新浪科技讯 10月30日晚间消息，2026智元创新日具身作业生产力分论坛上，智元发布具身基座模型 GO-3 Preview、具身 Agent 框架 Genie Master以及重载具身工业机器人精灵 G2 Max 等成果，并展示了一套可部署、可运营、可持续优化的 Physical AI 生产力技术闭环。

　　“演示考验的是单点能力的上限，但生产力考验的是系统的下限。”在智元联合创始人、联席总裁、具身业务体系总裁姚卯青看来，机器人作业生产力是一套严苛的工程标准：可衡量——成功率、节拍、MTBF（平均故障间隔时间）全部有数；可复制——不是一条示范线，而是成千上百条产线；可持续——不是交付即终点，而是越用越好。具身智能只有同时具备三项能力，才能真正走进产业现场。

　　据悉，此次发布的GO-3 Preview 通过理解、预测、动作生成统一的WRAM 架构，可实现跨场景泛化与精细操作能力。现场公布的实验显示，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%。两组实验分别展示了数据规模与模型规模扩展带来的能力提升趋势。

　　这意味着，物理智能的能力提升开始呈现可验证的 Scaling 规律。日前，GO-3 Preview 已登顶 RoboDojo、RoboTwin、RoboColiseum 三大具身智能评测榜单。

　　此外，针对真实生产任务中的不确定性，智元Genie Evolver 可将真机、仿真和世界模型结合起来：真机提供真实反馈，仿真扩大覆盖范围，世界模型帮助机器人在关键状态下探索不同决策后果。在手机包装任务中，96台真机组成的群体经验学习系统实现98.3%的任务成功率；在手机充电任务中，成功率由60.0%提升至97.5%。

　　机器人部署后，其能力的持续进化同样重要。基于智元最新推出的具身 Agent 框架Genie Master，能够组织长程任务、维护进度、检查执行结果，并支持异常后的中断续接。在上海的一家便利店中，搭载 Genie Master 的精灵 G2 已在熟食打包、取货、补货等复杂精细任务中实现持续改进，完成任务流程的成功率从首日的28.6%提升至第五天后稳定在85.7%。与此同时，部署轨迹还可进一步用于优化动作策略。（文猛）