智元Worken公式怎么算：三步算清一台机器人值不值

过去两年，机器人行业的新闻几乎都在比一个数字：造了多少台、交付了多少台、进了多少家工厂。但这个数字回答不了老板最关心的问题——它到底替你干了多少活，值不值这个钱。

2026 年 10 月 29 日，智元（AGIBOT）在上海创新日上给这个问题提了一个可计算的答案：Worken，中文叫「有效智能工时」。它不是又一台新机器人，而是一把尺子。

这篇文章不吹技术参数，只做一件事：把这个公式拆开，教你在自己的场景里算出结果。

一、这次到底发布了什么

按智元现场披露，这次一共四件东西，加一组商业数据：

Worken（有效智能工时）：取 Work 与 Token 组合，定义为衡量机器人在真实环境中「有效产出」的框架。公式是三个乘数：活跃机器人数 × 自主工作时长 × 产出效能比。

GO-3 Preview：下一代具身基座模型，基于自研 WRAM（World Reasoning Action Model，世界推理行动模型）架构，把任务理解、未来状态预测、动作生成整合进一个模型，支持零样本与少样本。现场公布的评测成绩是：RoboDojo 任务成功率与过程分均第一、RoboTwin 综合最高分、RoboColiseum 综合分第一。计划 2026 年底开源。

灵渠（Link-U）OS 1.0：定位业界首个专为具身智能打造的操作系统，基于统一硬件抽象层与具身原生内核，已在上量机器人上验证，计划年底全面开源，并已把项目捐给开放原子开源基金会。

WITA-Omni 与 G2 Max：前者是全模态交互基座模型，把视觉、语音、实时对话、表情与动作整合进连续交互，支持全双工对话和端侧部署；后者是重载工业机器人。

商业侧：2026 年上半年出货 9700 台，整体收入接近 20 亿元；9 月第 20000 台机器人下线；生态覆盖 255 所高校、511 家企业、超 8 万名开发者。

一句话总结：智元想把行业的计数单位，从「台」换成「有效工时」。

二、公式拆开：为什么是乘法

Worken = 活跃机器人数 × 自主工作时长 × 产出效能比。

很多人第一眼会觉得这三项应该相加，但乘法才是这个公式最狠的地方：任何一项接近 0，结果就是 0。

活跃机器人数：统计的是真正在执行任务的机器人，不是造出来的、也不是躺在仓库里的。十台机器里只有三台在跑，这一项就是 3，不是 10。

自主工作时长：算的是不需要人接管的连续作业时间，不是开机时间。开机 8 小时、中途被人工接管 5 次、每次停 20 分钟，这一项就只剩 6 小时出头。

产出效能比：以既定任务的标准基准评估有效产出。通常拿一名熟练工在该作业标准下的可接受工作量当 1.0，机器人实际吞吐除以这个基准，就是比值。

举个直观的例子：一台机器人在车间待了 10 小时，看着很忙。但只有 4 小时在自主干活，其余时间在等料、等人处理异常；干活时的速度是人工的 0.7 倍。那它的 Worken 是 1 × 4 × 0.7 = 2.8，而不是 10。

这就是为什么行业需要这把尺子：部署数量会骗人，开机时长会骗人，只有乘出来的有效工时不会。

三、三步算清一个工位

下面这套算法不需要任何厂商平台，一张表就能跑完。我用一个仓库夜间搬运的场景做示范。

第一步：定基准，把「1.0」钉死

先写清楚这个工位的标准作业是什么，一小时应该完成多少。

比如夜间托盘搬运：一名熟练工在标准动线下，每小时搬运 40 托，这是基准值。基准必须写下来、有据可查，否则后面的效能比全是拍脑袋。

第二步：连续记 7 天，只记四个字段

不要一上来就统计一个月，先连续记 7 个班次。每个班次只记四个数：

1. 排班机器人数
2. 实际在跑任务的机器人数（取班次内的平均值，不是峰值）
3. 无人工接管的连续作业时长（接管一次就掐表）
4. 实际完成任务量（托数、件数、巡检点位，按工位定）

