稚晖君：智元跑在特斯拉前面，资本不会只看Demo就掏钱

杰西卡 发自 副驾寺 智能车参考 | 公众号 AI4Auto 具身智能的重心正在发生偏移。 过去，行业热衷的是展示机器人可以做什么——跳舞、翻跟头、跑马拉松，每一次动作突破都能引发刷屏。同时，大批各行各业的技术大牛入局，吸引资本竞相涌入。但浪潮之下，Demo的叙事也正在逐渐失效。 如今，行业普遍瞄准了新的问题：机器人能稳定干活吗？能复制到一千台、一万台吗？能在真实产线上创造可量化的价值吗？ 不可否认，衡量标准已经切换。量产一致性、数据闭环效率、场景作业成功率，取代了炫技式的动态性能，成为新的行业坐标。 在2026上海MWC（世界移动通信大会）现场，智元机器人联合创始人兼CTO稚晖君（彭志辉），分享了对于这一背景下产业路径的看法。 他提出了一个“部署态”的概念，强调具身智能需从开发验证转向实际生产力输出。 他还透露，依托“三智一体”的技术框架，智元已在工业场景中完成万台级交付。这意味着具身智能正在脱离实验室，开始在物理世界承担具体的、可量化的生产任务。 演讲实录传达如下，仅做流畅性编辑： 三智一体部署态，共筑具身生产力新格局 各位嘉宾，各位移动通信、人工智能与机器人产业的朋友们，大家好，我是智元的彭志辉。 我今天分享的题目是“三智一体部署态，共筑具身生产力新格局”。 过去几年，我们谈论AI时，更多聚焦于数字世界——模型参数、算力、应用入口。从MCP到Skill，到Harmony，再到如今的Loop Engineering，Agent生态持续演进。 但我们认为，接下来更关键的问题是，AI如何从数字世界真正走向物理世界，如何从“回答问题”走向“在物理世界中自主完成任务”。 这不是一次性的文本生成，而是持续运行、持续学习、持续创造生产力的过程。 今天我想把这个问题放到更大的产业视角来看： 当大模型能力、本体硬件可靠性与真实场景数据在同一窗口开始收敛，AI的落地方式将发生哪些根本性变化？我们如何从软件应用时代，真正进入具身智能大规模部署的时代？ 这正是我们一直在说的——从开发态走向部署态。 对移动通信领域而言，这件事同样高度相关。过去，移动通信连接的是人、手机与各类终端；未来，越来越多的连接对象将是自主运行的智能体。它们在真实世界中感知、决策、执行、反馈，而且不是偶尔在线，而是长期在线。 Token：AI时代的货币 黄仁勋在GTC上提到，每一次推理、每一次决策、每一次生成，本质上都是Token的流动。我们非常认同这一判断——Token不只是技术计量单位，它越来越像AI时代的货币。 目前我们讨论的Token消耗，更多集中在聊天工具、代码助手、图像视频生成软件上。这些任务边界清晰，调用频次有上限，Token大多流转于数字世界之内。 但具身智能体不同。它在物理世界中持续运行，每时每刻都在感知环境、理解任务、规划动作、执行反馈，并根据结果不断修正下一步行动。 具身智能体的任务空间，是数字世界与物理世界的总和，面对的是连续的、多模态的、充满不确定性的输出。 因此，未来最大的Token消耗者，将是现实世界中的具身机器人——它既是执行器，也是流量入口；既是劳动者，也是模型连接物理世界的端口。 这也不只是我们一家的判断，整个行业都在发生类似的集体转向。 特斯拉强调规模化量产，计划年底实现数千台量产，而我们目前走在其前面；NVIDIA也在推动物理世界智能进入生态建设阶段，背后逻辑很清晰——GPU算力的下一个增长极，可能不在数据中心，而在真实的物理世界。 就连以技术炫技著称的波士顿动力，近来也开始聚焦商业价值的创造——资本已不再为单纯的demo买单，真实场景下的落地价值才是关键。 我们内部用一条“XYZ曲线”来描述具身智能产业的发展阶段。 X曲线是过去两年大家熟悉的阶段——机器人跳舞、表演、展示情绪价值。这一阶段体现的是基础技术突破，验证了底层可能性，但价值天花板相对较低。 接下来我们将进入Y曲线，即“部署态”的成长期。 这一阶段的重点是：机器人不只是能动，还要能干活。它将进入交互智能与作业智能的场景化部署阶段，数据飞轮开始形成，生产力价值真正得以体现。 大约5年后，我个人预计将进入Z曲线的普及期。届时，数据量将实现量变到质变，具身智能将迎来类似大语言模型“GPT时刻”的突破，最终走向群体智能与更高水平的价值创造。 智元的核心范式：三智一体 基于上述判断，智元成立三年来，一直在探索如何打通数字世界与物理世界之路，并由此提出了独有的“三智一体”范式。 具身智能的实现，不能依赖单一技术突破，而需要四个维度的协同： 本体决定了能进入什么场景——双足机器人适合与人交互，轮式机器人在安全性、效率与成本上更适合工厂应用，四足机器人则适合特种场景。 我们拥有多形态本体，但它们基于同一套平台框架构建。 运动智能决定机器人能否在开放环境中稳定、可靠、高效地运行。这是基础智能，是一切上层能力的前提。 作业智能决定机器人能否创造劳动生产力价值，是商业化的核心。机器人必须能够自主闭环地完成搬运、装配、取放等具体任务，而且要做得比人更快、更稳、成本更低。 交互智能决定机器人能否顺畅融入人类的工作流与服务流。