点击蓝字 关注我们

Worken=活跃台数×自主工时×产出效能比，行业竞争重心从“数台数”转向“数干活”。

10月29日，在智元机器人2026创新日上，智元联合创始人、总裁兼首席技术官彭志辉正式提出机器人能效单位“Worken”，推动机器人“干活能力”走向可量化、可定价。

人形机器人跨过量产门槛后，行业比拼重心已然转移：不再单纯比拼“谁造得多”，而是聚焦“谁干得多、干得值”。

PART 01

万台下线≠万台上岗：产能证明不了真实生产力

彭志辉在主论坛抛出核心判断：“机器人生产台数，不等于真实世界新增的生产力。”他进一步阐释：万台下线只是制造业的胜利，万台能够上岗，才是物理AI真正的胜利。

过去两年，市场评判机器人企业，核心指标是出货量、自由度、算力参数。Counterpoint Research数据显示，智元上半年交付9700台，市场份额43.1%，位居全球第一；宇树交付超7000台，份额约31%。两家合计占据全球人形机器人74.1%的市场份额。今年9月，智元完成第2万台通用机器人下线，量产能力处于全球前列，头部企业正集体推动行业迈入万台交付时代。

但交付台数只能证明制造产能，无法衡量机器人在真实场景里创造的实际价值。

彭志辉将产业发展拆解为三条曲线：X曲线代表样机走向量产，Y曲线代表落地真实场景、产生可持续商业价值，Z曲线代表全面普及。基于这一判断，智元将2026年定义为Y曲线（部署态）元年。

评价标准随之发生明显迁移：过去行业比拼动作演示、炫技视频；如今客户更关注机器人能否稳定连续作业、作业质量是否达标、综合投入成本是否合理。

彭志辉同时把场景落地拆解为五次连续跃迁：打造可用硬件本体→深入垂直场景部署→沉淀可泛化基座模型→实现机器人群体协同进化→具备自我迭代提升能力。这套跃迁路径，正是把出货量转化为真实生产力、实现“万台机器人真正上岗”的必经之路。

PART 02

为什么还要给机器人另立一把“绩效尺”

彭志辉提出：每一次技术革命都会诞生专属度量单位——蒸汽机时代是马力，电力时代是千瓦时，数字AI时代是词元（Token），具身智能同样需要专属单位。他将其命名为Worken，由“Work”与“Token”组合而来，并作出清晰区分：Token衡量机器思考了多少，Worken衡量机器行动了多少。

行业迫切需要这套标准，根源在于现有商业化计费模式存在天然短板。当前机器人商业化主要分为三类：买断本体+后续服务、按时长租赁、按交付结果打包收费。

擎天租首席执行官李一言曾公开分析其中矛盾：按工时收费，复杂任务短时间完成，运营方吃亏；按结果收费，简单重复劳动耗时久，使用方难以接受。行业缺少统一交付度量标准，已成为商业化落地的突出短板。

与此同时，商务部等9部门印发指导意见，推动具身智能落地酒店、零售、物流等碎片化商贸场景。场景越丰富，计费口径越混乱，“干了多少活”急需一套跨场景可比的统一标尺。万台级交付已经验证制造能力，计价体系标准化成为下一阶段核心课题。

从“数台数”到“数千活”，这一步迟早要迈，只是万台级交付把时间点推到了眼前。

智元已积累大量真实落地案例，持续打通“下线”到“上岗”的落地路径。长隆飞船乐园自9月24日开园部署超300台机器人，至10月常态化运行近500台，覆盖100多个岗位，年底目标部署1000台。

龙旗3C产线精灵G2自今年3月并线，连续作业超7个月，6天直播累计作业64824次，成功率99.99%，单件节拍22秒，达到人类同等作业水平。

广州地铁自全运会试点后持续扩容，目前部署精灵G2超120台，承担安检、咨询、巡逻任务。这些跨季度、跨场景、嵌入真实工作流的运营案例，一点点填平了“万台下线”与“万台上岗”之间的鸿沟。

PART 03

Worken到底是如何计算出来的？

Worken计算公式并不复杂：活跃机器人数量×自主工作时长×产出效能比。三个变量定义清晰。

活跃机器人数量，指统计期内在线、能执行任务且达到作业标准的机器人数；自主工作时长，指无需人工接管、连续自主作业的有效时长；产出效能比，以“标准工人按标准方法在单位时间完成的合格产出”为基准，衡量机器人与人工的效率比值。

