不拼Demo拼实战：智元把机器人放进便利店，跑了24小时压力测试

11月3日上午10点，上海徐汇一家正常营业的便利店里，一场持续24小时的“转正大考”宣告结束。6台智元精灵G2人形机器人以迎宾、取货补货、巡视、清洁、咖啡制作、收银熟食等岗位身份，在真实客流与随机干扰中累计完成1730项任务，最终4台成功“转正”。

这场直播也是智元AI WAVE技术系列的收官之战。从10月22日开源首个真实场景Physical Agent数据集，到11月3日便利店实战检验，智元在约两周内密集发布了数据、仿真、模型、本体、作业系统、群体学习等七项技术成果，并以一场真实营业环境的压力测试，把“全栈具身AI”这个概念推到了台前。

对于一家在2026年上半年实现近20亿元营收、通用AI机器人累计下线超2万台的企业来说，便利店的意义不在于“秀肌肉”，而在于回答一个更朴素的问题：当单点能力被组装进一个持续运转的工作流，哪些环节会断裂，哪些经验可以被留下来，以及“有效产出”究竟该如何计量？

选便利店做考场，考的是“变化”而不是“难度”

技术清单之外，真正的考题在场景里。便利店被智元选为全栈技术的“第一个考场”，理由很实在——它足够真实，也足够难。

据智元具身研究中心副总裁任广辉介绍，相比Demo和工业分拣场景，便利店更考验随机应变。顾客随时走动，商品的位置、朝向、包装状态随时在变，商品差异、柔性操作、人机混行、顾客交互、多机协作被压缩在一个小空间里，且任务互相影响。

本次进店的6台精灵G2分工明确：阿豪负责迎宾接待与顾客咨询，火宝与倦王是一对理货搭档，咖少是咖啡工位的专职“咖啡师”，叮酱守在收银台负责收银与熟食服务，冷姐负责全场桌面清洁。这样的配置，一是为了覆盖门店的主要岗位，二是为了验证岗位之间的协作。

调度由具身Agent框架Genie Master负责，它相当于整个班组的“大脑”。通过具身执行协议EEP（Embodied Execution Protocol），Genie Master把能力、执行引导、结果反馈与任务连续性四类接口统一连接起来，同时考虑订单优先级、机器人状态和作业空间：两项任务要占用同一个货架位置就错开，互不干扰才并行。

机器人在真实门店里交出了不少“高难度”动作：把一袋彩虹糖挂上挂钩，角度差一点就可能夹住其他商品；夹一块黄金糕，力道分毫之差就是“掉了”和“碎了”的区别……面对这些考题，补货机器人发现货架空缺会自动触发补货，操作台污渍能分清物体花纹与泼洒痕迹优先清理。

考核标准也对齐了真实门店运营，记录指标包括任务成功率、首次成功率、响应时间、端到端耗时、单位时间合格交付量，以及人工接管频次、异常恢复时间和系统可用率。

在直播的刁钻环节中，面对外观几乎一致的有糖与无糖可乐，机器人需要“耳朵听懂、眼睛确认”双重校验才执行抓取；货架被整个打乱后，它不依赖标签坐标，而靠实时视觉盘点逐格归位；遇到行人先停再绕，箱子挡路则重新规划路径。

虽然这些表现并不完美，但恰好呈现了真实部署中更有信息量的部分：能力边界在哪里，以及边界之外用什么机制兜底。

因此，更关键的是“知错就改”的能力。任广辉透露，初期点单系统出过下单失败、状态未更新、机器人位置冲突等问题，处理方式是分层的：流程编排层面的问题当天总结、次日即生效，模型本身不动；系统持续记录错误与成功轨迹迭代动作策略，单任务成功率已稳定在较高水平，夜里空闲时机器人还会主动去货架前练难的任务。

