研究员|邱慧
宇树科技交出2026年前三季度营收18.17亿元成绩单的第二天,智元披露,上半年,其营收已近20亿元。
此外,在10月29日的智元创新日活动期间,智元联合创始人、总裁兼CTO彭志辉透露,今年上半年,该公司通用AI机器人累计下线达2万台。
智元联合创始人、总裁兼CTO彭志辉
但他也提到,具身智能领域规模制造正在快速上涨,但机器人稳定上岗的能力依然是整个行业需要共同解决的难题,“我们必须清醒,生产了多少台机器人,并不等于真实世界中就多了多少生产力。”
在与第四波等机构的交流中,彭志辉坦言,万台下线只是制造业的胜利,万台能够上岗才是物理AI的胜利。
他认为,GPT-6 Astra等通用基础模型向具身领域渗透是大趋势,具身模型也会越来越大。他称,智元今年的训练集群将接近万卡规模。
智元联合创始人、联席总裁、具身业务体系总裁姚卯青也在交流中指出,公司算力整体采用轻资产的租赁形式,这一模式对企业现金流友好的同时,也具备较大的弹性扩容灵活性。
姚卯青指出,新发布的GO-3相关模型训练使用的算力规模,相当于数千张卡(如H100)量级。
他在谈及近期“具身智能行业降温”话题时指出,资本市场的表现跟产业不完全是映射关系,也会受情绪影响,“在智元最近资本市场的动作里也没有说很难获取相应的支持,还是很容易。”
他提到,每个行业尤其是大热科技型赛道存在的普遍客观规律是,资本和人才大量涌入,出现很多同质化,“发展到某个阶段后,基于真实落地发现的问题,需要相应的技术储备、资金储备,再去收敛。”
01
本体量产不等同于规模化的生产力
“目前智元已迈过第二次跃迁、进入第三次跃迁阶段”,这一阶段里的部署态,需要一整套系统的能力,包括任务理解、环境建模、长程规划、失败恢复、远程协助等系统能力的协同。也因此,在他看来,全栈的技术路径对于智元而言,是必选项。
上述活动现场,第四波注意到,智元此次集中展示了具身智能软硬件全栈的新进展,包括具身基座模型GO3 Preview、全模态交互模型WITA-OMNI,以及面向重载场景的G2 Max。
彭志辉指出,智元“已经跨过一年造数万台机器人的产能门槛”,现阶段的问题是,“客户愿不愿意买单”,以及“什么时候愿意买单”。
在他看来,机器人要进入真实场景干活,远不止完成POC、Demo那么简单,长期的设备维护、软件版本迭代、任务优化等都将是采购者长期使用该产品的综合考量指标。而在规模化部署后,机器人上岗的运维效率和管理系统,可能比单次的模型推理更影响客户体验。
彭志辉说,只有做到产出可计量,异常可追踪、可调度,经验可复用,机器人厂商的运营成本才能随着规模上升而持续下降,最终达到ROI的平衡点,“要不然每卖一台机器还要给它配一个‘保姆’,这是永远不会到那一天的。”
他提出用Worken(有效智能工时),从活跃机器人数量、自主工作时长和产出效能三个维度,来衡量机器人在物理世界的实际生产力。
彭志辉说,以前业内关注机器人的“参数表”以及Demo能力。但越往后,大家更该看“工时表”。一台机器人开机8小时,并不意味着它创造了8小时价值;一次任务成功率高,也不意味着它能像人一样连续、稳定地工作一个月。
他还指出,物理AI行业的发展,需要完成五次跃迁。拥有可用的身体;在垂直细分场景进入部署态;形成足够泛化的物理AI的基座模型;从单机到群体,让机器人能够共同去进化;智能系统会开始自我举升。
彭志辉指出,与其讨论机器人未来会代替哪些岗位,不如从场景客户的真实需求出发,让硬件决定下限,智能能力、模型决定上限。
姚卯青也在谈及模型时指出,具身智能核心的壁垒和价值就在于模型。模型涉及预训练、后训练、部署后持续学习再到场景落地,还需要跟应用场景做系统性的集成、联调、工艺、现场布局改造,引入辅助设备并与之通信。
他认为,这些环节属于“木桶效应”,“缺一个很可能整个完整闭环落地无法快速推进下去”。而数据本身也与本体天然耦合,不管是通过人类示教做预训练的数据,还是在部署后做的在线后训练数据采集,都来自本体侧,“所以更注重全栈耦合”。
02
通用大模型会吃掉具身公司吗?
除了部署、量产等话题外,通用大模型也是上述交流期间的关键词。
9月初,OpenAI的GPT-6 Astra发布后,一批研究员发现,通用大模型逐步展现出具身运控能力。随着这份能力的涌现,包括宇树科技创始人王兴兴在内的多位业内人士认为,通用大模型将会击穿“物理AI”。
智元联合创始人、联席总裁、具身业务体系总裁姚卯青
然而,在姚卯青看来,尽管在诸多测试中,通用大模型做了很多在仿真Benchmark上的测试,确实具备了Encounter learning以后在闭环任务上的闭环能力,但仍存在动作慢、token消耗大等较大的局限。
在他的判断里,未来,大模型会随着能力的提升更多在System2上帮系统提高长程和规划的上限,具身公司也需要持续围绕System2本身做投入。
彭志辉称,目前,智元内部研发团队里,30%从事本体硬件相关的研发,70%从事智能相关研发。他不认为算力会成为机器人规模化部署的最大障碍。不同场景的算力消耗差别大,“未来Token成为部署态的瓶颈,反而说明行业商业模式的成立。”
姚卯青提到,具身领域部署最核心的是看部署效率,包括模型本身的泛化能力;面向特定场景和环境的微调、集成、交付工具链,再到测试集成的流程化体系化建设和客户沟通协作、产线改造等综合能力。从量化指标来看,应该是看机器人厂商多少人/天能够部署类似的场景。
至于未来3—5年内,行业何时真正跨越规模化部署节点,姚卯青也没有更为清晰的定义,但他提到两个参考指标,一是部署效率;二是全国市场上,能看到1万台以上的机器人在工厂里稳定作业、长时间作业,“这将是整个行业里程碑式的拐点”。
他补充道,在到达这一拐点的过程中,“低质量做价格战”,或“客户的付费能力很差”等因素都将制约规模化,“如果大家都能在期间获得相对合理的利润,能健康发展,这标志着这个行业已经进入了可规模化的阶段。”
编辑|王晓
热门跟贴