Agibot „Roboter-Mania“: Warum ist WALL-E bis heute noch nicht bei uns angekommen?

Schnelllesung

• Peng Zhihui stellt das neue Konzept Worken (Effektive intelligente Arbeitszeit) vor, das sich aus der Anzahl aktiver Roboter, der Dauer autonomer Arbeit und dem Verhältnis von Ausgabeneffizienz zusammensetzt und messen soll, wie viel effektive Arbeit Roboter in realen Umgebungen tatsächlich leisten.
• Dass ein Roboter acht Stunden lang eingeschaltet ist, bedeutet nicht, dass er acht Stunden lang effektiv arbeitet; dass er eine Operation auf einer Pressekonferenz abschließt, bedeutet auch nicht, dass er einen Monat lang kontinuierlich und stabil auf einer Produktionslinie arbeiten kann. Von der Herstellung bis zum echten Arbeitskräfteeinsatz liegt noch ein langer Weg vor den Robotern.
• Der Wandel von „auf der Bühne auftreten“ zu „am Arbeitsplatz einsatzbereit sein“ verändert die gesamte Wettbewerbslogik der Branche. Technische Fähigkeiten müssen letztendlich die Prüfung von Kosten und Effizienz bestehen, um zu Dienstleistungen zu werden, die Kunden bereit sind, dauerhaft zu kaufen.

In dem Pixar-Animationsfilm WALL·E, der 2008 veröffentlicht wurde, ist WALL·E ein Müllentsorgungsroboter. Nachdem die Menschen die Erde verlassen haben, arbeitet er 700 Jahre lang alleine auf dem öden Planeten, komprimiert Müll zu Blöcken und stapelt sie Stück für Stück auf. Er muss die menschliche Gesellschaft nicht verstehen, sondern nur Tag für Tag die festgelegten Aufgaben erledigen.

Die erstaunlichste Fähigkeit von WALL·E ist nicht, dass er Emotionen hat, sondern dass er über die langen Jahre hinweg nie aufgehört hat zu arbeiten.

In der realen Roboterindustrie ist man von diesem scheinbar einfachen Ziel noch weit entfernt. In den letzten Jahren haben humanoide Roboter auf der Bühne laufen, springen und Purzelbäume schlagen gelernt und ähneln immer mehr agilen Menschen. Aber wenn sie Fabriken, Hotels und Einkaufszentren betreten, stehen sie vor einer anderen Herausforderung: Wie sie sich an veränderte Umgebungen anpassen, Unfälle bewältigen, kontinuierlich arbeiten und Aufgaben erledigen können, ohne dass Ingenieure ständig in ihrer Nähe sind.

In der letzten Oktoberwoche veranstaltete Agibot den Agibot Innovation Day 2026 in Shanghai. Peng Zhihui, Mitbegründer, Präsident und CTO von Agibot, stellte ein neues Konzept vor: Worken (Effektive intelligente Arbeitszeit) – Work+Token. Es setzt sich aus der Anzahl aktiver Roboter, der Dauer autonomer Arbeit und dem Verhältnis von Ausgabeneffizienz zusammen und soll messen, wie viel effektive Arbeit Roboter in realen Umgebungen tatsächlich leisten. Einfach ausgedrückt möchte Agibot auch für Roboter eine „Arbeitszeittabelle“ erstellen.

Hinter dieser Arbeitszeittabelle steht eine Verschiebung der Bewertungsstandards.

Derzeit sind die meisten Unternehmen gewohnt, die Freiheitsgrade, Bewegungsfähigkeiten und Modellparameter von Robotern zu präsentieren. Diese Indikatoren beantworten die Frage, „wie leistungsstark“ ein Roboter ist, aber nicht, „wie nützlich“ er ist.

Dass ein Roboter acht Stunden lang eingeschaltet ist, bedeutet nicht, dass er acht Stunden lang effektiv arbeitet; dass er eine Operation auf einer Pressekonferenz abschließt, bedeutet auch nicht, dass er einen Monat lang kontinuierlich und stabil auf einer Produktionslinie arbeiten kann. Von der Herstellung bis zum echten Arbeitskräfteeinsatz liegt noch ein langer Weg vor den Robotern. Worken versucht, die tatsächliche Leistung auf diesem Weg in den Messbereich einzubeziehen und bietet eine neue Idee für die zukünftige Abrechnung nach Aufgaben, Dienstleistungen oder sogar Arbeitsergebnissen.

