一家正在營業(yè)的超市里,一臺輪式機(jī)器人正沿著貨架緩慢移動。
它要躲開顧客和購物車,核對電子價簽和商品價格,還得調(diào)整攝像頭角度,看清被前排商品擋住的庫存。到了補(bǔ)貨環(huán)節(jié),機(jī)械臂要伸進(jìn)只有三四十厘米高的貨架層,把軟塌塌的膨化食品袋抓起來,再整齊放回排面。
每一個動作,以及識別精度、運(yùn)行安全和設(shè)備成本,都直接影響零售商的經(jīng)營結(jié)果。
ROI 回報,是具身智能走進(jìn)真實門店繞不開的一步。

漢朔科技是零售數(shù)字化的老玩家。公開資料顯示,漢朔科技服務(wù)全球超過 550 家零售客戶,產(chǎn)品覆蓋 80 多個國家,鋪進(jìn)了將近 7 萬家門店。
這些門店的貨架上布滿電子價簽,每張價簽都實時連接著商品,價格和貨位信息,相當(dāng)于提前為機(jī)器人鋪好了一套可讀取的物理坐標(biāo)系。
后者是一家深圳公司,專注自研世界動作模型,打造具身智能軟硬一體方案,面向零售、人居、制造等場景落地智能機(jī)器人。
它基于 4D 時空表征的原生世界動作模型 VWA,讓機(jī)器人能夠理解遮擋、光照變化和商品狀態(tài),預(yù)測環(huán)境變化并完成動作。
一家出場景,一家出大腦,兩家企業(yè)共同面對的命題是:
當(dāng)頂尖 AI 模型接入覆蓋全球門店的真實場景網(wǎng)絡(luò),具身智能能否擺脫一次性演示 Demo,轉(zhuǎn)化為可在貨架間持續(xù)穩(wěn)定運(yùn)行的生產(chǎn)級系統(tǒng)?
具身智能如何在全球零售門店貨架跑通商業(yè)閉環(huán)?
漢朔科技內(nèi)部近幾年一直在押注 Physical AI。
Physical AI 指的是一整套讓 AI 能夠讀到物理世界、也能改變物理世界的基礎(chǔ)設(shè)施。機(jī)器人,則是其中最新、也最難的一環(huán)。
作為泛零售數(shù)字化領(lǐng)域的頭部企業(yè),漢朔科技服務(wù)了全球超過 550 家零售客戶,簽約了接近四成的全球零售百強(qiáng)客戶,其產(chǎn)品覆蓋了全球 80 多個國家,將近 7 萬家真實門店。
基于這樣龐大的業(yè)務(wù)底盤和對零售場景的深度理解,漢朔將零售門店里的具身智能需求收斂成三件事:
巡檢
盤點
補(bǔ)貨
目前,漢朔的巡檢機(jī)器人已經(jīng)進(jìn)入國內(nèi)和海外商場開始 POC 測試。

在當(dāng)下具身智能的討論中,主流落地場景主要集中在兩極。
一極是工廠(高度結(jié)構(gòu)化,傳統(tǒng)自動化已解決大半),另一極是家庭(完全非結(jié)構(gòu)化,泛化能力要求極高,距離商業(yè)化還有很長的路要走)。
恰好介于二者之間的零售門店,其實是一塊被嚴(yán)重低估的具身智能 " 試金石 "。
零售行業(yè)最核心的痛點在于盤點頻率存在天然瓶頸。
大型零售門店的全店盤點,只能安排在閉店時段,也就是夜間或周末凌晨開展。因為營業(yè)期間顧客、商品持續(xù)變動,盤點數(shù)據(jù)會嚴(yán)重失真。
這種高度依賴人力的模式,導(dǎo)致多數(shù)零售商一年僅能完成一到兩次全店盤點。
行業(yè)數(shù)據(jù)顯示,賬實不符是零售業(yè)普遍難題;倘若盤點頻次能夠提升,庫存實時性與貨損管控水平都將得到顯著改善。
若巡檢機(jī)器人可以按區(qū)域排班,在門店營業(yè)時段穩(wěn)定完成巡檢與盤點工作,把盤點頻次提升至周度甚至每日級別,這將為整個供應(yīng)鏈管理帶來質(zhì)的飛躍。
用電子價簽構(gòu)建 " 物理世界坐標(biāo)系 "
作為全球零售數(shù)字化領(lǐng)域的頭部企業(yè)、全球第二大電子價簽供應(yīng)商,漢朔已在近 7 萬家門店搭建起電子價簽網(wǎng)絡(luò),建成深入貨架、打通 SKU 與物理貨位的數(shù)字化底座。
在此基礎(chǔ)上,漢朔進(jìn)一步搭建門店數(shù)字孿生系統(tǒng),把商品、貨架、設(shè)備、庫存和門店運(yùn)營狀態(tài)映射至統(tǒng)一的數(shù)字空間。
