汉朔科技联手拓元智慧，具身机器人进驻全球7万门店

在营业中的超市走道里，一台轮式机器人正沿着货架平稳行进。

它不仅需要实时避开穿梭的顾客与购物车，还要核验电子价签与商品价格，并调整视角看清被前排遮挡的库存。进入补货环节后，机械臂更要伸入高度仅三四十厘米的货架层，抓取容易形变的包装袋并规整陈列。

每一个动作的识别精度、运行安全与硬件成本，都直接关系到零售商的经营利润。对具身智能而言，能否算清投资回报率（ROI），是走出实验室的关键门槛。

针对这一产业命题，零售数字化服务商汉朔科技与具身智能研发团队**拓元智慧（X-Era Lab）**达成合作，计划将生产级具身智能系统推向真实零售场景。

汉朔科技深耕零售数字化多年，服务全球超过550家零售客户，业务覆盖80余个国家、近7万家门店。其铺设的海量电子价签实时绑定商品、价格与货位数据，构成了天然的物理坐标系。拓元智慧则专注自研世界动作模型，其基于4D时空表征的原生世界动作模型（VWA），能让机器人理解遮挡、光照与商品姿态，进而预判环境变化并执行动作。

双方的合作直指核心目标：让顶尖AI模型接入覆盖全球的真实门店网络，让具身机器人从单次概念演示演变为稳定可靠的生产力工具。

零售场景：具身智能商业化的“黄金试验场”

具身智能当前的主流探索常分布在两个极端：一是高度结构化、已被传统自动化大幅覆盖的工厂车间；二是环境高度非结构化、对泛化能力要求极高且短期难以规模变现的家庭场景。

相比之下，处于二者之间的零售商超是一块被低估的试验场。卖场的货架布局与陈列规则相对确定，同时又伴随客流走动、商品移位等动态变量。这种半结构化环境既规避了实验室虚拟仿真泛化差的问题，又避免了全开放环境带来的变量过载，非常适合用于采集交互数据并验证算法。

对零售企业而言，核心运营痛点在于盘点频率的瓶颈。全店盘点由于耗费大量人力且易受营业干扰，通常只能在闭店后的夜间进行，多数门店一年仅能执行一至两次，导致账实不符与货损严重。若巡检机器人能在营业期间常态化执行分区巡检与盘点，将盘点频次压缩至周度乃至日度，整个零售供应链的周转效率将显著提升。

目前，汉朔科技的巡检机器人已在国内及海外商场开启概念验证（POC）测试，将门店需求明确聚焦为三项工作：巡检、盘点与补货。

用电子价签打造“物理先验坐标系”

作为全球第二大电子价签供应商，汉朔科技在近7万家门店构建的电子价签网络与数字孪生系统，构成了AI落地的底层场景壁垒。电子价签不仅是显示屏，更是附着在每一个货位上的结构化数据节点，实时同步ERP系统中的商品种类与货位信息。

这种先验信息赋予了机器人三项显著的技术优势：

1. 大幅降低端侧算力要求：价签已预先锁定货位的预期商品，视觉模型只需进行闭集比对确认，无需执行无先验的大模型全量检索，依赖端侧小模型即可完成高精度识别，大幅削减云端推理成本与延迟。
2. 提供原生货架语义坐标：无需机器人反复通过SLAM重建高精地图并依赖人工标注，密集的价签节点天然构成了空间与货物的分布坐标。
3. 本地计算满足合规监管：在数据合规要求严格的海外市场，依托价签先验与端侧轻量模型即可实现数据本地闭环处理。

原生世界动作模型加速端侧落地

为这套庞大网络提供驱动内核的拓元智慧（X-Era Lab），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，核心成员具备牛津大学、香港理工大学、UCLA与华为等机构的产学研背景。

团队研发的原生世界动作模型（VWA）采用4D时空表征架构，统一了环境理解与动作生成。在参数规模控制在10亿级别的前提下，其性能在多项评测中超越了部分数十亿参数的主流模型，并获得NVIDIA、Google DeepMind等业界团队的关注。

在工程落地方面，团队将大模型能力蒸馏压缩至10亿至30亿参数区间，使其能够在32 TOPS算力的边缘硬件上平稳运行；同时联合芯片厂商开发面向世界模型的专用芯片，将推理时延压缩至毫秒级，并开源了具身智能操作系统PhyAgentOS。

拓元智慧CTO陈添水博士指出，零售场景业务链条细碎，盘点任务存在严苛的多级评价指标，技术能力极易在真实业务中受到检验。

随着通用模型的基础能力逐渐商品化，单凭算力堆叠很难拉开代际差距。零售现场积累的物理知识——包括动态遮挡、包装形变、货架层高与通道变动——构成了最稀缺的训练资产。通过将高性能世界模型嵌入海量门店的商业闭环中，在真实作业中持续收集异常与反馈，具身智能才得以真正摆脱展厅演示，转变为具备商业可行性的生产级系统。