11月2日上午10点，上海徐汇一家正在营业的便利店，来了几位特殊的“员工”——六台智元精灵G2人形机器人。
接下来的24个小时，这六台机器人会分别以迎宾员、咖啡师、理货员、保洁员等身份，在店里连续工作一整天，覆盖接单、制作、补货、打扫等环节，全程直播、全网监工。智元称，这也是行业首次在真实业务场景里验证Physical RSI。
在具身智能领域，机器人进便利店不算新鲜，新鲜的是这次的“考法”：六台机器人直接放进一家正常营业的便利店，真实顾客、真实订单、随时冒出来的意外，一样都不回避。
过去的行业发布会，看的更多是“能不能”：抓杯子、走路、叠衣服，题目提前备好，环境也布置过。
但真实门店考的，其实是另一套：机器人在不断变化的场景里，能不能把一整套活持续干完，出岔子能不能接住，换家店还能不能跑起来。
这正是智元这次想要回答的问题。
图片来源：智元机器人
为什么是便利店？
智元具身研究中心副总裁任广辉给了八个字：足够真实，也足够难。
这两年，各家企业都在把人形机器人推进工厂、物流分拣。在任广辉看来，这些场景环境相对固定，考的是节拍、精度和可靠性，机器人把一个动作重复到极致，基本就能满足需求。
便利店不一样。
“便利店更考验随机应变：商品差异、柔性操作、人机混行、顾客交互、多机协作，全挤在一个小空间里，任务还会互相影响：补货可能占掉取货的位置，清洁可能堵住通道，一步延迟，后面一连串交付都得往后推。”任广辉说。
这跟实验室里的Demo是两回事。
Demo的光线、物品位置、操作流程都能提前布置，机器人照着脚本走。真实门店没有脚本，一个顾客从镜头前走过，原来的判断就得重来，一次抓取成功，不代表下一次还能复制。
把镜头拉远，这场考试之所以值得看，是因为戳中了整个行业当下最尴尬的现实。
Counterpoint的研报显示，2026年上半年，全球人形机器人出货量超过2.2万台，同比增长接近300%。其中，前五名全是中国企业，合计占了约86%：智元以约9700台、超43%的份额排在第一，宇树科技以超7000台、约31%排在第二。
单看出货，中国企业已经把身位卡得很靠前。
但出货量大幅提升，不等于机器人真正能上岗。
同样是这份研报，拆了上半年出货的去向：文娱商演、科教数采合计占了六成以上，导览导购约占19%，真正进入智能制造、仓储物流的，分别只有13%和5%。
换句话说，现在卖出去的机器人，一大半还在舞台上表演、在课堂和实验室里被研究、在门口接待讲解，真正沉到产线和仓库里干重活的，比例并不高。
能造出来、能卖出去，和能在真实岗位上稳定创造价值，中间还隔着不小的距离。
智元把便利店设为“全栈技术第一个考场”，瞄准的正是这个缺口。
“我们想验证的不只是单项能力，还有系统在遇到变化、中断、异常之后还能不能继续推进，以及这些经历能不能变成可复用的经验，让后面的作业更稳。”任广辉说。
图片来源：智元机器人
具体而言，智元把六台机器人放进门店，分四个班次连轴转：午间高峰、晚高峰抗压、深夜值守、清晨冲刺，门店运营节奏一个不落，还请来特邀体验官专门上门“刁难”。
考核用的也是门店的尺子。“我们同时记录任务成功率、首次成功率、响应时间、端到端耗时、单位时间合格交付量，还有人工接管频次、异常恢复时间和系统可用率。”任广辉说。
24小时连轴转下来，据智元披露，六台机器人累计完成1730项任务，接待了683位顾客，累计吸引超200万人次在线围观。
把数字拆开看更清楚：“取货员”火宝完成商品取送369单，“咖啡师”咖少做了147杯咖啡，“热食主理人”叮酱出品126份热食，倦王巡检补货277次，冷姐清理桌面128次。
最终，4台成功“转正”：“迎宾员”阿豪主动迎客、接待稳定友好，全场顾客服务评分第一；火宝爆单时段接单积极、响应快，订单激增、顾客临时取消也没停摆，抗压过关；咖少出品稳定、声线悦耳；叮酱综合表现达标，只是实操中偶有玉米掉落，稳重度还得再练。
2台暂未“转正”：倦王补货主动性不足，在岗时主动作业偏少，没跟上门店流转节奏；冷姐的问题更具体，当班时脱离既定路线、跑出店外，岗位稳定性不达标。
