智元提出Worken概念：机器人何时能从能上台走到能上岗？

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。人类撤出地球之后，它独自在荒芜的星球上干了700年，把垃圾压成方块，一块一块码起来。它不用去理解人类社会，只要日复一日完成被设定好的活。

WALL·E让人吃惊的地方，其实不是它有情感，而是它在那么长的岁月里一直没停下工作。

现实中的机器人产业离这个看似简单的目标还差得远。这几年人形机器人在舞台上跑、跳、翻跟头，身手越来越像灵活的人。可一旦进了工厂、酒店和商场，考题就换了：怎么适应变化的环境、怎么处理意外、怎么连续作业，又怎么在工程师不贴身盯着的情况下把任务做完。

10月最后一周，智元机器人在上海办2026智元创新日。智元联合创始人、总裁兼CTO彭志辉抛出新概念：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，想衡量的是机器人在真实环境中究竟造出了多少有效劳动。说白了，智元是想给机器人也建一张“工时表”。

评价标准正在发生变化，这张“工时表”就是最直接的体现。智元把它拆成三项：活跃机器人数量、自主工作时长、产出效能比，再加上Token，要看的是机器人在真实环境里究竟产生了多少有效劳动。说白了，就是想给机器人建一张属于自己的“工时表”。

现在多数企业介绍机器人，讲的是自由度、运动能力、模型参数。这些数字能说明机器人“有多强”，却说明不了它“有多大用”。

开机八小时，不等于有效干了八小时；在发布会上成功操作一次，也不代表能在产线上连轴稳定跑上一个月。从出厂到真正变成劳动力，中间还隔着很长一段距离。Worken想做的，是把这段路上到底干出了什么纳入考核，也为将来按任务、按服务、按劳动成果收费探一条路子。

创新日上，智元一次拿出了不少东西：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、全栈自研的具身智能原生操作系统灵渠OS 1.0，还有重载机器人精灵G2 Max和新一代灵巧手等。本体、模型、操作系统，几个软硬件环节都有覆盖。

这些产品瞄准的是同一件事：机器人不光要会做单个动作，还得能读懂任务、把操作做出来，并把学到的技能搬到别的设备和场景里去。

真实场景里已经有一批智元机器人。公司披露的数据显示，到2026年9月，智元通用AI机器人累计下线2万台，工厂、地铁、主题乐园和酒店都能见到它们的身影。

产业更关心的问题要具体得多：这台机器人能不能真的顶一份工作，并且让这份工作挣到钱？能省下多少人力？设备折旧、部署集成、维护运营又各要花多少？换个场景，是不是还得重新调试？

从“能上台”走到“能上岗”，行业比拼的东西变了。技术行不行，最后要过成本和效率这两关，客户才会愿意持续买单。

创新日当天，雪豹财经社等媒体和智元多位高管聊了聊。模型、本体、数据，到真实场景里的部署、运维和商业模式，他们的回答里能看到这家头部机器人公司闯进真实世界时在解决什么，也能看到哪些问题还没答案。

访谈内容按主题做了重组和聚合，受访者原意保留，文字略有编辑，实录如下：

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？

智元联合创始人、总裁兼CTO彭志辉把这件事概括成一句话：真正从开发态迈入部署态，也就是进入Y时刻。在他看来，任何场景都不是靠单点技术就能拿下的——本体做得再好却缺了智能，那不过是台遥控玩具；模型再强，本体不可靠，照样落不了地。

智元研发团队的构成里，搞本体硬件的占30%，做智能研发的占70%。物理AI“可用的身体”这一关已经过了，眼下是垂域智能在往下落，龙旗工厂里24小时×7天的质检工位就是一个例子。按彭志辉的说法，公司正从第二阶段往第三阶段走，“ChatGPT时刻”会出现在第三阶段。

Q2：全栈和“三智一体”，为什么在智元这里是绕不开的选项？

彭志辉：部署态这个Gap，没法拆成单独的本体问题、算法问题或者数据问题，只能耦合起来解。本体决定下限，模型和智能能力决定上限。智元在意的不是机器人能跑、能跳、能打拳，而是它能不能持续运行、技术底座能不能复用、客户集成和维护的成本能不能压下来。万台车下线，只能算制造业的胜利；万台上岗，才算物理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）：稳定的本体、多机之间的一致性、数据采集、模型训练、场景集成，这几件事天然咬合在一起，属于“木桶效应”——少掉任何一环，完整的闭环都可能推不下去。