机器人并非孤立存在，它需要与人协作、沟通、理解意图。没有交互智能，机器人永远只是工具，无法成为人类的伙伴。 目前，智元是全球唯一同时具备这四层全栈能力、且完成超过万台量产的机器人公司——这一进度甚至走在特斯拉前面。 在本体布局上，智元已形成多形态系列化矩阵：全尺寸的“远征系列”双足机器人，中尺寸/半尺寸人形（去年单款出货超过5000台），面向工业制造的轮式机器人，以及四足机器人。 过去，机器人行业长期存在实验室能力与量产能力之间的巨大落差——一台样机能跑，不代表1000台能稳定交付；1000台能交付，也不代表10000台能保持产品的稳定性与一致性。 为此，我们非常重视量产验证，从2023年的几台样机，到2024年突破1000台，到去年底的5000台，到本月底即将突破15000台。 这背后真正检验的，是系统工程能力——供应链与制造一致性是否可控，质量体系是否能够支撑。机器人要成为生产力基础设施，必须首先成为可靠的工业品。 在商业化推进方面，我们不是一上来就挑战最复杂的任务（比如家庭保姆），而是沿着“环境复杂度”与“任务复杂度”两个维度逐步升级。 2024年，我们从接待讲解、科研教育、数据采集等相对简单的场景切入；2025年，开始进入安防巡检、物流分拣、工业制造等高价值场景。 在三智能力进展方面： 运动智能方面，我们推出了自研的运动基座模型BFM-2，核心思想是让机器人的“小脑”不再学单一动作，而是学习统一的泛化动作分布，实现高效、实时、高鲁棒性的动态动作执行。 此外，我们的生成式运动模型，可以根据语音或上下文指令，让机器人自主生成配套肢体语言；感控一体模型AGILE则将动作与视觉感知端到端结合，快速响应环境变化。 作业智能方面，我们的核心是让机器人从“理解任务”走向“完成任务”。 我们推出了AGIBOT WORLD（真实世界数据平台）、Genie Sim（基于世界模型的仿真与评测系统）、自研VLA基座模型，以及SOP在线分布式强化学习系统，让机器人在真实部署中实现自我闭环、自我纠错与自我进化。 我们用真实世界产数据→仿真训练→模型输出→真实执行→数据反馈，最终形成完整的数据飞轮。 我们的模型能力在各项权威基准上，均超越了海外标杆（Physical Intelligence的π0.5及Root），世界模型也登顶WorldArena榜首。 一个典型案例是江西南昌龙旗的平板生产线，具体工作需要将易碎的平板玻璃精细放入工装夹具。 传统工业机械臂因轨迹化编程无法胜任，过去只能依赖工人手感操作。我们通过数据驱动方式，实现了接近100%的成功率，且节拍快于人工，目前正在进行7×24小时直播验证。 交互智能方面，我们推出了机器人原生的端到端交互模型WITA-Omni。 区别于将视觉、语音、动作分割处理的传统方案，WITA-Omni将看、听、说、动全部端到端融合训练，让机器人真正成为有连续存在感、在场感、人格感的智能体，而非一个会说话的音箱。 我们将其定位为“灵犀”产品线，认为人形机器人将是人机交互的终极形态—— 从一维文本命令行，到二维图形界面，再到三维具身实体，人机交互的下一次革命将发生在人形机器人上。目前已在安踏、海底捞等客户及地铁场景实际运营，今年下半年将大规模推广。 生态建设与商业模式创新 封闭生态无法支撑繁荣的产业发展。我们持续推进开源工作，包括最大的具身数据集、作业开发平台、Go系列VLA基础模型等，目前已吸引超过2万名开发者、累计下载量超过100万次。 在生态技术体系层面，我们推出了业界首个开放完整的具身智能生态技术架构AIMA（AI Machine Architecture），以统一架构融合三智一体，构建开放标准化的具身智能开发与应用生态。 底层我们还在构建具身时代原生操作系统“灵渠OS”——之前我在华为工作过，操作系统被卡脖子的教训让我意识到，宜早不宜晚，我们现在就开始布局。 4月17日，我们正式启动智元原生生态发展计划，未来5年投入22亿元（今年已投入超过1亿元），涵盖科技创新与教育人才培养，希望集合各方力量共建生态基础设施。 在商业模式上，我们今年推出了机器人租赁模式——我们叫RaaS（Robot as a Service）。 其实就像雇佣人类员工，买的是他的工作时间，而非买断其人生；同理，随着机器人智能化作业能力的提升，租赁将成为未来机器人落地部署的主流模式。 我们通过子公司擎天租，将逐步构建全球化的机器人租赁网络。 最后，在过去几年，智元主要做了三件事： 第一，用多形态本体与超万台量产验证，将具身智能从实验室推向工业与生产生活； 第二，用运动智能、作业智能、交互智能与真实场景数据闭环，将单点demo推向可部署、可复制的真实场景落地； 第三，通过开源数据集、基础模型、操作系统等生态开放，将公司内部能力转化为行业可复用、可共建的基础能力。 这件事不是一家公司能唱的独角戏，需要机器人公司、模型公司、运营商、云服务商、行业客户、开发者与全球生态合作伙伴共同参与。 智元希望以三智一体的全栈能力、部署态的数据飞轮和开放生态，与大家一起推动具身智能从技术阶段走向真正的规模部署，共同开启物理世界智能基础设施的新阶段。