倦王和冷姐暴露的，恰是当下人形机器人的共性短板：一个是主动作业的意愿和节奏，一个是规则之外守边界的能力。
这两件事，比“会不会做咖啡”更接近上岗门槛。
智元怎么做到的？
便利店的活，说起来都不起眼，真要机器人上手，每一个都是高难度。
任广辉举了两个例子。一个是夹黄金糕：先握稳夹子，再控制开合、接触位置和力度，轻了会滑、重了会碎，夹起来之后还要对准袋口、放进去、退出夹子，再换一种抓握方式把袋子拎起来。
另一个是挂钩商品，取彩虹糖时，得让包装挂孔顺利退出挂钩，同时不能钩住包装、不能带倒旁边的商品。
“软包装一受力变形，后续动作的条件全变了。”任广辉说。
这些动作，普通店员凭手感就能完成，却是机器人最容易露怯的地方，得调动一整套东西配合：视觉先看清物体和位置，动作策略决定怎么动手，灵巧手或夹爪负责执行，底层运控把力度和动作做到位。
任何一环掉链子，东西就拿不稳。
智元精灵G2之所以能接住这些难活，靠的不是某一项“黑科技”，而是一整套体系协同。
第一，作业基座模型GO-3 Preview，回答的是机器人的能力从哪来。
图片来源：智元机器人
如果每个任务都要人手把手教一遍，机器人永远走不出实验室。GO-3 Preview要解决的，就是这个问题。
据任广辉介绍，GO-3 Preview采用了智元自研的WRAM架构，全称世界推理动作模型，把理解、预测和动作放在一起统一建模。模型学过不同任务的操作经验，会形成能跨任务复用的能力，而不是每件事都从零学起。
“同样是取东西，面对杯子、软包装和挂钩商品，机器人会结合任务要求和现场情况，自己选抓握方式和移动路径。”任广辉说。
围绕GO-3 Preview，智元还构建了Genie Evolver——一套结合真机、物理仿真和世界模型的分布式混合环境后训练系统。
实际运行中，这三类环境各有分工：真机提供物理反馈，物理仿真拓展训练范围，世界模型推演可能的动作结果，一起把操作能力打磨上去。部署之后，再由Genie Master组织真实任务，让执行反馈进入后续改进。
图片来源：智元机器人
第二，具身Agent框架Genie Master，相当于整个班组的“大脑”。
单机有本事，不等于六台能配合。智元为此构建了具身Agent框架Genie Master，通过具身执行协议EEP，把机器人的能力、执行引导、结果反馈和任务连续性接起来。
“具体到门店，调度要同时考虑订单优先级、机器人状态和作业空间：两项任务要占同一个货架位置就错开，互不干扰才并行。一台机器人故障或延迟，另一台能不能接替，取决于这台机器人有没有相应的末端工具、操作能力和空闲状态——条件满足就接管，不满足就重新编排，必要时请求人工。”任广辉说。
在此过程中，系统会持续把成功和失败的历史轨迹记录下来，用于迭代动作策略。
任广辉坦言，初期点单系统确实出过不少状况，比如下单失败、订单完成了状态没更新、机器人之间位置冲突。
对此，智元有一套分层处理机制：Harness RSI层面的经验，当天总结、第二天就在执行中生效，几乎不占训练资源；Policy RSI层面的策略更新，取决于数据积累和训练排期，通常几天内能完成一轮迭代。
比如这次直播产生的数据，经过筛选、去标识化和质量检查后进入训练队列，正常一到两周会体现在后续版本里。
技术之外，所有行为需在明确的安全边界之内，这是必须坚守的原则。
人机混行，安全是不能让的底线。落到具体动作上，就是那句“宁可慢，不能撞”。
“狭窄通道、顾客突然进入作业区、儿童接近，系统会根据距离、运动趋势和当前动作风险，采取减速、暂停、避让或重新规划。感知不确定性变大，就主动降低作业强度，必要时停止动作、请求协助。”任广辉说。
至于热食、热咖啡等涉及倾洒、烫伤风险，以及交接稳定性的场景，正式部署时会结合容器、抓持方式、移动路径和固定交接位置设计流程，确认顾客具备接取条件后再交付。
