交互延迟压至500ms以内：智元WITA拿下全国首张合规备案，机器人“社交时代”正式开启

过去看人形机器人，我们多半是在惊叹它们步态多稳、关节多灵活，可一旦需要开口对话，往往会陷入“四肢发达、只会念稿”的尴尬。如今，这个长期卡住行业脖子的痛点，终于被一张牌照悄然打通。

上海市网信办近日发布的公告显示，智元机器人旗下的 WITA（硅光动语）大模型已正式完成备案。这不仅是具身智能赛道的一张“准生证”，更是全国首个专注交互场景、合规落地的具身智能大模型。对于整个行业而言，这意味着机器人交互从此告别“裸奔”时代，正式进入标准化、可商用的新阶段。

从“执行工具”到“硅基伙伴”

WITA 的底层设计逻辑非常明确：不追求大而全的通用问答，而是死磕“拟人交互”。它赋予了机器人连续记忆能力与鲜明的人格特质，让冷冰冰的金属躯壳能听懂弦外之音、接住情绪波动。在已经跑通的导览、服务零售等商业场景中，WITA 正逐步补齐机器人“能干活但不会聊天”的短板，让人机对话从单向指令升级为有温度的双向互动。

三季度王炸：延迟＜500ms的“真·实时对话”

合规落地只是起点，智元的技术路线图显然更具野心。官方已确认，今年三季度将正式发布 WITA Omni 1.0。作为行业首个机器人原生的端到端全模态交互模型，它的核心突破落在极致的体验上：

• 压至 500ms 内的交互时延：响应速度几乎贴合真人聊天节奏，支持正常语速下的连续交流。
• 支持随时插话与打断：你不再需要像对语音助手那样耐心听完，可以随时纠正、追问，模型会实时调整语气与情绪反馈。
• 全模态肢体协同：彻底告别“嘴动身不动”的割裂感，语言、语音、微表情与肢体动作实现底层联动，交互自然度呈指数级跃升。

更值得关注的是其“多模态交互数据飞轮”机制。模型在真实商用场景中会不断吸收交互数据，持续自我迭代。换句话说，它具备“越用越聪明”的闭环进化能力。

百亿到千亿：具身智能的商业化拐点已至

技术突破的背后，是清晰的商业变现野心。在首届香港具身智能产业峰会上，智元联合创始人、总裁兼 CTO 彭志辉首次公开“358宏图计划”：目标 2027 年营收突破 100 亿，2030 年向 1000 亿规模冲刺。

这份看似激进的业绩对赌，实则折射出整个赛道的底层逻辑切换。具身智能已经跨越了“技术验证与概念炒作”的早期阶段，正加速驶入“规模化落地与商业造血”的深水区。当合规性、交互体验与数据飞轮同时就位，人形机器人走进家庭、商场与办公区，将不再是科幻片里的远景，而是正在发生的产业现实。