智元彭志辉回应GPT-6 Astra：本体规模化能力决定具身智能落地

10月29日，智元在上海世博中心举办第四届创新日。主论坛和会后群访中，GPT-6 Astra被反复提及——这款通用大模型近期被证明可直接控制机器人完成部分操作任务。市场随之抛出尖锐问题：若基础模型足够强，具身公司自研的“大脑”还有没有价值？本体会不会沦为代工硬件？

智元联合创始人、总裁兼CTO彭志辉（稚晖君）给出的判断是“恰恰相反”。他的逻辑是，无论大模型最终能否通吃具身能力，智能都必须落到一具可靠的身体上才能干活，而能低成本、高一致性、大规模造出这具身体的公司并不多。

两条路径，同一个结论

彭志辉的推演分两种情况。其一，通用基模真正覆盖具身能力，大家拿到同样的智能，比拼的就是谁能以更低成本、更高可靠性把它装进真实世界，规模化本体厂商占优。其二，基模做不到真正泛化，各垂域仍需训练自己的模型，而训练数据来自部署、部署依赖本体，本体厂商依然占优。两条路通向同一个结论：可规模化的优质本体会越来越重要。

智元合伙人姚卯青在主论坛引用英伟达报告称，Astra在120项仿真任务中平均成功率66.3%，能力集中在语义理解和动作规划；但单次推理需18秒以上，涉及力触反馈的高动态精细动作，智元实测成功率基本为零。彭志辉补充，近万亿参数的Astra跑在云端，完成一个简单任务可能要十几分钟甚至半小时，而机器人的操作是实时的。姚卯青据此判断，大模型将更多承担System2的长程规划，VLA训练出的技能是被调用的工具，再往下是100到1000Hz的实时电机控制，这几层都与本体深度耦合。

本体对后训练同样关键。智元在实验室将100台真机组网，与训练集群实时同步，机器人边干活边回传数据，模型权重再下发到每一台。同样训练时长下，4台机器人与100台机器人对比，任务成功率从50%左右提升到98%。姚卯青称，后训练也有Scaling，规模指的就是真机台数——这条路纯模型公司很难复制。

智元在两个方向同时下注：GO-3 Preview是目前行业发布的参数量最大的具身模型，在RoboDojo等三个评测榜单登顶；同时智元也以Astra为底座，做出运动智能的自进化智能体。彭志辉强调“模型是必选题”，不做模型，最后就会像传统自动驾驶方案公司一样被自研模型的主机厂取代。不过这套逻辑有个前提：Astra的慢来自参数规模和云端推理，彭志辉自己列出的解法包括分层设计、模型蒸馏、缓存系统。若这些问题先被大模型公司解决，本体厂商的窗口期会比预想更短。

从参数表到工时表

客户的问题已经变了。过去看机器人看参数、看跑跳打拳视频；现在客户问的是能稳定干多少活、干一次花多少钱。智元给出的答案是Worken（Work与Token的组合，中文名“智元”），用于度量机器人的有效智能工时，计算拆成三个乘数：在岗活跃台数、自主工作时间、产出能效比。一台机器人每工作10分钟就要人接管一次，自主工时就很有限。收费方式上，彭志辉未给单一答案，卖本体、卖服务、与客户共创运营均可，取决于客户要的是设备还是结果。

真正卡规模的是运维。彭志辉直言，每卖一台机器还要配一个“保姆”，这是永远到不了的那一天；客户愿意大规模买单，要等问题从“能不能造得出来”变成“能不能养得起”。

龙旗是目前最完整的样本：这条3C产线2026年3月规模化投产，已稳定运行7个多月，6天直播期间作业成功率99.99%，平均节拍22秒一件，与人工持平。姚卯青透露，智元研发团队早已撤出现场，基础运维移交龙旗自己的团队，3C领域另有3家以上企业在合作。服务场景走得更快：横琴长隆乐园部署近500台机器人，日均接待游客超1万人，开园后每周一个小版本、每月一个大版本迭代。

人机比是另一条线：最早一台机器人配一个工程师，后来3比1，现在10比1，目标20到30比1。人机比降不下来，每个场景都要堆专家，生意就只能按项目做。姚卯青给出行业层面的两个刻度：一是部署一个新场景要投入多少人天，他拿自动驾驶类比，做得好的团队10个人3个月搞定一个车型，做得差的要100个人干一年；二是中国工厂里何时有1万台以上机器人长期稳定作业。Worken目前仍是智元自定义口径，能否成为行业度量衡，取决于客户和同行是否愿意按它结算。

壁垒与路线图

彭志辉对价格战的判断很明确：本体自研和垂直整合能力不够，最后只能卷价格、卷成本。智元硬件路线走了三步：新一代AHA3架构首次把运动、作业、交互三种智能放进一颗SoC，控制系统体积降50%，通信延迟降90%；核心零部件自研率超90%，但最关键的芯片尚未自研，下一代AHA4会提高这部分比例。

钱和人在向智能倾斜：研发团队30%做本体、70%做智能；今年训练算力接近万卡集群，彭志辉称这一规模已在和通用大模型公司抢算力。部署端Token成本他并不担心——工厂干活几乎不耗Token，长隆这类交互场景耗得多，端侧小模型能闭环大部分对话，大模型再靠蒸馏压缩。在他看来，Token真成瓶颈反而是好事，说明客户愿意用。

场景顺序上，他判断家庭是终点，安全、跨任务泛化、长程任务和C端定价要求都高得多，工业和商业场景先走。按智元提出的物理AI五阶段，可用的身体已经有了，垂域智能正在部署，下一步是形成足够泛化的基座模型。彭志辉认为ChatGPT时刻就出现在第三阶段，“应该也很快了”。那一刻到来之前，大模型公司和本体公司会在同一个问题上相遇：谁能让机器人真正上岗。