這意味著當(dāng) AI 與機(jī)器人進(jìn)入門店時,無需單純依靠視覺從零感知環(huán)境,可以調(diào)用持續(xù)更新的商品與空間先驗信息。
這套由 " 真實門店網(wǎng)絡(luò) + 數(shù)字孿生 + 智能終端 " 組成的基礎(chǔ)設(shè)施,構(gòu)成了漢朔布局具身智能乃至 Physical AI 領(lǐng)域難以復(fù)制的場景壁壘。
而電子價簽本身就是附著在每一個貨架點位、可實時更新的結(jié)構(gòu)化商品元數(shù)據(jù)載體。
貨架點位應(yīng)該陳列哪個 SKU、對應(yīng)售價,都能與 ERP 系統(tǒng)實時同步。
基于這一底層能力,機(jī)器人將獲得三大差異化優(yōu)勢:
第一,端側(cè)算力壓力顯著下降。
價簽預(yù)先告知貨位預(yù)期商品,模型僅需做閉集確認(rèn),端側(cè)小模型即可勝任,減少云端算力開銷與延遲。
第二,原生貨架語義坐標(biāo)。
無需機(jī)器人用 SLAM 重建地圖并人工標(biāo)注;海量價簽節(jié)點,可直接提供門店空間與商品分布信息。
第三,本地計算滿足合規(guī)要求。
在歐洲等合規(guī)監(jiān)管格外嚴(yán)格的區(qū)域,依托價簽先驗信息 + 端側(cè)小模型實現(xiàn)本地數(shù)據(jù)處理,將合規(guī)約束轉(zhuǎn)化為技術(shù)優(yōu)勢。
為真實貨架而生的原生世界動作模型
要為這套龐大的物理門店網(wǎng)絡(luò)搭載智能 " 大腦 ",漢朔選擇與深耕零售場景的 AI 團(tuán)隊 X-Era Lab(拓元智慧)達(dá)成合作。
X-Era Lab(拓元智慧)聚焦具身智能與世界動作模型研發(fā),目標(biāo)打造下一代智能機(jī)器人基礎(chǔ)設(shè)施;團(tuán)隊由中山大學(xué)人機(jī)物智能融合(HCP)實驗室與鵬城國家實驗室聯(lián)合孵化。
核心創(chuàng)始團(tuán)隊包含王廣潤博士、王可澤博士、蒲韜博士等頂尖青年科研人才,成員兼具牛津大學(xué)、香港理工大學(xué)、UCLA 以及華為等機(jī)構(gòu)的科研與產(chǎn)業(yè)落地經(jīng)驗。
團(tuán)隊原創(chuàng)并落地原生世界動作模型(VWA),在基于 4D 時空表征的模型架構(gòu)內(nèi)統(tǒng)一完成環(huán)境世界理解與機(jī)器人動作生成。
僅使用 10 億參數(shù),VWA 就在十余項權(quán)威評測中取得領(lǐng)先,性能超越多款數(shù)十億參數(shù)的主流模型,該技術(shù)路線也獲得 Google DeepMind、NVIDIA 等團(tuán)隊的認(rèn)可。
科研層面,團(tuán)隊累計發(fā)表頂會、頂刊論文 500 余篇,總引用量超 10 萬次,九次斬獲國際頂會最佳論文獎,三位核心成員入選全球前 0.05% 頂尖科學(xué)家榜單。
產(chǎn)業(yè)化層面,X-Era Lab 組建了來自騰訊、華為的全棧工程團(tuán)隊,搭建日均服務(wù) 500 萬次調(diào)用的世界模型 MaaS 平臺;同時搭建真實交互視頻數(shù)據(jù)管線,每日可生產(chǎn)約 2 萬小時毫米級 4D 訓(xùn)練數(shù)據(jù)。
團(tuán)隊把百億參數(shù)模型的能力壓縮至 10 億– 30 億參數(shù)區(qū)間,能夠在 32 TOPS 算力的硬件上完成端側(cè)部署;還與星宸科技聯(lián)合研發(fā)面向世界模型的專用芯片,將模型推理時延壓縮至毫秒級別。
除此之外,團(tuán)隊開源了全球首個具身智能操作系統(tǒng) PhyAgentOS,以此持續(xù)推動具身智能機(jī)器人走向規(guī)?;涞亍?/p>
正如 X-Era Lab CTO 陳添水博士所言,零售賽道很難靠概念講故事,場景細(xì)節(jié)高度細(xì)碎,僅盤點一項任務(wù)就可以拆解成多個評價等級,技術(shù)能力很容易被實際業(yè)務(wù)證偽。
