大鱼|作者
star皆空|编辑
无心插柳柳橙汁|视觉
刘超|监制
李佳琦直播间卖起了Token、百度上线了词元交易所......当下,Token已经成为了数字AI时代衡量模型算力消耗的标尺。
如同蒸汽机时代的“马力”、电力时代的“千瓦时”,用一套统一单位,量化生产力的产出与消耗,核算投产比。

而在物理AI世界,也需要这样一套标尺。一个问题随之而来:我们该如何衡量具身智能机器人的真实价值?
智元联合创始人、总裁兼CTO稚晖君(彭志辉)的判断是,具身智能真正的分水岭,在于能否让具身战力真正融入真实工作流。
早在4月17日智元合作伙伴大会上,创始人邓泰华提出XYZ曲线:
X解决“能动”,实现从Demo走向量产;Y解决“会干”,完成场景落地与商业变现;Z代表模型、数据、群体协同成熟后的大规模普及。

半年后的10月29日,2026智元创新日集中展出全栈技术与场景落地成果,稚晖君也正式提出“Worken”概念,为物理世界里机器人创造的价值,提供全新度量衡。

有了“Worken”,机器人的生产力得以量化,回本周期、投资回报变得可审计,这恰好踩中行业下半场落地的核心诉求。
那么,Worken究竟如何核算机器人价值?又将给行业带来什么改变?

Worken
重新定义机器人生产力
所谓的“Worken”即“有效智能工时”。据稚晖君介绍,Worken的计算公式为:Worken=活跃机器人数量×自主工作时长×产出效能比。
具体来看,活跃机器人数量是指真正在岗作业的机器人覆盖规模,而非闲置在仓库里的设备;自主工作时长,要求机器人作为自主智能体运行,无需持续依赖人工介入;产出效能比,衡量的则是机器人劳动能够等效创造多少人力的价值。

为何智元要提出“Worken”的概念呢?
机器人商业化,迫切需要一套度量工具帮助企业算清投产比,但目前行业内缺少统一的价值衡量标准,也在客观上阻碍了机器人规模化落地。
Georgian针对全球85位拥有机器人采购决策权高管的调研显示,56%的买家对部署机器人仍处于观望状态。

不少企业其实也在算账,只是当下业内最粗放的核算方式,是拿单台机器人售价对标岗位人力成本。例如,一台机器人售价18万元,同岗位工人年薪6万元,简单折算回本周期为3年。
“制造业场景的复杂性,决定只用售价对标人力成本,可能过于简单。”安徽某服装制造企业老板杜磊(化名)坦言。
在杜磊看来,企业想要大规模部署机器人,前提是要算清三笔账。
第一笔,是机器人全生命周期成本账。“企业招熟练工人,人到岗带来的经济价值直观可见。引入机器人则需从采购、产线改造,到日常运维、设备折旧,每一项成本都要纳入考量。”
第二笔,是组织协同的责任账。“很多制造业依旧是定岗、定人、定责的生产模式,机器人落地也要融入现有产线,但机器人本身无法承担责任。一旦机器人运行异常造成产线故障、耽误交付,问责可能落到生产经理身上。可经理也会觉得委屈——问题根源并不出在自己身上。”
第三笔,是经营中的不可控风险账。“员工临时离职、客户加急催单,都是工厂里的常态。
放到机器人身上也是同理,如果机器人长时间连续运转,突发大面积故障,造成订单延期、客户索赔,这笔违约损失又该由谁承担?”
更关键的是,制造业核算人力工资,通常采用计时、计件两套体系:计时搭配KPI考核,计件鼓励多劳多得,本质都是以实际产出评判劳动价值。
杜磊的顾虑并非个例。Georgian调研同时指出:嵌入现有工作流(56%)、前期资本投入(44%)、真实环境下的可靠性与性能(39%),是采购方最关心的三大问题。

