汉朔科技与X-Era Lab合作，将具身智能引入零售门店，巡检机器人已开始POC测试，目标将盘点频次从每年一两次提升至周度甚至每日。
AI解读：零售门店的盘点一直是个老大难。大型超市的全店盘点只能在闭店时段做，因为营业期间顾客和商品不停变动，数据会失真。靠人力这么干，多数零售商一年只能完成一到两次全店盘点，账实不符成了行业普遍难题。
汉朔科技和X-Era Lab的合作，就是想用轮式机器人和机械臂在营业时段完成巡检、盘点和补货。汉朔在近7万家门店铺了电子价签，每个价签实时连着商品和货位信息，相当于给机器人提前画好了一张可以读取的物理坐标系；X-Era Lab则提供世界动作模型VWA，让机器人在遮挡、光照变化、商品被挡住的情况下也能理解和执行动作。
对超市运营者来说，这带来的直接变化是盘点频次可能从一年一两次提升到周度甚至每日。库存实时性更好了，货损管控也能跟上。不过需要说明的是，目前巡检机器人只是进入国内外商场开始POC测试，补货机械臂要抓取软塌塌的膨化食品袋这类细节还处在能力展示阶段，离大规模铺开还有距离。
对普通顾客来说，短期内不会感受到明显变化，这类机器人主要在货架间穿行，不涉及收银或导购。真正需要关注的是零售企业——这套方案的硬件成本、识别精度和运行安全性会直接决定ROI是否划算。
汉朔科技与X-Era Lab（拓元智慧）9月9日对外透露，双方正合作将具身智能机器人引入零售门店，覆盖巡检、盘点和补货三类任务。汉朔的巡检机器人已进入国内和海外商场开始POC测试；补货环节涉及机械臂在仅三四十厘米高的货架层内抓取软塌塌的膨化食品袋并放回排面。
汉朔科技自称服务全球超过550家零售客户，签约接近四成全球零售百强，产品覆盖80多个国家，铺进近7万家门店。X-Era Lab是一家深圳公司，专注自研世界动作模型，面向零售、人居、制造等场景落地智能机器人。
零售门店被定位为具身智能的中间场景
汉朔科技内部近几年押注Physical AI，即让AI能读取并改变物理世界的基础设施。汉朔认为，主流具身智能落地场景集中在两极：工厂高度结构化、传统自动化已解决大半；家庭完全非结构化、泛化要求极高、距离商业化尚远。零售门店介于两者之间，是半结构化场景：货架布局和基础作业规则相对固定，但存在商品变动、顾客走动等动态变量。
行业数据显示，大型零售门店的全店盘点只能安排在闭店时段（夜间或周末凌晨），因为营业期间顾客和商品持续变动会导致数据失真。这种人力依赖模式使多数零售商一年仅完成一到两次全店盘点。汉朔称，若巡检机器人能按区域排班、在营业时段稳定完成巡检与盘点，可将盘点频次提升至周度甚至每日级别。
电子价签网络为机器人提供物理坐标系
汉朔科技以电子价签网络为基础，搭建了门店数字孪生系统，把商品、货架、设备、库存和门店运营状态映射到统一数字空间。电子价签附着在每个货架点位，实时更新商品元数据，货架点位应陈列哪个SKU、对应售价，都能与ERP系统实时同步。
汉朔称，这套基础设施给机器人带来三项优势：价签预先告知货位预期商品，模型只需做闭集确认，端侧小模型即可胜任，降低云端算力开销与延迟；海量价签节点可直接提供门店空间与商品分布信息，无需机器人用SLAM重建地图并人工标注；在合规监管严格的区域（如欧洲），依托价签先验信息和端侧小模型做本地处理，可将合规约束转化为技术优势。
X-Era Lab的VWA模型面向真实货架执行任务
X-Era Lab由中山大学人机物智能融合（HCP）实验室与鹏城国家实验室联合孵化，核心创始团队包括王广润博士、王可泽博士、蒲韬博士等，成员具备牛津大学、香港理工大学、UCLA及华为等机构的科研和产业经验。团队原创原生世界动作模型（VWA），在基于4D时空表征的模型架构内统一完成环境世界理解与机器人动作生成。
团队称，仅用10亿参数，VWA就在十余项权威评测中取得领先，性能超过多款数十亿参数的主流模型，并获得Google DeepMind、NVIDIA等团队认可。团队累计发表顶会顶刊论文500余篇，总引用量超10万次，九次获国际顶会最佳论文奖，三位核心成员入选全球前0.05%顶尖科学家榜单。
产业化方面，X-Era Lab组建了来自腾讯、华为的全栈工程团队，搭建日均服务500万次调用的世界模型MaaS平台，以及每日可生产约2万小时毫米级4D训练数据的真实交互视频数据管线。团队称已将百亿参数模型的能力压缩至10亿到30亿参数区间，能在32 TOPS算力硬件上完成端侧部署，并与星宸科技联合研发面向世界模型的专用芯片，将模型推理时延压缩至毫秒级。团队还开源了具身智能操作系统PhyAgentOS。
X-Era Lab CTO陈添水博士说，零售赛道很难靠概念讲故事，场景细节高度细碎，仅盘点一项任务就能拆解成多个评价等级，技术能力容易被实际业务证伪。汉朔机器人产品线总经理童亮认为，真实门店场景数据适合训练具身机器人，能规避实验室仿真数据泛化能力弱、开放环境变量过载的短板；机器人在真实门店执行任务采集数据并接受业务指标校验，可降低落地试错成本。