2025年10月16日，智元机器人举行线上直播发布会，正式发布新一代工业级交互式具身作业机器人智元精灵G2。

据官方介绍，精灵G2以工业标准打造，搭载高性能运动关节、高精度力矩传感器，集成空间感知系统，支持快速学习部署，拥有多模态语音交互能力，具备工业、物流、导览等多场景通用能力。

据悉，精灵G2目前已获来自均胜电子、龙旗科技等企业的数亿元订单，并同步开启首批商用交付，在汽车零部件制造、消费电子精密装配等场景中进行应用落地。

同时，在精灵G2发布当天，智元机器人合伙人、高级副总裁、具身业务部总裁姚卯青也与观察者网等一众媒体展开了一场对话，总的来看，本次对话中的大多问题聚焦在商业化上，并回答了此前外界对智元及具身智能行业的质疑。

从观点上看，姚卯青认为，工业场景是“极具潜力的大市场”，机器人应先落地室内简单场景，靠真机数据驱动迭代，布局工业与海外市场，重视落地实效与ROI。

相关资料显示，姚卯青毕业于清华大学电子工程系，曾在Waymo、蔚来汽车等智驾部门担任重要职务，更是见证了智驾行业的商业化落地过程。2024年，看好具身智能的他加入智元，担任具身研究院执行院长，负责AI技术开发及软件研发工作。

姚卯青个人简介智元官方

据介绍，精灵G2的前置系列，精灵G1已于2023年11月发布，精灵G2继承了G1的生态优势，围绕G1落地之后，在实际的部署过程中发现的局限性所做的优化与调整，以“工业标准打造+多场景适配”为核心设计理念，在硬件配置与智能系统上实现全面升级。

现场也举出了设计上的相关案例，比如机械臂使用的力控方案，每个单关节都有力矩传感可以去做阻断控制，这一升级应对的就是工业里面一些插接类、需要柔性控制的场景。

事实上，针对拟人化这一行业方向，姚卯青表示，智元团队的判断是，人形机器人将更广泛地融入人类生产与生活场景。

这一判断也体现在产品中。

资料显示，精灵G2搭载的高性能运动关节与高精度力矩传感器，结合全球首款十字腕力控臂，能赋予机器人拟人化的灵活作业能力。具体来说，通过全臂扭矩传感器与柔顺控制算法，精灵G2可感知外界细微力变化并动态调整响应，现场演示中甚至能用生鸡蛋推动机械臂而保持蛋壳完好，体现了其精准的力控精度。

机器人正在推鸡蛋

据悉，此前，机器人使用的更多会像是协作臂的SRS的构型（一种机械臂关节结构）。而智元在精灵G2的腕部第六，第七关节采用的设计则能更像人类：团队在腕部采用的“十字腕”关节有两个自由度，是垂直正交在一起的，可以更灵活地进入狭小空间。

在超市上货等场景中，货架与货架之间的距离很小，每一层之间的空间也很有限，那么一个短且灵活的手腕，就可以快速地够到每一层的空间。

精灵G2的拟人化设计，除了手腕之外，还包括可旋转腰部与可折叠下肢：腰部能够前后弯腰、左右摇摆，主要面向导览讲解等场景；下肢则针对机器人运输场景设计，可折叠的特性使其更便于安装、包装和运输。

现场还透露，相关设计已获得对应客户的认可与肯定。

目前，在具身智能行业中，围绕机器人的落地方向，业内争论不休，分歧相当明显。

整体来看，有一派坚持“工业优先”，以美的、特斯拉等厂商为代表，认定工业场景的落地是第一选择，并强调其ROI（投资回报率）清晰；另一派则主张以场景细分为核心，认为轮式、四足或情感陪护等针对特定场景的形态，能更快实现商业化。

对于种种争论，姚卯青也从个人角度分享了对于机器人行业落地路径的思考。

他表示，纵观行业，从场景应用来看，全尺寸人形机器人用于高负载、持续续航、高节拍的作业，目前概念性成分更多。

数月前，双足机器人在车厂搬箱子等场景的应用被热议，但如果真正实地开展行业调研、了解客户需求就会发现，这其实是不太合适的方案，在续航、稳定性、速度等方面，目前的机器人都难以胜任工厂的高强度作业要求。

其次，室外场景对当前的人形机器人而言也颇具挑战。

从IP防护等级（一种电气设备安全防护的评判标准）来看，它们大多无法满足防尘、防水的需求，很难胜任室外环境；不过像高防护等级的四足机器人，用于巡检、巡逻等场景是可行的。