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）：硬件、关节、公共软件平台这些共享技术归中央研发部管，同时还要兼顾业务需求和长期储备。“三智”将来也可能合成一个，现在分开发展，专业模型日后都能给综合模型当老师。

Q3：Worken怎么就成了衡量机器人生产力的尺子？

彭志辉：Worken拆开就是Work加Token，中文名定的是“智元”。以前大家盯着参数表，下一个阶段该看工时表了：开机8小时，不等于创造了8小时价值；一次成功，也不等于能稳定干上一个月。Worken要回答的，是机器人在真实环境里究竟能贡献多少持续、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）：主要看三样——实际部署了多少台、每台干了多长时间、劳动价值密度有多高。长隆300多台、广州地铁60台、酒店3台机器人创造的Worken，智元已经统计过了，但不同场景的价值密度还得再细化。比如酒店机器人，十件事可能只做得了两件，可它能一直干下去，这就得扬长避短。

Q4：以后收费是按本体、按服务，还是按Worken来算？

彭志辉：这几个不是非此即彼。需要技术和运维团队撑着的客户，适合直接买设备；只想要稳定结果的客户，适合服务交付；还有客户愿意跟智元一起运营。核心在于把技术做到可复用、可调用、可长期交付。

王闯：眼下卖的还是整套全栈能力，另外也有租赁、维保和开发协议。往后可能演变成购买生产力套餐：先预定任务，完成后按消耗的Worken扣。智元要做的是持续创造生产力的公司，不只是造机器人本体。

Q5：场景怎么挑？工业、商业、家庭，谁先谁后？

王闯给出的筛选标准有三条：技术得是“跳一跳够得着”的水平，具备规模化潜力，同时能沉淀技术主线。落到形态上，工业场景多用轮式，零售、导览、接待则多用双足。工业侧对节拍、稳定性、安全性和性价比的要求更严；服务机器人只要能带来流量、情绪价值和营收，起量说不定还更快。

彭志辉的判断是，家庭不该当起点，它应该是终点。家庭里的任务差异大、链条长，安全和C端成本这两道关也得过。通用机器人更合适的方向，是那种需要一定泛化性、节拍要求没那么紧、枯燥又重复的活儿，同时还能跟人以及传统自动化设备配合干活。

Q6：通用大模型会“吃掉”具身模型吗？

姚卯青提到，通用模型在High Level的Reasoning和Planning上确实拿手，可动作偏慢，Token消耗也大。往后看，VLA、世界模型和控制层跟本体、任务的耦合仍然很深，每一层都得具身公司自己往里投入。

彭志辉认为，通用基模会往具身方向渗透，具身模型同样会向通用模型渗透。假如通用基模最后把具身能力也覆盖了，那竞争就变成谁能借本体把能力落到物理场景里；要是覆盖不了，垂域训练所需的数据依旧得靠本体。对全栈团队而言，两种结局都占优势。

Q7：跨场景泛化还要跨过哪些门槛？

彭志辉点了四道坎。头一道是实时性：云端通用模型做简单任务可能要十几分钟，机器人却得实时操作。第二道是可靠性：话说错了还能改，动作做错了就是停机损失。第三道是物理常识，数字模型感受不到重力和摩擦力。第四道是任务闭环，输出造成的真实物理影响必须验证。

Q8：GO-3 Preview采用什么架构和训练数据？

姚卯青介绍，它用的是WRAM（World Reasoning Action Model）架构，训练重新做过，并在不同Check Point上持续加数据。数据既有自己采集的，也有从觅蜂采购的和别的补充渠道。高端双目数据有，GoPro这类单目低成本数据也有，训练集眼下已超过百万小时。（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？

姚卯青算了一笔账：行业从2024年的几千小时，很快走到百万小时，眼下正冲千万小时。Ego数据因单目、双目和场景不同而价格不一，不少是每小时一二百元，贵的三四百元，百万小时差不多2亿元。算力花销更大，训练几十B模型要几千张卡，一千张卡一年就得一两亿元。

彭志辉提到，智元今年大概会把训练集群做到接近一万卡的规模。在他看来，Token 一旦成了部署环节的瓶颈，反倒是件好事——这说明用户确实愿意用。至于降成本的路子，可以走端云协同加模型蒸馏，让大部分交互在本地完成闭环。

