大数跨境

2 万台机器人下线,智元开始按工时收钱

2 万台机器人下线,智元开始按工时收钱 伺服位
2026-10-30
0
导读:QUOTE出货量能堆进仓库,工时堆不进去。—— 机器人日报 10 月 29 日,上海,2026 智元创新日。

QUOTE

出货量能堆进仓库,工时堆不进去。

—— 机器人日报

10 月 29 日,上海,2026 智元创新日。彭志辉站在自家刚刷新的成绩单前面,先把它按了下去:「万台(人形机器人)下线只是制造业的胜利,万台机器人能够上岗才是物理AI的胜利。」一个 9 月才累计下线第 2 万台通用AI机器人的公司,主动说这个数字不算数,听起来反常。我的判断是,这不是谦虚,是换一把尺子量自己——而这把新尺子,恰好也能量出同行。

本文看点

01

一、口径从「出货」改成了「工时」

02

二、为什么是现在:Worken 想解决的是信任

03

三、代价:客户不买单,产能就是库存

01

SECTION

口径从「出货」改成了「工时」

先把已知的数字摆齐。2026 年上半年,智元整体收入接近 20 亿元,机器人交付量 9700 台;到 9 月,累计下线第 2 万台通用AI机器人。

按上半年的口径粗算,单台确认收入约 20.6 万元(20 亿 ÷ 9700 台)。这个换算有前提:收入里若含配件、服务或其他业务,单台均价会被高估;交付结构里若有低价机型,均价会被拉低。它只能当量级参考,不能当定价。

真正的新东西是一套计量框架。智元首次提出 Worken(有效智能工时),公式是:

Worken = 活跃机器人数量 × 自主工作时长 × 产出效能比

举个可验算的例子:1000 台机器人在跑,每台每天自主工作 8 小时,产出效能比 0.5,一天就是 4000 Worken。彭志辉的说法是,希望未来机器人的服务按 Worken 计费,不同智能水平的费率不同;而且不搞非此即彼——本体可以卖,服务也可以卖,像软件业的 PaaS 和 SaaS。

— GO-3 Preview 发布资料图(来源:IT之家)


02

WHY IT MATTERS

为什么是现在:Worken 想解决的是信任

彭志辉把物理AI拆成五次跃迁:拥有可用的身体、在垂域场景进入部署态、形成足够泛化的基座模型、从单机到群体共同进化、智能系统自我举升。他说智元已迈过第一阶段,正在推第二阶段——在垂直细分场景里做部署。

第三阶段才是他嘴里的「ChatGPT 时刻」:机器人摆脱定制开发,单机跨场景泛化。他没有给时间表。

卡点他讲得很具体:实时性、可靠性、物理常识、任务闭环。以 GPT-6 Astra 这类云端大参数模型为例,完成一个简单任务可能要十几分钟甚至半小时,机器人等不起;通用模型还会幻觉,而物理世界的容错率远低于数字世界。「语言模型说错一两句话改正就好了,没有什么实质性的影响,但人形机器人干活的时候做错一个动作会导致停机,产生巨大损失。」

我的判断是,Worken 的真实用途不是价目表,而是审计口径。出货台数可以被渠道压货、被 demo 修饰、被口径调整,工时不行——工时一旦可计量、可追踪、可调度,客户就能算出 ROI,投资人才敢按这个口径看财报。这也是他反复提「产出可计量、异常可追踪」的原因:计费只是结果,可审计才是目的。

投入结构印证了这一点。整个研发团队里,30% 做本体硬件,70% 做智能大脑。彭志辉的表述是「本体是人形机器人的下限,模型和智能能力才是上限」,还有一句更直白的:硬件会折旧,但智能最终会升值。


03

THE COST

代价:客户不买单,产能就是库存

这场采访里最实在的一句,是他把瓶颈明确指向客户侧:「不是我们愿不愿意铺,是这个市场的客户愿不愿意买单的问题。我们完全有能力一年制造几万台。」

这句话翻译过来是:产能已经不是护城河,订单才是。制造业的现金流曲线是「造出来就回款」,服务业的曲线是「用起来才回款」,两者对现金的要求完全相反。这意味着,智元想卖的不再是机器人本身,而是机器人的可用时间——一家刚把年产能做到几万台的公司,转身去卖按小时计费的服务,中间的账期和运维成本,会先落在自己身上。

另一头的代价在模型上。智元把全栈定义成必选题而非可选项,理由是避免核心竞争力过度依赖外部模型供应商。代价是研发费用不会随出货规模自然摊薄:当天发布的 GO-3 Preview 被彭志辉称为行业里参数量最大的具身模型,据 IT 之家报道,该模型将于 2026 年底全面开源。开源换生态,但模型本身也就不再是收入项——收入只能从本体和服务里挣。

— 精灵 G2 便利店作业演示画面(智元官方演示,IT之家发布)


04

SECTION

这说明什么

KPI 正在从「台数」变成「小时」。 过去一年人形机器人的竞争集中在硬件性能、出货数量和炫酷 demo 上,Worken 是把评价体系换成可累计的劳动量。如果同行跟进,明年行业财报里会多出一个科目,而不是多一个数字。

便利店比工厂更适合当试炼场。 据 IT 之家报道,搭载 Genie Master 框架的精灵 G2 在真实便利店上岗期间不依赖人工示范,自己定位失败原因、调整策略,完整任务流程成功率从首日 28.6% 提升到 5 天后的 85.7%。绝对提升 57.1 个百分点,摊到 5 天约每天 11.4 个百分点。这个斜率比 85.7% 本身更重要——真正值得盯的是它能不能在新场景里重现,而不是这一次冲到了多高。

本体价格战会先来。 如果本体是下限、智能是上限,那么本体迟早被压到接近成本价,利润向模型和运维迁移。智元自己 30/70 的研发结构,就是这个判断的下注。


∞

THE END

写在最后

反方证据也得摆出来。单机跨场景泛化的时间点,彭志辉明确没给期限;28.6% 到 85.7% 是单一场景、单一任务的官方数据,样本量和失败定义都未披露;三大评测榜单登顶的说法,出自联席总裁姚卯青之口,原话是「根据公司展示的评测结果」;Worken 目前仍是一个框架,没有第三方审计,也没有客户签约披露。

所以接下来要看两件事:一是 Q4 的财报里会不会真的出现按工时或服务计费的收入科目;二是 GO-3 Preview 年底开源之后,第三方能不能在自有机器人上复现便利店那条学习曲线。前者验证商业模式,后者验证技术可复制性。两件都成立,Worken 才不是一句漂亮的发布会语言。

*本文事实部分综合自澎湃新闻、IT之家报道,观点部分为作者判断。*


END

我是 机器人日报。

如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。

【声明】内容源于网络
0
0
伺服位
1234
内容 51
粉丝 0
伺服位 1234
总阅读0
粉丝0
内容51