一场连续24小时不打烊、多达1730项任务的便利店大考，让4台智元机器人在超过200万观众的见证下成功“转正”。

24小时不打烊：一场真实营业中的“转正考核”

11月2日上午10时，上海徐汇区一家正常营业的便利店里，6台智元精灵G2人形机器人打卡上岗。它们以“便利店试用期员工”的身份，开启了一场名为“机器人打工不能停”的24小时直播挑战，全程向全网观众开放，接受在线“监工”。

与常见的舞台演示不同，这场考核发生在真实门店里：顾客会走动，货架会变化，任务会临时插入。从首日10时到次日10时，6台机器人要连续在岗整整24小时，依次经历午间高峰试岗、晚高峰抗压、深夜独立值守、清晨早餐冲刺四个班次，并在次日接受一场“转正述职”。

11月3日10时，挑战圆满收官。据智元方面披露，在长达24小时的工作时间里，6台机器人累计完成1730项任务，包括接待顾客683次、商品取送369件、咖啡制作147次、早餐服务126次、补货巡检277次及桌面清洁128次，直播吸引全网超200万人观看。

在2026智元创新日上，智元联合创始人、联席总裁、具身业务体系总裁姚卯青曾经表示：“演示考验的是单点能力的上限，但生产力考验的是系统的下限。”机器人能否按真实岗位的标准持续工作，正是这场便利店大考真正想回答的问题。

为什么是便利店？因为“足够真实，也足够难”

为什么智元会把全栈技术的第一个“考场”设在便利店？智元具身研究中心副总裁任广辉给出了一个简单而又直白的答案：“便利店，足够真实，也足够难。”

在任广辉看来，和Demo演示相比，真实门店里的条件一直在变：顾客会走动，商品的位置、朝向、包装状态随时在变，机器人要一边理解现场，一边调整操作和任务安排。工业和分拣场景的技术要求同样很高，但是它们强调节拍、精度和可靠性，环境相对固定；相比之下，便利店更考验随机应变的能力——商品差异、柔性操作、人机混行、顾客交互、多机协作，全被压缩在一个小空间里。

更棘手的是任务之间的相互牵制。“补货可能占掉取货的位置，清洁可能堵住通道，某一步延迟，后面一连串交付都要往后推。”任广辉指出。也正因为如此，智元想验证的并不只有单项能力，还包括系统在遇到变化、中断、异常之后还能不能继续推进，以及这些经历是否能够变成可复用的经验，让后面的作业更稳等等。

六个岗位、四道班次：机器人如何被“打分”

在智元的安排布置下，6台精灵G2人形机器人各有岗位，各司其职：阿豪担任迎宾接待，火宝负责取货与打包，倦王在店内巡视并补货，冷姐负责桌面清洁，咖少守着咖啡工位，叮酱兼顾收银与熟食服务。六个岗位环环相扣，基本覆盖了一家便利店从开门迎客到日常保洁的完整流程。

在6台机器人的身后，由具身Agent框架Genie Master负责调度。任广辉把Genie Master比作整个班组的“大脑”，它通过具身执行协议EEP连接机器人的能力、执行引导、结果反馈和任务连续性，同时统筹订单优先级、机器人状态与作业空间——两项任务需要占用同一个货架位置时就错开，互不干扰才并行。

考核并非只看“干得多不多”。按照直播设定，机器人要过四道转正KPI：连续在岗、业务能力、四班次考核与顾客好评。任广辉进一步补充道，团队还会同时记录任务成功率、首次成功率、响应时间、端到端耗时、单位时间合格交付量，以及人工接管频次、异常恢复时间和系统可用率等指标。“对顾客来说，商品对不对、交付全不全、等待久不久，都是服务的一部分。”

对人类店员而言随手就干的活，对机器人却是硬骨头。任广辉举例说，夹取一块黄金糕，要先握稳夹子，再控制开合、接触位置和力度，“轻了滑、重了碎”；把彩虹糖挂上货架挂钩时，既要让包装挂孔顺利退出挂钩，又不能勾住包装、不能带倒旁边商品。这些动作需要视觉判断、动作策略、灵巧手或夹爪与底层运控一起配合。

在人机混行的安全问题上，任广辉强调，所有行为必须在明确的安全边界之内进行。遇到狭窄通道、顾客突然进入作业区或儿童接近，系统会根据距离、运动趋势和当前动作风险，采取减速、暂停、避让或重新规划；感知不确定性变大时主动降低作业强度，必要时停止动作、请求协助。“宁可慢，不能撞。”