便利店只是一个缩影。公开信息显示，智元的部署已经铺到产线、乐园与公共交通等领域。例如，在龙旗科技平板产线，8台精灵G2并入量产质检工段，6天累计完成约17500件产品测试、作业成功率99.99%，单件节拍22.5秒，与人类工人相当。此外，在横琴长隆部署机器人从超300台增至近500台、年底计划到1000台，覆盖100多个岗位，带动乐园客流提升近40%。

据了解，智元的人机运维比已从最初的1:1降至10:1，目标指向30:1。这条曲线的斜率，被市场视为“部署态”能否成为一门生意的试金石。

支撑这些部署的，是智元对“度量衡”的重新定义。在2026智元创新日上，智元联合创始人、总裁兼CTO彭志辉发布全新指标 Worken（有效智能工时）。计算公式为“活跃机器人数量×自主工作时长×产出效能比”，把评价标准从“出货量、开机时长”推向“机器人实际自主完成多少有效工作”，停机、空转和人工遥操作时间均被剔除。

从“卖机器人”到“卖工时”，背后是商业逻辑的转变。正如市场分析指出的，当机器人按Worken计费，客户买的就不再是出厂即巅峰、逐年折旧的设备，而是一个持续进化的生产力单元。

智元披露，2026年上半年公司收入近20亿元，通用AI机器人量产下线超过2万台，全球人形机器人市占率达到43%。但在彭志辉的表述中，“万台下线只是制造业的胜利，万台上岗才是物理AI的胜利”。Worken正是从“下线”通往“上岗”之间那把试图被标准化的尺子。

为了让更多场景跑通，智元把技术底座开放了出去。其AIMA生态已汇聚超8万名开发者，开源数据集下载量超560万次；元苼计划2026年以来已投入超过3亿元，五年计划投入不少于20亿元；已联动255所高校、511家企业，近半年有40家合作伙伴获得部署态落地激励。

AI WAVE七连发，从数据到场景的全栈闭环

具身智能落地之所以难，在于它不是单点技术的胜利，而是数据、模型、本体、场景四块相互协同的完整技术栈，任何一处短板，都可能制约最终落地闭环。

如果把便利店这24小时看作一次期末考试，那么智元AI WAVE就是备考、出卷和组卷的过程。10月22日AI WAVE启动，到11月3日便利店挑战收官，智元陆续发布了数据、仿真、模型、本体与作业系统等多项技术成果。

最底层的，是数据底座。10月22日开源的AGIBOT WORLD 2026 第四期“具身推理”（Physical Reasoning）数据集，是首个真实场景Physical Agent数据集，覆盖九类逻辑推理场景，任务设计从“操作难度”转向“决策难度”，让机器人学会根据现场条件判断“该做什么、先做什么、接下来怎么做”。它解决的不是“怎么做动作”，而是“怎么根据目标与条件做决策”，为后续模型与Agent框架提供训练基础。

向上一层是“大脑”，主要包括三类智能的分工与统一。作业智能由新一代基座模型GO-3 Preview承担，其采用自研的WRAM（World Reasoning Action Model）架构，把任务理解、未来预测与动作生成纳入统一建模：模型不仅判断“要做什么”，还先预测“接下来会发生什么”，再生成“具体应该怎么做”的动作。在RoboDojo、RoboTwin、RoboColiseum三项具身智能评测榜单中，GO-3 Preview均位列第一，并计划于2026年底全面开源。

运动智能由AGILE通用运动智能算法框架支撑，把视觉感知与全身运控纳入同一闭环，使机器人能在障碍物出现或受碰撞干扰后重新判断、恢复任务。交互智能由原生全模态大模型WITA-OMNI承担，将语音、视觉、文本与表情、动作同步建模，已拿下Daily-Omni等四项交互评测榜单第一，响应最快400毫秒、支持100多种语言。

这套架构带来的实际变化，在便利店场景中有可量化的体现。搭载GO-3 Preview的精灵G2在真实便利店上岗期间，不依赖人工示范与调试，自己定位失败原因、调整策略、沉淀经验。其完整任务流程成功率从首日28.6%，到第5天稳定至85.7%；单任务成功率相比常规微调（SFT）提升17.7个百分点。这些数据来自直播前的便利店上岗阶段，也解释了24小时直播期间任务能够持续交付的能力来源。

