智元精灵G2便利店24小时直播：6台机器人“转正考核”200万人围观
全网200万人爆笑围观！6个机器人熬夜极限pk，4台卷王成功上岸
新智元报道
新智元报道
这两天，机器人圈里一场“令人心动的offer”刷了屏。
过去24小时里，超过200万人在线盯着6台智元精灵G2在真实便利店干活。今天上午十点，这批机器人“新员工”在24小时便利店的“转正”挑战正式收尾。
这场直播前后持续了整整24小时，我们从头跟到尾。
直播想弄清楚的只有一件事：真实世界里的那些混乱难题，机器人扛不扛得住？
11月2日，智元决定啃下这块硬骨头。
6台精灵G2都装了智元最新的具身Agent框架Genie Master，它们以“便利店试用期员工”的身份，开始了一场连续24小时的“转正考核”。
直播全程开着，没有滤镜，也没做剪辑，全网都盯着看。
挑战刚结束，成绩就出来了：4台机器人拿到「转正」资格。
这场叫「机器人打工不能停」的24小时便利店直播，刷新了一项纪录。
6台精灵G2一共干了1730项任务：接待顾客683次、取送商品369件、做咖啡147次、早餐服务126次、补货巡检277次、清洁桌面128次。
这场直播成了一个分水岭：具身智能不再困在仿真环境和实验室里，已经能在真实场景里干活了。
让机器人进一家正在营业的便利店，这决定本身就有风险。
不到100平米的空间里，到处是真实世界的物理混乱：机械臂要抓硬瓶、捏软袋、穿挂孔；后台得同时补货、做咖啡、拖地；顾客还会随时走动、插话、改单。
多机冲突在这一环境里更要命。
补货机器人往货架前一停，顾客想拿饮料就被挡住；保洁机器人一拐进窄道，外卖动线立刻堵死。调度一旦出错，机器就在过道里互相卡死，门店当场瘫痪。正因如此，「24 小时连续作业」被列为硬性要求。这样安排不是为了测电池，是要靠时间把隐患放出来：10 分钟内看不出的偶发卡顿，一天里会怎样滚成任务雪崩？机器真死机了，系统又怎么排队补位？
为了接下这个副本，智元派出了6位性格各不相同的G2「实习生」。它们各有分工，还被安上了真实的职场人设：
咖少：早八人续命主理人。操作咖啡机讲究精准，饮品制作归它管。
阿豪：社牛门面担当。主攻语言交互，负责接待顾客、提供情绪价值。
火宝：无情搬砖机。取货、打包都归它，效率至上，动作利落。
倦王：摸鱼式理货员。全店巡视和货架补货是它的活，默默把空缺填上。
冷姐：赛博卫生委员。专属技能是清理桌面，让就餐区保持整洁。
叮酱：热食区投喂官。熟食加热交给它，火候与出餐都得精准掌控。
11月2日早上10点，这6位实习生准时打卡。
等着它们的不是单次任务的Demo演示，而是连续24小时、四班倒的魔鬼拉练。
午间高峰（13:00-14:25）：周边白领涌进来，订单高并发。取货、打包、出餐必须一气呵成。
晚高峰（19:00-20:00）：白天消耗下来，硬件与算力都进入疲劳期。
夜班实验（22:00-06:55）：人类店长不在旁边，机器人得独立值守全店。
早高峰（07:00-09:00）：「咖少」与「叮酱」的终极战场。咖啡和热食需求冲到顶峰，机械臂的执行精度和节拍速度都要被极限压榨。
这场考核不是走过场。直播现场请来了一组挑剔的「考官天团」，为的是让结果经得起检验。
镜头前的主播当起「HR总监」，盯的是四项转正硬指标：连续在岗时间、真实服务数量、四班次抗压能力、顾客好评率。
技术专家在旁充当「带教Mentor」，各路达人则演起难缠顾客，冷不丁就甩出刁钻问题。
表现好，当场贴纸点赞；掉了链子，弹幕就在公屏上公开处刑。
实验室里单次跑通是一回事，放到真实便利店连续运转是另一回事。连续客流、突发需求、长时间物理磨损轮番上阵，它们能不能不掉线、不摸鱼？
这家便利店很特别，一开门就引来不少人围观，不少小姐姐专程来合影。
说到底，「人类享受、机器人干活」这个盼了很久的画面总算来了，看着确实极度舒爽。
24小时不间断的直播里，惊险镜头一个接一个，好几次眼瞅着机器人就要翻车。
