" 一台机器人开机 8 小时，并不意味着创造了 8 小时的价值，一次任务成功率很高也不意味着能持续像人一样稳定工作一个月。"10 月 29 日，在上海举行的 2026 智元创新日上，智元联合创始人、总裁兼 CTO（首席技术官）彭志辉在接受包括《每日经济新闻》记者（以下简称 " 每经记者 "）在内的媒体采访时坦言。

2026 年，具身智能赛道正站在 " 部署态 " 的十字路口：上半年一级市场超 300 起融资，近千亿元涌入，下半年热度骤然遇冷；另一方面，相比常态化 " 上岗 "，相当比例的人形机器人月均开机不足 10 天。

当天，彭志辉在现场也透露了智元最新的数据：智元通用 AI（人工智能）机器人累计下线达 2 万台，今年上半年营收接近 20 亿元。在市场份额上，智元占全球人形机器人市场的 43%，占据全球头部位置。

落差之下，" 谁能交工时 " 正取代 " 下线多少台 "，成为具身智能新一轮淘汰赛的筛选门槛。面对这一产业趋势，在 2026 智元创新日上，智元给出的答案是：以 " 三智一体 " 全栈技术为底座，以 "Worken（有效智能工时）" 为新度量衡，把机器人从 Demo（演示版）样机推向真实产线。

正如彭志辉所言："Token（词元）衡量机器思考了多少，Worken 衡量机器行动了多少。" 对于智元而言，下线 2 万台 AI 机器人证明的是制造能力，能否让这 2 万台在真实工位上持续产出，才是物理 AI 真正的考题。

参数不再 " 吃香 " 机器人开始卷 " 工时表 "

今年以来，" 部署态 " 替代 " 开发态 " 成为具身智能行业频频被提及的关键词，产业的判断标尺也从 " 下线了多少台 " 转向 " 有多少机器人真正进入工厂、仓库和商店，持续完成任务 "。当越来越多的玩家涌入具身智能赛道，激烈竞争之下，" 谁能交工时 " 正成为新一轮淘汰赛的筛选门槛。

深耕具身智能产业一线多年的彭志辉观察到，一个产业进入到新阶段后，一个很自然的变化是：过去大家都在看所谓的参数表，但现在尤其是越往后一个阶段，大家更多看到的是 " 工时表 "。

那么，机器人的 " 工时 " 究竟该如何量化？彭志辉和智元给出的答案是：Worken。他进一步解释道，其计算公式为 Worken= 活跃机器人数量 × 自主工作时长 × 产出效能比，用来度量具身智能部署态在真实环境中的贡献价值。

彭志辉在活动现场发布 "Worken"   图片来源：每经记者   温梦华   摄

对于未来机器人服务是否会按 Worken 工时计费，彭志辉告诉每经记者，不同智能水平的机器人干不同任务，Worken 的费率也不同。" 收费方式并非‘非此即彼’的关系：可以既卖机器人本体，也可以卖服务，就像软件行业有 PaaS（平台即服务）、SaaS（软件即服务），不同的客户需要不同的交付方式。"

在彭志辉看来，本体是人形机器人的下限，模型和智能能力才是上限，不同的客户可能需要不同的交互方式。" 我们关注的是如何简单地把技术和能力做到足够可以复用，交付给客户，这是我们长期的竞争力。"

上岗才是物理 AI 的胜利，不能靠 " 训出来 " 要靠 " 干出来 "

" 万台人形机器人下线只是制造业的胜利，万台人形机器人能够上岗才是物理 AI 的胜利。" 彭志辉在接受采访时向每经记者直言。

在彭志辉看来，当前整体物理 AI 发展仍处于早期阶段，智元已经迈过第一阶段，现在正在推进第二阶段垂直细分场景的部署。未来，当人形机器人实现单机跨场景泛化的第三阶段，才可能迎来 "ChatGPT 时刻 " 这一关键节点。

这意味着，对于智元而言，能否让这 2 万台 AI 机器人在真实工位上持续产出，才是物理 AI 真正的考题。要回答这道考题，智元给出的方法论是 " 全栈 "，这个词在发布会和采访中被反复强调。

每经记者在发布会现场注意到，智元在硬件、模型、生态上均有 " 新动作 "。在硬件侧，智元发布第三代硬件架构 AHA3，首次将运动、作业、交互三种智能融合到同一套控制系统。在模型侧，智元推出 AGILE 框架及业界首个运动智能自进化智能体；同时发布第三代基座模型 GO-3 Preview，相关指标全球霸榜并计划年内开源。在交互智能上，则发布行业首个具身全模态端到端交互大模型 WITA-OMNI，支持 100 多种语言和 29 种方言。生态侧，灵渠 OS 1.0 正式发布并宣布年底全面开源，同时智元携手开放原子开源基金会共建中国人形机器人开源社区等。

