在具身智能行业仍热衷于用高难度动作展示技术进步时，智元创新日上呈现了另外一种思路。 在这场发布会上，没有太多眼花缭乱的机器人特技，也没有太多夺眼球的集体舞蹈，反而更像是一场信息密度极高的技术研讨会。甚至，在世博中心的入口，智元还设置了一大面“论文墙”，呈现智元团队近期的核心技术进展。 过去三年，机器人学会了跑、跳、后空翻，但走出实验室才发现，单一技术突破撑不起复杂环境中的稳定工作。当GPT-6 Astra等大模型展现出物理任务规划能力后，“真实部署”已从口号，变成行业必须回答的问题。 智元的回答是一套组合拳： GO-3 Preview具身基座大模型、AGILE通用运动智能算法框架、WITA-OMNI原生多模态交互大模型分别攻坚作业、运动、交互三大难关；灵渠OS 1.0与AHA3第三代硬件架构从软硬件两端拉通统一端口；Worken（有效智能工时）则试图为物理AI的实际劳动产出建立度量衡。 也就是说，智元几乎把整条技术链摊开，逐个击破模型、数据、硬件、软件的各个卡点。 智元的种种动作，共同指向了同一个方向—— 机器人行业下一阶段竞争的胜负手，不再是谁更会打拳，而是谁能把过去三年的成绩落地部署到实际场景里，将其转变成源源不断的生产力。 智元联合创始人、总裁兼CTO彭志辉在发布会上给出的数字，恰好为这个判断提供了注脚：2026年上半年，智元机器人营收接近20亿元，智元通用AI机器人累计下线达20000台。 在会后接受访谈时，他坦言， “万台下线，只是制造业的胜利，万台上岗，才是物理AI的胜利”。 具身部署不再拼单点技术 过去几年，机器人行业出现了一种常见的竞争方式：不断刷新某项能力的上限，比如比跑得更快、跳得更高，谁能完成更复杂的抓取动作。而当机器人真正部署进工作场景后，这套旧有的评价逻辑明显不够用。 不妨想象一个工厂里一项极其普通的任务：“走到货架前取一件物品，再将它送到指定位置。” 听起来轻松，若由机器人执行，这项简单任务可以被解构为几个挑战——机器人要判断物品在哪、怎样抓取；搬运过程中需实时应对突发情况，有人突然经过要及时避让；工作人员临时改变任务，还需要听懂新要求。 也就是说，一个小小的任务，分别涉及作业能力、交互能力、运动能力，任意一项都不可或缺。 智元此次推出的多项核心成果——譬如GO-3 Preview、WITA-OMNI、AGILE，正是基于现实落地的基础痛点展开。 GO-3 Preview最核心的意义正是，让机器人如何更好地理解自己即将执行的动作。 近年来VLA成为具身智能重要技术方向，让机器人像大模型理解文字一样理解环境和指令并生成动作。 但传统VLA存在一个卡点：机器人纵使知道下一步该做什么，却不一定清楚这个动作的后果，比如想拿起桌上杯子时，可能把旁边东西打落。 GO-3 Preview的核心突破是“先预测，后动作”的一体化决策机制。也就是说，机器人拿到任务后，会先综合多路摄像头画面和指令，搞清楚“要做什么、环境如何”；接着在内部推演几种可能的情况；最后从中选一个最靠谱的方案行动。相当于行动之前先三思，而不是边做边想。 除了持续探索具身智能大脑模型之外，智元此次还盯上了一个被巨头基模公司集体忽略、却不可或缺的重要方向——全模态端到端交互大模型。 “交互，正是机器人产生价值的必经入口、第一入口，所有的场景都离不开交互”， 智元合伙人、联席总裁、中央研发部总裁、交互业务体系总裁熊彦如此表示。 以前人类与机器人交互的模式基本是，要先喊它名字“唤醒”它，然后一问一答、干等回复。而WITA-OMNI大模型把人机交互的底层逻辑完全改了。 在发布会现场，熊彦与搭载该模型的机器人远征A3的趣味互动——不需要唤醒词，在噪音复杂的现场，机器人还能准确判断你是不是在跟它说话，且快速打断切换问题也不会影响交互。 经现场测试，WITA-OMNI模型的响应速度最快只有400毫秒，支持20多种情感表达，能听懂73种语言。在WITA-OMNI模型的加持下，机器人终于从一台被动听指令的机器，变成了一个能聊天的小伙伴。 值得注意的是，这两项模型近期均交出了硬核成绩单。 据介绍，GO-3 Preview登顶RoboDojo、RoboTwin、RoboColiseum三大行业权威评测榜单，并将于2026年底全面开源；WITA-OMNI则拿下Daily-Omni全模态理解、TimeLens-Bench视频时序定位、EmbSpatialBench具身空间推理、MMAU复杂音频理解四项榜单第一名。 有了“先想后做”“擅长聊天”的大脑之后，机器人还需要一副跟得上的身体。 此次智元发布的AGILE正是一项全新的通用运动智能算法框架。可以这么理解：机器人可以像人一样，眼睛看到变化，身体立刻就能做出合适的反应，一气呵成。 从GO-3 Preview到WITA-OMN
