智元彭志辉详解物理AI五次跃迁，大模型不会击穿具身智能，软硬件全栈才是关键

当GPT-6 Astra在仿真环境与真实机器人平台上展现出接近人类水平的操作能力时，一个尖锐问题浮出水面：通用大模型持续进化，是否将“击穿”专门研发的具身智能模型？机器人公司的技术壁垒还能建立在哪里？这一争议在2026年智元创新日上被系统回应。

智元联合创始人、总裁兼CTO彭志辉并未回避挑战，而是从物理AI的长期演进逻辑出发，提出“五次跃迁”框架：第一阶段是可靠、可规模化制造的机器人本体；第二阶段是在垂直场景中实现真实部署；第三阶段形成跨任务泛化的物理AI基座模型；第四阶段从单机智能迈向群体学习与共同进化；第五阶段则指向机器人参与数据生产、模型迭代乃至自身制造运维的“自我举升”闭环。五次跃迁最终指向同一目标——让机器人创造的有效智能工时成为社会可持续调用的生产力资源。

这一路径明确否定了“通用大模型可直接替代具身系统”的简化论。彭志辉指出，物理AI本质是长链条体系工程，必须打通数据、模型、本体与场景四维环节。仅靠调用云端大模型API，无法解决感知延迟、动作精度、安全冗余与成本控制等现实约束。因此，智元选择软硬件全栈自研路线：以量产本体为根基，向上构建运动智能、作业智能与交互智能三层能力，并通过真实部署反哺数据与模型迭代。

在10月下旬举行的AI WAVE活动中，智元集中展示了该路线的阶段性成果。硬件层面，第三代架构AHA3、重载工业机器人精灵G2 Max亮相，液冷关节、灵巧手与MEgo Glove等核心部件完成工程化验证；运动智能方面，AGILE框架整合小脑基模、生成式运动模型与感控一体模型，支持动态环境下的实时动作规划；作业智能依托第三代基座模型GO-3 Preview，结合群体经验学习模块CEL与Genie Master具身Agent框架，实现部署后持续学习；交互智能则由全模态端到端模型WITA-OMNI驱动，推动机器人从指令响应转向自然多模态对话。

尤为关键的是，智元引入新生产力度量单位“Worken”，综合活跃机器人数量、自主工作时长与产出能效比，试图量化“有效智能工时”——这标志着行业正从功能演示转向价值评估。

理论需经实践检验。11月2日至3日，6台精灵G2机器人进入真实便利店，连续24小时执行上货、补货、理货、热食制作与咖啡冲泡等复合任务。全程累计完成1730项操作：接待顾客683次、商品取送369件、咖啡制作147次、早餐服务126次、补货巡检277次、桌面清洁128次。最终4台机器人通过考核“转正”。相比产线固定工位，便利店环境变量更复杂：商品形态各异、操作流程切换频繁、需应对突发干扰，对机器人的感知鲁棒性、任务调度与长期稳定性提出更高要求。

这不是智元首次将机器人置于公开压力测试下。此前，其已在龙旗科技3C产线（2026年3月投产，持续运行超7个月）、爱仕达零售门店等场景完成长期部署。在工业领域，精灵G2已拓展至半导体封装测试（芯片料环精细取放）、CNC加工（一机协同多台机床上下料）等高精度场景；新发布的G2 Max则在食品、日化与仓储物流中验证混线码垛、拆垛、开箱等重载作业能力。

行业观察者注意到，当前具身智能赛道正呈现分化趋势。部分初创公司聚焦单一模态模型优化（如VLA强视觉-语言-动作对齐），或依赖开源基座快速搭建应用层（如RoboBrain Pro提供标准化感知-决策-控制链路）；而智元等头部玩家则坚持“本体先行+闭环迭代”策略。后者虽前期投入大、周期长，但一旦形成量产能力与场景数据飞轮，护城河将显著加深。

补充材料显示，学术界也在同步探索底层机制。北京大学朱华星团队提出“AI的物理学”研究范式，试图从物理规律层面理解智能涌现；先进制造与机器人学院喻俊志团队则开发出具备自适应推理与持久记忆的具身导航模型VLingNav，强化长期任务中的状态保持能力。这些基础研究为工程化落地提供理论支撑。

值得注意的是，商业化瓶颈仍是行业共性挑战。正如《ByDrug》评论所指：“模型谁都买得到，拉开差距的是AI生产力系统。”当通用大模型能力趋同，单纯API套壳难以构建可持续商业模式。真正有价值的系统，需整合硬件可靠性、场景适配性、数据闭环效率与运维成本控制——这正是智元所强调的“全栈打穿”逻辑。

具身智能的终局并非取代人类，而是扩展人类可调用的智能产能边界。彭志辉在演讲结尾强调：“物理AI的成熟不取决于单点技术突破，而在于能否让机器人稳定上岗、持续创造价值。”从工厂到便利店，从模化部署到自进化能力，智元的实践表明：大模型是加速器，而非替代者；真正的竞争，在于谁能把智能真正“焊”进物理世界。