人形机器人更适合先在室内环境、任务明确的场景中更快实现部署。如果任务过于复杂、流程冗长繁琐，中间可能出现差错，还需要进行复杂规划、重启等操作，以当前的技术成熟度来看，这类场景还未到真正落地的阶段。

所以，从简单、固定的需求入手推进，会更为切合实际。

在选定需求的基础上，具体到智元本身的战略，姚卯青表示，从可行性上看，首先，工业场景是极具潜力的非常大的市场，尽管大众印象中工业自动化率已较高，但现实是仍有大量产业工人在岗，且诸多岗位面临用工量不足、人员稳定性差等挑战，这为机器人部署创造了诸多机会。正如此前访谈所提，工厂环境相对可控、任务明确，更利于机器人落地应用。

除此之外，其他场景也存在广阔机遇：例如安检、巡检等服务类场景，以及机房等需机器人自主执行与远程操控相结合的“巡检+操作”类场景；同时，展厅讲解接待、展馆导览等偏向人机交互的文娱类场景，目前也已接近落地状态。

据介绍，在商业化探索中，智元并非随机对接客户，而是会深入评估场景价值与技术匹配度、成熟度，选定合作场景主要基于工站是否与当前技术匹配度和成熟度适配、合作客户及合作伙伴是否对新技术抱有接纳热情、场景本身是否具备规模化复制的商业化潜力三点核心考量。

当前，智元旗下产品主要围绕科研、教育，部分交互服务以及工业作业领域展开，每个领域都存在相对大额的客户订单，较为均衡。

智元旗下精灵系列产品

海外也是智元高度重视的市场：一方面，海外的用工成本、用工难度、人员管理复杂度及稳定性挑战，均高于中国；另一方面，不少发达国家面临老龄化加剧、出生率低迷的问题，这严重影响了其劳动人口基数。

因此，这些海外市场对相关产品的需求明确，且整体定价空间与最终能实现的利润率都较为可观。

基于此，智元今年已启动全球市场布局：一是正在推进全球经销网络的建设；二是在全球主要市场，联合当地合作伙伴开展产品的联合设计、研发、生产与销售，通过本地化运作，更快、更好地理解并渗透当地市场。

对于明年的计划，姚卯青透露，公司期望海外市场收入占比能达到整体收入的30%甚至更高。

值得注意的是，精灵G2机器人专注于工业场景，而在工业场景中，非标自动化的技术方向一直受到行业关注。所谓非控自动化，就是指根据客户的特定需求进行定制化设计、开发和生产的自动化形态。

目前，非标自动化存在两个核心难点：首先，仍有大量工序未通过非标自动化解决，对人工的依赖度依然很高。

其次是，自动化产线的投入成本高，且复用性差，如果代工厂需要更换生产的产品品类，原有产线基本无法适配，只能重新搭建新线，这对于品类较多的代工厂而言，不仅代价高昂，部署周期也很长。

自动化产线内部视频截图

因此，智元推出人形机器人，就是希望它能像人类员工一样灵活接入产线，而非像传统自动化方案那样是定制化适配。

智元人性机器人的核心优势在于其具备通用具身智能：更换生产产品时，无需更换硬件设备，只需像培训人类员工一样进行短暂培训，就能让它适配新的工作内容，避免了原有投资的浪费。

此外，人形机器人并非要平替或替代传统机械臂，对于那些已经能通过自动化方案高效解决的工序，无需再做改造。

目前来看，智元的产品更多是和人类员工对比ROI（投资回报率），同时弥补传统机械臂不可复用的短板，为多品类生产的代工厂提供更具性价比的解决方案。

精灵G2的单台定价在50万-60万元之间，介于高端协作机器人与重型工业机器人之间。虽然初期采购成本较高，但官方表示，考虑到人力成本、福利、以及人员流动性等因素，机器人有望在2-3年内收回成本。

在某些特定行业，当前面临的痛点是人员稳定性与用工难题。

消费电子产线的工作场景较为特殊，工人需在固定时间点重复同一劳动数百遍，休息时间也有严格限制，整体工作枯燥甚至压抑，人员被高度机械化要求。

电子厂内部视频截图

这种高强度、重复性的工作模式，使得年轻工人难以长期坚持，人员流动性极大。而对于消费电子这类需要大批量出货的行业而言，人员的频繁流动，既影响产品质量的一致性，也会干扰产能的稳定性。

