“物理AI时代，拿什么度量机器的价值？”

10月29日，在上海世博中心举行的2026智元创新日上，智元联合创始人、总裁兼CTO彭志辉提出了这个问题。随后，他发布了一个新的指标——Worken，即“有效智能工时”，尝试从活跃机器人数量、自主工作时长和产出效能三个维度，衡量机器人实际创造的价值。

机器人究竟干了多少活，正在成为具身智能商业化进程中越来越具体的问题。

根据市场研究机构Counterpoint Research今年8月发布的报告，2026年上半年，全球人形机器人出货量超过2.2万台，同比增长接近300%。但从应用结构看，文娱商演、科教数采合计仍占六成以上，智能制造和仓储物流的占比分别为13%和5%。报告指出，工业和商用服务领域的部分试点项目正在完成验证，开始进入批量部署阶段。

在此次智元创新日期间，由新华社中国经济信息社与中国信通院上海工创中心联合编制的《2026具身智能产业创新报告》关注到这一问题。报告将下线量、出货量和部署量分别对应制造能力、市场接受度和真实场景渗透，并指出，进入“部署态”需要机器人在实际生产生活中持续作业、交付结果。这既考验产品与模型，也需要交付、运维等环节共同支撑。

对此，智元已经率先迈出了这一步。

在龙旗科技南昌工厂，8台精灵G2并入平板电脑质检产线，承担检测环节的上下料作业；在横琴长隆飞船乐园，已有近500台机器人进入导览、零售、演艺等场景；今年9月起，100台灵犀X2陆续进入爱仕达全国100家门店，担任“门店促销员”，参与接待、商品讲解与导购服务。

在此次创新日主论坛上，彭志辉也披露了最新的经营与量产进展：今年9月，智元第2万台具身智能机器人下线；今年上半年，公司整体收入接近20亿元。他表示，智元机器人正在快速进入工厂生产线、酒店、零售、交通、文旅等场景。

这些岗位对机器人的要求各不相同。工厂需要机器人跟上生产节拍，与设备准确衔接；门店与景区则需要机器人理解人的意图，在变化的人流和对话中提供服务。随着部署范围扩大，技术能力、产品可靠性和运营效率，都要接受实际工作流程的检验。

这些实际岗位的要求，也解释了智元此次发布的重点。从本体与核心部件，到运动、作业和交互智能，再到工具平台与新的合作，看似分散的布局，都指向同一个目标：解决机器人部署中的具体问题。

而要让机器人在现场持续工作，企业需要回答的，也从某一项技术能做到什么，延伸到硬件、智能与交付运营如何共同满足岗位需求。

走进工厂，只是第一步 

机器人交付给客户之后，距离真正成为生产力，还有多远？

这是理解“部署态”需要回答的问题。今年4月，智元提出具身智能产业的“XYZ曲线与生产力实现框架”，将产业发展划分为开发态、部署成长期和部署普及期。在这一框架下，2026年被智元定义为“部署态元年”。

从开发态进入部署态，衡量机器人的标准也随之变化。客户需要知道，机器人一天能完成多少工作，需要多少次人工接管，出了故障多久可以恢复，以及部署和维护究竟要花多少钱。这些问题的答案，决定了机器人能否长期留在岗位上。

而许多问题，只有进入客户现场之后才会暴露。

智元合伙人王闯曾回顾，前1000台、尤其前200台机器人的制造，是不断摸索标准的过程，比如走路偏差多大可以接受，异响达到什么程度需要处理，这些都要逐一明确。而等机器人交到客户手中，又会出现新的使用问题，团队再将问题反馈给产线，或通过软件更新解决。

这意味着，制造出合格的机器人之后，企业还需要在实际使用中继续完善产品。

龙旗南昌工厂提供了一个具体样本。2025年12月，精灵G2进驻产线，开始上下料功能压测和生产环境适配；到2026年5月，8台机器人完成并线，覆盖整条平板量产质检工段。从进入工厂到承担整段工序，中间经历了数月磨合。

今年6月，虎嗅在龙旗工厂观察到，机器人的工作看起来只是反复抓取、转身和放置，但每一步都与产线上的其他设备有关。机器人取走平板之前，要判断物料位置；放入测试机柜之前，要确认检测状态；完成检测后，还要将平板送回皮带线，进入后续流程。

