众力资讯网

Worken:智元给机器人“干了多少活”定了一把新尺子

Worken=活跃台数×自主工时×产出效能比,行业竞争重心从“数台数”转向“数干活”。

10月29日,在智元机器人2026创新日上,智元联合创始人、总裁兼首席技术官彭志辉正式提出机器人能效单位“Worken”,推动机器人“干活能力”走向可量化、可定价。

人形机器人跨过量产门槛后,行业比拼重心已然转移:不再单纯比拼“谁造得多”,而是聚焦“谁干得多、干得值”。

PART 01

万台下线≠万台上岗:产能证明不了真实生产力

彭志辉在主论坛抛出核心判断:“机器人生产台数,不等于真实世界新增的生产力。”他进一步阐释:万台下线只是制造业的胜利,万台能够上岗,才是物理AI真正的胜利。

过去两年,市场评判机器人企业,核心指标是出货量、自由度、算力参数。Counterpoint Research数据显示,智元上半年交付9700台,市场份额43.1%,位居全球第一;宇树交付超7000台,份额约31%。两家合计占据全球人形机器人74.1%的市场份额。今年9月,智元完成第2万台通用机器人下线,量产能力处于全球前列,头部企业正集体推动行业迈入万台交付时代。

但交付台数只能证明制造产能,无法衡量机器人在真实场景里创造的实际价值。

彭志辉将产业发展拆解为三条曲线:X曲线代表样机走向量产,Y曲线代表落地真实场景、产生可持续商业价值,Z曲线代表全面普及。基于这一判断,智元将2026年定义为Y曲线(部署态)元年。

评价标准随之发生明显迁移:过去行业比拼动作演示、炫技视频;如今客户更关注机器人能否稳定连续作业、作业质量是否达标、综合投入成本是否合理。

彭志辉同时把场景落地拆解为五次连续跃迁:打造可用硬件本体→深入垂直场景部署→沉淀可泛化基座模型→实现机器人群体协同进化→具备自我迭代提升能力。这套跃迁路径,正是把出货量转化为真实生产力、实现“万台机器人真正上岗”的必经之路。

PART 02

为什么还要给机器人另立一把“绩效尺”

彭志辉提出:每一次技术革命都会诞生专属度量单位——蒸汽机时代是马力,电力时代是千瓦时,数字AI时代是词元(Token),具身智能同样需要专属单位。他将其命名为Worken,由“Work”与“Token”组合而来,并作出清晰区分:Token衡量机器思考了多少,Worken衡量机器行动了多少。

行业迫切需要这套标准,根源在于现有商业化计费模式存在天然短板。当前机器人商业化主要分为三类:买断本体+后续服务、按时长租赁、按交付结果打包收费。

擎天租首席执行官李一言曾公开分析其中矛盾:按工时收费,复杂任务短时间完成,运营方吃亏;按结果收费,简单重复劳动耗时久,使用方难以接受。行业缺少统一交付度量标准,已成为商业化落地的突出短板。

与此同时,商务部等9部门印发指导意见,推动具身智能落地酒店、零售、物流等碎片化商贸场景。场景越丰富,计费口径越混乱,“干了多少活”急需一套跨场景可比的统一标尺。万台级交付已经验证制造能力,计价体系标准化成为下一阶段核心课题。

从“数台数”到“数千活”,这一步迟早要迈,只是万台级交付把时间点推到了眼前。

智元已积累大量真实落地案例,持续打通“下线”到“上岗”的落地路径。长隆飞船乐园自9月24日开园部署超300台机器人,至10月常态化运行近500台,覆盖100多个岗位,年底目标部署1000台。

龙旗3C产线精灵G2自今年3月并线,连续作业超7个月,6天直播累计作业64824次,成功率99.99%,单件节拍22秒,达到人类同等作业水平。

广州地铁自全运会试点后持续扩容,目前部署精灵G2超120台,承担安检、咨询、巡逻任务。这些跨季度、跨场景、嵌入真实工作流的运营案例,一点点填平了“万台下线”与“万台上岗”之间的鸿沟。

PART 03

Worken到底是如何计算出来的?

