零售成了“机器人练兵场”

具身智能从技术展示转向商业落地，零售场景成为检验价值的关键领域，推动行业从“能力炫技”走向“价值兑现”。 文 | 巨潮WAVE，作者｜Tiya，编辑｜杨旭然 宏大叙事正在不可避免地退潮。 具身智能作为一个行业的讨论焦点，已经从技术能做什么，转向讨论如何在更具体的场景中真正转起来、持续迭代，并最终实现盈利。 叙事的转向是一种对现实的真实映照，也是对资本诉求的回应。2026年下半年，多家主流厂商在机器人+零售领域搞了大动作，从一线城市商圈到社区便利店，“机器人员工”正以肉眼可见的速度渗入多元业态。 工业产线和展会舞台之外，零售门店正在成为具身智能落地最密集的方向。一个信号已然清晰：零售不再是具身智能的“试验田”，而是成了检验其商业价值的直接场景。 这意味着在当下的具身智能市场，价值的定义几乎已经被重构：“技术可行”与“商业向实”缺一不可。所有已经进入零售场景“打工”的机器人，都在竭力兼顾这两点。 零售场景中悄然泛起的机器人热潮，不该被简单视为短期风口，它像是一面镜子，更具体地映照出整个行业正在从单纯的“能力炫技”走向“价值兑现”。 探索 从场景验证的历程看，零售场景顺承了舞台表演、工厂作业两大重要场景下机器人融入人类工作的基本路径，但也在某种程度上跳出，甚至超越了原有场景验证的局限。 无论是舞台表演、工业生产，亦或是零售服务，机器人在多元场景中的落地，本质上都是在重塑这个世界的生产生活形态。整个过程的深层逻辑并非简单追求“无人化”，而是以机器人为枢纽，构建一种人机互补的新型协作模式。 从技术和产品层面看，这三个场景对具身智能的要求已经出现了分化。 大部分的工业生产机器人受限于横向、纵向，或是“格子式”的封闭空间进行作业，即便是游走在工厂中的叉车及移动机器人，也大多全流程自主作业，与人的直接交互比较少。 舞台表演中的机器人显得更加灵动，但更多是一种简单的功能展示，商业变现能力不足。 相比之下，零售门店恰好介于两者之间——零售场景有标准SKU、标准SOP，可以满足机器人持续学习，能力迭代的底层需求，同时又有真实客流、随机订单和现场干扰，是检验机器人泛化能力与固定场景之下应变力的“试金石”。 零售行业的“无人化”由来已久。从自动售货机、无人货架到AI视觉结算，零售行业一直在寻找降低人力依赖的方案，但此前的探索更多集中在“设备自动化”。 中商产业研究院报告显示，2025年中国无人零售市场规模超480亿元，2026年将达536.26亿元。自动售货机是行业内最早实现无人化闭环的终端，当下的“机器人+零售”更像是进一步的内生性深度探索，不仅是近年才开始的跟风。 但现在有部分机器人零售只是在原有无人零售体系上叠加了机器人躯壳和简单问答，整个状态看起来更像技术展示或“表演”，这不能称之为真正的机器人零售服务。 真正的转折点，在于机器人零售门店化并与零售体系之间开始融合：商店中的机器人在授权范围内真正参与到业务的全流程，“卖东西”成为企业经营行为的延伸。 政策支持、技术优化、商业成熟，三者共同推动着这种更加智能的零售业转变。 政策端，对智慧零售的支持力度在提升，政策红利促进人工智能赋能无人化服务的发展；技术上，世界模型、触觉感知相继跨过可用门槛，机器人已经可以到现成的门店直接上岗；商业端，就像人们逐渐习惯了掌上智能助手的7×24服务，经过一段时间的测算，企业相比之前也更加明确了机器人员工“全天候在岗”的红利。 以此为基础，机器人零售的持续发展几乎是确定性的。但确定性属于赛道，并不属于个体。 当下这个领域还没有陷入到内卷的泥沼，因此那些率先突围者的破局样本，更具有研究和参考价值。 