具身智能落地零售门店 汉朔拓元联手破局商用

连锁超市的营业时段里，一台集成了视觉感知与机械操作能力的轮式机器人正沿着货架通道缓慢移动。它需要灵活避开穿梭的顾客与购物车，逐一核对货架上的电子价签与对应商品的价格，同时调整摄像头角度，看清被前排商品挡住的后排库存。到了补货环节，机械臂还要精准伸进三四十厘米高的货架层，将软塌的膨化食品袋轻轻抓起，整齐摆放到指定排面。每一个动作的精度、运行的安全性，以及整体设备的成本，都直接关系到零售商的最终经营收益。

实现正向投资回报，是具身智能技术真正走进实体零售门店绕不开的核心门槛。

目前，汉朔科技与X-Era Lab（拓元智慧）正携手将这类具身智能能力落地到真实的零售门店场景中。

作为零售数字化领域的资深企业，汉朔科技已经服务了全球超过550家零售客户，其中签约了接近四成的全球零售百强客户，产品覆盖80余个国家，近7万家实体门店都铺设了其数字化解决方案。其核心的电子价签系统，为每一个货架点位都绑定了实时同步的商品与货位信息，相当于提前为机器人搭建好了一套可直接读取的物理空间坐标系。

而另一家合作方则是来自深圳的X-Era Lab（拓元智慧），这家企业专注于自研世界动作模型，打造软硬一体的具身智能方案，面向零售、家居、制造等多个场景推出落地级的智能机器人产品。其基于4D时空表征的原生世界动作模型VWA，能够让机器人准确理解商品遮挡、光照变化以及商品状态的变化，提前预判环境动态并完成精准动作执行。

一家拥有海量真实零售场景与数字化底座，一家掌握顶尖的具身智能模型技术，双方共同面对的核心命题是：当顶尖AI模型接入覆盖全球的实体门店网络，具身智能能否摆脱一次性演示Demo的局限，进化为可以在货架间持续稳定运行的生产级系统？

实际上，汉朔科技内部已经在Physical AI领域布局多年。Physical AI指的是一套让AI能够感知并作用于物理世界的基础设施，而机器人正是其中最具挑战性的一环。凭借服务全球近7万家门店的业务底盘，以及对零售场景的深度理解，汉朔将零售门店的具身智能需求归纳为三大核心任务：巡检、盘点与补货。

目前，汉朔的巡检机器人已经进入国内与海外商场开展POC测试，进入实地验证阶段。

在当前具身智能的落地讨论中，主流场景主要集中在两个极端：一类是高度结构化的工厂场景，传统自动化技术已经解决了大部分基础问题；另一类则是完全非结构化的家庭场景，对机器人的泛化能力要求极高，距离商业化落地还有较远的距离。

而恰好介于两者之间的零售门店，其实是一块被严重低估的具身智能试金石。零售行业最核心的痛点，在于商品盘点的频率存在天然瓶颈。大型实体门店的全店盘点只能安排在闭店时段，也就是夜间或者周末的凌晨进行，因为营业时段内顾客流动、商品摆放随时变化，盘点数据会严重失真。这种高度依赖人力的模式，导致多数零售商一年只能完成一到两次全店盘点。行业数据显示，账实不符是零售行业的普遍难题，如果能够提升盘点频次，库存的实时性与货损管控水平都将得到显著改善。如果巡检机器人能够按照区域排班，在门店营业时段稳定完成巡检与盘点工作，将盘点频次提升至周度甚至每日级别，将为整个零售供应链管理带来质的飞跃。

作为全球零售数字化领域的头部企业，同时也是全球第二大电子价签供应商，汉朔已经在近7万家门店搭建起完整的电子价签网络，建成了深入货架层级、打通SKU与物理货位的数字化底层底座。在此基础上，汉朔进一步搭建了门店数字孪生系统，将商品、货架、设备、库存以及门店的整体运营状态都映射到统一的数字空间中。这意味着当AI与机器人进入门店时，无需单纯依靠视觉从零开始感知环境，可以直接调用持续更新的商品与空间先验信息。

这套由“真实门店网络+数字孪生+智能终端”组成的基础设施，构成了汉朔布局具身智能乃至Physical AI领域难以复制的场景壁垒。而电子价签本身就是附着在每一个货架点位、可实时更新的结构化商品元数据载体，货架点位应该陈列的SKU、对应的售价，都能与企业的ERP系统实现实时同步。基于这一底层能力，机器人将获得三大差异化优势：

• 端侧算力压力显著下降。价签预先告知货位的预期商品，模型仅需要完成闭集确认，使用端侧小模型即可胜任，减少了云端的算力开销与延迟。
• 原生货架语义坐标。无需机器人通过SLAM技术重建地图并进行人工标注，海量的价签节点可以直接提供门店的空间分布与商品摆放信息。
• 本地计算满足合规要求。在欧洲等合规监管严格的区域，依托价签的先验信息加上端侧小模型实现本地数据处理，可以将合规约束转化为技术优势。

