過去三年，AI的進化幾乎都發(fā)生在屏幕之內(nèi)。從對話生成到圖像創(chuàng)作，再到代碼輔助，大模型不斷刷新人類對“理解世界”的能力想象。但一個更根本的問題始終懸而未決：當AI已經(jīng)能夠理解、表達甚至推理，它何時才能真正參與現(xiàn)實世界的生產(chǎn)？

在2026年，這個問題開始出現(xiàn)一個清晰的答案。

在智元合作伙伴大會上，彭志輝提出了一個值得被反復討論的判斷：具身智能正在從技術突破階段，邁入生產(chǎn)力部署階段。這一變化的意義，并不在于又一代機器人或模型的發(fā)布，而在于AI正在發(fā)生一次更深層的遷移：從“理解世界”，走向“創(chuàng)造價值”。

智元聯(lián)合創(chuàng)始人，總裁，CTO彭志輝在 APC 2026 演講

AI的主戰(zhàn)場從內(nèi)容生成，走向物理世界

這種遷移的底層邏輯，可以從一個看似抽象但極具解釋力的概念切入。彭志輝在演講中提到，Token是AI時代的“貨幣”，每一次推理、生成和決策，本質上都是Token的流動。但如果把視角從數(shù)字世界轉向物理世界，就會發(fā)現(xiàn)一個關鍵差異：聊天模型是被調用的，而機器人是持續(xù)運行的。

彭志輝在 APC 2026 分享對 AI 演進方向的判斷

它并不是在某個請求觸發(fā)時才消耗算力，而是在真實環(huán)境中持續(xù)感知、持續(xù)決策、持續(xù)行動。每一次路徑規(guī)劃、每一次動作執(zhí)行，甚至每一次與人的互動，本質上都在消耗Token。這種持續(xù)性，使得具身智能體成為一種完全不同的AI形態(tài)。

這也帶來一個更深層的判斷：AI的需求模型，正在從“一次次被調用”轉向“持續(xù)運轉”。如果說過去的AI更多服務于信息處理，那么具身智能則直接嵌入到物理世界的運行之中。它不再是一個被使用的工具，而是一個持續(xù)運轉的系統(tǒng)。

正是在這個意義上，具身智能開始呈現(xiàn)出基礎設施的特征。它不只是AI的一個應用方向，而更像是承載AI能力的新載體。當AI進入物理世界，其影響的也不再只是效率，而是生產(chǎn)方式本身。

行業(yè)敘事從“炫技”，轉向“交付結果”

如果說技術進步?jīng)Q定了AI的可能性，那么行業(yè)敘事的變化，則決定了它的現(xiàn)實路徑。過去很長一段時間，機器人行業(yè)最具代表性的畫面，是翻跟頭、跳舞或者跑酷，這些展示的核心意義在于證明“技術可以做到”。

但過去一年，這種敘事正在迅速退場。NVIDIA 強調AI系統(tǒng)走向真實世界的系統(tǒng)性機會，Tesla 將人形機器人納入量產(chǎn)路徑，核心目標不再是能力展示，而是規(guī)?；圃?；Boston Dynamics 則持續(xù)強調商業(yè)場景中的價值創(chuàng)造，而非實驗室中的技術極限。

這些變化并不是孤立的，而是在共同指向一個趨勢：行業(yè)關注的核心問題，已經(jīng)從“能不能做出來”，轉向“能不能穩(wěn)定地干活”。彭志輝在演講中給出了一個更直接的判斷：身智能的分水嶺，不只是AI進入物理世界，而是進一步進入真實工作流。

這句話的意義在于，它重新定義了評價標準。當機器人真正進入產(chǎn)線、物流、服務等場景時，客戶關心的不再是技術指標本身，而是是否能夠完成任務、是否穩(wěn)定可靠、是否具備規(guī)模復制能力。機器人不再是一個展示對象，而成為工作流程中的一個環(huán)節(jié)。

由此帶來的變化，是商業(yè)模式的根本轉型。企業(yè)不再單純“銷售機器人”，而是開始“交付結果”。誰能夠在真實環(huán)境中持續(xù)運行、穩(wěn)定輸出，就擁有了新的競爭優(yōu)勢。這也是為什么“部署能力”在這一階段變得比“演示能力”更重要。

端到端閉環(huán)，讓AI第一次“既能理解，也能執(zhí)行”

如果行業(yè)正在進入規(guī)模化落地階段，那么真正的約束條件也開始變得更加清晰。長期以來，限制機器人規(guī)模化應用的，并不是某一項單點技術的缺失，而是系統(tǒng)層面的割裂與不協(xié)同。針對這一核心問題，智元提出的“一體三智”具身智能落地范式，正是對這一系統(tǒng)性瓶頸的直接回應。

