汉朔科技联手X-Era Lab，以电子价签为坐标探索零售具身智能落地

事件概述

汉朔科技（Hanshow）与深圳AI公司X-Era Lab（拓元智慧）达成合作，共同推进具身智能在零售门店的规模化落地。汉朔科技提供覆盖全球80多个国家、近7万家门店的电子价签网络及数字孪生底座；X-Era Lab则提供基于4D时空表征的原生世界动作模型（VWA），赋予机器人理解环境、预测变化及执行复杂动作的能力。双方致力于解决零售场景中巡检、盘点和补货等高频痛点，探索具身智能的商业闭环。

核心信息

1. 零售具身智能的痛点与机会

• 场景特性：零售门店属于“半结构化”场景，介于高度结构化的工厂和完全非结构化的家庭之间。其货架布局相对固定，但存在商品变动、顾客干扰等动态变量，是检验具身智能泛化能力的“试金石”。
• 行业痛点：传统全店盘点依赖人力且只能在闭店时段进行，频次低导致账实不符和库存失真。若能将盘点频次提升至周度或每日级别，将显著改善供应链效率。
• 落地挑战：主流落地场景多集中在两极（工厂自动化已成熟，家庭场景太复杂）。零售场景因细节琐碎、易被业务证伪，真正深耕的团队较少。

2. 技术架构：场景底座 + 世界模型

• 汉朔科技的“物理世界坐标系”：
  • 基础设施：利用遍布货架的电子价签作为结构化元数据载体，实时同步SKU、价格及货位信息，构建门店数字孪生系统。
  • 三大优势：
    1. 降低算力压力：价签预先告知预期商品，端侧小模型仅需做闭集确认，减少云端开销。
    2. 原生语义坐标：无需SLAM重建地图，海量价签节点直接提供空间与商品分布信息。
    3. 合规本地化：依托先验信息和端侧处理，满足欧洲等严格的数据合规要求。
• X-Era Lab的“原生世界动作模型 VWA”：
  • 模型能力：基于4D时空表征，统一完成环境理解与动作生成。仅用10亿参数即在多项评测中领先，性能超越数十亿参数的主流模型。
  • 部署优化：模型压缩至10-30亿参数区间，可在32 TOPS算力的硬件上端侧部署；联合星宸科技研发专用芯片，推理时延压缩至毫秒级。
  • 数据管线：搭建真实交互视频数据管线，每日生产约2万小时毫米级4D训练数据，并开源具身智能操作系统PhyAgentOS。

3. 合作模式与迭代逻辑

• 分工明确：汉朔出场景与数据底座，X-Era Lab出算法与大脑。机器人需具备躲避顾客、调整摄像头角度、抓取软性商品（如膨化食品）等精细操作能力。
• 持续迭代机制：并非简单部署通用大模型，而是让模型在真实业务任务中校准。每一次巡检、盘点的失误都转化为反馈信号，依托汉朔的全球门店网络沉淀真实数据，形成可验证、可复用的模型迭代闭环。
• 当前进展：汉朔巡检机器人已进入国内及海外商场开展POC测试。

值得关注

• Physical AI的基础设施化：此次合作强调了“Physical AI”不仅是算法，更是包含传感器、执行器及物理世界映射（如电子价签网络）的整体基础设施。缺乏真实物理世界知识的纯算法难以长期保持代际差距。
• 商业化可行性验证：具身智能能否摆脱“一次性Demo”，关键在于是否能在真实、嘈杂的物理环境中稳定运行并产生ROI（投资回报率）。零售场景的高频刚需为这一验证提供了最佳试验田。