Worken计算公式并不复杂:活跃机器人数量×自主工作时长×产出效能比。三个变量定义清晰。

活跃机器人数量,指统计期内在线、能执行任务且达到作业标准的机器人数;自主工作时长,指无需人工接管、连续自主作业的有效时长;产出效能比,以“标准工人按标准方法在单位时间完成的合格产出”为基准,衡量机器人与人工的效率比值。

彭志辉重点解读后两项乘数:自主工时决定机器人是被动工具还是自主智能体,如果机器人每工作10分钟就失误、需要人工接管,能够创造的自主工时十分有限。

产出效能比衡量价值密度,反映一台机器人能否创造等同于人工的价值,还是多台机器才能等效替代一名工人。智元合伙人、执行董事、高级副总裁、通用业务部总裁王闯补充观点:同等作业时长下,有没有创造等效价值,正是Worken想要量化的核心。

目前已有落地测算案例。龙旗工厂产线上下料场景,8台机器人累计工作528小时,单机效率约为人工的70%,产出效能比0.7,Worken总量2956.8。

广州地铁安检引导场景,120台机器人工作240小时,产出效能比约0.5,Worken总量1.44万。同一套单位,让工厂搬运与地铁引导这两类差异场景具备可比口径。

王闯也客观指出,酒店前台接待这类复合任务,包含迎宾、行李搬运、业务引导,效能比难以统一界定,现阶段Worken更适合作为补充指标,与工时收费、结果收费模式搭配使用。

擎天租早在9月初就已试点按Worken计费,路径已有实践,但行业统一标准尚未成型。真正的难点不在公式本身,而在于如何在千百种细分场景里清晰界定“产出效能比”。

中国信通院上海工创中心首席专家郑忠斌同样表达了相近观点:具身智能作为生产力工具,价值评估不能只看硬件成本或单项投资回报率,更应关注全生命周期内,单位综合成本创造的有效智能工时。

值得关注的是,创新日现场,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》正式发布,智元Worken及相关部署态实践案例入选其中。

公式好列,真正的难点,是把“产出效能比”在千百种场景里说清楚。

PART 04

CEL:把“人教”换成“同伴教”,破解规模化训练瓶颈

Worken解决了“干了多少活如何计价”的问题,但万台级规模化部署还面临另一重约束:机器人可以大批量铺开,精通调试、示范教学的工程师却无法同步扩容。传统训练高度依赖人工示范、人工纠错,规模扩大后,人力供给成为瓶颈。CEL(群体经验学习,Collective Experience Learning)正是为破解这道“人不够用”的难题而生。

智元内部早已依托百台级真机集群验证群体式强化学习。姚卯青在群访中披露后训练Scaling实验:100台物理真机组网训练,一套策略的任务成功率可由50%左右提升至98%,故障造成的学习时间损耗仅占1.3%。集群内“一台机器人踩过的坑,全网络共享经验”的机制,正是CEL通用化的核心基础。

10月30日,清华大学联合无问芯穹、智元提出群体经验学习(Collective Experience Learning,CEL)新范式,并在96台真实机器人组成的集群里完成验证。

其核心变革在于学习对象的转移:单台机器人积累的经验沉淀至群体共用经验池,其他机器人遇到相似场景即可检索、复用,无需等待人类工程师现场教学。本次验证硬件为智元双臂机器人AgiBot G2,基础模型采用π0,连续任务步骤由群体经验统一优化。

验证覆盖插花、叠衣服、手机充电、凳子组装、手机包装五项任务,兼顾家庭服务与工业场景。两台未经专项训练的机器人完成600次测试,仅失败15次,总体成功率97.5%,五项任务表现全部超越6名人类操作员平均水平。

手机包装这项连续工序,成功率从79.2%提升至98.3%。更显著的规模效应:参与训练的机器人从16台增加到96台,成功率由86.7%提升至98.3%——机器人规模越大,经验池越丰富,群体整体能力越强。