漢朔機(jī)器人產(chǎn)品線總經(jīng)理童亮認(rèn)為,零售賣場是典型的半結(jié)構(gòu)化場景:貨架布局、基礎(chǔ)作業(yè)規(guī)則相對固定,但同時存在商品變動、顧客走動等人流干擾這類動態(tài)變量。這類真實場景數(shù)據(jù)恰好適合訓(xùn)練具身機(jī)器人,能夠規(guī)避實驗室仿真數(shù)據(jù)泛化能力弱、開放環(huán)境變量過載的短板。機(jī)器人在真實門店執(zhí)行理貨、盤點任務(wù)的過程中采集數(shù)據(jù),并且同步接受業(yè)務(wù)指標(biāo)校驗,能夠有效降低落地試錯成本。因此真正愿意沉下心深耕這個方向的團(tuán)隊,并不多。

具身智能走向產(chǎn)業(yè)落地,勝負(fù)手或許并不只在于模型本身的能力。尤其是當(dāng)前模型能力正快速走向商品化,僅依靠參數(shù)規(guī)模很難長期形成代際差距。
真正稀缺的資產(chǎn),是來自物理世界的現(xiàn)場知識,如門店內(nèi)實時發(fā)生的變化、每個貨架點位應(yīng)陳列的商品、通道寬度與層高,以及哪些商品容易出現(xiàn)遮擋、形變或被顧客臨時挪動。
這類信息是漢朔科技十四年深耕全球零售場景逐步積累而來,無法僅憑算力與模型訓(xùn)練憑空生成。
漢朔所沉淀的正是零售領(lǐng)域 Physical AI 落地所稀缺的底層基礎(chǔ)——真實門店場景、商品與貨架數(shù)據(jù),以及持續(xù)搭建的門店數(shù)字孿生能力。
依托電子價簽、IoT 網(wǎng)絡(luò)與智能終端,門店里的商品、貨架、設(shè)備和運(yùn)營狀態(tài)能夠持續(xù)映射至數(shù)字空間,為 AI 理解物理環(huán)境提供可讀取、可動態(tài)更新的場景底座。
但擁有場景底座并不代表機(jī)器人就能自主完成作業(yè),漢朔還提供了一套可供機(jī)器解析的物理坐標(biāo)系,它讓模型能夠識別點位現(xiàn)狀、預(yù)期標(biāo)準(zhǔn)以及現(xiàn)場變化,為任務(wù)理解與執(zhí)行提供先驗信息。
在此基礎(chǔ)上,漢朔與 X-Era Lab 需要共同解決的核心問題,是讓模型在這套坐標(biāo)系下理解空間、預(yù)判環(huán)境變化并輸出可行動作。
X-Era Lab 原生世界動作模型 VWA 借助 4D 時空表征,打通環(huán)境理解、行為預(yù)測與機(jī)器人控制,使價簽、貨架、商品以及人員動態(tài)不再是孤立數(shù)據(jù),而是模型可以理解并據(jù)此執(zhí)行任務(wù)的世界狀態(tài)。
更關(guān)鍵的是,這套方案并非簡單將通用大模型直接部署到商超環(huán)境,而是讓模型在真實業(yè)務(wù)任務(wù)中持續(xù)校準(zhǔn)。
每一次巡檢、盤點,甚至識別、操作中出現(xiàn)的失誤,都可以轉(zhuǎn)化為模型迭代的反饋信號。
依托漢朔覆蓋全球的門店場景網(wǎng)絡(luò)、商品貨架數(shù)據(jù)與數(shù)字孿生底座,雙方能夠持續(xù)沉淀真實業(yè)務(wù)里的識別、盤點、操作反饋,形成可驗證、可復(fù)用的模型與場景能力,并在真實門店環(huán)境中持續(xù)迭代優(yōu)化。
讓智能走進(jìn)真實物理場景,依托真實場景持續(xù)迭代智能。
只有將高性能 AI 模型接入承載海量真實場景與商業(yè)數(shù)據(jù)的網(wǎng)絡(luò),具身智能才有望脫離一次性演示 Demo,演進(jìn)為一套可持續(xù)運(yùn)行、持續(xù)迭代,且具備商業(yè)可行性的生產(chǎn)系統(tǒng)。
* 本文系量子位獲授權(quán)刊載,觀點僅為原作者所有。
一鍵三連「點贊」「轉(zhuǎn)發(fā)」「小心心」
歡迎在評論區(qū)留下你的想法!
— 完 —
點亮星標(biāo)
科技前沿進(jìn)展每日見