在10月29日於上海世博中心舉行的第四屆創新日上，智元聯合創始人、總裁兼CTO彭志輝（稚暉君）正面回應了一個正在具身智慧行業發酵的問題：當GPT-6 Astra這類通用大模型已被證明可以直接控制機器人完成部分操作任務，具身公司自研的“大腦”還有沒有價值，本體會不會淪為代工硬體。他的判斷是恰恰相反——智慧最終要落到一具可靠的身體上才能幹活，而能低成本、高一致性、大規模造出這具身體的公司並不多。

支撐這一判斷的是智元給出的規模資料。2025年智元出貨5000多台，按Omdia資料佔全球40%；2026年上半年出貨9700台，Counterpoint統計份額超過43%。9月，第20000台機器人下線，上半年收入接近20億元。不過彭志輝在群訪中主動給這組數字降溫，稱萬台下線只是製造業的勝利，萬台能夠上崗才是物理AI的勝利。

彭志輝的推演分兩種情況。其一，如果通用基模真的覆蓋了具身能力，大家拿到同樣的智慧，比拼的就是誰能以更低成本、更高可靠性把它裝進真實世界，規模化本體廠商佔優。其二，如果基模做不到真正泛化，各垂域仍需訓練自己的模型，而訓練資料來自部署、部署依賴本體，本體廠商同樣佔優。兩條路徑指向同一結論：可規模化的優質本體會越來越重要。

智元合夥人姚卯青在主論壇引用輝達的報告稱，Astra在120項模擬任務裡平均成功率66.3%，能力集中在語義理解和動作規劃；但單次推理要18秒以上，涉及力觸反饋的高動態精細動作，智元測下來成功率基本為零。彭志輝補充，近萬億引數的Astra跑在雲端，完成一個簡單任務可能要十幾分鍾甚至半小時，而機器人的操作是即時的。姚卯青據此判斷，大模型更多承擔System2的長程規劃，VLA訓練出的技能是被呼叫的工具，再往下是100到1000Hz的即時電機控制，這幾層都與本體深度耦合。

本體的作用還體現在後訓練上。智元在實驗室把100台真機組網，與背後訓練叢集即時同步，機器人邊幹活邊回傳資料，模型權重再下發到每一台。同樣訓練時長下，4台與100台機器人對比，任務成功率從50%左右提升到98%。姚卯青稱後訓練同樣存在Scaling，規模指的就是真機台數，這條路純模型公司很難複製。智元兩個方向都在做：GO-3 Preview是目前行業釋出的引數量最大的具身模型，在RoboDojo等三個評測榜單登頂；同時智元也拿Astra當底座，做出運動智慧的自進化智慧體。彭志輝認為模型是必選題，不做模型，最後會像傳統自動駕駛方案公司一樣被自研模型的主機廠取代。

這套邏輯有一個前提：Astra的慢來自引數規模和雲端推理，彭志輝自己列出的解法包括分層設計、模型蒸餾和快取系統。如果這些問題先被大模型公司解決，本體廠商的視窗期會比預想的短。

客戶的問題也在變化。過去看機器人看引數、看跑跳打拳的影片，現在客戶問的是能穩定幹多少活、幹一次要花多少錢。智元給出的答案是Worken（Work與Token的組合，中文名即“智元”），用來度量機器人的有效智慧工時，計算拆成在崗活躍台數、自主工作時間、產出能效比三個乘數。收費方式上，彭志輝沒有給單一答案，賣本體、賣服務、與客戶共創運營都可以，取決於客戶要的是裝置還是結果。

真正卡住規模化的是運維。彭志輝稱，每賣一台機器還要給機器人配一個保姆，這是永遠不會到來的那一天；客戶願意大規模買單，要等問題從“能不能造得出來”變成“能不能養得起”。龍旗是目前最完整的樣本：這條3C產線2026年3月規模化投產，已穩定執行7個多月，6天直播期間作業成功率99.99%，平均節拍22秒一件，與人工持平。姚卯青透露，智元研發團隊早已撤出現場，基礎運維移交給龍旗自己的團隊，3C領域另有3家以上企業在合作。服務場景走得更快，橫琴長隆樂園部署了近500台機器人，日均接待遊客超過1萬人，開園後每週一個小版本、每月一個大版本迭代。人機比從最早一台機器人配一個工程師，到3比1，再到10比1，目標是20到30比1。姚卯青還給出行業層面的兩個刻度：部署一個新場景要投入多少人天，以及中國工廠裡何時有1萬台以上機器人長期穩定作業。

壁壘方面，彭志輝對價格戰的判斷很明確：本體自研和垂直整合能力不夠，最後只能卷價格、捲成本。智元硬體路線走了三步，新一代AHA3架構第一次把運動、作業、互動三種智慧放進一顆SoC，控制系統體積降50%，通訊延遲降90%；核心零部件自研率超過90%，但最關鍵的晶片尚未自研，下一代AHA4會提高這部分比例。研發團隊30%做本體、70%做智慧，今年訓練算力接近萬卡叢集，彭志輝稱這一規模已經在和通用大模型公司搶算力。部署端的Token成本他並不擔心：工廠幹活幾乎不耗Token，長隆這類互動場景耗得多，端側小模型能閉環大部分對話，大模型再靠蒸餾壓縮。場景順序上，他判斷家庭是終點，安全、跨任務泛化、長程任務和C端定價要求都高得多，工業和商業場景先走。按智元提出的物理AI五階段，可用的身體已經有了，垂域智慧正在部署，下一步是形成足夠泛化的基座模型。彭志輝認為ChatGPT時刻就出現在第三階段，應該也很快了。

值得從多角度觀察的是，Worken目前仍是智元自己定義的口徑，能否成為行業度量衡，取決於客戶和同行是否願意按它結算；而大模型公司若率先解決推理速度與成本問題，本體廠商的視窗期可能收窄。在那一刻到來之前，大模型公司和本體公司會在同一個問題上相遇：誰能讓機器人真正上崗。