彭志辉重点解读后两项乘数：自主工时决定机器人是被动工具还是自主智能体，如果机器人每工作10分钟就失误、需要人工接管，能够创造的自主工时十分有限。

产出效能比衡量价值密度，反映一台机器人能否创造等同于人工的价值，还是多台机器才能等效替代一名工人。智元合伙人、执行董事、高级副总裁、通用业务部总裁王闯补充观点：同等作业时长下，有没有创造等效价值，正是Worken想要量化的核心。

目前已有落地测算案例。龙旗工厂产线上下料场景，8台机器人累计工作528小时，单机效率约为人工的70%，产出效能比0.7，Worken总量2956.8。

广州地铁安检引导场景，120台机器人工作240小时，产出效能比约0.5，Worken总量1.44万。同一套单位，让工厂搬运与地铁引导这两类差异场景具备可比口径。

王闯也客观指出，酒店前台接待这类复合任务，包含迎宾、行李搬运、业务引导，效能比难以统一界定，现阶段Worken更适合作为补充指标，与工时收费、结果收费模式搭配使用。

擎天租早在9月初就已试点按Worken计费，路径已有实践，但行业统一标准尚未成型。真正的难点不在公式本身，而在于如何在千百种细分场景里清晰界定“产出效能比”。

中国信通院上海工创中心首席专家郑忠斌同样表达了相近观点：具身智能作为生产力工具，价值评估不能只看硬件成本或单项投资回报率，更应关注全生命周期内，单位综合成本创造的有效智能工时。

值得关注的是，创新日现场，由新华社中国经济信息社与中国信通院上海工创中心联合编制的《2026具身智能产业创新报告》正式发布，智元Worken及相关部署态实践案例入选其中。

公式好列，真正的难点，是把“产出效能比”在千百种场景里说清楚。

PART 04

CEL：把“人教”换成“同伴教”，破解规模化训练瓶颈

Worken解决了“干了多少活如何计价”的问题，但万台级规模化部署还面临另一重约束：机器人可以大批量铺开，精通调试、示范教学的工程师却无法同步扩容。传统训练高度依赖人工示范、人工纠错，规模扩大后，人力供给成为瓶颈。CEL（群体经验学习，Collective Experience Learning）正是为破解这道“人不够用”的难题而生。

智元内部早已依托百台级真机集群验证群体式强化学习。姚卯青在群访中披露后训练Scaling实验：100台物理真机组网训练，一套策略的任务成功率可由50%左右提升至98%，故障造成的学习时间损耗仅占1.3%。集群内“一台机器人踩过的坑，全网络共享经验”的机制，正是CEL通用化的核心基础。

10月30日，清华大学联合无问芯穹、智元提出群体经验学习（Collective Experience Learning，CEL）新范式，并在96台真实机器人组成的集群里完成验证。

其核心变革在于学习对象的转移：单台机器人积累的经验沉淀至群体共用经验池，其他机器人遇到相似场景即可检索、复用，无需等待人类工程师现场教学。本次验证硬件为智元双臂机器人AgiBot G2，基础模型采用π0，连续任务步骤由群体经验统一优化。

验证覆盖插花、叠衣服、手机充电、凳子组装、手机包装五项任务，兼顾家庭服务与工业场景。两台未经专项训练的机器人完成600次测试，仅失败15次，总体成功率97.5%，五项任务表现全部超越6名人类操作员平均水平。

手机包装这项连续工序，成功率从79.2%提升至98.3%。更显著的规模效应：参与训练的机器人从16台增加到96台，成功率由86.7%提升至98.3%——机器人规模越大，经验池越丰富，群体整体能力越强。

这套效果依托两层设计实现。系统层基于开源框架RLinf搭建容错异步训练系统FATS，单台设备完成任务即可上传经验，无需等待集群内其他机器，网络波动、设备掉线等异常均纳入容错机制；96台规模测试中，集群累计采集9834轮经验，22台设备出现30次故障，机时损失仅1.3%。算法层提出失败引导的经验检索微调FERT，既从成功操作学习“该怎么做”，也从失败案例定位“哪里容易出错”。

长隆项目的数据飞轮提供了现实佐证：乐园9月开园，国庆首周完成首次系统升级，至今保持每周小版本、每月大版本迭代。机器人持续使用、经验不断回流，正是CEL希望在整个行业推广的进化路径。

