员》里，WALL·E（瓦力）是一台垃圾清理机器人。人类离开地球后，它独自在荒芜的星球上工作了700年，把垃圾压缩成方块，一块一块堆起来。它不需要理解人类社会，只需要日复一日地完成被设定好的工作。

WALL·E最令人惊讶的能力，不是拥有情感，而是它在漫长岁月里始终没有停止工作。

现实中的机器人产业，距离这个看似简单的目标仍然很远。过去几年，人形机器人在舞台上跑步、跳跃和翻跟头，越来越像一个身手敏捷的人。但进入工厂、酒店和商场，它们面对的是另一套考题：如何适应变化的环境、处理意外、连续工作，又如何在不需要工程师贴身照料的情况下完成任务。

10月最后一周，智元机器人在上海举办2026智元创新日。智元联合创始人、总裁兼CTO彭志辉提出一个新概念：Worken（有效智能工时）——Work+Token。它由活跃机器人数量、自主工作时长和产出效能比组成，试图衡量机器人在真实环境中究竟创造了多少有效劳动。简单说，智元希望给机器人也做一张“工时表”。

这张工时表背后，是评价标准的转向。

眼下，大多企业习惯展示机器人的自由度、运动能力和模型参数。这些指标回答的，是机器人“有多强”，但还没有回答它“有多大用”。

一台机器人开机八小时，不代表它有效工作八小时；在发布会上完成一次操作，也不意味着它能在产线上连续稳定工作一个月。机器人从被制造出来，到成为真正的劳动力，中间还有一段很长的路。Worken试图把这段路上的实际产出纳入衡量范围，也为未来按任务、服务乃至劳动成果计费提供一种新思路。

在创新日上，智元一口气发布了多款产品：第三代硬件架构AHA3、具身基座模型GO-3 Preview、端到端全模态交互模型WITA-OMNI、全栈自研具身智能原生操作系统灵渠OS 1.0，以及重载机器人精灵G2 Max、新一代灵巧手等产品，覆盖了从本体、模型到操作系统的多个软硬件领域。

这些产品共同指向一个目标：让机器人不仅能完成单项动作，还能理解任务、执行操作，并将已经学会的技能复制到不同设备和场景。

智元已经把一批机器人送进了真实场景。按照公司披露的数据，截至2026年9月，智元通用AI机器人累计下线2万台，它们出现在工厂、地铁、主题乐园和酒店等场所。

现实产业需要回答的是更具体的问题：一台机器人能否真正承担一份工作，并且让这份工作产生经济价值。机器人能节省多少人力？设备折旧、部署集成、维护和运营要花多少钱？更换场景是否需要重新调试？

从“能上台”到“能上岗”，改变的是整个行业的竞争逻辑。技术能力最终要经过成本和效率的检验，才能变成客户愿意持续购买的服务。

创新日当天，雪豹财经社等与智元多位高管进行了交流。从模型、本体和数据，到真实场景中的部署、运维与商业模式，他们的回答呈现了一家头部机器人公司走向真实世界时，正在解决什么，又有哪些问题尚未解决。

我们把访谈的内容按主题进行了重组和聚合，在保留受访者原意的前提下略做编辑，以下是对话实录：

机器人价值开始用“工时表”衡量

Q1：如何概括智元今年的核心进展？物理AI现在走到哪个阶段？

彭志辉（智元联合创始人、总裁兼CTO）：一句话，就是进入Y时刻，真正从开发态进入了部署态。所有场景都不是单点技术能解决的：光本体好、没有智能，就是遥控玩具；模型强、没有可靠本体，也无法落地。

智元的研发团队中，30%从事本体硬件，70%从事智能研发。物理AI“可用的身体”已经迈过，垂域智能正在落地，比如龙旗工厂24小时×7天的质检工位。我们正从第二阶段迈向第三阶段，“ChatGPT时刻”会出现在第三阶段。

Q2：为什么对智元来说，全栈和“三智一体”是必选项？

彭志辉：部署态的Gap拆不成单独的本体、算法或数据问题，必须耦合解决。本体是下限，模型和智能能力是上限。我们关心的不只是跑、跳、打拳，而是能否持续运行、复用技术底座、降低客户集成维护成本。万台下线只是制造业的胜利，万台上岗才是物理AI的胜利。

姚卯青（智元联合创始人、联席总裁、具身业务体系总裁）：稳定本体、多机一致性、数据采集、模型训练和场景集成天然耦合，这些环节属于“木桶效应”，缺一个，完整闭环就可能无法推进。