也就是说,机器人想要真正落地,需要融入制造业现有工作流,像产业工人一样,产出看得见、价值算得清,这才会影响企业愿不愿意投入。而“Worken”从活跃机器人数量、自主工作时长、产出效能比三个维度,将机器人真实的劳动贡献,转化为可记录、可核算的生产力指标。
依托这套标尺,制造企业可以对比机器人有效产出与人力、改造、运维各项成本,评估单位有效工时成本以及投资回收周期,以此判断项目可行性,持续跟踪生产端实际价值。
当机器人生产力实现可量化,企业采购逻辑也有望发生转变:从一次性采购硬件设备,转向依据实际工作量、产出价值采购生产力服务。
从这个角度看,智元提出的“Worken”,不仅帮助企业核算机器人投资回报,也为具身智能更多商业模式探索铺路。
在稚晖君看来,“Worken”模式下,可以卖硬件,也可以卖服务,还可以跟客户共创;硬件本体是下限,模型与智能能力才是上限。
“希望未来对机器人的服务按Worken工时计费,不同智能水平的机器人承接不同任务,Worken费率也随之区分。”
智元合伙人、高级副总裁王闯表示,Worken还可以采用套餐计费模式:客户下达任务,机器人完成任务后,按照实际消耗的Worken额度从套餐内扣减。
那么,为何会是智元率先提出“Worken”这一概念?

从真实场景到持续进化
机器人如何创造生产力?
“Worken”为机器人生产力建立了衡量标准,但这套标准具备商业价值的前提是,机器人能够进入真实场景,持续创造可衡量的产出。
智元的底气,正来自全栈自研的“三智一体”技术框架、规模化量产交付能力、真实场景部署、技术迭代的持续积累,以及对一线客户经营痛点的深度洞悉。
IDC数据显示,2026上半年,智元以断层领先的出货规模与最大营收体量,成为全球人形机器人量产交付与商业化营收的双料第一。
稚晖君表示,今年9月,智元第20000台机器人下线,上半年收入已接近20亿元,赴港上市工作也已经启动。

那么,智元的近万台机器人都落地到了哪些场景?
在文旅场景,智元联合长隆落地全球首个大规模具身智能主题乐园。
300多台机器人覆盖文娱商演、科普研学、导览导购、零售服务、智能伴游、酒店服务、体育竞技七大场景,在高客流、强干扰的开放环境中每日稳定运营8小时,实现人形机器人文旅规模化、常态化部署。

在零售商业场景,100台机器人入驻爱仕达门店担任“硅基导购员”。灵犀X2每日在岗超10小时,可迎宾、讲解商品、带路引导,形成人机协作闭环,沉淀的场景工具包为线下零售落地提供可复制方案。

在工业场景,精灵G2落地龙旗科技南昌工厂,负责平板整条产线质检,独立完成界面、音频、射频耦合等高精度检测。6天直播期间累计作业17625次,任务成功率99.99%。稚晖君透露,工厂内“7×24小时”不间断质检的部署场景正在推进。

多场景落地,让智元机器人在“学中干、干中学”的过程中,搭建起闭环:干(进入真实场景执行任务)→学(积累真实作业经验)→优(训练模型、优化策略)→再干(将升级后的能力投入实际作业)。
基于这套闭环,进一步形成单台机器人的个体进化闭环:执行真实任务→发现任务失败→自主分析原因、调整策略→再次执行,沉淀新经验。
以搭载智元具身Agent框架GenieMaster的精灵G2为例,它在真实便利店场景上岗,能够自动定位失败原因、调整执行策略、沉淀作业经验,在多项精细复杂任务上持续迭代,实现“无人在环”的自主进化。这也是业内首次跳出仿真环境、走出实验室,在真实业务场景中验证PhysicalRSI(具身递归自进化)。
凭借持续进化的能力,在11月3日收官的智元“机器人打工不能停”便利店直播挑战中,6台精灵G2连续24小时在岗,累计完成1730项任务,在全网超200万人的见证下,最终4台机器人成功“转正”。

