11 月 2 日上午 10 点，上海徐汇一家正在营业的便利店，迎来 6 位特殊的新员工——智元精灵 G2 人形机器人。接下来 24 小时，全程直播，全网超过 200 万人在线监工。
这不是精心剪过的高光视频，而是一场没有剧本的公开考试：顾客会乱逛，商品会被摸乱，考官会故意找茬。24 小时后交出的账本是——累计完成 1730 项任务。
最终，6 台机器人只有 4 台拿到「转正」。
六个「新员工」的工牌
先认识一下这个班组：门口的阿豪负责迎宾，会贴心提醒顾客带伞；火宝和倦王是理货搭档，一个取货补货、一个巡架；咖少是专职咖啡师；叮酱守收银台兼做熟食；冷姐负责全场保洁。
考核完全跟着门店节奏走：早餐冲刺、午高峰、晚高峰、深夜值守、次日早高峰，四班连轴转。24 小时下来，账本是这样的——
夜里 10 点到早上 7 点的深夜班，是整场考试最狠的一段：店里没有别人，出事没人兜底。这恰恰是行业里大多数演示视频从不碰的场景。
店里看稀奇的顾客也不少：拍 vlog 的、围观拍照的，还有小声感叹「It's interesting」的外国面孔。机器人不怯场——客人多了，阿豪在门口招呼「快进来看看」；有人凑得太近，它会停下来提醒「麻烦给我留一点空间」。一天下来，没有人遥控它，也没有人为它清过场。
考官上门：可乐、口香糖和「人形路障」
两位特邀体验官专程来「找茬」，考题一个比一个刁。
— 精灵 G2 在货架前理货（GIF 动图） —
第一题，双胞胎可乐：有糖和无糖长得几乎一样，指令只说「拿无糖的」。机器人不能只听——耳朵听懂、眼睛确认，双重校验才下手。
第二题，打乱的口香糖货架：整排被搅乱，不能靠预设的标签坐标，得靠实时视觉盘点，一格格归位。
第三题，人形路障：考官直接站到通道中间，再丢个箱子堵路。机器人遇人先停、遇障再绕，没人遥控，也没人为它清场。
被刁难急了，它还回敬一句：「你胆子真是肥嘟嘟的。」
— 夹取熟食，力道分毫之差就是「掉了」和「碎了」（GIF 动图） —
这些小动作背后全是硬功夫：夹一块黄金糕，轻了滑、重了碎；挂一袋彩虹糖，角度差一点就带倒旁边的商品。此前有知名便利连锁让机器人值夜班，结果拿不稳夏季结水珠的玻璃瓶冷饮，总往地上摔，项目直接折戟。
犯错不可怕，可怕的是学不会
直播里机器人并非百发百中：夹玉米只捏住塑料袋一角，一提就掉，重新找准位置再夹；保洁的冷姐半夜发现垃圾桶满了，自己跑出店去找，被记「擅离职守」；倦王跟不上门店节奏，被评「在岗摸鱼」。这两位，正是最后没转正的两位。
但这场考试的核心标准，本来就不是零失误，而是知错就改。
— 六台机器人共享的大脑：Genie Master（GIF 动图） —
调度六台机器人的，是智元的具身 Agent 框架 Genie Master——一个大脑管六台机器，底层搭载作业基座模型 GO-3 Preview。它通过具身执行协议 EEP，把任务判断、动作执行、结果反馈串成闭环：接单时按订单优先级、机器人状态和门店空间统筹排活，两项任务要占同一个货架，系统就安排错峰；一台卡住，先判断另一台有没有对应的末端工具和空闲时间，再决定接管还是人工介入。
失手的案例全部进入「错题集」：有效经验存进长期记忆，下次遇到同类任务直接调用；有价值的调整过程沉淀成训练数据，反哺动作策略。行业里管这套机制叫 Physical RSI——具身递归自进化。
一个鲜活的细节是：深夜空闲时，机器人还会自己加练。
200 万人监工背后：一场输不起的商业大考
把直播开进便利店，智元是有底气的：2026 年上半年营收接近 20 亿元，机器人出货 9700 台，累计下线 2 万台。联合创始人彭志辉那句话被广泛引用：「万台下线只是制造业的胜利，万台能够上岗才是物理 AI 的胜利。」
— 取货补货中的精灵 G2（GIF 动图） —
2025 年以来，智元、智平方、跨维智能、银河通用等十余家公司挤进零售场景，便利店是公认最被看好的入口。但冷静看，差距也摆在明面上：和熟练店员相比，机器人在速度、操作节拍、异常处理上还有不小的距离；这次挑战客流控制在个位数，门店没有完全开放，人工介入次数和真实失败率，智元也还没有披露。技术之外，还要算另一本账——折旧、维护、运维成本，能不能压到比人力更低。
结语：评价体系换了轴心
24 小时直播证明的，不是机器人比人强，而是它们第一次在真实门店上满了一个完整班次。
这之后，看机器人别只盯着发布会的跑分了——要看它能不能排上班、干满岗、犯了错自己改。机器人行业的评价体系，正在从「跑分」换成「排班表」。
深夜便利店的灯还亮着，里面忙碌的身影不再是人。这件事本身，就值得 200 万人盯着看。
机器人行业的评价体系，正在从「跑分」换成「排班表」。