智元精灵G2进便利店连干24小时：6台机器完成1730项任务
《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，..
具身智能的落地重心，2026年下半年开始从工厂往零售挪。11月3日，《科创板日报》记者李佳怡了解到这一变化。
智元把6台精灵G2放到上海徐汇一家正常营业的便利店，连续作业24小时，累计完成1730项任务。今年，不少厂商也在把训练和验证场景从结构固定的产线，转往零售、药房、餐饮这类动态开放环境。
重心转向零售，不等于机器人进店就能留下。便利店看着门槛不高，其实正在变成检验具身智能的新“压力测试场”。
▎机器人的“考场”为何从工厂换到便利店
11月2日，6台精灵G2被送进上海徐汇一家正常营业的便利店，连干24小时。到11月3日收官，这6台机器人累计完成1730项任务：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、桌面清洁128次。
按照智元的说法，6台机器人共用一个Agent“大脑”，上面跑的是具身Agent框架Genie Master。这个大脑一边调度任务，一边通过具身执行协议EEP把执行结果和后续学习接起来，每天把成功和失败的轨迹做总结，存进长期记忆，再反过来调整动作策略，让机器人“边上岗、边解锁新技能”。
在这之前，智元部署机器人落地场景，更多落在工业上。其实过去两年，汽车总装线、3C车间和物流仓储才是具身智能的主阵地。现在情况变了：更多厂商把训练和验证挪到零售等更复杂的环境里。转向的原因，说到底是工业场景在验证泛化能力上有天然短板。
工厂里环境结构简单、行动路线固定、人机交互稀少，失败模式基本能枚举完整。这种条件下，机器人可以一遍遍调参，直到某个工位的节拍和精度达标。问题是，这种打磨练出来的是专项能力，不是泛化能力。
此前有业内人士向《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，人形机器人如果只盯工厂，效率和成本上都算不上最优解。人形机器人被看好，是因为它有望像人一样应付形态多变、没法提前穷举的开放任务，工厂环境给不了这种验证。
智元具身研究中心副总裁任广辉在接受《科创板日报》等媒体采访时说：“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。”他接着表示：“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。”
在任广辉看来，便利店更考随机应变——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，任务之间还会互相牵制：补货可能占掉取货的位置，清洁可能堵住通道，某一步慢了，后面一连串交付都得往后推。
任广辉还表示：“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。”
不少机器人厂商把进家庭当成落地的“终极目标”，零售恰好卡在中间：比工厂乱，比家庭可控。宇树科技创始人王兴兴在工博会圆桌上曾判断，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，家庭场景眼下还受机器人本体、环境复杂、安全性等因素限制，先拿便利店做模型算法层面的验证很合理。换句话说，便利店零售这类场景不是具身智能的终点，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，今年进店“打工”的，不止智元一家。
政策和产业层面，具身智能正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；同时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。
企业层面，多条路径已经跑起来。银河通用的太空舱智慧零售店落地近50座城市、约200个点位；蚂蚁灵波与上海国大药房做智慧药房，机器人在最窄仅80厘米的货架间收单、识别、抓取、交付，门店不用做任何改造；8月底，Sharpa把机器人放进吴江路DQ，也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。
这些尝试都在把机器人塞进真实营业场景，而不是实验室或展会。
不过，进店尝试并非都顺利。2025年3月，四川社区便利店龙头
放到行业整体看，落地还在早期。全国部署的机器人零售仓数量不算少，但多数停在概念验证阶段，真正形成持续复购能力的寥寥无几，落地场景里文旅景区和城市地标占了大头。《科创板日报》记者也观察到，景区里的机器人更像“广告位”，而不是能持续干活的作业单元。
更深的制约在硬件和数据两头。硬件上，决定机器人能不能在便利店完成取货、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它的触觉。模型能让机器人学会“抓”，但抓得稳不稳，要看触觉信号真不真实、末端执行器耐不耐用。任广辉也表示，跟人类店员比，机器人目前的短板还在柔性物体、复杂接触、连续多步骤操作这些方面。
数据这边，供给是“重工业模式”，跟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只有约50万小时，而业内普遍认为，训练一个具备通用泛化能力的具身模型至少要千万小时级，差了一个数量级以上。
进店“打工”在升温，商业化却仍在早期。红旗连锁的公告也说明，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”离跑通商业化路径还有多远，《科创板日报》将持续关注。
