AI生成的机器人作业概念图
一批机器人完成交付，是制造商的业务进展。对于接收设备的工厂，接下来的问题更具体：它们能承担哪些工序，一天完成多少合格作业，需要多少人照看？
10月29日，智元在上海举行的2026创新日上展示GO-3 Preview具身基座模型，正式推出G2 Max工业机器人和Link-U OS 1.0，并提出名为Worken的机器人生产力度量框架。几项发布共同指向机器人进入现场之后的工作表现。
通电八小时，未必工作了八小时
按照智元公布的定义，Worken由实际参与任务的机器人数量、自主工作时长和产出效率共同构成。其中，产出效率需要对照特定任务的参考基准，考察符合既定标准的工作量。
这一口径把一些容易混在一起的数字拆开了：设备制造出来，不等于已经上岗；已经上岗，不等于持续自主运行；完成动作，也不一定形成合格产出。
放到零件上下料工位，区别就很直观。机器人抓起零件之后，还需要正确放入夹具，配合下游设备节拍，并识别放置失败。如果频繁等待人工调整，整班的实际产出可能与一次演示呈现的速度相差很大。
这是用于理解评价方法的作业示例。它也说明，统计有效工作之前，首先要定义任务边界：人工补料是否计入辅助时间，重试怎样记录，什么情况算完成一次合格作业。口径不同，同一个数字可能表达完全不同的运行水平。
Worken目前是智元提出、仍需通过部署数据完善的框架，尚不能视为行业统一标准。其参考价值，取决于任务定义和记录方式能否足够清楚，供使用者复核。
GO-3需要回答现场不断变化的问题
此次展示的GO-3 Preview采用智元称为WRAM的架构，将推理、预测与动作结合起来。公司希望借此帮助机器人预判动作后果、适应环境变化，并处理超出既有任务序列的情况。
这些能力在现场有明确的检验对象。来料位置改变、物品相互遮挡、夹具出现偏移，都会要求系统重新判断；下游设备暂停，则可能要求机器人等待或停止操作。
模型升级的价值，可以沿着这些变化观察：它减少了哪些人工介入，能否发现执行失败，恢复作业需要多久。把异常及其处理过程一同记录，才能解释连续运行的表现。
生产力评价最终还要回到成本。同样的合格产出，如果需要更多维护、集成或停机处理，部署收益就会改变。企业需要将作业记录与完整成本放在一起，判断一台机器人是否值得继续使用，以及下一批设备应该部署到哪里。
智元此次发布，把模型、设备和作业计量放到了同一场讨论中。后续最有说服力的材料，将是具体工位长期积累的运行数据：任务怎样完成，异常怎样处理，投入又怎样转化为合格产出。