实际上，当机器人连续工作后，还会遇到更多意想不到的难题。智元项目总监艾文此前采访表示，有一次皮带线没有及时响应机器人的请求，未将平板送走。机器人继续放置下一块平板时，原来的位置尚未腾空，便发生了叠料。

在这个过程中，即便机器人完成了抓取和放置，任务依然可能失败。

“更多的还是两个体系的融合。”艾文这样概括机器人进工厂的难点。机器人与既有工业设备，在通信方式、故障处理和异常恢复上存在差异，都需要在部署中逐步解决。

为此，团队调整了通信架构，让机器人作为主节点，主动获取外围设备的状态，并加入重试、信息校验和故障处理机制。外围设备的软件也需要作出相应调整。

这类现场问题，进一步说明了机器人部署需要跨过的三道门槛。

首先，是完整任务的协同。机器人需要把感知、移动和操作衔接起来，同时与既有设备配合。任何一环失误，都可能影响最终产出。客户验收的是整项工作是否完成，这也要求机器人的不同能力能够在同一个任务中共同发挥作用。

其次，是持续运行中的变化。物品发生偏移、人员进入作业区域、任务意外中断，都可能打乱原定流程。机器人需要根据当前状态调整动作，判断上一步是否成功，以及下一步能否继续。出现异常后，能否恢复工作，同样是部署能力的一部分。否则，每一次小故障都需要人工介入，机器人便很难独立承担持续性的工作。

第三，是复制成本。在一家工厂跑通的任务，换到另一家客户那里，可能面对新的物料、设备接口和工序要求。如果每增加一个项目，都需要大量重新开发、训练和现场调试，项目数量增长就会同步推高交付成本。已经积累的操作能力、设备接口和故障处理经验，有多少可以复用，决定了下一次部署需要付出多大代价。

这三道门槛，将部署的要求延伸到了机器人研发与使用的全过程。

向前，现场的空间、负载和任务要求，需要进入本体设计和模型研发；向后，交付后的运行监测、维护和异常处理，也需要持续投入。现场积累的经验能否用于改进产品、降低后续项目的部署成本，则关系到这套模式能否规模化复制。

由此再看智元围绕本体与部件、运动与作业及交互智能、工具平台和合作伙伴展开的布局，其共同指向就更清晰了：既要让机器人具备完成任务的能力，也要让这些能力能够被交付、维护，并在更多场景中复用。

所谓面向部署态的“跃迁”，也因此有了具体含义。从实际场景出发，把岗位需求转化为研发问题，再让部署经验回到产品改进之中，单项技术突破才有机会转化为持续工作的能力。这正是智元全域务实创新要解决的问题，也是其系统性能力需要接受的检验。

从岗位需求出发 

托盘能不能贴墙摆放，是一个很具体的工厂问题，也会影响机器人的设计。

厂房里的设备、通道和工位早已有各自的位置。如果引入机器人，还需要为它腾出大片活动空间，甚至重新调整产线，客户就要承担额外的改造成本。因此，机器人能否适应既有布局，本身就是部署能力的一部分。

精灵G2 Max的设计回应了这一需求。通过腰部俯仰和作业范围设计，它可以主动前倾，从托盘的一侧完成拆码垛，无需在背后预留绕行空间。托盘因此可以贴墙摆放，低位拾取与高位码放也可以由同一台机器人完成。

这一细节恰好体现了面向部署态正向设计的意义，即先明确机器人要进入什么岗位、完成什么任务，再将现场的限制转化为研发要求。

类似的考虑，也体现在负载、操作精度与补能方案上。工业搬运既要求机器人搬得动，也要求它将物料准确放到指定位置；多班次生产，则要求机器人减少因补能造成的停工。精灵G2 Max将力控双臂与视觉引导结合，并配置双电池热插拔和自主回充方案，分别回应这些需求。部署要求由此落实到了机械结构、感知控制与连续作业设计之中。