这套效果依托两层设计实现。系统层基于开源框架RLinf搭建容错异步训练系统FATS,单台设备完成任务即可上传经验,无需等待集群内其他机器,网络波动、设备掉线等异常均纳入容错机制;96台规模测试中,集群累计采集9834轮经验,22台设备出现30次故障,机时损失仅1.3%。算法层提出失败引导的经验检索微调FERT,既从成功操作学习“该怎么做”,也从失败案例定位“哪里容易出错”。

长隆项目的数据飞轮提供了现实佐证:乐园9月开园,国庆首周完成首次系统升级,至今保持每周小版本、每月大版本迭代。机器人持续使用、经验不断回流,正是CEL希望在整个行业推广的进化路径。

从“数台数”转向“数千活”,背后那笔最大的账是:依托CEL,能力生产的成本随机器人规模扩张持续下降,不再被人力供给卡住。

PART 05

便利店24小时直播:为什么比发布会更能说明问题

发布只是起点。按照智元创新日披露的AI WAVE收官安排,11月2日至3日,6台精灵G2将进驻一家真实便利店,连续24小时公开直播,依次经历早餐备餐、午高峰、晚高峰、深夜值守四个班次,完成一场实景“转正考核”。官方信息显示,直播全程不预设脚本,客流波动、商品移位、随机顾客交互全部作为真实变量纳入作业流程。

选择便利店作为考核场景,正是为了打破过往发布会“剧本化演示”的诟病:固定机位、预设物品、环境可控、任务简单、演示时长极短,发布即终点。而便利店是低成本、高干扰的典型商用微环境,任务繁杂、人流波动大、作业连续、容错压力真实。

直播将干预、卡顿、失败全部摊开在台面上,评价标准从“能否完成一次示范动作”,升级为“能否在动态扰动下持续轮班作业”。这场考核既是智元“部署态”理念的公开大考,也是Worken衡量持续干活能力、CEL训练成果的一次综合实景检验,与长隆、龙旗已经跑通的真实运营逻辑一脉相承。

本次考核重点验证适配零售场景的AI WAVE七项成果:150小时决策数据、Genie Studio 2.0快速部署、Genie Sim仿真迁移、GO-3基座模型、Genie Master持续学习,以及CEL集群经验,能否在便利店连续班次中稳定落地。

PART 06

便利店24小时直播:为什么比发布会更能说明问题

行业迈过量产关口后,真正的分水岭,是能否把“干了多少活”变成可核对、可比较、可定价的数据。Worken将产出效能摆上台前,CEL推动能力生产成本随规模下降,便利店24小时直播把验收标准从发布会Demo挪到真实轮班——三者合力,推动计价单位从“台”转向“干活”。商业逻辑由此换页:机器人的商业价值,从“拥有设备”转向“使用效能”。

落到客户实际账本,最核心的指标是人机比。王闯以长隆项目为例:首批300多台机器人进场时,机器人与工程师比例接近1:1,数百名工程师驻场保障;随后逐步降至3:1,目前已达到10:1。目标年底实现20:1,明年进一步迈向30:1。

“二十比一,意味着一名工程师可以保障二十台机器人,运维人力仅占机器人总数的5%。”王闯表示,随着部署规模提升,运维效率持续改善,单位运营成本持续下行,客户才会把机器人从“一次性试点”视作长期运营资产。

彭志辉总结:传统设备出厂即巅峰,长期运行只会持续折旧;AI机器人则不同,硬件会损耗,智能却可持续升值,依托模型迭代、技能拓展与群体学习,机器人能完成的任务边界会不断拓宽。

随着11月3日便利店考核收官、长隆年底冲刺1000台部署,叠加首批六项人形机器人国家标准将于2027年4月实施,行业评判标尺愈发清晰:整机台数只是入场券,持续作业效能,才是最终评分表。

(更多人形机器人赛道深度文章,请关注微信公众号“人形大讲堂”)

----------------END-------------------