智元联合创始人、总裁兼CTO彭志辉
出品｜搜狐科技
作者｜常博硕
编辑 | 杨锦
具身智能的冬天，似乎比预想中来得更快。
近日，南京无境动力被曝停工欠薪。这家成立仅8个月，获1.1亿元融资并拿下近10亿元订单的公司，最终停摆并欠薪近800万元。此前，深兰机器人、智橙动力、盈合机器人等企业也相继进入破产清算或重整程序。曾经被资本追逐的机器人创业公司，开始倒在下一轮融资到来之前。
自今年以来，具身智能赛道的融资热度已经出现明显变化，多家投资机构开始收紧出手，部分公司的融资预期下调，行业也出现裁员、收缩业务和暂停扩张的情况。
今年下半年，曾有多位具身行业投资人对搜狐科技表示，资本的耐心正在一点点丧失。风向变化的转折点指向今年9月。据行业服务平台NE时代统计，9月具身智能领域的融资额相比8月掉了四成。此前被视为必争之地的整机赛道，开始出现项目滞销、估值下调和融资周期拉长。
如今，二级市场也没有给行业提供一个更好的答案。今年8月，宇树科技登陆科创板，股价从上市首日1100元高点一路下跌，最大回撤超过六成（近期股价有所回升，截至发稿股价报收662元）；9月，梅卡曼德登陆港股，尽管公开发售获得数千倍超额认购，上市首日仍然破发，随后股价继续承压。
技术进步在继续，资本却不再愿意仅凭对未来的想象力为所有公司买单。有投资人对搜狐科技表示：“具身会逐步进入泡沫出清阶段，此前投资人们的FOMO（害怕错失良机）情绪也会回归冷静。”
从一级市场到二级市场，具身智能的估值逻辑开始有了新变化，就连头部企业，也在重新调整自己的节奏。
智元是这一轮具身智能浪潮中最受关注的公司之一。据官方披露，智元2026年上半年营收近20亿元，高于宇树科技同期披露的11.52亿元。
今年7月，智元宣布启动港股上市筹备工作。彼时，市场对其上市进程有着相当乐观的预期。但三个月后，情况出现了变化。
据《财经》10月报道，智元已启动新一轮10亿至15亿元融资，投后估值约500亿元。按照港交所相关规则，企业在递交上市申请后、正式挂牌前完成新一轮融资，通常需要等待最后一笔融资完成后满120日才能上市，除非获得特殊豁免。
这也意味着，智元在今年内无法完成IPO。面对寒潮，智元在为自己“过冬”争取更多粮草。
10月29日，智元举办2026创新日。会上，智元联合创始人、总裁兼CTO彭志辉（B站UP主稚晖君）提出了一个新概念：Worken。
Worken由Work和Token组合而来，中文名定为“智元”。他认为，如果数字AI时代“Token（词元）”衡量的是模型消耗和处理了多少信息，那么物理AI时代，衡量机器人究竟创造了多少有效劳动要用Worken。
会后，彭志辉在与搜狐科技等媒体交流时进一步解释：“机器人开机八小时，并不意味着它创造了八小时的价值；一次任务成功率很高，也不意味着它能够像人一样稳定工作一个月。Worken就是想回答在真实的环境里机器人到底能贡献多少可以持续有效的智能劳动。”
除此之外，智元还集中展示了围绕部署态展开的技术布局，包括新一代具身基座模型GO-3 Preview、第三代人形机器人硬件架构AHA3、多模态交互大模型WITA-OMNI、灵渠OS 1.0，以及新一代灵巧手、关节液冷系统和重载机器人等产品。
如果融资不再能够掩盖商业化的缺口，机器人公司需要面对订单、回款、运维和客户复购的考验，那么行业需要一套比参数和Demo更接近商业现实的评价体系。已知的是，智元希望用Worken建立这把尺子，但这把尺子最终能否得到产业认可，还需要市场来验证。
以下为搜狐科技等媒体与稚晖君的交流实录（经编辑）：媒体：怎么确保您提出的 Worken 能够成为一个真正的度量衡，而不只是一个名词？未来你们是靠 Worken、交付结果还是工作时长收费？
彭志辉： Worken是Work加Token的组合，它是产业进入新阶段的产物，过去大家都在看所谓的参数表，做一些炫酷的Demo，越往后，大家看的是工时表。一台机器人开机8小时，并不意味着它创造了8小时的价值，一次任务成功率很高也不意味着它能够持续像人一样稳定地工作一个月。
