智元发布 GO-3 Preview 与 WITA-OMNI，提出机器人“有效工时”单位 Worken

在今年的智元创新日上，智元联合创始人、总裁兼 CTO 彭志辉（稚晖君）发布了一个新的物理 AI 计量单位 Worken，用来衡量机器人的有效智能工时。按照现场给出的公式，Worken 等于活跃机器人数量乘以自主工作时长，再乘以产出效能比。

这三个因子分别对应部署规模、机器人能否在无需人工接管的情况下持续作业，以及实际产出效率。智元的意图很直接：大语言模型时代用 token 衡量调用量与成本，物理 AI 也需要一个与真实作业挂钩的商业锚点，让竞争从演示效果转向能否稳定创造生产力。

支撑这套计量的是两个新模型。面向作业智能的具身基座模型 GO-3 Preview 在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能评测中排名第一。它采用具身原生架构 WRAM（World Reasoning Action Model），把任务理解、推理、未来状态预测与动作生成放进统一的学习框架。

据智元介绍，GO-3 Preview 在预训练阶段强调模型与数据的共同 scaling，因此在零样本与少样本任务上的迁移和复杂技能适应能力更强。经过微调，搭载该模型的机器人可以完成零件抓取、对位和插入等精细操作，并在 Agent 编排下完成拼装任务；换到双足人形机器人 X2 上，它也能双手开门、跪地取物，显示出跨本体迁移能力。

实验室之外的变化靠后训练与部署框架承接。智元构建了 Genie Evolver，把上百台真机、物理仿真与世界模型结合起来做后训练；进入实际岗位后，由具身智能体框架 Genie Master 负责任务规划与异常恢复，把现场失误沉淀为后续经验。

另一个模型面向交互。全模态端到端交互大模型 WITA-OMNI 在 Daily-Omni、TimeLens-Bench、EmbSpatialBench、MMAU 四项评测中均列第一。它把语音、视觉、文本输入与语音、表情、动作输出放进同一个模型协同建模，让机器人能够边听、边看、边说、边动。

一个值得注意的细节是 WITA-OMNI 不需要唤醒词。模型综合声音方位、声纹、人脸和唇动来识别对话对象，再结合视线与语气判断何时适合回应，即使机器人正在执行其他动作也可以继续参与交流。它采用快慢双系统设计：前台 Interaction Engine 负责即时回应，后台 Background Agent 负责推理、规划、工具调用与长任务。

系统层的主角是灵渠 OS。智元针对全栈做了确定性时延优化，在1000Hz 高频任务负载下端到端时延抖动小于4微秒，并把系统服务封装为可复用的 Skill，开发者可以直接调用现成能力搭建应用。按照主论坛披露的计划，智元将在今年年底全面开源灵渠 OS 1.0，并向开放原子开源基金会捐赠该项目，同时开放经过量产验证的2亿行代码、5000多个生态软件包与端到端构建工具链。

落地数据是这套组合的检验。智元与龙旗合作打造的3C 产线于2026年3月实现规模化投产，到创新日时已稳定运行超过7个月；一场为期6天的全产线直播中，机器人累计作业超过64824次，生产17625台平板电脑，作业成功率达到99.99%，平均节拍22秒。零售场景里，100台灵犀 X2 在爱仕达门店三天带动销售223万元；文旅场景中，横琴长隆飞船乐园部署了近500台机器人，覆盖100多个岗位。接下来真正的问题是，Worken 能否被更多厂商接受为共同口径，而不是智元一家的内部 KPI。