姚卯青认为，机器人完全可以解决这一问题，所有机器人共享统一程序，不仅没有情绪波动，也不会出现跳槽等情况，能够持续稳定地执行工作，从而有效保障产能与产品品质的双重一致性。

值得一提的是，自动驾驶算法与人形机器人的具身智能技术路径高度重合，许多人认为，自动驾驶算法的经验可以完全复用到具身智能行业中来。

当前自动驾驶领域的新概念包括VLA（向量逻辑架构）和世界模型等，客观上看，它们和车辆上实际部署、用户真正在使用的系统关联度其实不高。

这些技术可能仅在一些辅助环节中偶尔被触发使用，而在实时执行的核心系统环节，依然以原有方案为主。毕竟受限于实时性要求和算力瓶颈，VLA与世界模型暂时难以应用到实时执行场景中，这一点也可以通过行业调研去证实。

姚卯青认为，具体到机器人领域，肯定还是要循序渐进，不能急于求成。

具体来说，首先需要在可控性强、相对简单的单一作业环境中，通过多种技术的融合，实现快速应用与落地，真正到真实的客户现场去证明自己，而不是仅仅频繁发布相关成果。过去有不少公司热衷于这类发布，但最终没有拿出真正落地的案例，这样的情况并不少见。

所以，他表示，智元更看重实际效果：发布最新成果固然重要，但能让这些成果真正落地到客户现场，转化为订单、形成收入，才是最有力的证明。

总的来看，姚卯青表示，机器人要发展，还是需要一个从本体到数据、算法、应用，再回归到本体的飞轮去迭代。

这其实也是他一直以来想要表达的观点，在此前举办的2025世界机器人大会上，他曾在公开演讲中对这一概念进行了解释，原话如下：

首先，你需要一个优秀的机器人本体，就像人类需要强健的体魄才能完成多种多样的任务。有了机器人好的本体，才能生产出稳定、一致性强且高质量的数据。对于人工智能大模型，无论是语言模型还是物理智能，数据质量决定了模型的上限。我们经常讲“garbagein，garbageout”，只有高质量的数据才能有优秀的智能体。脏数据对模型训练是有害的。

姚卯青在发表讲话

有了海量、优质的数据之后，这些算法也必须围绕实际应用场景进行落地试错，而不是凭空想象。我们常说“人工智能通用”是一个美好的愿景，但不能脱离实际去思考，必须结合场景。最终，在场景中的摸爬滚打（更多时候可能是惨痛的教训），会为本体设计、数据采集方法论以及大模型架构思考带来新的指引，让这个“飞轮”进入新的迭代。

活动中，他也在继续阐述这一观点，他提到，目前，在数据应用方面，真机数据依然占绝对主导，占比在90%以上，这一点和自动驾驶领域比较相似。

事实上，无论是实际落地的自动驾驶车企，还是相关供应商的方案，基本都以98%、99%以上的真实数据为核心，仅搭配少量仿真数据来覆盖一些极端边缘场景（corner case）。对于机器人而言，用于提升环境泛化性的仿真数据，占比可能也在10%以内。

对于行业来说，现在最重要的，就是能够让机器人尽可能多的进入真实场景，然后在真实场景中获取高质量的数据，他认为，这是对机器人公司当前选择深耕的技术路径来说最关键的一步。

而真机数据的获取，其实也就是智元一直在强调的迭代飞轮。

尽管智元目前已经对行业落地与ROI有着清晰的规划，但当下具身智能领域仍有诸多疑问待解。

一方面，今年不少具身公司虽手握订单，但真正能算清账目、切实解决生产生活核心需求的落地场景并不多见，一年之内，具身智能究竟能在哪些场景实现规模化“真落地”？智元G2的订单又将在汽车零部件制造、消费电子精密装配等场景中攻克哪些具体痛点？这些细节仍需市场给出答案。

另一方面，工业场景的成本账始终绕不开，精灵G2单台采购价高达50万-60万元，加之后续工程师维护等费用，官方所说的2-3年收回成本，是否真的已充分考量过了不同工厂的产能需求、产线适配调整成本以及机器人的实际故障率等因素？其真实ROI又能否如预期般达成？

这些问题也都还需要更多来自一线生产的实际数据来佐证，毕竟，商业化的最终检验标准，永远是市场的真实反馈与可持续的盈利模式。