界面新闻记者 |
界面新闻编辑 | 文姝琪
一年能造多少台机器人，已经有了明确的数字。但机器人卖出去之后，能够稳定工作多久、创造多少价值，仍是一笔没人算得清楚的账。
10月29日，2026智元创新日在上海召开。智元联合创始人、总裁兼CTO彭志辉公布了公司最新经营数据：2026年上半年，智元收入接近20亿元，机器人出货9700台。根据Counterpoint Research的统计，智元上半年全球人形机器人出货份额超过43%。
随着机器人下线数量增加，行业对商业化的关注也开始从制造端转向使用端。
IDC于9月发布的报告显示，2026年上半年全球人形机器人出货接近2.5万台，同比增长432.1%，其中科研教育、表演展示及政府数采中心等场景仍占69%。相比去年，这一比例有所下降，但大部分机器人仍未真正进入工业生产环节。
“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。”彭志辉在接受界面新闻等媒体采访时表示。在他看来，过去行业主要看机器人的参数和展示效果，如今客户更关心它能否持续工作、完成任务的效率，以及后续维护需要花多少钱。
这也是智元今年创新日的一个明显变化。相比单纯展示机器人又学会了哪些新动作，智元开始尝试用一套新的指标，计算机器人究竟干了多少活。
机器人价值如何衡量？
这个新指标被称为Worken，即有效智能工时，由Work和Token组合而来。彭志辉希望借此把机器人的实际产出，与单纯的设备数量和工作时长区分开来。
智元给出的计算公式为：Worken（有效智能工时）=活跃机器人数量x自主工作时长x产出效能比。简单来说，不仅要看有多少机器人真正投入运行、能自主工作多长时间，还要计算完成这些任务所创造的实际价值。
“一台机器人开机8小时，并不意味着它就创造了8小时的价值，它一次任务成功率很高，也不意味着它能够持续像人一样稳定地工作一个月。”彭志辉解释，过去大家更多关注参数表，往后则要看工时表。
不过，把不同机器人的工作量放在同一套指标中计算，并不容易。机器人在工厂完成一次上下料，与在酒店提供一次接待服务，工作内容、完成效率以及客户愿意支付的费用都不相同。
智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁王闯在接受界面新闻等媒体采访时坦言，Worken最后一个指标，也就是产出效能比，目前还比较模糊。
他举例称，酒店前台员工可能同时承担接待、引导、行李搬运和送客等多项工作，机器人现阶段无法全部胜任，但可以长时间持续值守。
“机器人现在还不能把酒店真正的人类角色100%的事情都做了，它可能是10件事情里能做两件。”王闯说。机器人与人工各有优势，如何折算这些工作所创造的价值，还需要在更多实际场景中摸索。
Worken能否成为通用的计费单位，目前也没有答案。彭志辉表示，未来既可以销售机器人硬件，也可以提供平台或服务，不同客户对交付方式的要求并不一样。王闯则提到，目前智元主要还是销售机器人及相关服务，也有按天或按活动收费的租赁模式，未来才可能根据Worken消耗和任务复杂度计费。
相比未来怎么收费，眼下客户首先要确定的是，机器人能不能稳定地把工作做完。
龙旗工厂是智元较早进入的3C制造场景，此前智元精灵G2曾在连续一周的产线任务中累计作业超过6万次，任务成功率超过99%。这一数据反映了特定工位的运行情况，但不同产品、工序之间能否快速复制，仍是规模化交付需要解决的问题。
智元联合创始人、联席总裁、具身业务体系总裁姚卯青在接受界面新闻等媒体采访中介绍，目前智元与龙旗的合作已经从最初单一品牌平板电脑的检测上下料，拓展至其他品牌平板以及手机上下料，部分新增工序已完成概念验证并进入正式并线阶段，搬运、拆码垛等任务也在推进。
除了增加作业工位，另一个变化是机器人对智元现场研发人员的依赖有所降低。
姚卯青透露，智元研发团队已经从龙旗现场撤出，基础软件运维工作移交给龙旗团队。此前在工业环境中暴露出的传感器、线束、电机等问题，也通过软硬件版本升级得到改善。
姚卯青表示，在3C电子领域，除龙旗外，目前另有超过3家企业与智元开展合作，其中部分已完成并线。从单一客户的多个工位向其他工厂复制，是智元正在推进的工作。
当天，智元公开展示了新发布的重载具身机器人精灵G2 Max，双臂额定负载40公斤，主要面向拆码垛、物料转运等任务。姚卯青解释，原有G2双臂负载为10公斤，难以满足部分搬运场景对30公斤甚至更高负载的要求，因此需要开发新的重载产品。