但适应场地，只解决了一部分问题。工作过程中发生变化，机器人还需要知道如何继续。

以搬运途中箱子掉落为例，要完成原来的任务，机器人需要重新确定箱子的位置，接近目标，调整身体姿态，再将箱子抓起。这个过程同时涉及视觉感知、移动、平衡和操作，机械结构决定它能够触及哪里，感知与控制则决定它如何根据眼前的情况行动。

智元对运动智能的升级，正是在回应这类需求。AGILE将环境感知与运动控制放进同一个反馈过程中，让机器人根据地形、障碍和自身状态调整动作。从运动控制走向空间移动智能，意味着研发团队需要关注机器人在什么情况下采取什么动作，以及动作之后如何继续完成任务。

作业智能则进一步处理任务理解与执行之间的关系。GO-3 Preview采用的WRAM架构，将任务推理、未来预测和动作生成连接起来。比如乐高拼装，机器人需要连续完成抓取、对位和插入，并根据每一步的结果推进后续操作。这项精细操作能力来自模型微调，并由Agent编排连续动作。

对客户而言，基础模型能承担的任务越多，部署时需要补充训练和调试的工作就越少。像乐高拼装这样的复杂操作，则可以在已有能力上进一步微调。这也是基础模型对规模化部署的意义，即换一个岗位时，尽量减少从头训练的成本。

到了零售、文旅等场景，机器人还需要把人的意图纳入任务过程。

有人走近并说话，机器人首先要判断，对方是不是在向自己提问；交流过程中，对方也可能补充条件、打断回答或取消任务。

而这也是本次创新日能体现出交互智能WITA-Omni的“绝活”。在创新日现场，智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁熊彦与远征A3进行了多语种互动和快速对话，展示机器人如何判断对方是否说完，在不抢话的同时及时回应。

WITA-Omni将语音、视觉等信息结合，用于判断对话对象与回应时机，再通过快慢双系统协调即时交流和复杂任务处理：前台维持对话，后台负责推理、规划和调用工具，两者共享上下文，让交流能够随着任务进展继续。目前，WITA-OMNI在交互类评测的权威榜单上纷纷登顶。

工厂、门店和景区对运动、作业与交互能力的需求各有侧重，但一个完整任务，往往需要调用其中不止一种能力。智元将三类智能共同推进，也就有了清晰的岗位依据。

这种协同进一步落到了硬件架构上。

据智元介绍，其硬件架构经历了从单一智能、三智分离，到三智物理融合的演进。第三代硬件架构AHA3将运动、交互与作业智能整合进同一套控制系统，为不同能力的协同提供共同的硬件基础。

智元将基于AHA3打造的平台称为业内首个商用的一体化智能控制集成平台，“三智一体”也由此从能力布局进一步落实到控制架构。它所服务的，仍是前面那些具体任务，也就是让机器人能够将看到的环境、理解的指令和即将执行的动作衔接起来。

这些研发选择，都能追溯到实际岗位中的具体需求——客户需要少改造产线、减少作业中断，也希望换一个任务时不必重新开发——这要求智元从设计产品时就考虑部署，把本体、模型和控制系统放在一起解决问题。而技术上的改进能否降低客户使用机器人的成本，才是这套布局的价值所在。

跑通一个项目之后，如何复制？ 

一个项目跑通之后，下一家客户能不能更快用起来，是智元等一众具身智能企业接下来都要回答的问题。

部分场景已经开始批量部署，但从概念验证走向规模化应用，仍有不少工作要做。如果每换一个客户，就要重新适配设备、开发功能、安排工程师驻场，项目越多，交付和维护的压力也会越大。

长隆的部署提供了一个观察样本。据智元披露，今年9月，双方从签约到开园只有一个月，完成了300余台机器人的部署；截至10月29日，常态化部署数量已接近500台，覆盖导览、零售、演艺等不同场景。

数百台机器人分散在园区工作，运营方需要考虑的问题也随之增加。比如网络是否稳定；不同点位的任务如何调度；服务内容如何更新；设备出现故障后由谁处理等等。游客与机器人近距离接触，还对活动空间、人员安全和充电消防提出了更高的要求。