单台机器人沉淀的作业经验,最终会转化为群体共享能力。长隆的机器人上岗一个月,累计和游客完成100多万次交互。
“游客中途离开这类未完成交互的数据价值更高,经过校验标注回流训练平台。机器人会自动迭代,一台学会,全部同步更新。”智元合伙人、高级副总裁熊彦说。
整套群体学习链路如下:多台机器人在长隆真实上岗→积累大量游客交互数据→重点挖掘失败案例→数据筛选、标注、回流训练平台→模型优化,升级后的能力重新部署→所有接入新版模型的机器人同步受益→形成群体学习闭环。
这套闭环跑通之后,不仅可以复制到其他场景,同样有望让机器真正成为稳定的生产力。王闯表示,“远征A3Ultra现已实现自主充电,当充电也无需人工干预,机器人才真正成为生产力。”
即便机器人可以完成任务、持续自我学习,仍要跨过另一道关口:如何应对真实世界难以预设的长尾情况,并以可控成本实现规模化部署?

跨过长尾难题
从项目交付到规模化运营
“自动驾驶与具身智能底层逻辑相通,都要构建感知→决策→执行→反馈→再调整的闭环。但自动驾驶最大难点,是现实中大量难预设的长尾场景。”杭州AI算法工程师刘洋(化名)举例,行人横穿、突发变道、前车急刹这类突发状况,都会打乱系统判断。
长尾场景之外,各车企技术路线、硬件方案差异巨大,算法适配调试成本居高不下。项目交付越多,人力投入越高,很难形成规模效应,这也是自动驾驶企业商业化落地的一大困境。
《晚点LatePost》曾报道:一家自动驾驶公司为车企定制算法适配车型,投入约3000万元,最终回款不足400万,投入与收入严重倒挂。
这套“项目制陷阱”,同样摆在具身智能面前。王闯回忆长隆早期部署:300多台机器人分布在百余个点位,环境、任务各不相同,初期几乎是1台机器人配1名工程师,成本甚至高于人工。
如果每个场景都要大量算法专家驻场,人力就会成为天花板,只能做成零散项目,做不成可规模化的生意。

那机器人规模化的解法是什么?
熊彦以长隆游客互动场景举例:游客推搡、抱机器人这类非预设行为,机器人需要360°实时感知,有人闯入安全区域就立刻停止动作;
碰到突发外力要快速收力,把最大输出力限定在安全范围。每台机器人设置电子围栏,划定服务边界,一旦出现异常,后台自动告警,运营人员快速介入。
不难看出,机器人作业遇到的异常会被记录、分析,用于优化模型、动作策略和安全机制;升级后的能力再重新部署到真实场景,接受新一轮验证。
由此形成一套持续迭代闭环:异常发现→数据积累→技术优化→场景验证,让机器人逐步覆盖更多复杂、非预期的情况,减少对人力的依赖。
王闯透露,长隆的人机配比已经从最初1:1优化到3:1,目标年底做到10:1、明年冲击20:1。“达到10:1后,专家可以远程支撑;20:1意味着仅增加5%的人力预算,这个成本客户更容易接受。”
工业场景也出现同样变化。智元研究院院长姚卯青介绍,智元研发团队已经撤出龙旗产线,基础运维交由龙旗自有团队;前期产线暴露的传感器、线束、电机问题,都通过版本迭代修复,现在仅需轻量化运维。
从长隆运维配比持续下降,到龙旗工厂研发团队撤场,智元的实践印证:机器人商业化,不只比拼单台干活能力,更考验支撑大规模部署的运维管理体系。稚晖君认为,“规模起来之后,机器人的运维效率、管理系统,甚至比单次模型推理更影响客户体验。”

技术突破只是产业变革的起点,商业价值要靠场景适配、组织调整持续释放。就像电力刚出现时,工厂只是用电机替换蒸汽机,直到厂房布局、生产组织同步改造,电力的效率优势才真正发挥。
机器人从落地、适应复杂环境,到跑通可复制的运营体系,还需要长期迭代与产业协同。而以智元为代表的厂商正在推进这套进程,加速具身智能的“GPT时刻”到来,让“Worken”所度量的机器人生产力真正兑现。
