具身智能行业并不缺「实验室里会干活」的演示，缺的是机器人在真实岗位上自己发现问题、自己改策略。10月27日，智元发布具身 Agent 框架 Genie Master，把叙事从「上岗」推进到「上岗之后还能继续变强」。
智元是国内具身智能整机与全栈方案的主要玩家之一，前一日刚推出面向拆码垛与产线供料的安规级重载机型精灵 G2 Max。Genie Master 则更偏软件与智能体层：官方介绍称，搭载该框架的精灵 G2 在真实便利店上岗期间，不依赖人工示范与调试，能够自行定位失败原因、调整策略并沉淀经验，在熟食打包、取货、补货等复杂精细任务上持续改进，实现「无人在环」的持续自我进化。
公司将该能力概括为 Physical RSI（具身递归自进化），并称这是行业首次跳出仿真环境、走出实验室，在真实业务场景中完成验证。需要强调的是，上述结论来自主体官方披露与演示口径，第三方复测细节公开有限；读者宜把它理解为「真实场景闭环已跑通」的阶段性主张，而不是行业通用基准已统一。
从产业角度看，Physical RSI 试图回答具身智能最难的一段：数据回流与在线改进。仿真里可以把失败无限重放，便利店却要求机器人在人流、货架变动与商品形态差异中维持可用成功率。若「边工作边进化」能在多店、多班次稳定复现，训练数据将不再只依赖遥操作与离线标注，而开始来自岗位本身。
按公开安排，11月2日智元将安排6台精灵 G2 开展连续24小时的便利店作业直播测试。那一场更像压力测试：连续作业暴露的是补能、异常接管、货损与节拍稳定性，而不只是短视频里的几个成功片段。
对客户与竞争对手而言，Genie Master 的意义不只是新功能名。硬件参数容易对标，真正拉开差距的是部署后能否把失败变成可复用策略。便利店只是第一个公开窗口，工业与仓储场景是否沿用同一套 Agent 框架，将决定这条路线的商业半径。
一句话收尾：智元把「能上岗」写成「会自学」——下一棒要看直播测试能否把口号落成可核验的连续作业曲线。