Auf dem Innovation Day veröffentlichte Agibot auf einen Schlag eine Reihe von Produkten: die dritte Generation der Hardware-Architektur AHA3, das Embodied-Basismodell GO-3 Preview, das Ende-zu-Ende-Allmodal-Interaktionsmodell WITA-OMNI, das vollstapel-eigene, embodied-intelligente native Betriebssystem Lingqu OS 1.0 sowie Produkte wie den Schwerlastroboter Elf G2 Max und die neue Generation geschickter Hände, die mehrere Software- und Hardwarebereiche von Körper, Modell bis Betriebssystem abdecken.

Alle diese Produkte zielen auf ein einziges Ziel ab: Roboter nicht nur in die Lage zu versetzen, einzelne Aktionen auszuführen, sondern auch Aufgaben zu verstehen, Operationen durchzuführen und erworbene Fähigkeiten auf verschiedene Geräte und Szenarien zu übertragen.

Agibot hat bereits eine Reihe von Robotern in reale Szenarien eingesetzt. Nach den vom Unternehmen veröffentlichten Daten hat Agibot bis September 2026 insgesamt 20.000 allgemeine KI-Roboter ausgeliefert, die in Fabriken, U-Bahnen, Themenparks, Hotels und anderen Orten im Einsatz sind.

Die reale Industrie muss konkretere Fragen beantworten: Kann ein Roboter wirklich eine Arbeit übernehmen und sicherstellen, dass diese Arbeit wirtschaftlichen Wert erzeugt? Wie viel menschliche Arbeit können Roboter einsparen? Wie viel kosten Geräteabschreibung, Bereitstellungsintegration, Wartung und Betrieb? Ist eine erneute Einstellung erforderlich, wenn das Szenario gewechselt wird?

Der Wandel von „auf der Bühne auftreten“ zu „am Arbeitsplatz einsatzbereit sein“ verändert die gesamte Wettbewerbslogik der Branche. Technische Fähigkeiten müssen letztendlich die Prüfung von Kosten und Effizienz bestehen, um zu Dienstleistungen zu werden, die Kunden bereit sind, dauerhaft zu kaufen.

Am Tag des Innovation Day führte Snow Leopard Finance Gespräche mit mehreren Führungskräften von Agibot. Von Modellen, Roboter-Körpern und Daten bis hin zu Bereitstellung, Betrieb und Geschäftsmodellen in realen Szenarien zeigen ihre Antworten, welche Probleme ein führendes Roboterunternehmen bei seinem Weg in die reale Welt löst und welche Probleme noch ungelöst sind.

Wir haben die Inhalte der Interviews thematisch neu zusammengestellt und aggregiert, sie unter Beibehaltung der ursprünglichen Absicht der Befragten leicht bearbeitet. Im Folgenden finden Sie das Gesprächsprotokoll:

Der Wert von Robotern wird nun mit der „Arbeitszeittabelle“ gemessen

F1: Wie lässt sich der Kernfortschritt von Agibot in diesem Jahr zusammenfassen? In welchem Stadium befindet sich Physical AI derzeit?

Peng Zhihui (Mitbegründer, Präsident und CTO von Agibot): Kurz gesagt, wir sind in das Y-Moment eingetreten und haben den Entwicklungsstatus wirklich in den Bereitstellungsstatus überführt. Kein Szenario kann durch einzelne Technologien gelöst werden: Wenn der Roboter-Körper gut ist, aber keine Intelligenz hat, ist er nur ein ferngesteuertes Spielzeug; wenn das Modell stark ist, aber kein zuverlässiger Körper vorhanden ist, kann es auch nicht in der Praxis eingesetzt werden.

30 % des Entwicklerteams von Agibot arbeiten an der Hardware des Roboter-Körpers, 70 % an der intelligenten Entwicklung. Physical AI hat das Stadium des „verwendbaren Körpers“ bereits hinter sich, und domänenspezifische Intelligenz wird gerade in der Praxis eingesetzt, zum Beispiel an der 24/7-Qualitätskontrollstation in der Longcheer-Fabrik. Wir bewegen uns gerade von der zweiten zur dritten Phase, das „ChatGPT-Moment“ wird in der dritten Phase eintreten.

F2: Warum sind Full-Stack- und „Drei-Intelligenz-in-Einem“-Konzepte für Agibot unverzichtbar?

Peng Zhihui: Die Lücke im Bereitstellungsstatus lässt sich nicht in separate Probleme mit Körper, Algorithmus oder Daten aufteilen, sondern muss gekoppelt gelöst werden. Der Körper bestimmt die Untergrenze, Modell und Intelligenzfähigkeit die Obergrenze. Uns geht es nicht nur um Laufen, Springen und Boxen, sondern darum, kontinuierlichen Betrieb zu ermöglichen, die technische Basis wiederzuverwenden und die Integrations- und Wartungskosten für Kunden zu senken. Die Auslieferung von zehntausend Einheiten ist nur ein Erfolg der Fertigungsindustrie, der Einsatz von zehntausend Einheiten am Arbeitsplatz ist der Sieg von Physical AI.