不过大部分机器人还是把活儿干完了。
拿取货来说，火宝会先判断挂钩的角度，再挑一个合适的方向把工具抬起来，方便自己抓取，最后把货物稳稳当当放进篮子。
之后它一路顺畅地把东西送到了人手上。有意思的是，技术人员透露，他们发现火宝干活时存在偷懒的情况，于是专门给它加了定时巡检功能。
接下来上场的是冷姐。
它先判断出旁边那张桌子是干净的，直接跳过；到了堆满人类垃圾的桌前，它把该扔的东西挑出来，动手清理。
可惜这一轮冷姐被扣掉了几分，原因是它把人类的食物当成垃圾扔了。最后，它一直打扫到自己认为桌面没有垃圾才停下。
直播已经进行了大半天，临近傍晚，智元具身研究中心副总裁任广辉领着外国小哥体验官到店里探访。火宝递来一瓶可乐，这一动作被扣了分——原因在于递东西时手劲不够轻柔。
火宝最难完成的任务是什么？广辉老师点出，是开柜子。人类的孩子往往到三四岁才掌握开柜子，机器人也一样，起初只会抓握，得经过训练才能学会把柜门打开。
便利店门口，社牛门面阿豪聊得起劲，一会儿飙英文，一会儿讲上海话，把小哥逗得哈哈大笑。
倦王则全场转悠，哪里的货物摆得不对，它马上纠正。外国小哥调皮，把口香糖挪了位置，倦王眼尖，立刻察觉异常，用夹爪把货物重新摆好。背后指挥这一切的，是Genie Master大脑。
接着，小哥走到咖少跟前，这辈子头一回喝上机器人做的咖啡。
边上的叮酱也没闲着，熟练地把热包子递到小哥手里。
外行看的是热闹，内行看的是门道。
直播间里，观众看到的是咖少稳稳当当做好一杯咖啡，火宝把一袋薯片塞进了塑料袋。
动作瞧着不难，可在技术圈，这件事叫「跨越鸿沟」。
这个现象在学术界有个名字，叫「莫拉维克悖论」：人做起来极难的高阶逻辑推理，计算机反倒轻而易举；可人不用动脑就能掌握的技能，比如抓软东西、判断空间位置，机器人做起来却难如登天。
拿「给货架补货」这件事来说。
「倦王」朝货架走过去，起码要闯三关。头一关是空间理解与环境感知。
便利店里的光线一直在变，顾客走来走去，货架上的商品还可能被摆歪。它得靠视觉模型实时搭出3D空间，分清「这是薯片，那是挂钩」。
第二关是任务规划。Agent大脑得判断先取哪一包、从哪个角度下手、拿到手以后手腕怎么转。
第三关落在动作执行与反馈上。底层大模型（比如GO-3 Preview）把规划换成机械臂的扭矩和关节角度，再依据抓取过程中的触觉、视觉反馈，随时调整力度。
没有全栈协同会怎样？机器人抓东西就像蒙着眼，要么乱抓一气，要么把货架直接撞翻。
机器人要真上岗，光攒几块硬件、套个开源模型远远不够。底层算力、通用大模型、具身智能体框架，这几样得紧紧咬合在一起。便利店里的一个寻常动作，背后其实是一整套全栈技术体系在支撑，大规模落地拼的正是这种协同。
把任务做完，离不开模型和本体的配合；
想稳定运行，就得能适应环境、扛住异常；
要走到规模化应用，训练成本得压下来、部署速度得提上去、能力还得能复用。
说到底，上岗这件事不是把硬件拼拼凑凑就能成的。
智元AI WAVE全栈布局的价值正在这里：便利店只是应用入口，水面之下是一套庞大系统——数据、平台、本体、Agent、仿真、模型，哪一环都不能少。
AGIBOT WORLD 2026 第四期推出首个真实场景的 Physical Agent 数据集，主攻决策，覆盖九类逻辑推理场景；
作业平台Genie Studio 2.0把「采‑训‑测‑推‑编‑管」全生命周期都覆盖了，全新作业场景从0到1的部署验证最快7天就能完成；
重载具身工业机器人精灵 G2 Max 则在行业内率先做到长程、多任务作业；
Genie Master 让机器人在真实场景里不断进化。
Genie Sim 仿真平台负责的是后训练以及部署之前的预演验证。
智元新一代基础模型 GO-3 Preview 用的是具身原生的 WRAM(World Reasoning Action Model)架构。该架构把任务推理、未来预测和动作生成串在一起，靠少量示范就能继续学习，进而完成长程精细任务。
