会跳舞的人形机器人有娱乐价值。能对话的——知道谁在说话、何时插话、在嘈杂主题公园里何时该安静——有商业价值。智元机器人,这家由前华为高管邓泰华和前"天才少年"工程师彭志辉共同创办的上海公司,2026年一直在搭这一层,其交互模型WITA-Omni(硅光动语)如今跨过了一道国内同行还没跨过的监管线。
那次要紧的备案
5月,智元在香港合作伙伴大会发布WITA-Omni,一个机器人原生的端到端全模态交互模型。几天后的5月18日,模型完成上海市网信办合规备案,中国媒体报道称它是中国首个完成大模型备案的具身交互模型——生成式AI服务向公众提供前必须的登记步骤。备案不认证质量,但清出了面向公众商用的路:主题公园、零售店面、导览。
模型架构为对话而非问答而生。Thinker、Talker、Actor三层并行:Thinker把视觉、音频、文本映射进一个语义空间做联合推理;Talker流式输出语音;Actor同步生成动作和表情。三者共用一条时间线,交互延迟压到约500毫秒以内,机器人可在说话中途被打断、纠正和改向。它支持100多种语言和方言,无需切换模式。
跑分和旗舰升级
WITA-Omni预览版在7月下旬DailyOmni全模态理解榜拿到85.21综合分,总榜第一、八个子指标中六个第一,领先谷歌、阿里通义千问和字节豆包的条目。DailyOmni由复旦一个研究团队编制,测的正是机器人特别需要的能力:判断谁在说话、给事件排时间顺序、在嘈杂多人场景里决定要不要回应。
10月29日,智元在上海创新日交付生产版WITA Omni 1.0。活动上一台远征A3-Ultra人形机器人做了十分钟实时交互,完全跑在本体算力上——公司称这是首个部署在量产机器人本体上的大参数交互模型,设计同时解决隐私、离线运行和实时延迟。公司报告模型现领跑四项基准,除DailyOmni外还有视频时序定位榜ActivityNet-TimeLens、音频理解基准MMAU和具身空间理解基准EmbSpatialBench。跟以往一样,榜单名次反映评测套件对能力的定义,不是现场表现。
一周的商业信号
模型之外,本周流传的券商研究总结了智元的部署势头,数字勾勒出人形机器人少见的具体商业画面:
- 规模。 第1万台通用具身机器人3月下线,是央媒记录的里程碑。
- 工业订单。 2025年10月,智元拿下全球智能设备ODM厂商龙旗的合作,当时被称为中国最大工业具身机器人订单之一;精灵G2如今在龙旗产线把平板送上测试工位。在均胜电子宁波工厂,G2做三销关节柔性装配,最快节拍12.97秒,成功率据报超99%。
- 供应链也参与。 临界点,今年1月从智元拆分的灵巧手公司,已融多轮、估值超10亿美元,截至10月累计产灵巧手超1.5万只。
交互模型是智元"三智"架构——运动、交互、任务执行——的第三条腿,备案加跑分显示公司把对话当服务业部署的差异化点,灵犀系列机器人已在做门店迎宾和租赁演出。
关键要点
- 5月18日WITA-Omni完成上海网信办合规备案,被称中国首个完成大模型备案的具身交互模型,但不认证质量。
- Thinker、Talker、Actor三层并行,延迟压到约500毫秒以内,支持100多种语言和方言,可被中途打断。
- 预览版7月在DailyOmni拿85.21分、总榜第一;10月29日交付生产版1.0,并在A3-Ultra上做十分钟本体算力实时交互。
- 公司称模型领跑DailyOmni等四项基准;第1万台机器人3月下线。
- 龙旗下单精灵G2做平板上下料,均胜宁波厂G2做三销装配节拍12.97秒、成功率超99%;临界点估值超10亿美元、累计产灵巧手超1.5万只。
诚实的局限
- "首个完成备案"是监管和营销区别,不是质量排名——它说明模型走完流程,不代表部署中胜过对手。
- 跑分在评测套件上算出来,DailyOmni排名是在该团队任务定义下比较;拥挤真实场馆的交互质量还没有独立现场研究。
- 上面的工业数字是公司和券商披露:均胜成功率是运营方就特定工位给出的数字,龙旗"最大订单之一"没有经审计的合同额。
- 灵巧手估值是私募定价,有自己的周期;备案只适用于中国监管,同模型出海要面对另一套制度。
普通人现在能做什么
- 用现场演示而非幻灯片看延迟宣称:低于500毫秒是最用户可见的规格,创新日十分钟交互视频能让你自己判断连续性和打断处理。
- 把三条业务线分开看:智元的故事混着模型跑分、机器人出货和部件拆分,分开跟踪——备案、部署台数、外部订单——比单一数字清晰。
- 如果你经营面向公众的场馆,备案状态是实用过滤器:在中国向公众部署的对话机器人都需备案模型,向供应商索要备案状态是正当的采购检查点。