Worken就是想回答这个问题，在真实的环境里机器人到底能贡献多少可以持续有效的智能劳动，它把机器人的能力跟可靠性，还有实际的对客户的产出给连接起来，是这样的概念。
收费方式并不是非此即彼，可卖硬件也可卖服务。智元作为全栈面向场景的公司，本体是下限，模型和智能是上限，会根据客户设备采购、服务或共创运营这些不同的需求提供灵活的交付方式。
媒体：您认为未来机器人最先普及的场景会出现在哪里，工厂、商用服务还是家庭？
彭志辉：家庭不是起点，应该是终点，因为它的要求会高很多。在难度之外，家庭是C端市场，还要考虑到各种成本，定价也一定是要在可控的范围内，所以会相对偏晚一点。
工业场景是我们已经在推的，我们后面持续把模型能力做强，把整个平台系统化的能力做强，让本体硬件能持续迭代，在综合的解决方案层面去创造更强的产品竞争力，这是我们大的策略跟思路。
媒体：机器人上岗的主要突破口在哪里？是什么阻碍了工业或商业场景直接铺设上万台机器人？
彭志辉：不是我们愿不愿意铺，是这个市场和客户愿不愿意买单的问题，我们完全有能力一年制造几万台。客户愿意买单就是他开始认真思考我到底能不能养得起你的产品，因为他要长期使用，长期维护。
真正形成规模之后，运营成本随着规模上升而持续下降，最后达到ROI的平衡点，客户才愿意选择我们的产品，不然的话可能每卖一台机器还要给机器人配一个保姆，这是永远不会到那一天的。
谈物理AI：万台下线是制造业胜利，
万台上岗才是物理AI的胜利
媒体：在解决机器人泛化和稳定性痛点上智元取得了哪些进展？部署态铺开时解决了哪些主要问题？
彭志辉：最大竞争优势是全栈“三智一体”架构。部署态的Gap无法单拆解本体、算法或数据，必须耦合解决。我们更关心是否形成复用技术底座、能否在真实环境持续运行、能否帮客户少花集成维护成本。万台下线是制造业胜利，万台上岗才是物理AI的胜利。
媒体：短期内具身智能需要跨过哪些重要的门槛？
彭志辉：现在单体的泛化正在逐步形成，垂域的泛化已经具备了，我们正在进入部署态。类似GPT-6 Astra这种非常通用的同基础模型，它只要再解决掉一些痛点问题就可以形成所谓的单体泛化。
第一是实时性，Astra的推理在云端，要完成一个简单任务可能需要十几分钟，甚至半个小时，但是机器人的操作是实时的，怎么解决这个实时性问题？可能是通过分层的系统设计，可能是通过模型的蒸馏得到一个更小、更高效的模型，也可能是通过缓存系统的设计等来实现。
还有可靠性的问题，这种通用模型越泛化越容易出现所谓的幻觉，语言模型说错一两句话改正就好了，但干活的时候做错一个动作就是停机的巨大损失。
还有物理常识，所有的这些通用的基础模型都是从数字数据里学习到的这些先进知识，没有真实的感受器和传感器来感受现实中的力，重力、摩擦力等，所以它没有这方面的经验常识。
还有任务闭环，语言模型只负责输出一个结果，不负责对这个结果实际的物理影响进行验证，但是我们在物理环境中执行的时候一定要做到物理闭环，这也是要突破的挑战，总的来说要解决的基础问题还比较多。
媒体：如果大模型公司持续向物理世界延伸，具身智能公司自研大脑模型的价值在哪里？
彭志辉：通用基模往具身渗透是必然趋势，智元的具身模型也在往通用方向演进。基模的发展对我们来说是好事，未来通用基模真的达到了能够覆盖具身领域的能力，那么问题就变成谁能把模型的能力更好地应用到物理场景里。
媒体：智元单台机器人每天消耗的算力和Token量级是多少？算力成本会成为规模化部署普及的最大障碍吗？
彭志辉：智元算力的规模应该是整个具身行业里消耗最大的，现在算力在全球范围还是相对紧缺的资源，我们在跟很多传统的通用模型公司在抢算力。我们在今年应该会达到将近万卡规模的训练集群，这是非常大的体量。
未来Token如果成为部署态的瓶颈说明是好事，说明大家愿意用你的产品消耗Token了，这个商业模式就成立了。我们也会尽量优化我们成本结构，把Token消耗的费率降下来。
运营编辑 | 孟莎莎
