2026年被业界视为具身智能的量产元年，各家厂商的下线数字不断刷新。但一个无法回避的现实是：据第三方统计，上半年全球人形机器人超过六成流向了实验室、科研机构、展会演示与文旅展示场景，真正进入工业产线的占比不足两成。
对于3C、半导体等精密制造业而言，工厂才是人形机器人最严苛的考场。传统工业机器人靠固定程序重复作业，新一代具身机器人则需依靠视觉与大模型自主感知环境。多少台机器能够真正"上岗干活"，正在取代"下线多少台"，成为衡量具身智能商业化成色的新标尺。
10月29日，智元联合创始人、总裁兼CTO稚晖君（彭志辉）在上海世博中心发布了一个全新的度量单位——"Worken"（智元），用于衡量机器人的有效智能工时。他告诉《中国企业家》："过去大家看参数表、看Demo有多炫酷，往后大家看的将更多是工时表。"
Counterpoint Research数据显示，2026年上半年智元出货9700台，份额超43%，位列全球第一；9月第20000台机器人下线，上半年收入接近20亿元，赴港上市也已启动。 但智元合伙人、高级副总裁王闯坦言："今年真实部署能有几千台，就很厉害了。"
万台下线是制造业的胜利，万台上岗才是物理AI的胜利。
一、从开发态到部署态：评价标准变了
稚晖君将机器人行业划分为X、Y、Z三条曲线，其中Y曲线代表机器人真正进入实际场景、把能力转化为可持续的商业价值。"2026年是整个产业Y曲线的元年，机器人从开发态进入部署态。"
最重要的变化不是机器人出现的场景变多了，而是客户评价它的标准变了。"很多客户开始问，机器人到底能稳定干多少活、做这些活需要花多少钱。" 智元研究院院长姚卯青透露，精灵G2机器人已在龙旗科技产线完成横向拓展，从平板电脑检测延伸至手机，概念验证已完成并进入并线阶段；3C电子行业已有超过3家企业与智元合作，部分已完成并线。
发布会上亮相的重载机器人G2 Max双臂负载能力达40公斤、峰值50公斤，已在龙旗找到搬运和拆垛的应用场景。要求更高的半导体封装测试也在部署中——机器人需全天候连续作业，防剐蹭、防翘料，成功率要求达到99.999%。
工厂之外，机器人正进入人流更密集的场景。珠海长隆9月24日开园，首批300多台智元机器人一次性上线，分布在100多个点位，承担下棋、猜拳、打乒乓球、多语言讲解等交互任务。广州地铁也部署了超120台精灵G2，执行安检引导、违规识别、安防巡逻等任务。
王闯表示，选择场景首先看技术上能否做到："工业上下料和讲解接待、导览导购，都是技术上'跳一跳'够得着的场景。" 服务业的部署态反而更快——如果机器人能带来流量、情绪价值和营收增长，客户不会像工厂那样严格要求节拍完全超越人工、成本完全算得过来。
二、把人撤出来：人机比从1:1爬升到20:1
机器人进场只是第一步，距离真正"自己干活"还有相当距离。
王闯算了一笔账：如果在每个落地场景都要投入大量算法专家驻场，人力就会成为瓶颈，规模复制无从谈起。"那就只是做成了一个个项目，而不是一个能规模化的生意。"
长隆最初就是这样：300多台机器人、100多个点位，几乎一台配一个工程师，成本比纯人工还高。但随着场景数据积累，人机比正在逐步爬升——从最初的1:1降至3:1，目标年底做到10:1，明年做到20:1。 王闯解释，10:1之后多数专家只需远程支持，现场新增点位可由运维人员直接复制模板；20:1意味着该岗位仅需新增5%的人力预算，对多数客户而言是可接受的临界点。
真实场景中的意外远超实验室设想。小朋友会抱机器人、推机器人，不按规则玩游戏。机器人交互时需实时360度观察，有人侵入安全区域要主动停止动作，碰到非预期外力要瞬间收力，每台机器人还需设置电子围栏，异常时后台告警、运营人员迅速介入。 电梯、门禁需联网，Wi-Fi要稳定，出了问题要在3分钟内恢复或热插拔。远征A3 Ultra已可自主充电，未来连充电环节也可无人化。
在龙旗产线，智元的研发团队早已撤出，基础软件运维移交给了龙旗自有团队。前期在严格工业环境中暴露的传感器、线束、电机问题已通过版本升级完整解决，目前只需轻量化运维。 稚晖君强调："客户什么时候愿意买单？是他开始认真思考'我到底能不能养得起你的产品'。设备健康需要长期管理，要持续迭代软件、做备件、远程诊断和任务优化。真正形成规模后，上岗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。"