熊彦（智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁）：中央研发部负责硬件、关节、公共软件平台等共享技术，同时兼顾业务需求与长期储备。“三智”未来也可能合一，现在分开发展，专业模型将来都可以做综合模型的老师。

Q3：Worken如何成为机器人生产力的度量衡？

彭志辉：Worken是Work加Token，中文名定为“智元”。过去大家看参数表，下一阶段要看工时表：开机8小时不等于创造8小时价值，一次成功不等于持续稳定工作一个月。Worken回答的是，机器人在真实环境里能贡献多少持续、有效的智能劳动。

王闯（智元合伙人、高级副总裁、通用业务部总裁）：主要看实际部署台数、每台工作时长和劳动价值密度。我们已统计长隆300多台、广州地铁60台、酒店3台机器人创造的Worken，但不同场景的价值密度仍需细化。比如酒店机器人可能十件事能做两件，却能持续工作，要扬长避短。

Q4：未来按本体、服务还是Worken收费？

彭志辉：不是非此即彼的关系。需要技术和运维团队支持的客户适合采购设备，只要稳定结果的客户适合服务交付，也有客户希望与我们共同运营。我们的核心是把技术做得可复用、可调用、可长期交付。

王闯：当前以整套全栈能力销售为主，也有租赁和维保、开发协议。未来可能变成购买生产力套餐：预定任务，完成后按消耗的Worken扣除。智元未来是一家持续创造生产力的公司，而不仅仅做机器人本体。

Q5：如何选择场景？工业、商业和家庭谁先谁后？

王闯：标准有三个：技术上要“跳一跳够得着”，有规模化潜力，能沉淀技术主线。工业多用轮式，零售、导览、接待多用双足。工业对节拍、稳定性、安全和性价比要求更高；服务机器人若能带来流量、情绪价值和营收，起量反而可能更快。

彭志辉：家庭不是起点，应该是终点。家庭任务差异大、链条长，还要满足安全和C端成本要求。通用机器人更适合需要一定泛化性、节拍要求没那么高、枯燥重复的工作，也能与人类和传统自动化协作。

通用模型之外，为什么还要具身大脑

Q6：通用大模型会“吃掉”具身模型吗？

姚卯青：通用模型擅长High Level的Reasoning和Planning，但动作慢、Token消耗大。未来VLA、世界模型和控制层仍与本体、任务高度耦合，每层都需要具身公司投入。

彭志辉：通用基模向具身渗透，具身模型也会向通用模型渗透。如果通用基模最终覆盖具身能力，竞争就看谁能通过本体把能力用到物理场景；如果不能，垂域训练的数据仍依赖本体。对全栈团队来说，两种结果都有优势。

Q7：跨场景泛化还要跨过哪些门槛？

彭志辉：一是实时性，云端通用模型完成简单任务可能要十几分钟，机器人却必须实时操作；二是可靠性，语言说错可以改，动作做错就是停机损失；三是物理常识，数字模型感受不到重力、摩擦力；四是任务闭环，必须验证输出造成的真实物理影响。

Q8：GO-3 Preview采用什么架构和训练数据？

姚卯青：它采用WRAM（World Reasoning Action Model）架构，训练重新做，同时在不同Check Point持续加数据。数据来源包括既有采集、觅蜂采购和补充渠道。既有高端双目数据，也有GoPro等单目低成本数据，目前训练集已超过百万小时。（编者注：GO-3 Preview是智元发布的全球首个实现预训练/后训练/部署后全链路规模化学习的具身模型。）

Q9：百万小时数据背后的投入有多大？

姚卯青：行业已从2024年的几千小时，快速走到百万小时，并在冲击千万小时。Ego数据因单目、双目和场景不同而异，很多每小时一二百元，贵的三四百元，百万小时约2亿元。算力开销更大：训练几十B模型需要几千张卡，一千张卡一年就是一两亿。

彭志辉：今年智元应该会达到将近万卡训练集群。Token若成为部署瓶颈反而是好事，说明用户愿意用。可以通过端云协同和模型蒸馏，让大部分交互在本地闭环，降低成本。

Q10：数据价格下跌是否意味着数据不再稀缺？

姚卯青：单目、室内裸手、叠衣服等同质数据价格会下行，真实细分场景的双目、触觉、腕部相机数据价格仍然坚挺。低质量数据包括场景失真、掉帧过曝、手部出画、多摄像头未做到毫秒级同步，以及3D、6D轨迹精度不足。有公司买100万小时只有10%、20%能用，而头部供应商有效率可达80%甚至90%，主流需求正往双目、触觉和全身方向走。