Q10：数据价格下跌是否意味着数据不再稀缺？

姚卯青的判断是，单目、室内裸手、叠衣服这类同质化数据，价格会往下走；真实细分场景里的双目、触觉、腕部相机数据，价格还站得住。他点到低质量数据的几种表现：场景失真、掉帧过曝、手部出画、多摄像头没做到毫秒级同步，以及 3D、6D 轨迹精度不够。有的公司买 100 万小时，能用的只有 10%、20%；头部供应商的有效率能到 80% 甚至 90%。主流需求正在往双目、触觉和全身方向转。

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？

熊彦解释，他们的做法是让所有模态回到原始阶段一起做统一预训练。后补模态会带来智力损失，对话时机也很难对齐。人和人之间本来就不是一问一答，表情和肢体语言都在回应，天然是全双工交互；具身机器人还得靠视觉判断“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，单膝跪地或者弯腰，把交互距离拉近——固定音箱和普通模型做不到这一点。

Q12：正式版WITA-OMNI最重要的提升是什么？

熊彦说，头一条是鲁棒性，任何一句话都接得住。实景演示里有大约 1 秒混响，模型靠拒识能力扛住了混淆声音。第二条是情绪，要理解情绪并给出有情商的回应。交互速度和智商在 Preview 阶段已经走上正确路径。

Q13：真实数据如何形成飞轮？工业数据不出厂怎么办？

熊彦给出的例子是长隆乐园，一个月已经有 100 多万次交互。不满意、没完成就离开的数据更有价值，会被检查、标注，再回流到训练里。机器人部署一段时间之后，明显更能干。全模态原生训练加上真实部署数据，都是模型的护城河。

姚卯青则强调，工业数据牵扯工艺和商业信息，客户规定必须严格遵守，不出工厂、不出车间。办法是在厂内边缘侧部署训练服务器和软件平台，把模型升级放在里面完成。允许出厂的数据也得拿到授权。预训练更看重多样性，单一岗位未必需要几百小时数据。

Q14：从几百台到上万台，真正制约规模化的是什么？

王闯表示，长隆的300多台机器人分布在100多个点位，任务和环境各不相同，统一接入、故障管理、内容更新以及问题闭环都相当复杂。起初机器人与工程师的比例几乎是1:1，之后降到3:1，目标年底做到10:1、明年达到20:1。按20:1算，只需多出5%的人力预算，不少客户能够接受。他们还为机器人搭建了专用网络：人有人的网络，硅基机器人有自己的网络，实时性要求更高。

彭志辉认为，客户的关注点会从“你能不能造出来”变成“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这些环节，共同决定完整的生命周期成本。他直言，每卖一台机器人还配一个保姆，就永远等不到大规模部署的那一天。

Q15：工业规模化最关键的量化标准是什么？

在姚卯青看来，衡量这件事的关键在部署效率——落到实處，就是部署一个类似场景得投入多少人天。训练、测试准出、软件发版、OTA、数据闭环、issue回流，这些环节都要串成工具链，才能用更高的人效把方案复制到新客户那里。他还提到，如果全行业能在中国看到超过1万台机器人在工厂里稳定、长时间干活，那就是一个重要的拐点。同时，厂商、二次开发和集成团队都得赚到合理的利润，不能掉进低质量的价格战里。

Q16：龙旗和长隆如何实现复制与复购？

姚卯青介绍，龙旗已经从平板检测上下料拓展到其他品类，并进入搬运、拆垛环节。研发团队早已撤场，基础运维移交给客户，传感器、线束、电机的问题通过版本升级解决。另有超过3家3C企业与他们合作，其中有些已经完成并线。

熊彦提到，长隆一个讲解点位从一台变成三台，这就是复购。客户发现机器人能成功完成任务，就愿意继续买。

王闯说，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？

姚卯青对此回应，他们不会单纯为了发产品而发产品。精灵G2打磨了一年多，前项设计是按大约三年的市场生命周期来准备的。G2 Max瞄准的是重载场景：G2单臂5公斤、双臂10公斤，G2 Max的额定负载则做到40公斤。IPD流程设有严格评审和准出测试，关键测试过不了就延长排期，不会为了赶速度把不成熟的产品催出来发布。

Q18：为什么规模化必须依靠生态？普及的信号是什么？

王闯说，所有数据和行业know-how不可能都攥在自己手里，从1到N的复制同样得靠伙伴。灵渠OS开源之后，开发者通过灵创、灵汐、Genie Studio开发技能，再由Agent做编排。开放出来的不止是代码，还有利益和市场：人形机器人这块市场足够大，没必要每一块钱都自己赚。

在智元看来，普及真正到来的标志是机器人随处可见：客户开始成规模下单，自行采购并自行分发，智元这边几乎不用再提供什么服务。