大咖说｜稚晖君：物理AI的“ChatGPT时刻”，不在舞台上在工位上

从“参数表”到“工时表”，智元试图用Worken回答物理AI的商业化之问。

2026年10月29日下午在上海世博中心四楼431会议厅，智元联合创始人、总裁兼CTO彭志辉出现在媒体采访现场。

过去三年多，智元从早期借用现成系统、总线“东拼西凑”的硬件方案，走到第三代硬件架构AHA3；从行业追逐跑、跳、打拳等炫酷演示，走到讨论机器人能否在工厂里连续工作，能否被客户长期“养得起”。

在当天的智元创新日上，彭志辉提出了一个新概念：Worken。

Worken如何成为真正的产业度量衡，而不是又一个概念？未来智元到底按什么收费，按Worken、按交付结果，还是按工作时长？

“过去大家都在看所谓的参数表，就是机器人的性能参数有多强，做一些炫酷的Demo。越往后，下一个阶段大家看的更多的就不是参数表，而是工时表。”彭志辉认为，机器人开机八小时，并不意味着创造了八小时的价值；一次任务成功率很高，也不意味着它能像人一样，在真实环境里稳定工作一个月。

Worken要度量的，正是这种可持续的有效智能劳动。按照智元给出的公式，Worken等于活跃机器人数量、自主工作时长与产出效能比的乘积。它试图把机器人的能力、可靠性与客户最终获得的产出连接起来。

换言之，机器人行业的竞争焦点正在从“造出来”转向“用得住”，从“能演示”转向“能交付”。

“万台下线只是制造业的胜利”

彭志辉并不回避制造能力的重要性，他在采访中表示，智元“完全有能力一年制造几万台”，并表示公司的量产能力处于全球领先位置，不过“万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。”

这几乎概括了智元今年的战略转向。

在龙旗工厂，精灵G2已经进入平板量产质检工段，这是一个需要24小时×7天运行、并且能够在不同SKU之间快速切换的质检场景。它不像传统自动化那样只处理固定流程，也不像人类质检员那样容易在长时间重复劳动中疲惫。

在芯片封测企业，精灵G2开始完成芯片上下料；在工业母机场景，它用于完成CNC加工件上下料。在食品、日化快消和电商企业，重载机器人精灵G2 Max已经落地工业搬运。公共场景里，120台精灵G2部署在广州地铁，承担安检、咨询和巡逻任务。

更具显示度的是长隆。智元与长隆打造的具身智能主题乐园，从签约到开园只用一个月，300余台机器人完成部署；到创新日举行时，常态化部署规模已接近500台，年底计划达到1000台，覆盖100多个岗位。

但彭志辉并不认为，规模化部署的瓶颈在于公司愿不愿意“铺机器人”。

“不是我们愿不愿意铺，是这个市场，是客户愿不愿意买单的问题。”

在他看来，客户决策正在发生变化：从“愿意尝试你的产品，看你能不能造得出来”，变成“我到底能不能养得起你的产品”。

这个“养”字，指向的是机器人的完整生命周期：设备健康、软件版本、备件、远程诊断、现场服务，以及持续的任务优化。真正决定客户体验的，可能不是某一次模型推理有多聪明，而是一支机器人群体能否被低成本、可追踪、可复制地长期运营。

这也是Worken背后的商业逻辑。智元未来既可以销售硬件，也可以销售平台、软件和服务，还可以按交付结果与客户共创。彭志辉认为，更根本的问题是，技术和能力能否“足够可以复用、可以调用、可以长期交付”。

全栈不是选择题，而是必答题

具身智能越接近真实场景，问题越难被拆开。

部署不顺利，究竟是本体的问题、算法的问题、数据的问题，还是工程交付的问题？彭志辉说：“我们不能做单选题，我们只能全都要。”

这也是智元坚持“三智一体、软硬全栈”的原因。AHA3带来高速总线、高功率电驱、厘米级定位和多模通信升级；GO-3 Preview是新一代具身基座模型；WITA-OMNI打通了视觉、听觉、语言、表情和肢体动作的全模态协同；灵渠OS则希望在底层硬件与上层应用之间建立统一的操作系统。

这些发布看似分散，指向却是一致的，让机器人从单点能力，变成可以进入场景、持续运行并不断进化的系统。

“本体是下限，模型和智能能力是上限。”在彭志辉看来，如果只有本体，没有智能，机器人其实就是遥控玩具；如果模型很强，却没有可靠本体承接，能力也无法真正进入物理世界。

这种判断，也决定了他如何看待通用大模型公司的进入。随着GPT-6 Astra等模型展现出更强的三维空间理解能力，基础模型公司向具身智能领域延伸已是趋势。

彭志辉也表示，前沿模型的发展对智元也是“水涨船高”，他的判断分两层，如果通用基模未来真的覆盖具身能力，那么竞争焦点会变成谁能把模型更好地应用到物理场景；如果它仍无法实现真正的跨场景泛化，各垂域模型就仍需要来自真实本体的数据。

“无论哪种情况，本体能力强都是我们的优势。”

因此，智元不能只做本体供应商，也不能把“大脑”完全交给别人。全栈的技术路径“不是一个可选的选择题，是必选的选择题”。

真正的门槛，在物理世界

彭志辉把物理AI的发展分为五个阶段：拥有可用的身体，进入垂域部署，形成可泛化的具身基座模型，让机器人群体共同进化，最终让智能系统具备自我举升的能力。

在他看来，智元已经跨过“可用身体”的阶段，正在从垂域部署迈向具身基座模型。所谓物理AI的“ChatGPT时刻”，可能出现在第三阶段。

但通向这个时刻的路并不平坦。

首先是实时性。通用大模型可能在云端完成一次复杂推理，机器人却必须在物理世界中即时动作。其次是可靠性。语言模型说错一句话可以改正，机器人做错一个动作，带来的可能是停机和损失。再次是物理常识。只从数字数据中学习的模型，缺少对重力、摩擦力和真实接触的经验。最后，是任务闭环，模型不能只输出答案，还必须验证动作在物理世界中造成了什么结果。

这些门槛也决定了他对市场顺序的判断。

“家庭不是起点，应该是终点。”彭志辉说。

家庭场景看似最大，实则最难：安全要求高，跨任务泛化要求高，又是长程任务，还必须面对C端用户对价格的敏感。相比之下，工业和商业场景更可能率先形成规模。机器人也不必在人类和传统自动化之间二选一，它可以与人类配合，也可以和传统自动化配合，甚至由机器人去控制既有设备。

采访最后，彭志辉用一句话概括智元今年的核心进展：智元进入了“Y时刻”——从开发态跃迁到部署态。

所谓部署态，不是把机器人送上舞台，而是把它送进产线、车站、园区、酒店和商场；不是完成一次令人惊艳的演示，而是在漫长、琐碎、充满不确定性的日常运营中，持续创造价值。

Worken能否最终成为行业公认的度量衡，还需要时间验证。但至少，它把物理AI最重要的问题重新摆到了台前：机器人到底完成了多少有效工作，创造了多少真实价值。