Zhiyuan's Peng Zhihui: 10,000 Humanoid Robots Rolling Off the Line Is Only a Manufacturing Victory; 10,000 Robots Truly "On the Job" Is the Victory of Physical AI

随着具身智能逐步在各种真实场景落地，企业的算账逻辑正在发生变化，从过去评估“机器人能不能造出来”，变成了思考“我到底能不能养得起机器人”。

“在行业发展早期大家比拼机器人纸面参数、炫酷Demo，进入新阶段后更要看真实工时价值。”在10月29日举行的2026智元创新日上，智元联合创始人、总裁兼CTO彭志辉在接受证券时报记者等媒体采访时表示，机器人开机时长不等于有效产出，单次任务成功率不等于长期稳定工作。本次智元发布的全新度量单位Worken（有效智能工时），核心就是衡量机器人能否自主、持续地完成有价值的工作，实际产出多少成果。

彭志辉指出，希望未来对机器人的服务按Worken工时计费，但不同智能水平的机器人干不同任务，Worken的费率也不同。他表示，收费方式并非“非此即彼”的关系：“可以既卖机器人本体，也可以卖服务，就像软件行业有PaaS（平台即服务）、有SaaS（软件即服务），不同的客户需要不同的交付方式。”

在采访中，彭志辉将物理AI的发展划分为五个阶段：拥有可用的身体、在垂域场景进入部署态、形成足够泛化的具身基座模型、群体共同进化，最终实现智能系统自我迭代升级。他认为，智元已经跨过了第一阶段，量产本体已在工业等严格场景中实现持续交付。目前正处于向第二阶段（垂域智能化落地）迈进的过程中，例如在龙旗3C工厂，机器人正进行7×24小时的质检工位替代。

在彭志辉看来，当人形机器人实现单机跨场景泛化的第三阶段，才可能迎来“ChatGPT时刻”的关键节点。

然而要真正走向第三阶段的“形成足够泛化的具身基座模型”，物理AI面前仍横亘着四大痛点。彭志辉指出，一是实时性，万亿参数的云端大模型推理耗时久，难以匹配机器人物理操作的高要求；二是可靠性，大模型的“幻觉”在文字领域无伤大雅，但在物理环境中会导致生产停机和实物损失；三是物理常识缺失，数字模型缺乏重力、摩擦力等真实感知；四是物理闭环，语言模型只输出结果，而机器人必须验证动作带来的实际影响。以上痛点亟待行业解决。

物理AI是近年行业关注的热点，也是一场算力与数据的消耗战。彭志辉透露，智元今年的训练集群算力规模已达将近万卡，在行业内体量巨大。“如果Token消耗成为部署态的瓶颈，反而是好事，说明商业模式跑通了。”他坦言，不同场景消耗差异巨大，长隆具身智能主题乐园等高频互动场景消耗高，而工厂作业极低。智元正通过端云协同和模型蒸馏来优化成本，让大部分交互在端侧小模型闭环。

对于物理AI最终的大规模普及，彭志辉认为家庭是终点，而不是起点。由于家庭场景对安全性、跨任务泛化及C端成本要求极高，工业与商业服务将率先实现部署态落地。物理AI的终极考验永远在真实场景，彭志辉强调：“万台（人形机器人）下线只是制造业的胜利，万台人形机器人能够‘上岗’才是物理AI的胜利。”