Yao Maoqing (Mitbegründer, stellvertretender Präsident und Präsident des Embodied-Geschäftssystems von Agibot): Stabiler Körper, Konsistenz mehrerer Roboter, Datenerfassung, Modelltraining und Szenariointegration sind natürlich gekoppelt. Diese Gliederungen folgen dem „Kaskadeneffekt“: Fehlt nur eines, kann der vollständige geschlossene Kreislauf nicht voranschreiten.

Xiong Yan (Partner, stellvertretender Präsident, Präsident der zentralen Entwicklungsabteilung und Präsident des Interaktionsgeschäftssystems von Agibot): Die zentrale Entwicklungsabteilung ist für gemeinsame Technologien wie Hardware, Gelenke und öffentliche Softwareplattformen zuständig und berücksichtigt gleichzeitig Geschäftsanforderungen und langfristige Reserven. Die „Drei Intelligenzen“ könnten in Zukunft auch zu einer Einheit verschmelzen, derzeit werden sie getrennt entwickelt, und spezialisierte Modelle können in Zukunft alle als Lehrer für integrierte Modelle fungieren.

F3: Wie wird Worken zum Maßstab für die Produktivität von Robotern?

Peng Zhihui: Worken steht für Work plus Token, der chinesische Name lautet „Agibot“. Bisher haben alle auf die Parametertabelle geschaut, in der nächsten Phase wird die Arbeitszeittabelle im Vordergrund stehen: Acht Stunden eingeschaltet zu sein bedeutet nicht, acht Stunden Wert zu erzeugen, ein einmaliger Erfolg bedeutet nicht, einen Monat lang kontinuierlich stabil zu arbeiten. Worken beantwortet die Frage, wie viel kontinuierliche, effektive intelligente Arbeit ein Roboter in einer realen Umgebung leisten kann.

Wang Chuang (Partner, Senior Vice President und Präsident der allgemeinen Geschäftsabteilung von Agibot): Es kommt hauptsächlich auf die tatsächlich bereitgestellte Anzahl von Geräten, die Arbeitsdauer jedes Geräts und die Dichte des Arbeitswerts an. Wir haben bereits das Worken von mehr als 300 Robotern in Chimelong, 60 in der U-Bahn von Guangzhou und 3 in Hotels erfasst, aber die Wertdichte in verschiedenen Szenarien muss noch verfeinert werden. Beispielsweise kann ein Hotelroboter vielleicht zwei von zehn Aufgaben erledigen, aber er kann kontinuierlich arbeiten – man muss seine Stärken ausspielen und seine Schwächen vermeiden.

F4: Wird in Zukunft nach Körper, Dienstleistung oder Worken abgerechnet?

Peng Zhihui: Es handelt sich nicht um eine entweder-oder-Beziehung. Kunden, die Unterstützung durch Technik- und Wartungsteams benötigen, eignen sich für den Gerätekauf, Kunden, die nur stabile Ergebnisse wünschen, eignen sich für die Dienstleistungsbereitstellung, und einige Kunden möchten gemeinsam mit uns betreiben. Unser Kernziel ist es, die Technologie wiederverwendbar, aufrufbar und langfristig lieferbar zu machen.

Wang Chuang: Derzeit verkaufen wir hauptsächlich die gesamte Full-Stack-Leistung, es gibt auch Miet- und Wartungsverträge sowie Entwicklungsvereinbarungen. In Zukunft könnte es zu Kauf von Produktivitätspaketen kommen: Man bucht Aufgaben, und nach Abschluss wird der verbrauchte Worken abgezogen. Agibot wird in Zukunft ein Unternehmen sein, das kontinuierlich Produktivität erzeugt, und nicht nur Roboter-Körper herstellt.

F5: Wie wählt man Szenarien aus? Welches kommt zuerst: Industrie, Gewerbe oder Haushalt?

Wang Chuang: Es gibt drei Kriterien: Technisch muss es „gerade so erreichbar“ sein, es muss Skalierungspotenzial haben und die technische Hauptlinie festigen. In der Industrie werden meist radgestützte Roboter eingesetzt, im Einzelhandel, für Führungen und Empfangsdienste meist zweibeinige. Die Industrie stellt höhere Anforderungen an Takt, Stabilität, Sicherheit und Preis-Leistungs-Verhältnis; wenn Dienstleistungsroboter Traffic, emotionalen Wert und Umsatz erzeugen können, können sie sich sogar schneller verbreiten.

