最近，上海街头出现了一种新奇的便利店——店员全是人形机器人。顾客扫码下单后，机器人能自主完成接单、精准抓取商品、再递到顾客手中，整套流程行云流水，吸引了不少路人驻足围观。更关键的是，这些“店员”还具备选品、定价、补货等数据分析与运营能力，几乎覆盖了零售场景下的所有任务类型。

从实验室到街头：日均400单的商业化答卷

推出这项服务的商汤科技透露，首批名为“SenseMartGo烧卖购”的机器人小店，已经落户上海的新洲大厦、宝山新业坊和宝山滨江景区。市场表现如何？数据给出了答案：在刚过去的“五一”假期，滨江门店创下了最快15秒完成一单、日均处理400单的业绩。

（图为机器人店员将一杯咖啡递交给消费者）

这个看似简单的递送动作背后，是一套复杂的系统集成。这套具身智能便利店解决方案，融合了商汤过去五年在零售行业的实践经验、其核心的计算机视觉技术、海量的零售数据资产，以及多模态大模型能力。机器人本体由零次方联合打造，而数据采集系统则与大晓机器人合作完成。

便利店：具身智能的“高压”考场

为什么说便利店是检验具身智能的绝佳场景？原因在于其特殊性：交易频次极高、商品迭代飞快、环境复杂多变，同时还要求系统能够7×24小时稳定运行。这对机器人的稳定性、泛化能力和实时决策执行力，都提出了近乎苛刻的要求。

为了应对这些挑战，商汤从2024年开始，系统性地完成了从静态图像感知、动态视频分析，到数据融合、SKU大模型研发等一系列技术基建。同时，围绕零售全场景感知、数字人店长、数据治理体系的能力也同步构建起来。正是在这些基础上，具身零售机器人店才得以在今年走向真正的商业化落地。

三位一体的全栈能力：数据、技术与场景的闭环

要支撑这样一个能“实战”的机器人店员，离不开三大核心支柱的构建。

海量数据资产：智能的“燃料”

一切智能的起点是数据。商汤通过全真实场景、全维度的数据采集能力，沉淀了规模庞大的零售数字资产库。这其中包括超过30万个2D商品模型、10万以上的3D商品资产，以及每日新增的150万笔交易订单和超过8000小时的高密度环境采集数据。这些鲜活、多维的数据，成了训练和优化机器人“大脑”不可或缺的养料。

双引擎驱动：经典AI与具身智能的融合

在技术架构上，方案采用了“经典AI+具身”双引擎驱动。经典AI引擎依托于成熟的计算机视觉与多模态大模型，负责基础的感知与理解；而具身智能引擎则更进一步，融合了3D高斯重建、世界模型等前沿技术，真正赋予了机器人“感知-理解-决策-执行”的完整闭环能力，让它们不仅能“看”懂，还能“动手”做。

灵活的场景适配

在应用层面，这套系统设计得相当灵活，能够覆盖从智能零售柜、货架到完整便利店的不同形态，适配各种场地条件和经营需求，降低了部署的门槛。

（图为机器人店员与消费者进行掰手腕互动）

当数据、技术、场景这三大支柱被打通，就形成了一个强大的“数据飞轮”：线下真实交易产生数据，数据用于训练和优化模型，更智能的模型提升门店运营效率与决策准确性，进而促进更多交易，如此循环往复，持续进化。

超越标品：有温度的零售新体验

与传统智能货柜只能售卖包装饮料、零食等标准化商品不同，“烧卖购”机器人小店的能力边界要宽得多。除了常规标品，它们还能制作咖啡、冰淇淋、早餐热食甚至爆米花等非标准化商品。这得益于其背后的海量商品数字资产和多模态理解能力，使得商品上新和识别无需漫长重新训练，可以快速完成，正好契合了零售行业SKU快速迭代的痛点。

更值得一提的是交互体验的升级。这些机器人店员并非冷冰冰的执行终端，它们具备个性化的交互能力：会主动打招呼、握手，能介绍商品，还能背古诗、讲笑话。它们可以根据顾客的不同需求和即时情绪，提供差异化的服务，试图在效率至上的零售场景中，增添一份“人”的温度与趣味。

从日均400单的运营数据，到制作非标品、进行趣味互动的能力，人形机器人店员在上海街头的这次亮相，不仅仅是一次技术展示，更像是一份关于“具身智能如何融入高频商业场景”的初步可行性报告。它的下一步进化，值得持续关注。