上证报中国证券网讯（记者宋薇萍）10月29日，在2026智元创新日主论坛上，智元联合创始人、联席总裁、具身业务体系总裁姚卯青提出，具身智能正在进入一场更现实的考试：衡量机器人的标准，不再是能否完成一次令人惊叹的演示，而是能否在真实环境中7×24小时稳定作业、应对扰动，并算得清ROI（投入产出比）。

　　在他看来，物理AI的智能涌现，不会只由更大的模型带来，而要依靠数据、模型、本体和场景形成完整的学习闭环。大模型可以加速知识迁移，但机器人要真正走进物理世界，仍需从真实交互中获得数据，在持续作业中积累经验，再把经验带回模型和本体迭代。“具身模型不能光靠‘训’出来，更要靠‘干’出来。”

　　围绕这一判断，智元把具身智能的Scaling（规模化扩展）划分为三个连续阶段：预训练以数据规模和模型容量构建通用能力；后训练通过真机、仿真器和世界模型提升策略可靠性；部署后的训练则让真实作业现场成为新的训练场，使机器人在上岗后继续学习。

　　数据是这套闭环的起点。AGIBOT WORLD 2026持续开源真实场景数据，智元孵化成立的觅蜂科技则通过MEgo系列采集装备、觅蜂派众包平台和MEgo Engine数据治理平台，打通数据采集、处理与训练。

　　模型侧，姚卯青发布新一代具身基座大模型GO-3 Preview，其采用具身原生WRAM（World Reasoning Action Model，世界推理行动模型）架构，将任务推理、未来预测与动作生成连接起来。在训练数据规模扩展实验中，模型在20类技能100个任务上Zero-Shot平均成功率由13.4%提升至56.4%；在模型规模扩展实验中，Zero-Shot平均成功率由56.2%提升至73.2%，都展现了数据规模与模型规模扩展带来的能力提升趋势。GO-3 Preview近期也登顶 RoboDojo、RoboTwin、RoboColiseum三项评测榜单。

　　面向后训练，智元构建Genie Evolver虚实协同后训练系统，结合真机、物理仿真与世界模型推进规模化学习。其中，联合清华大学、无问芯穹推出的群体经验学习CEL，在百台真机集群上完成原型验证；世界模型Genie Envisioner 2.0通过推演多种未来，为策略探索提供支持。

　　面向部署后的持续学习，具身Agent框架Genie Master让机器人在真实任务中沉淀成功、失败与故障恢复经验，持续改进执行策略。值得关注的是，智元计划于2026年底全面开源GO-3 Preview与Genie Master，携手开发者和产业伙伴共建具身智能生态。

　　智能最终要由本体承载，并在场景中兑现。智元此次发布精灵G2 Max，以重载、精细操作、安全和快速部署面向仓储与重工场景；精灵G2已进入3C、半导体、CNC（工业母机）加工件上下料、地铁等环境。据介绍，智元与龙旗落地的具身智能3C量产产线已规模化投产，120余台精灵G2也已在广州地铁投入使用。

　　从数据到模型，从本体到场景，姚卯青认为，具身智能的下一阶段，不是继续堆叠孤立能力，而是让每一次真实作业都能产生数据、沉淀经验并反哺系统。只有当这条闭环持续运转，机器人才可能从“能做一次”走向“长期做好”，让物理AI真正成为可衡量、可复制、可规模化的生产力。