Peng Zhihui: Der Haushalt ist nicht der Ausgangspunkt, sondern das Endziel. Haushaltsaufgaben sind sehr unterschiedlich, haben lange Abläufe und müssen zudem Sicherheitsanforderungen und Kostenanforderungen für Endkunden erfüllen. Allgemeine Roboter eignen sich eher für langweilige, sich wiederholende Arbeiten, die ein gewisses Maß an Generalisierbarkeit erfordern und keine hohen Taktanforderungen stellen, und sie können mit Menschen und traditioneller Automatisierung zusammenarbeiten.

Warum braucht man neben allgemeinen Modellen noch ein Embodied-Gehirn?

F6: Wird das allgemeine große Modell das Embodied-Modell „verschlingen“?

Yao Maoqing: Allgemeine Modelle sind gut in High-Level-Argumentation und Planung, aber ihre Aktionen sind langsam und der Token-Verbrauch ist hoch. In Zukunft werden VLA, Weltmodelle und Steuerungsebenen weiterhin stark an Körper und Aufgaben gekoppelt sein, jede Ebene erfordert Investitionen von Embodied-Unternehmen.

Peng Zhihui: Allgemeine Basismodelle dringen in den Embodied-Bereich vor, und Embodied-Modelle dringen auch in den Bereich allgemeiner Modelle vor. Wenn das allgemeine Basismodell schließlich Embodied-Fähigkeiten abdeckt, hängt der Wettbewerb davon ab, wer die Fähigkeiten über den Körper in physischen Szenarien einsetzen kann. Wenn dies nicht der Fall ist, hängen die Daten für domänenspezifisches Training weiterhin vom Körper ab. Für Full-Stack-Teams sind beide Ergebnisse vorteilhaft.

F7: Welche Hürden müssen noch für die szenarienübergreifende Generalisierung überwunden werden?

Peng Zhihui: Erstens die Echtzeitfähigkeit: Ein allgemeines Cloud-Modell braucht möglicherweise mehr als zehn Minuten für eine einfache Aufgabe, aber Roboter müssen in Echtzeit operieren. Zweitens die Zuverlässigkeit: Wenn man einen Satz falsch ausspricht, kann man ihn korrigieren, aber wenn eine Aktion falsch ausgeführt wird, führt dies zu Ausfallverlusten. Drittens das physische Allgemeinwissen: Digitale Modelle können Schwerkraft und Reibung nicht wahrnehmen. Viertens der geschlossene Aufgabenkreislauf: Man muss die tatsächliche physische Auswirkung der Ausgabe überprüfen.

F8: Welche Architektur und Trainingsdaten verwendet GO-3 Preview?

Yao Maoqing: Es verwendet die WRAM-Architektur (World Reasoning Action Model), das Training wurde neu durchgeführt, und Daten werden kontinuierlich zu verschiedenen Checkpoints hinzugefügt. Die Datenquellen umfassen vorhandene Erfassungen, Einkäufe bei Mifeng und zusätzliche Kanäle. Es gibt sowohl hochwertige Binokulardaten als auch kostengünstige Monokulardaten von Geräten wie GoPro, der Trainingssatz umfasst derzeit mehr als eine Million Stunden. (Anmerkung des Herausgebers: GO-3 Preview ist das weltweit erste Embodied-Modell, das von Agibot veröffentlicht wurde und das vollständige Lernen in der gesamten Kette von Vortraining, Nachtraining und Bereitstellung skaliert.)

F9: Wie groß ist der Aufwand hinter den Daten von einer Million Stunden?

Yao Maoqing: Die Branche ist schnell von mehreren tausend Stunden im Jahr 2024 zu einer Million Stunden gelangt und strebt nun nach zehn Millionen Stunden. Ego-Daten variieren je nach Monokular-, Binokular- und Szenariotyp, viele kosten ein- bis zweihundert Yuan pro Stunde, teure dreihundert bis vierhundert Yuan, eine Million Stunden kostet etwa 200 Millionen Yuan. Der Rechenaufwand ist noch größer: Für das Training eines Modells mit mehreren zehn Milliarden Parametern werden Tausende von Karten benötigt, eintausend Karten kosten in einem Jahr ein bis zwei hundert Millionen Yuan.

Peng Zhihui: In diesem Jahr wird Agibot voraussichtlich einen Trainingscluster von fast zehntausend Karten erreichen