嘈杂环境里，机器人会通过语音内容、顾客朝向、当前服务对象、订单上下文等信息，综合判断顾客意图。听不清、对象不明确，或者顾客的要求会改变商品、数量、价格时，机器人会先做简短确认，减少误下单和重复下单。
正是这样一套系统，撑住了六台机器人24小时的连续作业。
不过任广辉也坦言，目前机器人相对成熟的，仍是对象比较规范、工作区域清楚、结果容易核验的操作，短板在柔性物体、复杂接触、连续多步骤操作。
“跟熟练店员比，机器人还有不小差距，比如适应现场变化的速度、精细操作的节拍、异常处理的能力。”
从单店到千店，还有多远？
人形机器人在便利店“打工”并非新尝试，但过去进展一直缓慢。
任广辉指出，根源在于过去机器人的单项能力和门店实际运营之间有距离。
“能抓某些商品，不等于能稳定处理多包装、复杂订单、顾客干扰和异常恢复。现场适配和维护如果一直依赖工程师，复制成本就降不下来。”
更不要说从单店走向规模化，要解决的问题更具体：机型和工具标准化、商品和业务系统接入、快速部署、远程运维，以及经验怎么在不同门店之间复用。“进餐饮和工业，还要分别满足卫生、工艺、节拍和安全要求。”
正因如此，智元选择把数据、模型、本体、部署全栈打通，让能力以体系的方式沉淀：一次练好的本事可以直接调用、跨门店复用，而不是散在一个个孤立功能里。
图片来源：智元机器人
“具身智能的各个环节高度耦合，任何一处出现短板，都可能制约最终的落地闭环。智元坚持全栈布局，正是为了打通这些紧密关联的环节，让技术突破转化为完整、稳定、可复制的作业能力。”任广辉说。
还是拿挂钩商品举例。假如价签挡住了挂钩，问题可能先出在观测条件上：系统要判断继续执行合不合适、要不要换个视角。本体要够得着位置，感知要确认目标，动作策略再完成对位和挂放。
执行完还要判断商品挂稳没有，失败了怎么安全退出和恢复。如果同类问题反复出现，就得回头调整观察规则或补动作训练。
“这几个环节分别涉及本体、感知、模型、控制、任务系统和数据反馈，任何一处没接好，一次看似简单的任务就完不成。”任广辉说。
但全栈布局说起来简单，具体怎么推进，同样是考验。
任广辉指出，优先级必须围绕真实部署问题来定，也就是先看哪些问题影响安全和持续作业，再看哪些问题最频繁导致失败、人工接管或节拍下降。“最终的衡量标准很简单：部署周期有没有缩短，人工适配量有没有下降，有效产出有没有提高。”
与之配套，智元同步提出了一套衡量机器人工作的评价体系：Worken（有效智能工时），即通过“活跃机器人数量×自主工作时长×产出效能比”，测算机器人实际创造的价值。
“Worken回答的问题很实际：机器人在多长的自主工作时间里，完成了多少合格交付。”
这笔账算到最后很实在：机器人能自主运行的时间越长、需要人盯的次数越少，平摊到每一次合格交付上的成本才会往下走。技术演示再热闹，也替代不了这笔账。
那么，哪些岗位会率先稳定规模化？
任广辉没有给出具体时间表，而是给了三条判断标准：任务边界清不清晰、结果容不容易核验、异常率低到系统能不能自己恢复。
按这三条卡，环境规范、对象标准、流程固定的岗位，比如理货、补货、清洁辅助，最有希望先稳定上岗；涉及复杂交互、身份核验、开放式操作的岗位，验证周期要长得多。
“这个距离取决于任务，不取决于时间表。”这是个克制的判断，没有为了讲故事，把所有岗位都描绘成“近在眼前”。
在此过程中，他认为接下来技术上要跨越的关键节点，是长尾异常覆盖和跨门店小样本适配；商业上，是运维人效比和全生命周期成本真正跑通。
最终，如何衡量全栈布局的成效？
任广辉指出，要看四类结果：同样任务和服务标准下，合格产出提高、重试和接管耗时下降；换商品、换布局、换门店之后，调试投入减少；部署后的改进在独立评测里站得住，不以原有能力退化为代价；长周期运营，成本随成熟度持续下降。
结语
人形机器人的本体和动作，靠投入资源可以快速追赶。但可验证的进化、可复制的体系、跑得通的成本，这些都没法速成。
六台精灵G2，四张转正，两张留级，这不是一张满分答卷，却是一张真实的答卷。
具身智能从“会演示”到“能上岗”的角逐，已经拉开序幕。