四个字段记完，效能比 = 实际任务量 ÷（基准速率 × 无接管时长）。

第三步：乘出来，再换算成钱

示范算例（3 台搬运机器人，单班 8 小时）：

接下来换成钱。假设这 3 台设备年化总成本（折旧、运维、电费、场地占用、现场待命人员分摊）是 36 万元，一年按 300 个班次算，每班成本 1200 元。

每个 Worken 的成本 = 1200 ÷ 15.8 ≈ 76 元。

再拿人力对照：如果一名工人月薪 4500 元，每班有效工时 6.5 小时、每月 22 班，那每有效工时的成本约 31 元。

结论很清楚：在这个白天场景里，机器人每个有效工时比人贵一倍多，不该上。

但换成夜间呢？夜班津贴、招工难度、人员流失、安全风险都要折进去，人力的实际有效工时成本很容易翻到 60–80 元；同时夜间没有换线干扰，自主工作时长能从 6.2 小时拉到 7.5 小时，效能比随熟练度升到 0.95。同样的设备，Worken 变成 3 × 7.5 × 0.95 ≈ 21.4，每 Worken 成本降到 56 元，账就翻过来了。

这就是 Worken 真正的用法：它不是给厂商贴金用的，是帮你判断「哪个班次、哪个工位先上机器人」。

我给一个经验阈值（非厂商标准）：每 Worken 成本 ≤ 人力有效工时成本 × 0.7 才值得上，剩下的 30% 是留给故障、停产和二次调试的余量。低于这个数，先别急。

四、五个最容易算错的地方

第一，把开机时长当自主工作时长。 这是最普遍的错。机器人通电待机、等人处理异常、等上游供料，都不算自主工作。判断标准只有一个：这段时间里，人有没有介入。

第二，把演示成功率当稳态效能比。 展台上成功率 95%，是因为任务被挑过、环境被布置过。产线上要按标准节拍算实际吞吐，中间夹着的失败重试也要计入。

第三，用峰值产能算账。 一天里最好的那一小时不代表常态。至少用 30 天移动平均，否则算出来的 Worken 一定虚高。

第四，漏算隐性人力。 现场待命的安全员、运维工程师、异常处理员，一个人管几台要按比例摊进成本。很多项目账面好看，就是把这部分人藏起来了。

第五，把 Worken 当 KPI 直接压供应商。 公式里有一项是「时长」，一旦被当成考核指标，就会诱导供应商刷时长而不是提产出。正确用法是内部投资决策工具，不是采购谈判的锤子。

五、GO-3 Preview 年底开源，现在能准备什么

模型开源要等到年底，但准备工作现在就该开始，而且三件事都跟模型无关：

第一，把作业数据按「任务—状态—动作」录下来。 开源之后，差距不在模型，在数据。真实机器人采集的轨迹、仿真环境里生成的变体、失败案例的复原，这三类数据越早积累越值钱。别等模型放出来才想起来没有数据。

第二，先用公开评测口径跑一遍基线。 GO-3 Preview 公布成绩用的是 RoboDojo、RoboTwin、RoboColiseum 三个榜单，这三个都是公开可跑的。先知道自己现在的模型在这三个口径上是什么水平，开源后才有对比的意义。

第三，把工位按「可标准化程度」分级。 重复度高、容错高、环境稳定的工位先试点；需要临场判断、物料形态多变的工位往后放。这一步决定了你第一批试点选哪里，比选哪个模型重要得多。

另外，灵渠 OS 1.0 已捐给开放原子开源基金会，年底全面开源。如果团队要做二次开发，现在就可以关注基金会的项目动态，比等到发布再找文档要快一步。

六、FAQ

Worken 是厂商自己定的口径，可信吗？短期内它是自报数据，跨厂商不能直接横向比。但同一个厂商、同一个场景的纵向对比是有意义的——它能告诉你，同一批设备在三个月里是变强了还是变弱了。真正要看的是厂商敢不敢公开采集方法和审计口径。

小公司只有一台设备，需要算吗？需要。这个公式不需要任何平台，一张表格、七天记录就够。一台设备算不清，十台只会更糊涂。

人形机器人现在能干活了吗？分场景。搬运、巡检、上下料这类结构化任务已经进入规模部署阶段，智元自己披露的出货量也说明这一点；需要精细手部操作和非结构化判断的任务，还在快速迭代中。别被演示视频带跑，回到你的工位去算 Worken。

这套算法能用在别的自动化设备上吗？能。公式里没有任何一项是机器人专属的。AGV、机械臂、自动分拣线都可以套，只要你能定出基准、记下接管时长、算出实际吞吐。

写在最后

智元这次发布最有价值的地方，不是又刷新了三个榜单，而是提出了一个可以被反驳的数字。

一个行业开始讨论「有效产出怎么算」，说明它正在从讲故事进入算账阶段。对普通从业者来说，这意味着两件事：一是别再被台数迷惑，二是你现在就可以用一把很简单的尺子，判断自己该不该上车。

尺子已经给了，账要自己算。