从“万台下线”到“万台上岗”：彭志辉谈具身智能的“Y时刻” - 速途网

速途网11月1日消息（报道：王佩）上海世博中心4楼431会议厅，智元联合创始人、总裁兼CTO彭志辉在智元创新日AI DAY媒体采访中，围绕Worken度量衡、物理AI发展阶段、部署态落地、商业交付与算力投入等话题，回应了外界关切。整场采访中，他反复回到一个朴素的问题：机器人开机8小时，究竟能不能创造8小时的价值？
Worken：从“参数表”转向“工时表”
Worken由“Work”与“Token”组合而来，中文名定为“智元”，与公司名称形成呼应。彭志辉解释，提出这一概念背后是产业阶段的切换：“过去大家看参数表，看机器人性能有多强、Demo有多炫；下一个阶段大家会看工时表。一台机器人开机8小时，不等于创造了8小时有效劳动；一次任务成功率高，也不等于能像人一样稳定工作一个月。”Worken想衡量的是真实环境中可持续、可计量的智能劳动产出，把机器人能力、可靠性与客户实际收益连接起来。
至于未来如何收费，彭志辉没有给出单一答案。卖本体、卖服务、卖平台、卖软件，在智元看来并非互斥选项。“本体是下限，模型和智能能力是上限。”不同客户需要不同交付方式：有的适合采购设备并配套技术运维，有的只想要稳定结果，有的希望共同运营。智元的核心仍是把技术和能力做得可复用、可调用、可长期交付。
谈及机器人泛化与稳定性难题，彭志辉把答案指向智元的“三智一体”全栈架构。在他看来，部署态中的差距无法拆成单纯的本体、算法或数据问题，“拆不开，必须耦合在一起，不能做单选题，只能全都要”。他反复提到一张不同于炫酷视频的“成绩单”：是否形成可复用的技术底座，能否在真实环境持续运行，能否让客户少花集成和维护成本。“万台下线只是制造业的胜利，万台上岗才是物理AI的胜利。”这句话，几乎可以作为整场采访的注脚。
部署态：没有“单选题”，家庭是终点不是起点
在物理AI五阶段中，彭志辉判断，第一阶段“拥有可用的身体”已经迈过。智元具备全球领先的量产能力，并已在可商用、甚至工业化严格场景中持续交付本体。第二阶段是在垂域场景实现智能化，智元已在龙旗等3C制造工厂推进24小时×7天全流程质检工位替代。第二到第三阶段正在跨越，第三阶段可能出现具身智能的“ChatGPT时刻”。
但他并不主张先假设机器人会替代哪些岗位，而应从客户真实需求出发：传统自动化擅长固定流程、严格节拍和成熟任务；人类擅长复杂判断与灵活协作；通用AI机器人则适合需要一定泛化性、节拍要求不那么高的场景，例如换SKU后仍能快速适应新工件的质检工作。未来也不是“非此即彼”，机器人可以与人协作，也可以控制传统自动化设备。
短期门槛仍存。彭志辉把跨场景泛化的挑战拆成四个层面：实时性、可靠性、物理常识和任务闭环。云端大模型推理一个简单任务可能需要十几分钟甚至半小时，而机器人操作必须实时，需通过分层系统、模型蒸馏、缓存设计等方式解决；通用模型越泛化越容易产生“幻觉”，语言模型说错话可以纠正，机器人做错动作却可能停机造成损失；基础模型从数字数据学习，缺少对力、重力、摩擦力的真实感知；语言模型只输出结果，不负责验证物理影响，而物理环境执行必须做到闭环。
至于最先普及的场景，彭志辉给出明确排序：家庭“不是起点，应该是终点”。家庭场景对安全性、跨任务泛化和长程任务要求极高。洗衣服不只是把衣服丢进洗衣机，还要收进篮筐、放入洗衣机、取出、晾晒、折叠；千家万户需求不同，C端市场还要考虑成本与定价。相比之下，工业和商业场景已有垂域部署态落地。智元的策略是持续做强模型、平台系统化能力、本体硬件迭代和综合解决方案竞争力。
规模上岗的关键，在彭志辉看来不是制造能力。“不是我们愿不愿意铺，是客户愿不愿意买单。”智元有能力一年制造几万台，但客户是否愿意长期使用、长期维护，才是规模上岗的关键。他把客户从“能不能造”转向“养不养得起”视为行业成熟的标志：关注设备健康管理、软件版本迭代、备件、远程诊断、现场服务和持续任务优化。规模形成后，机器人上岗的运维效率和管理系统，可能比单次模型推理更影响客户体验。Worken之外，工具链和平台化能力同样重要——产出可计量、异常可追踪、异常可调度、经验可复用，运营成本才能随规模上升而下降，ROI才可能达到平衡点。“要不然每卖一台机器还要给机器人配一个保姆，永远不会到那一天。”
面对大模型公司向物理世界延伸的趋势，彭志辉认为，通用基础模型具身能力增强是必然趋势，它们使用大量3D和具身数据，具备空间智能，能完成简单操作。“所有通用基模一定会往具身领域渗透。”智元的策略是反向渗透：具身模型越做越大，GO-3已是行业参数量最大的具身模型之一；同时开放借助前沿模型加速研发，例如机器人自进化系统背后就类似GPT-6 Astra的底座技术。
但他强调，自研决策模型不是可选项，而是必选项。若通用基模最终覆盖具身能力，竞争点会变成谁能更好把模型能力应用到物理场景，本体是媒介；若通用基模无法真正泛化，垂域模型训练数据仍依赖本体。智元不想做单纯硬件本体供应商，也不愿成为类似传统自动驾驶公司那样最终被主机厂取代的角色。“全栈是必答题。”
算力方面，彭志辉表示，不同场景Token消耗差异极大：工厂干活消耗少，长隆互动场景持续消耗。智元今年预计达到近万卡规模训练集群，算力投入在具身行业处于前列。他并不担心Token成为部署态瓶颈，“如果成为瓶颈说明是好事，说明大家愿意用你的产品消耗Token，商业模式成立了”。智元会通过端云协同、端侧小模型、模型蒸馏等方式优化成本结构。自然流畅对话和长期记忆式交互也有了时间表：WITA-OMNI今年正式上线时将具备该能力，现场体验还是pre-ViLLA版本，年底左右更新到真实效果。记忆式、主动式交互不只依赖模型，更依赖Agent OS和智能体框架设计；知识库、记忆、音色、喜好和性格可在灵心平台自定义。
采访最后，彭志辉用一句话概括今年：“进入Y时刻”——从X时刻跃迁到Y时刻，真正从开发态进入部署态。最大提升不是单点硬件或模型，而是“三智一体”融合后的综合解决方案价值。“光本体好，没有智能就是遥控玩具；模型强但没有可靠本体落地，也做不到真实场景。只有可靠本体和各智能领域同时突破，才有今天的跃迁。”他透露，智元研发团队中30%从事本体硬件相关研发，70%从事智能相关研发。这个比例，或许也解释了这家公司为何在“万台下线”之后，更在意“万台上岗”。
Copyright © 2024 速途网 版权所有 京ICP证110302号京ICP备05049258号-1 京公网安备11010802042906号
违法和不良信息举报电话：010-68462438 举报邮箱：jubao1@sootoo.com 举报网上有害信息：违法和不良信息举报中心