为此，长隆项目配套了专用网络、一站式运维平台和安全方案。智元也建立了从现场勘测、部署到安全调试的标准化流程。机器人交付之后，这些工作仍会贯穿日常运营。

规模化带来的变化在于，企业需要管理数百台设备的运行状态，并及时处理分散在不同岗位上的问题。单台机器人可以依靠工程师现场调试，数量增加后，就需要将调试与维护经验整理成可重复执行的流程，减少对个别工程师的依赖。

与此同时，真实运营也让研发团队有机会接触到测试阶段未曾覆盖的问题。游客的表达方式、现场的噪声、临时变化的任务，都可能影响机器人的工作。能否记录这些问题、找到原因，并将改进用于下一次运行，决定了部署经验能积累多少。

智元通过Genie Master组织任务规划、执行检查、异常恢复与记忆，将现场经验用于两类改进。具体来讲，成败案例进入记忆，为后续任务安排提供参考；作业轨迹经过筛选后进入训练，再通过评测检验更新后的策略。前者帮助机器人少重复犯同样的错误，后者用于改进具体操作能力。

但要将这些改进用到更多机器人身上，还需要解决底层系统的适配问题。不同本体搭载的传感器、执行器和计算设备存在差异，同一项功能换到另一款机器人上，可能又要重新接入和调试。随着项目增加，这部分重复工作也会成为交付成本。

灵渠OS 1.0所要解决的，正是这一类问题。

据智元介绍，灵渠OS 1.0覆盖从底层硬件到上层应用、从构建到部署的完整软件体系，支持15类、100多种外设快速接入。对于开发者而言，统一的硬件接入方式，可以减少针对不同设备重复编写适配程序的工作，将更多精力用于客户的具体任务。

机器人对系统的要求还包括稳定的响应时间。感知信息需要及时传递，控制指令也需要按时执行。灵渠OS针对高频任务进行了时延优化，目的就是减少系统运行中的时间波动，为上层的动作控制与任务执行提供支撑。实际上，这些底层工作并不容易被用户直接看到，却会影响同一套应用能否稳定地运行在更多设备上。

在操作系统之上，Genie Studio 2.0则将任务开发、验证和部署所需的工具放在同一平台。据智元披露，平台最快可以在7天内完成一类作业场景的部署。这个速度仍取决于任务和现场条件，但它所指向的目标很明确：将已经做过的适配、训练和验证工作尽可能复用，缩短下一个项目的交付周期。

更多行业的需求，也需要由熟悉现场的伙伴共同承接。FDE伙伴深入客户现场，参与需求梳理、系统对接和场景适配；本体企业提供基础能力与工具，开发者在此之上扩展应用。分工能否成立，取决于平台是否足够开放，接口、工具和交付方法是否能够被伙伴掌握。

此次智元发布灵渠OS 1.0，并向开放原子开源基金会捐赠项目，计划于2026年底全面开源。同时，双方提出共建人形机器人开源社区，围绕硬件、数据、操作系统和模型开展联合开发与测试验证。产研合作与开发者生态，也因此与部署形成了直接联系，让更多参与者能够在已有基础上解决各自行业的问题。

从这个角度看，具身智能企业的竞争，正在延伸到交付之后。机器人能否留在岗位上，现场的问题能否推动产品改进，下一次交付能否少一些重复开发，都会影响业务规模扩大的速度与成本。

智元此次发布的“务实”，落在了这些具体工作上。从本体、模型到操作系统和合作伙伴，最终都要服务于机器人持续工作。

归根结底，具身智能的“跃迁”能走多远，要看已经跑通的项目，到底能否为客户带来价值、提升效率。

风险提示: 投资涉及风险，证券价格可升亦可跌，更可变得毫无价值。投资未必一定能够赚取利润，反而可能会招致损失。过往业绩并不代表将来的表现。在作出任何投资决定之前，投资者须评估本身的财政状况、投资目标、经验、承受风险的能力及了解有关产品之性质及风险。个别投资产品的性质及风险详情，请细阅相关销售文件，以了解更多资料。倘有任何疑问，应征询独立的专业意见。

OCR:IMG:IHumanoidRobotShipmentBreakdow Application,H12026 Warehousing Others &Logistics 2.7% 上 Intelligent 4.9% Manufacturing 12.8% Y 33.6% Entertainment& Performance 19.0% Counterpoint Service& Guidance 27.0% Data Production &Research Counterpoint Source:Counterpoint'sRobotResearch

