《科创板日报》11月3日讯（记者 李佳怡）2026年下半年，具身智能的落地重心正从工厂转向零售。

近日，智元6台精灵G2在上海徐汇一家正常营业的便利店完成24小时作业，累计1730项任务。与此同时，今年以来，多家厂商把训练与验证场景从结构固定的产线，挪向零售、药房、餐饮等动态开放环境。

具身智能落地重心从工厂转向零售，但进店“打工”不等于能够“留下来”。便利店这个看似门槛较低的零售场景，正在成为检验具身智能的新“压力测试场”。

▎从工厂到便利店：机器人的“考场”为何换了

11月2日，智元把6台精灵G2送进上海徐汇一家正常营业的便利店，连续作业24小时。截至11月3日收官，6台精灵G2机器人累计完成1730项任务，包括接待顾客683次、商品取送369件、咖啡制作147次、早餐服务126次、补货巡检277次及桌面清洁128次。

据智元方面介绍，六台机器人共同的Agent“大脑”搭载了具身Agent框架Genie Master。它既调度任务，也通过具身执行协议EEP连接执行结果与后续学习，每日总结成功与失败轨迹，存入长期记忆并反哺动作策略，让机器人“边上岗、边解锁新技能”。

在此之前，智元对机器人落地场景的部署更多集中在工业场景。不止智元，过去两年，具身智能的主阵地普遍是汽车总装线、3C车间和物流仓储；如今，越来越多厂商开始把训练和验证场景转向零售等更复杂的环境。这一转向的背后，是工业场景在验证泛化能力上的天然局限。

工厂场景的特征是环境结构简单、行动路线固定、人机交互稀少，失败模式可以被相对完整地枚举。在这样的条件下，机器人可以反复调参，直到某个工位的节拍和精度达标。但这种打磨优化的是专项能力，而不是泛化能力。

有业内人士此前向《科创板日报》记者分析，工业场景中成熟的自动化方案早已普及，人形机器人若只盯着工厂，从效率和成本看并非最优解。人形机器人被寄予厚望，是其有望像人一样应对形态多变、无法提前穷举的开放任务，而工厂环境并不能为人形机器人提供这种验证。

“工业和分拣场景的技术要求同样很高，但它们强调的是节拍、精度、可靠性，环境相对固定。”智元具身研究中心副总裁任广辉在接受《科创板日报》等媒体采访时也表示，“便利店，足够真实，也足够难。在便利店，我们能很直观地观测到，机器人能不能把多种能力组织起来，持续完成任务。”

在其看来，便利店更考验随机应变的能力——商品差异、柔性操作、人机混行、顾客交互、多机协作，全被压缩在一个小空间里，而且任务之间会互相影响：补货可能占掉取货的位置，清洁可能堵住通道，某一步延迟，后面一连串交付都要往后推。

“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。”任广辉表示。

不少机器人厂商都将进入家庭作为机器人落地的“终极目标”，而零售也刚好卡在中间，比工厂乱、比家庭可控。此前，宇树科技创始人王兴兴在工博会圆桌上曾判断道，商业服务可能比工业场景还更快一些。

智元算法专家王溯恺则指出，家庭场景目前仍受限于机器人本体、环境复杂、安全性等因素，目前先在便利店里面做模型算法层面的验证非常合理。换言之，便利店零售等场景并非具身智能的终点，而是机器人从工业走向家庭之间一块承上启下的新“考场”。

▎机器人进店“打工”升温，商业化仍在早期

《科创板日报》记者注意到，今年以来，进店“打工”的不止智元一家。

政策与产业层面，具身智能正在被推向更多真实场景。工信部10月披露，今年上半年人形机器人整机产品突破400款、产量超4万台，全年预计破10万台；实施人形机器人与具身智能实景实训专项行动，推动相关产品在仓储物流、餐饮零售、家庭服务等300多个重点场景加快验证和部署，整机作业能力、场景适配能力持续提升。

具体到企业，多条路径已经开始跑。银河通用的太空舱智慧零售店已落地近50座城市、约200个点位；蚂蚁灵波与上海国大药房的智慧药房，机器人在最窄仅80厘米的货架间收单、识别、抓取、交付，门店无需做任何改造；8月底，Sharpa把机器人放进吴江路DQ且不改造真实门店环境，联合创始人向少卿还在工博会圆桌上宣布下一步要在餐饮、零售、酒店部署3万台机器人。

这些尝试，都在努力将机器人放进真实营业场景，而不是实验室或展会。

然而，并非所有进店尝试都顺利。2025年3月，四川社区便利店龙头红旗连锁发公告称，要和机器人公司一起立项研发“机器人无人售货系统”，消息一出，公司股价次日涨停；而今年7月，红旗连锁发公告宣布该项目终止，表示经过一年多的努力，取得了一定的实践成果，但暂未达到大规模商业化落地标准。

放到行业整体看，落地仍处早期。目前全国部署的机器人零售仓数量虽不少，但多数仍处于概念验证阶段，真正形成持续复购能力的寥寥无几，文旅景区和城市地标占落地场景的大头。《科创板日报》记者也观察到，景区内的机器人更像“广告位”而非可持续的作业单元。

此外，更深层的制约在硬件与数据两侧。硬件方面，决定机器人能不能在便利店里完成取货、挂货、打包的，不是两条能走路的腿，而是一只巴掌大的灵巧手和其触觉。模型可以让机器人学会“抓”，但抓得稳不稳，取决于触觉信号的真实性和末端执行器的耐久度。任广辉也表示，目前和人类店员相比，机器人的短板仍在柔性物体、复杂接触、连续多步骤操作等方面。

与此同时，数据供给的“重工业模式”与规模化需求之间存在结构性缺口。 截至2026年初，全球合规可用的真实物理交互数据总量仅约50万小时，而训练一个具备通用泛化能力的具身模型，业内普遍认为至少需要千万小时级，相差一个数量级以上。

机器人进店“打工”升温，但商业化仍在早期。从红旗连锁公告也能看到，实践成果和规模化落地之间还有距离。灵巧手与触觉的工程可靠性、真实交互数据的结构性缺口，仍是底层制约。机器人进店“打工”距离跑通商业化路径还有多远，《科创板日报》将持续关注。

（科创板日报记者 李佳怡）