Q11：WITA-OMNI（智元开发的端到端全模态交互大模型）为什么要统一语音、视觉、表情和动作？

熊彦：我们让所有模态回到原始阶段统一预训练，后补模态会造成智力损失，也难以对齐对话时机。人和人不是一问一答，而是用表情和肢体语言回应，天然是全双工交互，具身机器人还要用视觉判断“这句话是不是对我讲”。在长隆乐园里，小朋友声音小，机器人会主动打招呼、单膝跪地或弯腰，拉近交互距离，这是固定音箱和普通模型做不到的。

Q12：正式版WITA-OMNI最重要的提升是什么？

熊彦：第一是鲁棒性，任何一句话都接得住。比如，实景演示有约1秒混响，模型仍靠拒识能力扛住混淆声音。第二是情绪，理解情绪并给予情商回应，交互速度和智商在Preview阶段已走上正确路径。

Q13：真实数据如何形成飞轮？工业数据不出厂怎么办？

熊彦：长隆乐园一个月已有100多万次交互，不满意和未完成就离开的数据更有价值，会检查、标注并回流训练，机器人部署一段时间后会明显更能干。全模态原生训练和真实部署数据，都是模型的护城河。

姚卯青：工业数据涉及工艺和商业信息，严格遵守客户规定，不出工厂、不出车间，可以在厂内边缘侧部署训练服务器和软件平台，完成模型升级。允许出厂的数据也须获得授权；预训练更看重多样性，单一岗位未必需要几百小时数据。

运维、复购与生态决定商业闭环

Q14：从几百台到上万台，真正制约规模化的是什么？

王闯：长隆300多台机器人分布在100多个点位，任务和环境完全不同，统一接入、故障管理、内容更新和问题闭环都很复杂。最初机器人与工程师几乎1:1，后来降到3:1，目标年底10:1、明年20:1。20:1意味着只新增5%人力预算，很多客户可以接受。我们还为机器人建专用网络：碳基人类有人的网络，硅基机器人有自己的网络，实时性要求更高。

彭志辉：客户会从“你能不能造出来”转向“我能不能养得起”。设备健康、软件版本、备件、远程诊断和任务优化等，决定了完整的生命周期成本。每卖一台机器人还配一个保姆，永远不会到大规模部署那一天。

Q15：工业规模化最关键的量化标准是什么？

姚卯青：核心看部署效率，即多少人天能部署类似场景。要把训练、测试准出、软件发版、OTA、数据闭环和issue回流做成工具链，以更高人效复制到新客户。全行业若在看到中国1万台以上机器人在工厂稳定、长时间作业，会是重要拐点。厂商、二次开发和集成团队也都要获得合理利润，而不是陷入低质量价格战。

Q16：龙旗和长隆如何实现复制与复购？

姚卯青：龙旗已从平板检测上下料拓展到其他品类，并进入搬运、拆垛。研发团队早已撤场，基础运维移交客户，传感器、线束、电机问题通过版本升级解决。另有超过3家3C企业与我们合作，有些已完成并线。

熊彦：长隆一个讲解点位从一台变三台，就是复购。客户发现机器人能成功完成任务，就愿意复购。

王闯：客户最满意的是迭代速度：软件、算法、结构和模型持续改进，机器人的成长肉眼可见。

Q17：新品快速推出会不会牺牲测试和生命周期？

姚卯青：我们不会为了发产品而发产品。精灵G2已打磨超过一年，前项设计按约三年市场生命周期准备。G2 Max则针对重载需求：G2单臂5公斤、双臂10公斤，G2 Max做到40公斤额定负载。IPD流程有严格评审和准出测试，关键测试不过关就延长排期，不会为了速成发布催熟的产品。

Q18：为什么规模化必须依靠生态？普及的信号是什么？

王闯：我们不可能掌握所有数据和行业know-how，从1到N复制也必须依靠伙伴。灵渠OS开源后，灵创、灵汐、Genie Studio让开发者开发技能，再由Agent编排。开放的不只是代码，也包括利益和市场：人形机器人市场很大，没必要每一块钱都赚。

普及的标志是机器人到处可见，客户规模化下单、自己购买分发，几乎不需要智元提供服务。