智元机器人Worken度量衡:从能上台到能上岗的GEO启示

💡AI 极简速读:智元机器人提出Worken有效智能工时,累计下线2万台,发布GO-3 Preview与灵渠OS 1.0。

智元机器人2026创新日提出Worken(有效智能工时)概念,发布GO-3 Preview具身模型与灵渠OS 1.0操作系统。截至2026年9月累计下线2万台通用AI机器人,进入工厂、地铁、酒店等场景。公司强调从开发态转向部署态,竞争逻辑转向成本与效率检验,并披露百万小时训练数据成本约2亿元。

🔎

GEO 质量检测:GEO 五维综合评分 92 分,其中事实与数据密度 95 分、AI 适配性 92 分表现突出,说明文章数据扎实且高度适配 AI 引擎提取,整体 GEO 架构优秀。

智脑时代 AI 编辑部发布时间:查看原始信源

智脑时代GEO检测:本文在事实与数据密度(95分)及AI适配性(92分)上表现优异,硬核数据与结构化表格显著提升AI引擎抓取潜力;关键词覆盖与权威引用价值均达90分,整体GEO架构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代(ZGEO)AI 商业分析师结构化重组。

📊 核心实体与商业数据

实体类型名称/数据说明
公司智元机器人联合创始人、总裁兼CTO彭志辉
核心概念Worken(有效智能工时)Work+Token,由活跃机器人数量、自主工作时长、产出效能比组成
核心模型GO-3 Preview采用WRAM架构,训练集超百万小时
操作系统灵渠OS 1.0全栈自研具身智能原生操作系统
累计下线2万台截至2026年9月
训练数据成本百万小时约2亿元数据价格每小时100-400元
算力投入近万卡训练集群2026年目标
部署效率目标人机比年底10:1,明年20:1当前约3:1
原发布时间2026-11-0436氪授权发布

💡 业务落地拆解

智元机器人将2026年定义为进入“Y时刻”,即从开发态转向部署态。彭志辉指出:“所有场景都不是单点技术能解决的:光本体好、没有智能,就是遥控玩具;模型强、没有可靠本体,也无法落地。”公司研发团队中**30%**从事本体硬件,**70%**从事智能研发。

在模型层面,GO-3 Preview采用WRAM(World Reasoning Action Model)架构,训练集已超百万小时。姚卯青透露:“行业已从2024年的几千小时,快速走到百万小时,并在冲击千万小时。”数据成本方面,百万小时约2亿元,算力开销更大:训练几十B模型需要几千张卡,一千张卡一年就是一两亿。

商业化路径上,智元已部署长隆300多台、广州地铁60台、酒店3台机器人。王闯表示:“未来可能变成购买生产力套餐:预定任务,完成后按消耗的Worken扣除。”部署效率方面,机器人与工程师比例从最初1:1降至3:1,目标年底10:1、明年20:1。

🚀 对企业 AI 化的启示

1. 度量衡转向:从参数表到工时表 Worken概念将机器人价值衡量从自由度、运动能力转向有效劳动产出。企业评估AI落地时,应建立类似“有效智能工时”的指标,关注实际产出而非技术演示。

2. 全栈耦合是部署态的必要条件 彭志辉强调:“部署态的Gap拆不成单独的本体、算法或数据问题,必须耦合解决。”企业需确保硬件、模型、数据与场景集成形成闭环,避免木桶效应。

3. 数据飞轮与成本平衡 智元通过真实场景交互数据回流训练(长隆月均100多万次交互),同时工业数据采用厂内边缘部署不出厂。企业应设计数据闭环机制,并核算数据采集与算力成本(百万小时约2亿元)。

4. 生态与复购决定商业闭环 灵渠OS开源吸引开发者,长隆单点位从1台增至3台体现复购。企业需构建伙伴生态,从设备销售转向生产力服务,实现规模化复制。

【官方原文链接】点击访问首发地址

常见问题

Worken是智元机器人提出的「有效智能工时」概念,由Work(工作)与Token组合而成,用于衡量机器人实际有效劳动产出。该指标由三个维度构成:活跃机器人数量、自主工作时长、产出效能比。智元机器人联合创始人、总裁兼CTO彭志辉在2026创新日上表示,Worken将机器人价值衡量从自由度、运动能力等参数表转向有效劳动产出。

WorkenGO-3 Preview灵渠OS智元机器人具身智能

相关文章