“无人在环”的背后：从Genie Master到Physical RSI

这场“机器人打工不能停”的挑战之所以广受业界人士关注，不只是因为它“好看”，更因为它验证了一条技术路线。

就在直播前一周的10月27日，智元正式发布具身Agent框架Genie Master，让机器人实现“边上岗，边解锁新技能”。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，能够自己定位失败原因、调整策略、沉淀经验，实现“无人在环”的持续自我进化。智元方面称，这是行业首次跳出仿真环境、走出实验室，在真实业务场景中验证Physical RSI（具身递归自进化）。

任广辉解释说，Physical RSI强调“从作业经历到可复用能力的持续循环”：让真实执行产生的反馈进入后续改进过程，再通过后续任务检验改进是否有效。“一次成功恢复不等于能力进化。”任广辉表示，一次调整能不能被保留、能不能稳定改善后续表现，要经过验证。

为此，智元研究团队设计了两条互补路线。Harness RSI让经验可积累——机器人把成功与失败的案例随做随记，每日任务结束后统一总结，把可复用的内容沉淀进长期记忆；Policy RSI让能力可固化——把包含问题、调整和结果的数据用于训练动作策略，使有效改进保留在模型参数中。

任广辉指出，分两层来看，Harness RSI层面的经验当天总结、第二天就能在执行里生效，几乎不占训练资源；Policy RSI层面的策略更新，通常几天内能完成一轮迭代。从一次失败到形成可用经验，关键在轨迹回溯——单次失败就能形成诊断结论，但要进入策略训练，需要积累一定量的同类轨迹。直播期间产生的数据，会经过筛选、去标识化和质量检查后进入训练队列，正常情况下一到两周内能体现在后续版本的策略更新里。

这些能力并非凭空出现。其底层是智元自研的作业基座模型GO-3 Preview与WRAM统一架构，把理解、预测和动作统一建模；Genie Evolver负责后训练，用真机、仿真和世界模型协同提升操作能力；Genie Master则负责组织任务、协调执行，并结合现场反馈支持部署后的持续学习。

离“正式上岗”还有多远？智元给出了三把尺子

24小时连续作业是一次阶段性验证，但不是终点。任广辉坦言，相比熟练店员而言，机器人在适应现场变化的速度、精细操作的节拍、异常处理的能力等方面仍有不小差距。

那么，具身智能距离无需专人看管的“正式上岗”还有多远？在任广辉看来，这个距离取决于任务，而不是时间表。他给出了三条判断标准：任务边界是否清晰、结果是否容易核验、异常率低到系统是否可以自己恢复。按这三个标准，环境规范、对象相对标准、流程固定的岗位，比如理货、补货、清洁辅助，最有希望率先稳定上岗；而涉及复杂交互、身份核验、开放式操作的岗位，验证周期则要长得多。

从单店走向成百上千家门店，还要跨过几道坎。任广辉表示，技术上要解决长尾异常的覆盖和跨门店的小样本适配；商业上，是运维人效比和全生命周期成本真正跑通。智元的做法是把数据、模型、本体、部署系统全栈打通，让能力以体系的方式沉淀。每部署一个新门店，重复开发的工作便越少。

对于持续学习会给机器人数据产业带来什么影响，任广辉的判断是：更可能发生的是数据结构和生产方式的变化，而不是数据需求的简单减少。通用能力仍需要覆盖广泛物体、动作和环境的数据；部署后学习则会增加另一类需求——真实失败、异常恢复、长流程中断、多机协作、不同策略的结果差异。当机器人自己能产生更多轨迹，数据服务的价值会转移到质控、任务与结果标注、长尾覆盖、评测和反馈闭环上。

用什么来衡量这一切的价值？任广辉给出的标准很直接：部署周期有没有缩短，人工适配量有没有下降，有效产出有没有提高。在智元的度量框架里，这被概括为一个新单位——Worken（有效智能工时），由活跃机器人数量乘以自主工作时长，再乘以产出效能比得出。放到便利店场景，它回答的问题很实际：机器人在多长的自主工作时间里，完成了多少合格交付。

对具身智能而言，1730项任务只是一次“试用期”的答卷。真正的考验，在于这些经验能否被沉淀、复用，并复制到更多门店与更多场景中去。