从“数台数”转向“数千活”，背后那笔最大的账是：依托CEL，能力生产的成本随机器人规模扩张持续下降，不再被人力供给卡住。

PART 05

便利店24小时直播：为什么比发布会更能说明问题

发布只是起点。按照智元创新日披露的AI WAVE收官安排，11月2日至3日，6台精灵G2将进驻一家真实便利店，连续24小时公开直播，依次经历早餐备餐、午高峰、晚高峰、深夜值守四个班次，完成一场实景“转正考核”。官方信息显示，直播全程不预设脚本，客流波动、商品移位、随机顾客交互全部作为真实变量纳入作业流程。

选择便利店作为考核场景，正是为了打破过往发布会“剧本化演示”的诟病：固定机位、预设物品、环境可控、任务简单、演示时长极短，发布即终点。而便利店是低成本、高干扰的典型商用微环境，任务繁杂、人流波动大、作业连续、容错压力真实。

直播将干预、卡顿、失败全部摊开在台面上，评价标准从“能否完成一次示范动作”，升级为“能否在动态扰动下持续轮班作业”。这场考核既是智元“部署态”理念的公开大考，也是Worken衡量持续干活能力、CEL训练成果的一次综合实景检验，与长隆、龙旗已经跑通的真实运营逻辑一脉相承。

本次考核重点验证适配零售场景的AI WAVE七项成果：150小时决策数据、Genie Studio 2.0快速部署、Genie Sim仿真迁移、GO-3基座模型、Genie Master持续学习，以及CEL集群经验，能否在便利店连续班次中稳定落地。

PART 06

便利店24小时直播：为什么比发布会更能说明问题

行业迈过量产关口后，真正的分水岭，是能否把“干了多少活”变成可核对、可比较、可定价的数据。Worken将产出效能摆上台前，CEL推动能力生产成本随规模下降，便利店24小时直播把验收标准从发布会Demo挪到真实轮班——三者合力，推动计价单位从“台”转向“干活”。商业逻辑由此换页：机器人的商业价值，从“拥有设备”转向“使用效能”。

落到客户实际账本，最核心的指标是人机比。王闯以长隆项目为例：首批300多台机器人进场时，机器人与工程师比例接近1:1，数百名工程师驻场保障；随后逐步降至3:1，目前已达到10:1。目标年底实现20:1，明年进一步迈向30:1。

“二十比一，意味着一名工程师可以保障二十台机器人，运维人力仅占机器人总数的5%。”王闯表示，随着部署规模提升，运维效率持续改善，单位运营成本持续下行，客户才会把机器人从“一次性试点”视作长期运营资产。

彭志辉总结：传统设备出厂即巅峰，长期运行只会持续折旧；AI机器人则不同，硬件会损耗，智能却可持续升值，依托模型迭代、技能拓展与群体学习，机器人能完成的任务边界会不断拓宽。

随着11月3日便利店考核收官、长隆年底冲刺1000台部署，叠加首批六项人形机器人国家标准将于2027年4月实施，行业评判标尺愈发清晰：整机台数只是入场券，持续作业效能，才是最终评分表。

参考文章：

1、智元机器人2026创新日主论坛演讲实录（彭志辉）：发布机器人能效单位 Worken 与“部署态元年”判断，2026年10月29日

2、智元创新日群访与技术发布：姚卯青披露百台真机后训练 Scaling 数据、王闯解读人机比与场景计价，2026年10月29日

3、清华大学×无问芯穹×智元：群体经验学习 CEL 新范式与96台真机验证论文，2026年10月30日

4、新华社中国经济信息社、中国信通院上海工创中心：《2026具身智能产业创新报告》，Worken入选案例，2026年10月

5、Counterpoint Research：2026上半年全球人形机器人交付与份额数据（智元43.1%/宇树31%），2026年中

6、商务部等9部门指导意见：推动具身智能落地酒店、零售、物流等商贸场景，2026年

7、中国信通院上海工创中心首席专家郑忠斌谈具身智能全生命周期计价口径（创新日现场引述），2026年10月29日

（更多人形机器人赛道深度文章，请关注微信公众号“人形大讲堂”）

----------------END-------------------

OCR:IMG:OFFICIALLY AGIBOT 灭火器箱 飞店 火119 FIREALARM

OCR:IMG:(a)Learnfromdemonstrations (b)Learnfromcorrections ()Learnfromcollectiveexperience SFT (M)HG-DAgger Collective Experience Learning （CEL) Takeover X Human demonstrations Human-correctedrollouts Failure context Peersuccess CollectiveExperience buffer PolicyUpdate Intervention actions TO PolicyUpdate PolicyUpdate Experience source:human demonstrations Experience source:expert corrections Experience source:fleetexperience High Expert action supervision Low 个 Fleetexperience.Succesfurobotationssupplysupervisionfiurecontextsguidewhichexperiencetrevisi