为这套庞大的物理门店网络搭载智能“大脑”，汉朔选择了深耕零售场景的AI团队X-Era Lab（拓元智慧）达成合作。X-Era Lab聚焦具身智能与世界动作模型的研发，目标是打造下一代智能机器人基础设施，团队由中山大学人机物智能融合（HCP）实验室与鹏城国家实验室联合孵化。

其核心创始团队包括王广润博士、王可泽博士、蒲韬博士等顶尖青年科研人才，成员兼具牛津大学、香港理工大学、UCLA以及华为等机构的科研与产业落地经验。团队原创并落地了原生世界动作模型VWA，在基于4D时空表征的模型架构内统一完成环境世界理解与机器人动作生成。仅使用10亿参数的VWA，就在十余项权威评测中取得领先地位，性能超越多款数十亿参数的主流模型，该技术路线也获得了Google DeepMind、NVIDIA等团队的认可。

在科研层面，团队累计发表顶会、顶刊论文500余篇，总引用量超过10万次，九次斩获国际顶会最佳论文奖，三位核心成员入选全球前0.05%顶尖科学家榜单。在产业化层面，X-Era Lab组建了来自腾讯、华为的全栈工程团队，搭建了日均服务500万次调用的世界模型MaaS平台；同时搭建了真实交互视频数据管线，每日可生产约2万小时毫米级4D训练数据。团队还将百亿参数模型的能力压缩至10亿到30亿参数区间，能够在32 TOPS算力的硬件上完成端侧部署；同时与星宸科技联合研发面向世界模型的专用芯片，将模型推理时延压缩至毫秒级别。除此之外，团队还开源了全球首个具身智能操作系统PhyAgentOS，以此持续推动具身智能机器人的规模化落地。

正如X-Era Lab CTO陈添水博士所言，零售赛道很难靠概念讲故事，场景细节高度细碎，仅盘点一项任务就可以拆解成多个评价等级，技术能力很容易被实际业务证伪。汉朔机器人产品线总经理童亮则认为，零售卖场是典型的半结构化场景：货架布局、基础作业规则相对固定，但同时存在商品变动、顾客走动等人流干扰这类动态变量。这类真实场景数据恰好适合训练具身机器人，能够规避实验室仿真数据泛化能力弱、开放环境变量过载的短板。机器人在真实门店执行理货、盘点任务的过程中采集数据，并且同步接受业务指标校验，能够有效降低落地试错成本，因此真正愿意沉下心深耕这个方向的团队并不多。

具身智能走向产业落地，胜负手或许并不只在于模型本身的能力。尤其是当前模型能力正快速走向商品化，仅依靠参数规模很难长期形成代际差距。真正稀缺的资产，是来自物理世界的现场知识，比如门店内实时发生的变化、每个货架点位应陈列的商品、通道宽度与层高，以及哪些商品容易出现遮挡、形变或被顾客临时挪动。这类信息是汉朔科技十四年深耕全球零售场景逐步积累而来，无法仅凭算力与模型训练凭空生成。

汉朔所沉淀的正是零售领域Physical AI落地所稀缺的底层基础：真实门店场景、商品与货架数据，以及持续搭建的门店数字孪生能力。依托电子价签、IoT网络与智能终端，门店里的商品、货架、设备和运营状态能够持续映射至数字空间，为AI理解物理环境提供可读取、可动态更新的场景底座。但拥有场景底座并不代表机器人就能自主完成作业，汉朔还提供了一套可供机器解析的物理坐标系，它让模型能够识别点位现状、预期标准以及现场变化，为任务理解与执行提供先验信息。

在此基础上，汉朔与X-Era Lab需要共同解决的核心问题，是让模型在这套坐标系下理解空间、预判环境变化并输出可行动作。X-Era Lab的原生世界动作模型VWA借助4D时空表征，打通了环境理解、行为预测与机器人控制，使价签、货架、商品以及人员动态不再是孤立数据，而是模型可以理解并据此执行任务的世界状态。更关键的是，这套方案并非简单将通用大模型直接部署到商超环境，而是让模型在真实业务任务中持续校准。每一次巡检、盘点，甚至识别、操作中出现的失误，都可以转化为模型迭代的反馈信号。

依托汉朔覆盖全球的门店场景网络、商品货架数据与数字孪生底座，双方能够持续沉淀真实业务里的识别、盘点、操作反馈，形成可验证、可复用的模型与场景能力，并在真实门店环境中持续迭代优化。让智能走进真实物理场景，依托真实场景持续迭代智能。只有将高性能AI模型接入承载海量真实场景与商业数据的网络，具身智能才有望脱离一次性演示Demo，演进为一套可持续运行、持续迭代，且具备商业可行性的生产系统。