人形机器人做演示视频早已不稀奇，稀奇的是把它放进一个正在营业、有真实顾客、货架会被弄乱、地面会洒东西的便利店，连干 24 小时。
智元机器人（AGIBOT）做了这件事。六台 G2 轮式人形机器人在上海徐汇区一家正常营业的便利店完成 24 小时连续作业，合计完成 1730 项任务。实测窗口是 11 月 2 日 10 时至 11 月 3 日 10 时，全程直播，累计观看超过 200 万人次。六台机器人在最终性能评估中有四台通过，两台未满足全部标准。
任务分工上，六台机器人分别负责顾客引导、货架巡检、补货、咖啡与热食制作、结账、门店清洁。拆成数字是：顾客服务交互 683 次、商品取送 369 次、咖啡制作 147 单、早餐供应 126 份、货架巡检与补货 277 次、桌面清洁 128 次。测试跨越四个时段——午间高峰、晚间高峰、夜间运营、次日早餐高峰，每个时段的压力点不同：高峰考验响应速度与并发处理，夜间考验长时间无人监督下的稳定性。
评估维度包括在岗时长、任务完成度、顾客反馈、响应时间、异常处理能力。此外还有两位评估员设计的针对性考题：同时点常规与无糖可乐，检验能否区分外观相近的商品；把口香糖打乱摆位后要求归位，检验是否真的在识别而非按预设坐标抓取；用人和纸箱堵住通道，检验障碍识别与绕行。
这些考题指向便利店场景真正的难点。环境看起来简单——空间紧凑、任务标准化，但正是「小变化高频发生」让机器人为难。一包挂着角度略偏的糖果，抓的时候容易碰倒旁边商品；一块蛋糕需要精确控制夹持力，轻了掉、重了塌。与实验室最大的差别是，营业中的门店里顾客在走动、商品被拿起又放回、同一件商品的位置和朝向每次都不一样，同一任务重复执行，条件却次次不同。
实测中呈现出来的几个能力值得单独看。机器人用实时视觉判断错位商品并放回指定位置，而不是只依赖预设坐标；负责补货的机器人能自行发现货架空缺并补上，不需要逐条提示；清洁场景里，机器人能区分「洒出来的液体」与「台面本身的纹理」，从而选择合适工具。
支撑多机协同的是智元的 Genie Master 具身智能体框架。它通过具身执行协议（EEP）把任务规划、执行与反馈串成闭环：系统按每台机器人的能力与门店当时状况分配工作，机器人用动作策略与实时观测执行，结果回流到 Genie Master 做分析与排障。框架还支持从既往尝试中学习——复盘成功与失败的执行记录，把相关经验存入长期记忆供类似情形调用，有效的调整可以转成训练数据反过来优化动作策略。用一句直白的话说，它试图让机器人把每次任务当成有前后文的经验，而不是彼此孤立的重复劳动。
这也解释了「四台通过、两台未通过」为什么反而是个可信的信号。如果六台全过，更像是任务难度被调低了。差异化结果说明评估确实筛出了稳定性差异，也说明处在同一套框架下的不同本体，表现会因任务类型而分出高下。
需要交代的边界有三点。第一，这是智元 AI WAVE 技术展示的收官环节，该公司自 10 月 22 日起陆续发布了机器人数据、仿真、AI 模型、硬件与运营软件，便利店实测是把这些能力放到同一场景里跑一遍，性质上偏整合验证而非第三方测评。第二，任务类型集中在零售标准作业，与工厂精密装配、户外作业的难度不可直接类比。第三，六台机器人仍在远程监控与现场人员兜底的条件下运行，离完全无人门店还有距离。
不过对具身智能的商业化来说，这类实测的价值恰恰在于它暴露的是工程问题而不是演示问题：抓取力度、异常恢复、多机分工、经验复用——这些不是发一篇论文能解决的，只能靠长时间跑出来。智元披露其 9 月第 2 万台机器人下线，如果这个量级的本体开始进入门店、药店、工业场景做长周期验证，行业关注的指标就会从「能不能做」转向「每千小时需要几次人工干预」。