OCR:IMG:很大 鞋服区 寻 ASD爱仕达 昆成实力活 强 历史最轻 法 ASD晨仕站 搬 经脑物流 证 实力 子健康好加具小 干烧27天不 国目 只造健康 国 S ASDRTE 百0 JOA' ASD盟仕达 ASD仕达 J0A' PB 导贝 ASO喜仕达 百目 8 ASD量比达 ASD量仕达 西 爱仕达

OCR:IMG:公众号·人形大讲堂

OCR:IMG:Currn AM RO 公众号·人形常。 可食A3.0

OCR:IMG:长隆飞船乐园 璀璨海洋梦 喜迎中秋欢度国 长隆飞船乐园欢迎

OCR:IMG:43.1% AGIBOT UNITREE 31.1% GALBOT 5.0% terpoint UBTECH 优必选 4.4% 9 乐聚机器人 2.9% LEJUROBOT Others 13.4% Counterpoint 公众号·人形大讲堂

OCR:IMG:WorkenTM重新定义机器价值 WorkenTMRedefiningMachineValue 龙旗产线上下料 广州地铁安检引导 珠海长隆文娱表演 爱仕达零售导购 Production-line Loading andUnloading at Longchee Security Screening Guidance at Guangzhou Metro Entertainment Performancesat Zhuhai Chimelon RetailShopping Guide atASD 2956.8 14,400 480 10,269 Worken 台|528h|0.7 Worken 120台240h|0.5 Worken 300台186h|0.6 Worken 8

OCR:IMG:Surs AI RO 可灵AI3.0

OCR:IMG:成果展示 龙旗平板产线MMIT测试工站实测画面

OCR:IMG:广州地铁 GuangzhouMetro 智元机器人 公众号·人形大讲堂

OCR:IMG:A2 A2 拥抱未来 打造你的“理想型”机器人 科技赋能生活 Cieate wouridealTypelRobot 智能改变世界 智元机器人 公司战略THR 公司路 梯次

OCR:IMG:WorkenTM重新定义机器价值 WorkenTMRedefiningMachineValue 龙旗产线上下料 广州地铁安检引导 珠海长隆文娱表演 爱仕达零售导购 Security Screening Guidanceat Guangzhou Metro Entertainment Performancesat Zhuhai Chimelong Retail Shopping Guide at ASD 2956.8 14,400 480 Worken 8|528|07 Worken Worken 10,269 120|240h|0.5 300台|186h|0.6 Worken

OCR:IMG:Fleet-Scale RobotLearning FATS（Fault-tolerantAsynchronousTraining System) FiveLong-horizonReal-worldTasks Up to96Robots HotSwarm SwarmLink control plane dataplane 中卤卤肉卤 Cloud Edge 由由四四卤 Inference 国 日 中由卤卤卤 Training Control Process FlowerArrangement Clothes Folding ProvideExperience 98.3% 16robots 99.2% 85.8% 16robots 98.3% Human Experience CEL ! FleetExperience CollectiveExperienceLearming Phone Charging Stool Essemble Scaling withfleetsize Task:Phone Packaging 60.0% 16robots 97.5% 81.7% 32robots 93.3% 100 98.3 UpdatedPolicy Sucoess Rate(%) O-FERT Five-task mean FERT（Failure-guidedExperience Retrieval fine-Tuning) 品 (M)HG- SFT 36.3% DAgger Failure Query Peersuccess Prioritized 一 ---FERT init Fine-tuning D (M)HG-DAgger 81 81.0% 中 ..li 一 training robots (log scale) 中中 Phone Packaging 96robots FERT 97.3% 16→96robots;86.7%→98.3%successrate 79.2% 98.3%