在采访中，智元联合创始人、联席总裁、具身业务体系总裁姚卯青对智元的 " 全栈 " 布局进一步作出解释：" 全栈是我们在很多实践过程中发现的非常耦合的效应。"

据姚卯青观察，在很多行业应用中，第一关是稳定的本体，这其实已经拦住了绝大多数具身公司；第二关是数据，第三关是模型，但模型之外还涉及系统性的集成、联调、工艺、现场布局改造等，" 这些环节属于‘木桶效应’，缺一个很可能整个完整闭环落地无法快速推进下去 "。

机器人现场互动表演搭积木   图片来源：每经记者   温梦华   摄

这套逻辑在部署端得到了验证。在复盘长隆乐园项目时，智元合伙人、高级副总裁、通用业务部总裁王闯深有体会：300 多台机器人分布在 100 多个点位，环境不同、任务不同，最开始几乎就是机器人跟工程师的配比为 1:1。

" 现在已经从 1:1 降到了 3:1，我们的目标是年底做到 10:1，明年做到 20:1。" 在接受采访时，王闯算了一笔账："20:1 就是 5%，相当于我这个岗位只需要再新增 5% 的人力预算就可以了，5% 对很多客户来说是一个可以接受的点了。"

在姚卯青看来，物理 AI 的智能涌现，不会只由更大的模型带来，而要依靠数据、模型、本体和场景形成完整的学习闭环。" 具身模型不能光靠‘训’出来，更要靠‘干’出来。产业下一阶段，不是继续堆叠孤立能力，而是让每一次真实作业都能产生数据、沉淀经验并反哺系统。"

大模型会打穿具身智能吗？" 可规模化的优质本体将更重要 "

2026 年，迈入 " 部署态 " 的具身智能赛道正走到一个新的十字路口。

今年上半年，一级市场完成超 300 起融资，融资额近千亿元，远超去年同期；但进入下半年，投资热度却骤然遇冷。另一方面，信通院相关报告显示，相当比例的人形机器人月均开机天数不足 10 天，文娱商演和科教数采占据出货结构的六成以上，智能制造仅占 13%。

与此同时，随着具身智能在模型领域的布局，以及通用大模型的 " 不断刷新 "，" 通用大模型会不会对具身模型形成降维打击 " 也成为市场关注的热点。

" 通用大模型做了很多在仿真 Benchmark（基准）上的测试，确实具备了 Encounter learning（通过接触来学习）以后在闭环任务上的闭环能力，但也有非常大的局限。" 姚卯青坦言。但他同时也注意到，大模型平均推理非常慢，人做 30 秒、1 分钟的事情，通过大模型一点点试可能要一两个小时才能有一定概率完成，而且会消耗大量 Token。

姚卯青给出判断：未来，大模型还是会随着能力的提升更多在 System2（系统 2）上帮系统提高长程和规划上限，但任何 Agentic（智能体）系统也都是分层的。VLA（视觉—语言—动作模型）再往下也有控制层，要做 100Hz~1000Hz（赫兹）实时电机控制，所有这些和本体、任务都是非常耦合的，也需要真正的机器人公司不断提升这些层的上限。同时，通用模型不管在数字世界还是物理世界要做到专家级水平都需要大量高质量后训练去完成，最后才达到非常高的 Coding（编程能力）效果。

彭志辉则认为，无论通用模型最终是否通用，可规模化的优质本体会变得越来越重要。" 智元从第一天起就没有在本体还是模型里二选一，我们选了一条更难的路，我们最大的竞争优势还是全栈的‘三智一体’的机器人架构。"

此外，今年具身智能数据价格的走势也折射出行业的变化。据姚卯青观察，数据不是单一价格的问题，" 我们现在发现数据品类在变得越来越丰富、越来越多元化 "。但同时，确实有一些非常同质化、没有太多附加值的数据，比如单目、室内场景的裸手数据，尤其是家居叠衣服这些数据太容易获取了，也很泛滥，肯定价格会下行。而对于细分真实场景的双目、触觉、手套、腕部相机数据的需求非常强劲，价格还是比较坚挺的。

此外，在谈及当下资本市场对具身智能赛道的变化时，姚卯青也并不回避：" 资本市场跟产业也不是完全映射关系，也有情绪存在。但我们的投资人、股东大部分还是非常坚定地相信具身智能必须做，也肯定会做好。"

在姚卯青看来，每个行业，尤其是大热的科技型赛道，普遍客观规律是都会出现资本和人才的大量涌入、同质化发展的情况。到某一个阶段后，真实落地过程中发现的问题，需要相应的技术储备、资金储备等，行业再收敛的情况也都会发生。" 未来，全行业至少在中国能看到 1 万台机器人在工厂里稳定长时间作业，才是行业重要的里程碑拐点。"

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。