智元彭志辉：当AI走出屏幕，谁在消耗下一个万亿Token？

飞象网讯（孙迎新/文）“未来最大的Token消耗者，将是现实世界里的具身智能体。”

对具身智能体拥有如此巨大“胃口”这个结论，是在MWC2026世界移动通信大会上，智元机器人联合创始人、总裁兼CTO彭志辉提出的。

之所以能把Token消耗，与具身智能体联系起来，不仅源于彭志辉对机器人的深度觉知，更得益于他的长期深耕，用实践为我们阐述了AI是如何实现从“答题机器”到“自主机器人”的转变。

用彭志辉的话说，这不仅是一场技术的革新，还是一场关于生产力、商业模式及整个产业生态的重塑。

AI下一站：从数字世界走向物理世界的具身智能

在大模型技术成熟的今天，喜欢它的人，或许和恐惧它的人一样多，未来究竟怎样，很大程度上取决于当下。

大家同时都面临一个现实问题，AI如何突破数字屏幕的限制，在充满不确定性的物理世界中实现大规模落地？如何从类似于早期波士顿动力翻跟头跳舞的单纯炫技，转向对消费者友好、用户真正关心的生产力创造？

坦率地说，用户真正关心的，是AI与机器人有用，而不仅仅是看起来有用。但这种最终评价，会指向一个根本性问题：AI如何从数字世界真正走向物理世界？

彭志辉认为，从数字世界走向物理世界，是一次标志性的转变。

这意味着AI不再是一次性的文本内容生成，而是要从回答问题走向在物理世界中自主完成任务。它需要持续运行、持续学习，并持续创造生产力。当大模型、本体硬件的可靠性与真实场景数据，在同一个窗口期收敛时，AI的落地方式将发生根本性变化。

我们还发现Byte与Token更多的不同，尽管这种发现有时候表现得不情不愿。

而这种不同就在于，Byte定义了信息的存储与传输价值，Token则定义了智能的生成与消耗价值。或许将来的人工智能教材里会这样写，但请记住，这全是当今时代出的命题。

当然，我们想真正定义Token并不容易，这道题难就难在，Token不仅能够衡量具身智能体发生的转变，还是AI时代的终极货币。

彭志辉表示，对于移动通信领域的听众而言，过去移动通信连接的是人、手机和终端；但在未来，越来越多的连接对象将是自主运行的智能体。它们在真实世界中感知、决策、执行并反馈，且长期在线。

数字世界到物理世界的关键：三智一体

从某种角度看，智能体长期在线并不是一件令人感到美好的事情，毕竟人会一天天衰老，但智能体却不会。很多时候这种感觉会让人感到沮丧，但好在目前，我们讨论的Token多用于聊天AI、代码助手或视频生成，而这些任务边界清晰，频次有限，并不会让人觉得是对年龄与容貌的冒犯。

虽说具身智能体什么时候看起来都像是你第一眼看到时那般年轻，但具身智能体在物理世界持续运行时，每时每刻都在感知环境、规划动作、执行反馈并修正下一步动作。其任务空间是“数字世界+物理世界”的总和，面对的是连续、多模态的不确定性。

如果从最终用户的角度出发，会是另外一番情形。

我们看到，未来最大的Token消耗者，将是现实世界里的具身智能体，也就是人形机器人。它既是执行器也是流量入口，既是劳动者也是模型与物理世界连接的端口。这不仅是我们的判断，也是行业趋势。

彭志辉指出，基于对行业趋势的判断，智元机器人提出独有的“三智一体”范式。具身智能不是单一技术的突破，而是四个维度的协同进化。

“三智一体”的“体”指的就是具身智能的本体，它决定了进入什么样的场景。常规地看，双足机器人适合与人交互，轮式机器人适合工厂那种效率、成本、安全性更优的场景，而四足机器人则更加适合特种场景。

作为“三智”中的运动智能，有着明确的边界。它决定了机器人能否稳定、可靠、高效地运行。这也是具身智能通往物理世界的基础，毕竟若无法在开放环境中稳定行走，就不具备部署条件。

第二个“智”主要针对的是作业智能，它决定了机器人能否创造劳动生产力价值。而这正是商业化的核心所在，机器人只有自主闭环完成搬运、装配等任务，并且比人更快、成本更低，才更加具有价值。