他透露，智元研发团队30%的人在做本体硬件，70%在做智能。被问及为何坚持全栈自研，他的回答是："全栈不是选择题，是必选题。只做大模型或只做本体的，都会遇到瓶颈。" 姚卯青以自动驾驶为例补充：很多技术供应商最终被主机厂取代，机器人行业缺少任何一块都容易被垂直整合掉。智元这一年的核心工作，是将训练、测试准出、软件发版、OTA、数据闭环、问题回流整套工具链平台化，让部署新客户、新场景的人效持续提升。
三、数据、算力与价值密度：三笔难算的账
近期，人形机器人的场景数据闭环问题成为讨论焦点。工业与服务业的数据采集、处理逻辑截然不同。
长隆机器人上岗一个月，与游客完成超100万次交互。熊彦指出，那些未完成交互就离开的数据反而更有价值——团队会检查、标注这些数据，回流至平台作为下一轮训练素材。"一个机器人掌握了，所有机器人都掌握了。" 他曾在谷歌从事视频生成模型研究，认为大模型只是"博而不精的通才"，机器人所需的专家能力来源于后训练；他不相信业界会用5万亿参数的模型做具身部署，原因很直接：一是慢，电机控制需50Hz以上输出频率，大模型跑不了这么快；二是贵。
姚卯青介绍了一项实验：智元将100台物理机器人在实验室组网，与H100训练集群、4090边缘推理集群通过IB网络互联，机器人实时回传数据，服务器更新模型后再将数十GB权重下发至全部机器人。 单台宕机不影响整体，对训练进度的影响控制在1%左右。他强调，数据积累讲规模效应，同样一套训练，4台与100台的成功率是天壤之别。
工厂的账另算。许多工业用户的数据涉及工艺与商业机密，不允许出厂。对应办法是在客户厂墙内部署训练服务器和软件平台，在现场完成模型升级迭代。 好在工业场景多为单一重复作业，上下料这类岗位一小时的数据就足以放入预训练数据货架——预训练更看重多样性而非时长。
数据本身也在变成一门要算账的生意。姚卯青判断，高质量标准数据集未来两三年标价约为每100万小时2亿元。"养一个数据工厂不便宜，几千张卡一年就是几个亿投入。纯盲采只有10%—20%的轨迹有效，真正进场景布置采集任务，效率可达80%—90%。"
干活的能力在涨，干的活怎么算钱？智元试图用Worken回答。这个词由Work与Token组合而成：Token衡量机器思考多少，Worken衡量机器行动多少。 发布会上展示的实时看板记录了10月每台机器人的有效智能工时。但收费模式尚未明晰——稚晖君设想按Worken工时计费，不同智能水平、不同任务对应不同费率；王闯则提出套餐制，客户预订任务后按消耗的Worken扣减。
但这张工时表仍有未填完的格子。 王闯坦言，数量好数、时长好记，难的是劳动价值密度。他以酒店为例：一个完整岗位包含接待、拉行李、引导、送别等复杂事务，机器人十件事里可能只能做两件；但人类两班倒、三班倒站8小时极其疲惫，机器人可以一直干。价值密度如何量化，目前仍说不清楚。
硬件也有关卡未过。王闯透露，10个自由度以上带触觉的灵巧手OmniHand出货量虽居行业前列，但大部分客户仍不敢在真实场景中作业——算法成功率尚不及夹爪。 今年的突破在于全手触觉的长期可靠性提升，自由度正从10个向20个演进；下放到10个自由度的手有望达到与夹爪相当的可靠性，成本甚至可能更低。
算力是另一道关。稚晖君透露，智元今年训练集群将扩至近万卡规模，正与多家通用模型公司争夺算力资源。 他坦言，工厂作业不太消耗Token，但在长隆持续与游客互动消耗极大。至于Token是否会成为部署态瓶颈，他的态度是："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了。"
结语
有人让稚晖君用一句话概括智元今年的核心进展，他的回答是：进入Y时刻，从开发态迈入部署态。
这个"Y时刻"的本质，是具身智能的评价体系正在发生根本性迁移——从"能做什么"转向"能稳定做多久、花多少钱做"。Worken作为一个尚在完善中的度量单位，其意义不仅在于计费方式，更在于它试图为整个行业锚定一个新的价值坐标：机器人的商业价值，终将取决于它在真实世界中持续创造的有效劳动，而非展厅里令人惊叹的瞬间。
数采、算力、人力、价值密度，每一笔账都还没算清楚。但账本已经翻开，计时器已经按下。对智元和整个具身智能行业而言，2万台下线只是序章，真正的考试才刚刚开始。
关注抖音【靓哥聊创业】
抖音号｜54707203975
保存二维码打开抖音扫一扫