OCR:IMG:立德机器人平台 -LEADEROBOT- 人形大讲堂 人形机器人媒体领军品牌 19032283703 合作咨询 公众号·人形大讲堂

OCR:IMG:OFFICIALLY AGIBOT 灭火器箱 店 火119 FIREALARM 公众号·人形大讲堂

OCR:IMG:灵AI.3.0

OCR:IMG:广州地铁 Guangzhou Metro 智元机器人

OCR:IMG:长隆飞船乐园 璀璨海洋梦 喜迎中秋欢度国 长隆飞船乐园欢迎 公众号·人形大讲堂

OCR:IMG:可复A1:3.0

OCR:IMG:《2026具身智能产业创新报告》发布 LaunchCeremonyforthe2026EmbodiedAl IndustryInnovationReport 产业 技术 商业 生态 加速规模落地 构筑核心底座 共创产业价值 汇聚产业合力 Industry:Accelerating Large-Scale Deploymen Technology:Building the Core Fr Business: Co-Creating Industry Value Ecosystem: UnitingIndustry Strengths 公众号·人形大讲堂

OCR:IMG:公众号·人形大讲堂

OCR:IMG:人工业落地

OCR:IMG:43.1% AGIBOT UNITREE 31.1% GALBOT 5.0% terpoint UBTECH 优必选 4.4% 9 乐聚机器人 2.9% LEJUROBOT Others 13.4% Counterpoint

OCR:IMG:A2 A2 拥抱未来 打造你的“理想型”机器人 科技赋能生活 Cieate wouridealTypelRobot 智能改变世界 智元机器人 公司战略THR 公司路 梯 众号人形大讲堂

OCR:IMG:隆耀文旅智启未来 共建全球首个身身智能主题公园 长隆智元 合作签约权式 3OH8R 心安迎 02 公众号人形大讲堂

OCR:IMG:公众号·人形大讲堂

OCR:IMG:很大 鞋服区 寻 ASD爱仕达 昆成实力活 强 历史最轻 注 ASD爱仕达 搬 经脑物流 证 实力 子健康好加具小 干烧27天不 国目 只造健康 国 方 ASDRTE 百0 JOA' ASD盟达 ASD仕达 J0A' 国o 导贝 ASD量性达 百目 ISD量比达 ASD最仕达 爱仕达

OCR:IMG:一 隆程文旅智启未来 共建全球首个身身智能主题公园 长院一智元 站合作签约权式 JIOMSR 小皮风

OCR:IMG:《2026具身智能产业创新报告》发布 LaunchCeremonyforthe2026EmbodiedAlIndustryInnovationReport 产业 技术 商业 生态 加速规模落地 构筑核心底座 共创产业价值 汇聚产业合力 Industry:Accelerating Large-Scale Deploymen Technclogy:Bulcing the CoreFr Business: Co-Creating Industry Value Ecosystem:Uniting Industry Strengths

OCR:IMG:Ra 可灵AI3.0

OCR:IMG:Learning from Fleet Experience: Collective Experience Learning across 96 Robots 清墓大学 AGIBOT 无问芯穹 Tsinghua Univesity INFINIGENCE Tsinghua University-AgiBot-Infinigence Al

OCR:IMG:WorkenTM重新定义机器价值 WorkenTMRedefiningMachineValue 龙旗产线上下料 广州地铁安检引导 珠海长隆文娱表演 爱仕达零售导购 Production-line Loading and Unloading at Longcheer Security Screening Guidanceat Guangzhou Metro Entertainment Performancesat Zhuhai Chimelong Retail Shopping Guide at ASD 飞乐园 1元 2956.8 14,400 480 Worken Worken Worken 10,269 8台|528h07 120台|240h|0.5 300台|185h|0.6 Worken 公众号·人形大讲堂

OCR:IMG:立德机器人平台 -LEADEROBOT- 人形大讲堂 人形机器人媒体领军品牌 19032283703 合作咨询

OCR:IMG:FlowerArrangement ClothesFolding Successrate(%) 90.8 98.3 08.395.095.099.2 99.2 85.888.391.798. 85.88 98.3 100 I 82.5 I 65.0 I Human RLT 80 I 1 60 35.8 SFT RECAP 40 (M)HG-DAgger FERT 20 0 Human (M)HG-DAgger SFT RLT RECAP FERT Human (M)HG-DAgger SFT RLT RECAP FERT PhoneCharging StoolAssembly PhonePackaging Successrate(%) 97.5 93.3 98.3 100 75.8 82.5 83.3 81.780.8 85.0 75.0 79.2 85.0 71.7 75.0 80 60.0 I I 63.3 I I I 60 40 15.8 20 1.7 0 Human SFT (M)HG-DAgger RLT RECAP FERT Human SFT (M)HG-DAgger RLT RECAP FERT mer 限 形讲堂 (M)HG-D

OCR:IMG:Learning from Fleet Experience: Collective Experi