9月20日，“湾区升明月”2026大湾区电影音乐晚会在澳门举行。智元双足人形机器人灵犀X2与远征A3亮相。远征A3在直播间内与主持人和明星互动，多台灵犀X2担纲林依轮与任嘉伦演唱的《爱情鸟》机器人伴舞。晚会开始前的直播间里，远征A3与王祖蓝互动，聊天过程流畅。A3能主动打招呼，能读懂对方情绪，能被随时打断又无缝自然衔接。

WITA-Omni让交互成为连续过程

远征A3在直播间能发挥出这个水平，源于智元自研的WITA-Omni端到端全模态交互大模型。它能够实时理解持续变化的物理空间，一边观察、一边倾听，并在统一决策空间中协同生成语音、动作与表情等输出。智元称这是具身智能行业内首个机器人原生端到端多模态交互大模型。WITA-Omni的意义不只是让一个模型支持更多模态，而是让机器人在统一认知状态和统一时间轴上完成感知、决策与表达。理解与回应不再是两个独立步骤，而是让看、听、说、动成为一个连续过程。在今年7月的具身全模态理解权威榜单DailyOmni中，WITA-Omni Preview以85.21分综合成绩登顶榜首，超过千问、Gemini、豆包、英伟达等国内外模型。

灵犀X2的舞步来自运动智能

舞台上，金色灯光打亮，一台灵犀X2登场，随着《爱情鸟》音乐起舞，两侧各有2台灵犀X2与舞蹈演员一起舞动，观众席中也有一台灵犀X2与观众互动。灵犀X2的舞步、连贯动作和节奏卡点，对应的是它的运动智能。运动智能是智元三智一体产品技术架构的一环，三智一体指运动智能、交互智能与作业智能。在运动智能层面，智元构建了统一的AGILE生成式通用小脑引擎框架，由BFM-2通用行为基础模型、GCFM生成式运动控制模型、REACT感知运动模型三个核心模型层协同构成。三大模型打通视觉感知、小脑决策、肢体控制的闭环链路，使机器人能够在任意中间姿态下实时思考、自主决策并生成连贯动作。

晚会场景对机器人的要求

音乐晚会这种场景对机器人的要求跟工厂和展厅不一样。舞台上的机器人要在灯光变化、音乐节奏、人群围观的环境里完成连续动作，动作要跟音乐卡点，还要跟舞蹈演员配合。观众席里的机器人要跟观众互动，需要识别周围的人和环境，做出合适的反应。智元把这次亮相定位为从科研态进入部署态的标志。晚会这种公开场合的容错率低，机器人在舞台上出问题会被全国观众看到。灵犀X2和远征A3能在这个场景里完成表演和互动，说明智元的产品在稳定性、实时响应和多模态协同上已经能支撑这类高曝光场景。接下来要看的是，这套能力能不能从晚会舞台迁移到日常的商业服务和家庭场景里，那里没有灯光和音乐配合，但有更多不可预测的变量。