再向上，是身体的可靠性。10月26日发布的安规级重载具身机器人精灵G2 Max，单臂负载20公斤、双臂额定40公斤、峰值50公斤，重复定位精度≤±0.5毫米，覆盖市面上95%以上工业料箱搬运需求；在头部电商仓储场景整体作业成功率超99%，每小时可实现拆垛80箱、码垛75箱。

G2 Max的底层是第三代硬件架构AHA3、全球首款皮下式关节液冷系统，以及新一代灵巧手家族OmniHand 3。没有可靠的身体，再强的模型也无法转化为物理世界的产出。

让能力“活起来”的，是进化机制这一层。10月27日发布的具身Agent框架Genie Master，通过具身执行协议EEP把“判断-执行-反馈”连接起来，首次在真实业务场景验证Physical RSI（具身递归自进化），并经由Harness RSI（经验入记忆）与 Policy RSI（经验练成能力）两条互补路径，实现“边上岗、边解锁新技能”。

10月30日收尾的第七弹，是智元携手清华大学、无问芯穹发布的群体经验学习范式CEL：把“机器人同伴”变成经验来源。

实测数据给出了正面回答：120次连续包装手机，单项策略成功率从79.2%提升至98.3%，失败次数从25次降到2次，减少92%；在插花、叠衣、手机充电、凳子组装、手机包装五项真实任务上，CEL训练的策略全部超过6名人类远程操作员的平均水平，最高反超16.7个百分点。

在集群规模验证中，96台真实机器人集群实验里累计完成9834轮任务采集，期间发生30起机器人故障事件，故障带来的机时损耗仅占集群总运行时间的1.3%。这组数字说明，当机器人数目增多，任务表现与运维韧性可以同时改善，对便利店这样的多机协同场景有直接意义。

最顶层，是把模型能力变成真实作业的工程化交付。10月23日发布的Genie Studio 2.0，由Flywheel模型迭代、Agent作业编排、Monitor多机运维三大模块组成，打通“采-训-测-推-编-管”全生命周期，最快7天可完成全新作业场景从0到1的部署验证，其仿真评测与真机表现误差小于10%。

例如，常州数控机床项目14天完成从需求到产线验证，均普智能BMS装配产线任务成功率稳定99.9%、单次节拍13秒以内，广州地铁已支持60余台设备规模化部署。它补上的不只是模型开发环节，而是将数据、模型、机器人技能与现场系统连接为可部署、可运营、可持续优化的作业系统。

把五层叠起来看，智元的逻辑很清晰：数据提供训练与决策基础，三大智能构成大脑，可靠本体是物理载体，进化机制让能力在部署中持续增厚，工程化平台则把这一切压缩成可复制的交付。

任广辉表示，智元的做法是“把数据、模型、本体、部署系统全栈打通，让能力以体系的方式沉淀，每部署一个新门店，重复开发的工作越来越少”。

结语

回望这场从10月22日延续到11月3日的AI WAVE，智元讲的故事并不复杂：先有可规模部署的可靠本体，再有能泛化的具身基座模型，让机器人群体在真实作业里共同进化，最终把智能沉淀为可衡量、可复制的生产力。

无论是七项技术成果的密集发布，还是便利店24小时里4台机器人“转正”，指向的都是同一个方向：具身智能的下半场，比的不再是Demo多惊艳，而是真实岗位上交付了多少有效工时。

当然，从“单店验证”到“成百上千家门店”，要跨过的节点仍不少。但至少在这个被“击穿论”笼罩的时刻，智元做了一件行业迟早要做的事：当所有人都在争论机器人够不够聪明时，它先给机器人记了考勤。（图源：智元官微）

风险提示：本文内容基于公开信息整理，不构成任何投资建议。