群体经验学习（CEL）范式则打通了经验获取、经验利用、规模化在线学习整条链路。真实作业里每一次成功和失败，都会成为群体共同的学习素材。
真实世界里错误躲不开。没有哪台机器人能保证不出错。
反过来想，假如铺开100家便利店，却要配100支工程师团队蹲守现场当「保姆」，机器人的商业价值还剩多少？
这个魔咒怎么破？
智元拿出的杀手锏是 Genie Master 具身 Agent 框架。
10月27日，智元把这款Genie Master框架正式推了出来。它要做的事就一件：让机器人在干活的同时，不断学会新本事，实现「边上岗，边解锁新技能」。
长程任务怎么排、进度怎么盯，它都能管起来；遇到异常处理完，还能自己把任务接回正轨。G2碰上没见过的情形，不用等人来救。失败原因它自己找，策略它自己调。
靠的是什么？关键在于，Genie Master在机器人的「大脑」和「肢体」中间架了一座桥，也就是具身执行协议 EEP（Embodied Execution Protocol）。
肢体执行的结果和反馈，会直接变成后面做决策、优化能力的燃料。此前的情况是，AI大脑和机械肢体各管各的，彼此割裂。大脑说「把货挂上去」，肢体照着做；可要是没挂上，肢体没法告诉大脑「为什么没挂上」，大脑也给不出更细的指导。执行这一步，完全是开盲盒。
任督二脉是被EEP协议打通的——「能力、引导、反馈、连续性」这四类接口，它做了统一。
眼下，肢体执行的结果会实时、准确地回到大脑那边。
一次失利，能否换来下一回的改进？直播里最硬核的技术看点正在于此——Physical RSI，也就是从部署到迭代的持续进化。支撑这套能力的是Genie Master框架与底层模型GO-3 Preview，智元借此为机器人搭起了独有的双线进化机制。
两条路线分工不同：一条负责让机器人“记住经验”，另一条则让它“长出肌肉记忆”。
先看第一条——Harness RSI，作用是让经验可以积累。
说白了，它相当于机器人的“工作日记”兼“大脑记忆库”。
白天打工时，G2会把成功和失败的案例随手记下来。哪儿干得顺、哪儿卡住了，统统以数据形式留存。
等深夜便利店关门，系统背后的大模型才开工。它把一整天的数据汇总梳理，挑出能复用的规律，存进长期记忆里。
拿“挂钩被挡住”这件事来说。夜间总结之后，系统给出了一条可复用的策略提示：“遇到视线受阻的细小目标，优先调用腕部相机进行辅助定位。”
到了第二天，换另一台机器人去挂毛巾、挂耳机线，它就不用再走一遍“失败—分析—调整—重试”的老路。
另一条进化路径叫Policy RSI，用意是让能力沉淀下来。
这轮执行加恢复的整个过程，攒下了大批真实反馈数据，里面同时带着「问题、调整、结果」三类信息。这些「纠错数据」质量不低，做完后处理就直接回流，拿去重新训练动作策略模型。
改好的东西不再只是一句挂在大脑里的「提示语」，它被写进了模型的底层权重，变成后面能直接调用的「基础操作能力」。原先得靠大脑「思考分析」才做得出的恢复动作，如今成了底层模型的「肌肉记忆」。
两条路线合到一处，互相补齐。
昨天栽的跟头，是今天进化的养料；今天干活的收获，是明天进化的起点。这说明机器人不光能把预设流程跑得更熟，它还真学会了「如何改进自己」。
具身智能到底值不值钱，不看资本市场PPT画得多漂亮，也不看宣传视频剪得多花哨。它只看三件事：
真实任务能不能稳定做完？人工干预的成本能不能压下来？改进能力能不能搬到新任务上？11月2日开启的这场24小时直播，就是要当面把这三个问题摊开给所有人看。
议题已经从「如何上岗」转向「上岗后如何持续进步」。
把商品准确摆上货架，把一杯热咖啡稳稳递出去，把散落的残渣收拾干净。
这些动作人做起来不算什么，机器人却为此走了半个世纪的技术长路。
这场直播说明机器人能把出错变成往上走的台阶。一个真正属于具身智能的「打工时代」，硬核开启，即将在眼前展开。