第三个“智”指的是交互智能，它决定了机器人是否能融入到人类工作流当中。从管理的角度看，机器人只有实现与人协作、沟通，并清晰理解意图，才谈得上交互智能。毕竟在机器人没有获得真正的人权之前，它还只是一种工具而非真正意义上的伙伴。

在谈及智元机器人“三智一体”范式时，彭志辉强调，目前智元是全球唯一一家，同时具备这四层全栈能力且完成万台量产的公司。

跨越鸿沟：从实验室Demo到工业级量产与商业化

在具身智能从实验室推向工业与生活的过程中，一系列问题接踵而至，甚至你想避都避不开。

机器人是如何从昂贵的玩具或者展品变成了可靠的工业品？如何解决机器人在真实场景中面对长尾问题时的泛化能力，以及如何降低企业的使用门槛？

彭志辉表示，机器人要成为生产力基础设施，首先必须是可靠的工业品。我们非常重视量产验证，从早期的几台样机，到2024年突破1000台，去年底5000台，本月突破15000台。这背后检验的是系统工程能力、制造一致性和质量体系。

在商用场景上，智元沿着环境复杂度和任务复杂度两个维度逐步升级。2024年，智元完成了接待讲解、科研教育、数据采集；2025年，智元进入高价值场景，如安防巡检、物流分拣、工业制造。

彭志辉谈到一个具体的案例。智元在南昌的一条产线上部署了机器人，任务是抓取易碎的平板玻璃放入工装检测。以往这项工作传统机械臂无法完成，需靠人工手感。现在智元通过数据驱动的方式，实现了近乎100%的成功率，且节拍比人类更快。

在谈及如何打造数据飞轮与模型能力等技术底座时，彭志辉表示，具身智能需要解决感知、决策、动作、反馈的系统闭环，这依赖三大智能能力，也就是我们刚才所定义的“三智”，但在这里有更清晰的界定。

首先在运动智能的表现上，智元推出了自研运控基座模型AGE。它让机器人的“小脑”学习统一的泛化动作分布，而非单一动作。结合生成式模型，机器人就可根据语音或上下文自主生成肢体语言，实现感控一体。

在作业智能方面，智元推出了AgiBot World，它是一个具身智能数据集和VRA机座的模型。智元可以通过世界模型进行仿真评估，结合在线分布式强化学习系统，也就是SOP，形成“真实采集-仿真训练-部署执行-数据回流”的闭环。

在交互智能方面，智元自研了端到端的机器人原生交互模型Vita-Only。不同于传统模型缺失动作和表情模态，Vita-Only能够将看、听、动、说这些能力表现有机结合，赋予机器人连续存在感和人格感。

有了这些能力的加持，具身智能体看起来会更加像人，行为上也会更加可靠、可信、可以接受。虽说目前机器人看起来没那么机灵，既呆板又昂贵，但以后肯定不是这个样。

生态共建：构建具身智能时代的操作系统与基础设施

面向未来，我们还需要面对一些更具有开放性的问题，具身智能产业如何避免碎片化发展？如何降低开发者的门槛，让运营商、云服务商和开发者，能够共同参与到物理世界智能基础设施的建设中来？

彭志辉指出，为了推动产业繁荣，智元致力于构建一个开放的生态。这个生态包含三方面内容：

Emma架构：智元推出业界首个开放完整的智能生态技术体系Emma，融合“三智一体”构建标准化开发底座。

灵犀OS：智元布局了具身时代原生操作系统灵犀OS，这避免了底层被卡脖子。

生态计划：智元启动了原生生态发展计划，未来五年将投入22亿元，涵盖科研、教育等。

在谈及商业模式创新时，彭志辉表示，智元推出了机器人租赁模式，即RaaS。可以让用户有更多的选择，与其买断机器人，不如像雇佣员工一样租赁其工作时间。通过子公司的运作，智元将构建起全球化的机器人租赁网络。

彭志辉认为，智元机器人的核心价值就在于：用多形态本体和万台级量产验证了工程化落地，通过“三智一体”能力和真实场景数据验证了数据闭环，通过开源数据集、模型和操作系统实践了生态共建。