具身机器人能搞定超市盘点吗？全球七万门店正在给出答案
内容提要
汉朔科技与X-Era Lab合作，将具身智能机器人引入零售门店，解决盘点与补货难题。汉朔提供电子价签和数字孪生场景，X-Era Lab研发世界动作模型VWA，实现高效巡检。双方旨在将AI从演示转为生产级系统，提升盘点频率至周度或每日，推动Physical AI在真实商业环境落地。
延伸解读
零售门店为何是具身智能的“试金石”
文章指出，具身智能的主流落地场景集中在高度结构化的工厂和完全非结构的家庭，而零售门店介于两者之间，是典型的半结构化场景。货架布局相对固定，但存在顾客走动、商品变动等动态变量，这种复杂度恰好适合训练和验证机器人的泛化能力，同时又能通过实际业务指标检验技术效果，因此被视为被低估的落地场景。
电子价签如何降低机器人落地门槛
汉朔的电子价签网络为机器人提供了实时更新的商品与货位信息，相当于一套物理坐标系。这带来三大优势：一是机器人只需做闭集确认，端侧小模型即可胜任，降低算力需求；二是无需SLAM重建地图，直接获取空间语义；三是在欧洲等合规严格地区，本地数据处理更易满足监管要求。这些先验信息显著降低了机器人在真实门店部署的难度。
盘点频率提升带来的供应链变革
传统大型零售门店的全店盘点只能在闭店时段进行，依赖人力导致多数零售商一年仅盘点一两次，账实不符成为普遍难题。若巡检机器人能在营业时段稳定工作，将盘点频率提升至周度甚至每日，库存实时性和货损管控将显著改善，为供应链管理带来质的飞跃。这正是具身智能在零售领域最直接的价值体现。
真实场景数据比模型参数更稀缺
文章强调，模型能力正快速商品化，仅靠参数规模难以形成长期优势。真正稀缺的是来自物理世界的现场知识，如门店实时变化、货架点位陈列、商品遮挡形变等。这类信息需要长期深耕场景积累，无法仅凭算力生成。汉朔十四年积累的门店数据和数字孪生底座，成为其布局Physical AI的独特壁垒。
Q&A
汉朔科技与X-Era Lab合作的主要目标是什么？
汉朔科技与X-Era Lab合作，旨在将具身智能机器人引入零售门店，解决盘点与补货难题，将AI从演示Demo转化为可在真实门店中持续稳定运行的生产级系统，提升盘点频率至周度或每日，推动Physical AI在真实商业环境落地。
汉朔科技在零售数字化方面有哪些积累？
汉朔科技是全球零售数字化领域的头部企业，服务全球超过550家零售客户，签约接近四成的全球零售百强客户，产品覆盖80多个国家，铺进将近7万家门店。其电子价签网络和数字孪生系统为机器人提供了可读取的物理坐标系和场景底座。
X-Era Lab的核心技术是什么？
X-Era Lab的核心技术是原生世界动作模型VWA，基于4D时空表征，统一完成环境理解与机器人动作生成。该模型仅用10亿参数就在多项评测中领先，性能超越多款数十亿参数的主流模型，并能在32 TOPS算力硬件上端侧部署。
为什么零售门店被认为是具身智能的“试金石”？
零售门店介于高度结构化的工厂和完全非结构化的家庭之间，是半结构化场景，既有相对固定的货架布局和作业规则，又有商品变动、顾客走动等动态变量。这种场景适合训练具身机器人，能规避实验室仿真数据泛化能力弱的短板，同时真实业务指标可校验技术能力，因此是具身智能落地的理想测试场。
电子价签如何帮助机器人降低算力需求？
电子价签预先告知货位预期商品，使模型只需做闭集确认，端侧小模型即可胜任，从而减少云端算力开销和延迟，显著降低端侧算力压力。
汉朔科技与X-Era Lab如何实现机器人的持续迭代？
双方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，让机器人在真实业务任务中持续校准，每一次巡检、盘点或操作中的失误都转化为模型迭代的反馈信号，从而在真实门店环境中持续优化模型与场景能力。
零售门店盘点面临的主要痛点是什么？
零售门店盘点的主要痛点是盘点频率存在天然瓶颈。大型门店的全店盘点只能安排在闭店时段，因为营业期间顾客和商品变动导致数据失真，多数零售商一年仅能完成一到两次全店盘点，导致账实不符问题普遍存在。