OCR:IMG:ASIBOT ia

OCR:IMG:EmbSpatial-Bench Leaderboard at a Glance Clesed Open 1AGIBOTWITA-Omni1.0 85.5 2Qwen3.5-Omni-Plus 85.4 1 AGBOT wTA-Omni 1.0 86.22% AOBOT x-La WITA-OmnPeviw 85.21% 3Qwen3.8-Omni-Flash 84.5 3 Own3.8-Omni-Fiash (minking/xhigp) 85.10% 4 4Gemini3Pro 84.3 Omn3.5-Omi-Pus 84.68% 5Seed2.0Lite 83.1 Oenini 3.1 Pro Pheview 82.79% 6Qwen3.5-Omni-Flash 82.7 Doubao Seed 2.0 Lhe 82.12% 7Gemini2.5Pro 78.8 NvIDIA Nemetron 3 Nano Omni 30B A3B 74.52% Qeen3-Ommi-308-A38-hinking 73.60% 7Gemini2.5Flash 78.8 +Oenini 2.5 Flash 73.06% 9Nemotron-3-Nano-Omni 78.3 10 10Qwen3-Omri-308-A38-nstret 71.85% 10aMing-Flash-Omni2.0 75.0 11 Genini 2.0 Rash 67.84% 11Inkling-Small 74.6 12 12Qmn2.5-Omi-78-nstuct 62.07% 12Uni-MoE-2.0-Omr 69.0 13e 3Oenini2.5 Rash Lte 61.90% 14 14 Dely-Omrs-Beselne-Qeen2.5 61.82% 13MiniCPM-o4.5 66.5 15 Oi 2.0FahL 61.32% 14 Gemini 2.5Flash-Lite 66.1 16Qeen2.5-Omri-38-nstet 60.23% 15 MiMo-V2.5 38.7 1708 50.71% MMAU Separated View More Re 10 1AGIBOTWITA-Omni1.0 82.6 2 Gemini 3.1Pro 82.5 Charades-Tinetens ActvityNee-Timetens OVg-Timeter Model Tpe 0 a0 np m ne 95 no 0 a0 Qwen3.5-Omni-Plus 81.9 03 0.5 07 e3 07 03 05 07 4 Qwen3.8-Omni-Flash 81.8 82.3 68.8 39.9 58.2 75.9 86.4 48.1 59.7 e51 77.4 62.9 713 00.4 5Qwen3.5-Omni-Flash 80.4 80.9 t8.0 31.0 1± 74.0 41.6 40.4 14.6 64.4 71 9U 70.1 5) 6Ming-Flash-Omni2.0 77.5 80.3 644 375 $27 74.8 655 472 190 33 751 60.0 693 447 Donie-2.5-Po N1 et1 340 s24 72.3 (42 401 1e1 $41 75 e11 70.4 429 7Seed2.0Lite 77.2 4.2 60.6 33.6 134 71 #2.0 432 55.4 Et2 72.8 57.8 670 eto 8Inkling-Small 77.0 、 764 638 351 t12 t3.9 18.4 40.4 53.2 801 714 955 655 403 9 9MiniCPM-o4.5 76.9 Denin-2.5-Flan t8.7 561 30.6 418 668 $25 413 125 7.2 3.4 55.0 643 524 9 9Gemini3.8Flash 76.9 Dwn3-2358-A229 7 50.8 245 ca 90 575 393 521 794 72 54.5 646 164 11Uni-MoE-2.0-Omni 74.9 70.2 442 205 45.5 f3.9 556 38.4 52.4 78.8 49.4 54.0 64.6 53 12Nemotron-3-Nano-Omni 74.6 Senin-2.0-Finsh 66.4 135 223 467 629 54.0 327 413 762 t6.4 48.3 608 541 Deen3-5-88 .2 13.4 27$ 41.2 $21 512 34.4 4L8 2 64.6 49.3 $0.4 514 13 3MiMo-V2.5 73.6 75.5 956 28.4 46.8 8 18 304 463 341 627 431 56.8 27

OCR:IMG:运动智能+初步交互

OCR:IMG:长隆飞船乐园 长隆 CHIMELO SPACESHIP 21