模式 资本催熟之下，零售赛道的具身智能厂商们野蛮生长、良莠并存，洗牌期也提前开始。 野蛮生长的一面主要体现在形态之争——人形、双臂协作、轮式复合、桌面级等形态并存，做咖啡、调酒，从零售货架上取物，形态选择取决于职能和场景需要，尚无公认最优解。 良莠不齐与洗牌期同时出现的一面，则是因为资本涌入速度往往远超技术迭代和商业验证周期，行业出现“时间压缩”效应——许多企业被迫在未完成产品闭环时就开始规模化叙事，这也意味着无法实现商业化自洽的企业只能被迫出局。 整体来看，真正火出圈的还是人形机器人，因为机器人的形象展示更容易引发人们的好奇，也代表着更大的想象空间。厂商们的实践方向各异，催生了差异化落地路径与商业模式。 银河通用没有做过多的技术展示，直接在真实线下门店开展技术验证+商业化转化，旗下Galbot G1人形机器人以轮式人形结构为基础，聚焦于“抓、持、递”三项最基础的操作能力的优化与实现。 这款机器人可以依托轮式底盘快速响应订单，柔式夹爪有更稳定的抓握表现，“大脑-小脑-触觉感知”的闭环传导相对流畅，全自主运行，且无需远程操控。 可以看出，这样的整体规划旨在为线下门店提供可复制的智慧零售解决方案。 资本对于银河通用的押注，其中一部分就是它能够把技术转化为“标准化零售劳动力”的预期。但当前真实零售场景的非结构化程度、人机协同的实际摩擦成本，以及终端客户对“劳动力替代”最真实付费意愿，都还需要进一步的验证。 Sharpa则是走了系统性灵巧操作的技术路线，让机器人学会了做冰淇淋。 今年8月，Sharpa和全球知名冰淇淋和快餐连锁品牌Dairy Queen (以下简称DQ) 合作，打造了一家“零改造、全自主、全年无休”机器人暴风雪餐厅，在DQ上海吴江路店落成。 与银河通用一样，Sharpa也不过度追求机器人长得像人，而是更多去塑造机器人更加类人的思考和行动模式，让机器人实现从“递货员”向“产品制作者”的转变。 物理AI的高阶形态，是在开放动态环境中基于物理规律、社会准则，深度理解并完成复杂的长程任务。这个过程对机器人来说，就包含行动前的预判和多任务拆解、行动中的动态调整，以及任务结束后的记忆“归档”，以不断优化下一次的行动。 拆开技术来看，机器人搭载Sharpa Wave五指触觉灵巧手具有22个主动自由度，可以在“抓、捏、推、拉、舀取、倾倒”一整套动作中灵活切换。 相比“像人手”，这只灵巧手的真正意义在于其将原本需要多套设备、多重适配、多次调试才能完成的零售操作，收敛为一个可复用、可扩展、可与外界交互无缝衔接的物理接口。 Sharpa的自研分层端到端模型CraftNet，在底层控制中引入触觉、力觉和状态反馈等机制，机器人会根据摩擦、滑动、振动和受力变化调整输出力度。触、力的觉感知，则是会反馈回全模态的世界模型，一边“保存”历史任务数据，一边规划演绎下一杯的制作。 Sharpa制作冰淇淋的过程很像一场“动态实验”，需要面对杯、勺、柜门和冰淇淋机多个物理实体，全自主地完成从点单到交付的55步连续任务，且不是快闪演示。 可以看出，在零售场景中，机器人将不断触及、跨越其最终实现长程任务的能力“临界点”。 这套技术全栈式的零售打法，也有可能被Sharpa和具身同行们学习、推广到其他冰激凌、汉堡等更丰富的餐饮制作中，“涟漪效应”显然是明晰的。 不过，不同餐饮品类在工艺流程、卫生标准及设备兼容性等方面存在显著差异，这些现实约束，也可能反过来推动更具适配性的下一代“类Sharpa”门店形态的加速涌现。 商汤善惠也是这个赛道中的一个重要参与者，“烧卖购”机器人小店是