在谈到机器人新品迭代时，姚卯青还提及，目前部分厂商受市场竞争影响，推出概念机的速度很快，但智元已经过了早期依靠Demo机融资的阶段。
“我们并没有为了发产品而发产品。”他表示，G2已经推出超过一年，现有功能和性能能够满足目标场景的需求，因此没有必要像手机一样每年更新一代。对于工业客户而言，产品更新过快，也可能意味着设备生命周期缩短，增加后续使用的不确定性。
姚卯青强调，工厂虽然愿意尝试机器人等新技术，但对成功率、生产节拍和稳定性的要求，并不会因此降低。
抢算力之外，机器人企业还要过哪些关？
要让机器人从完成少数固定任务，走向能够适应更多工位和环境，模型能力还需要继续提升。这也意味着机器人企业必须持续投入算力和训练数据。
彭志辉在采访中透露，智元正在与传统通用大模型公司争夺算力资源，今年预计达到将近万卡规模的训练集群算力。“我们其实是在跟很多传统的通用模型公司在抢算力。”他说。
姚卯青进一步解释，智元的算力资源主要通过租赁获取，以控制资产投入，并保留扩容的灵活性。新一代具身基座模型GO-3的训练，使用了相当于数千张H100的算力。随着具身模型参数和训练数据规模扩大，算力已成为企业研发投入的重要组成部分。
这种投入的规模不小。姚卯青估算，目前采购百万小时具身训练数据的成本约为2亿元，而要用数千张加速卡训练能够消化这些数据的模型，算力投入可能达到数亿元。
智元当天发布的新一代具身基座模型GO-3 Preview采用自研WRAM架构，计划于今年年底开源。姚卯青介绍，目前相关训练数据集规模已经超过百万小时，既有自有采集的数据，也包括向觅蜂等企业采购的数据。智元还通过100台真机组网开展后训练，尝试提升模型在具体任务中的表现。
但训练数据也不是越多越好，随着采集规模扩大，不同类型数据的价格和需求开始分化。
姚卯青表示，室内叠衣服等容易批量采集的单目数据，同质化程度较高，价格持续承压，而真实场景中的双目、触觉和腕部相机数据仍然紧缺。
“有的今年上半年买了100万小时数据，最后只有10%、20%是能用的。”姚卯青提到，部分企业在采集前没有充分考虑模型训练的实际需求，最终导致大量数据难以使用。
相比单纯扩大数据规模，采集场景是否真实、动作是否完整、重建精度是否足够，都会影响这些数据的使用效果。
即使模型经过大量训练，也不意味着它能够直接控制机器人完成复杂操作。姚卯青举例称，在部分仿真测试中，人类30秒至1分钟完成的操作，通用大模型可能需要尝试一两个小时，才有一定概率完成。对于需要实时控制、触觉反馈的机器人操作，通用模型仍存在明显局限。
这也使得机器人企业不能只依赖通用大模型的能力提升。彭志辉认为，通用基础模型未来会继续向具身智能领域延伸，但无论是把通用模型应用到物理场景，还是针对特定任务训练模型，都需要可靠的机器人本体和相应的真实数据。
而当机器人真正投入使用，算力成本也不会就此结束。
彭志辉认为，不同场景的Token消耗差别很大，工厂中的固定作业不需要频繁交互，而文旅场景中的机器人可能需要持续与游客对话。在他看来，未来如果Token消耗真的成为瓶颈，某种程度上反而说明用户已经愿意持续使用产品，商业模式有了成立的基础。
但这并不意味着成本问题可以忽略。彭志辉表示，智元还需要通过端云协同、模型蒸馏等方式，尽量降低Token消耗费用，使更多交互任务能够在端侧完成。
相比技术投入本身，客户能否长期承担机器人的运营费用，可能更直接决定商业化速度。彭志辉坦言，智元具备一年制造数万台机器人的能力，但能否部署出去，最终还要看客户愿不愿意买单。设备维护、软件升级、备件供应、远程诊断和现场服务，都需要计入长期使用成本。
“真正形成规模之后，我们整体机器人上岗的运维效率和管理系统，可能要比单次的模型推理更影响客户体验。”彭志辉说。如果每卖一台机器人还要给它配一名专门维护人员，就很难随着部署规模扩大而持续降低成本。
这也是机器人行业开始面临的另一项考验。随着部分企业经营停摆、融资市场放缓，机器人公司未来依靠什么形成长期竞争力，成为业内关注的话题。
在接受界面新闻记者采访时，姚卯青表示，机器人行业正在经历的变化，并非这一赛道独有。热门科技行业往往会在资本和人才大量涌入后出现同质化发展，随后又因为实际落地中遇到的问题，对企业的技术和资金储备提出更高要求，行业逐步收敛。
在他看来，机器人企业最终能否长期发展，要看能不能把技术和产品转化为客户能够衡量的生产力，具体包括作业成功率、节拍、稳定运行周期和综合运营成本等指标。
彭志辉在采访中也谈到了这种变化。过去客户更关心机器人能不能造得出来，而现在，他们开始认真考虑另一个问题：“我到底能不能养得起你的产品？”
评论