首先是交互層的脫節(jié)。傳統(tǒng)AI系統(tǒng)可以完成語言的理解與生成，但現(xiàn)實世界中的溝通天然是多模態(tài)的。語言、視覺、動作、時序與環(huán)境語境共同構成完整的交互體驗，而過去這些能力往往分散在不同模塊之中，缺乏統(tǒng)一表達框架。這也是為什么很多機器人“可以對話，卻難以形成真正的互動”。

基于此，智元構建了以WITA Omni為核心的交互智能，通過端到端多模態(tài)架構，將視覺、語言與動作統(tǒng)一在同一系統(tǒng)中。機器人輸出的不再是單一模態(tài)，而是完整的行為表達。例如在迎賓場景中，“歡迎光臨”不再只是語音，而是伴隨著轉身、抬手、目光對齊以及自然手勢的協(xié)同行為。這一變化的本質，是AI從“語言交互”邁向“行為交互”，開始具備在零售、酒店及日常服務等場景中與人類自然協(xié)同的能力。

其次是執(zhí)行層的脫節(jié)。大模型已經(jīng)具備復雜任務的規(guī)劃能力，但長期停留在認知層，難以穩(wěn)定映射到物理執(zhí)行。這帶來了一個典型問題：AI“知道該做什么”，但機器人“做不出來”。圍繞這一問題，智元通過作業(yè)智能實現(xiàn)了從理解到執(zhí)行的系統(tǒng)級打通。

其中，GO-2（ViLLA）模型將推理能力延伸至動作空間，通過“動作思維鏈”將高層決策直接轉化為可執(zhí)行行為。同時，在GE-2世界行動模型、Genie Sim 3.0仿真平臺以及SOP在線學習系統(tǒng)的支撐下，機器人能夠在仿真與現(xiàn)實之間持續(xù)訓練與優(yōu)化，實現(xiàn)長時序任務的穩(wěn)定執(zhí)行與真實環(huán)境中的持續(xù)進化。執(zhí)行不再是瓶頸，而成為可以規(guī)?；瘡椭婆c持續(xù)提升的能力。

第三個關鍵約束在于數(shù)據(jù)。傳統(tǒng)AI依賴互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)訓練，而物理世界數(shù)據(jù)具有更強的時序性、噪聲性與反饋性，使得模型在現(xiàn)實環(huán)境中的泛化能力長期受限。具身智能的關鍵突破，在于“部署本身”開始成為數(shù)據(jù)來源。

在這一體系中，一方面，AGIBOT WORLD 2026提供高質量的真實世界訓練數(shù)據(jù)；另一方面，由BFM與GCFM驅動的運動智能為機器人提供穩(wěn)定、類人的運動能力，使其能夠在復雜環(huán)境中持續(xù)運行并產(chǎn)生高質量數(shù)據(jù)反饋。每一次真實任務的執(zhí)行，都會反哺模型訓練，逐步形成“部署—學習—再部署”的數(shù)據(jù)飛輪，實現(xiàn)系統(tǒng)能力的持續(xù)演化。

彭志輝攜靈犀X2展示交互智能

當交互智能、作業(yè)智能與運動智能這三大智能實現(xiàn)協(xié)同，一個更關鍵的判斷隨之成立：具身智能的拐點，并非來自某一項單點技術的突破，而是多項關鍵條件在同一時間窗口內(nèi)的同步成熟。大模型顯著提升了對世界的理解能力，機器人本體跨越了可靠執(zhí)行的門檻，而真實世界部署正在持續(xù)生成高質量數(shù)據(jù)反饋。這三者的疊加，使AI首次具備進入真實生產(chǎn)系統(tǒng)的能力。

回到更宏觀的層面，這種變化正在重新定義機器人在產(chǎn)業(yè)中的角色。它不再只是一個設備，而開始成為生產(chǎn)系統(tǒng)的一部分；不再只是技術展示，而成為價值創(chuàng)造的載體。產(chǎn)品形態(tài)從單一硬件走向系統(tǒng)化解決方案，商業(yè)模式從設備銷售轉向結果交付，競爭也從單點能力轉向模型、數(shù)據(jù)與生態(tài)的綜合能力。

AI的發(fā)展，正在經(jīng)歷一次從“認知智能”向“行動智能”的遷移。從屏幕中的理解與生成，走向現(xiàn)實世界中的執(zhí)行與創(chuàng)造。在這個過程中，真正的分水嶺，不再是模型是否更強，而是AI是否能夠進入真實工作流，并持續(xù)創(chuàng)造價值。

具身智能因此不再只是一個技術方向，而更接近一種新的生產(chǎn)力基礎設施。而2026年，很可能會被回看為這一轉折真正開始發(fā)生的時間點。