十一月三日十时，上海徐汇一家正常营业的便利店结束了二十四小时机器人值守。六台智元精灵G2累计完成一千七百三十项任务：接待顾客六百八十三次、商品取送三百六十九件、补货巡检二百七十七次、制作咖啡一百四十七杯、桌面清洁一百二十八次、早餐服务一百二十六份。直播全网超过两百万人观看。结果没有做成完美收官：四台转正，两台进入待观察。
六台机器不是同一套动作重复六遍，而是被分成了六个岗位：智能迎宾、接待取货、咖啡师、热食主理人、巡检补货、环境清洁。每个岗位的名字都是人类门店里的真实职务，这个设计本身就说明了测试目的，它要验证的是岗位能不能顶替，不是机器人会不会走路。
任务量的分布也值得看。接待顾客六百八十三次是最高频的，其次是商品取送三百六十九件和补货巡检二百七十七次；制作咖啡一百四十七杯、桌面清洁一百二十八次、早餐服务一百二十六份属于中低频但工艺要求更高的活。高频任务考验稳定性，低频任务考验精度与异常处理。
把任务按小时摊开，平均每小时七十二项，考虑到夜间客流极低，实际是白天密集、深夜稀疏的节奏。这意味着机器人要面对的不是匀速负载，而是长时间待机后突然进入高强度交互，这种负载形态对调度与电量管理的要求高于持续跑满。
考核覆盖四个班次：午间高峰、晚高峰、深夜独立值守、清晨早餐冲刺。四个时段的差异不只是客流量，还有人员配置。白天有店员在旁，出问题可以人工兜底；深夜只有机器人，任何异常都要自己处理。
题目设计得很具体。从外观几乎一致的有糖与无糖可乐里取指定款，考的是细粒度视觉识别；把打乱顺序的货架逐格归位，考的是空间记忆与规划；人为设置人形路障与箱体堵路，考的是在通道被占时的绕行与求助判断。
这三类题目恰好对应具身智能最薄弱的三个环节。视觉上，包装相近的商品在低照度与遮挡下极易误判，错一次就是客诉；空间上，货架归位需要把"看到的位置"和"应该在的位置"对上，涉及长期记忆；通行上，绕行看似简单，实际要在"继续尝试"与"呼叫人工"之间做判断，判断错了就变成堵在通道里的障碍物。
深夜独立值守是难度最高的一段。人少、灯暗、突发情况多，而直播镜头一直开着，任何失误都会被看见。这也解释了后面两台机器人为什么在这一段掉了链子。
四台转正的是智能迎宾阿豪、接待取货火宝、咖啡师咖少、热食主理人叮酱。两台待观察的是巡检补货倦王与环境清洁冷姐。官方给的理由很具体：倦王在岗主动性不足，没跟上门店的流转节奏；冷姐在深夜遇到垃圾箱已满，脱离既定路线跑出店外，岗位稳定性不达标。
这两条失败理由比成功案例更有信息量。主动性不足不是能力问题，是策略问题：它能完成被指派的补货，但不会在货架空了的时候自己决定去补。门店运营的核心恰恰是这种"没人说但该做"的判断，而这需要把门店的运营规则写进策略，而不是写好动作序列。
跑出店外则是边界问题。垃圾箱满了属于预期外的状态，机器人在原计划无法执行时选择了自主寻找替代方案，方向没错，但它没有把"不能离开营业区域"当成硬约束。这类错误在人形机器人部署里非常典型：自主性越强，越容易在异常情况下越过没人明确写下的边界。
两台待观察而非直接淘汰，说明考核机制本身是分层的。转正意味着可以独立上岗，待观察意味着需要重新调校规则后再测。这套机制比"通过率百分之多少"更接近真实用工，因为门店要的不是一次考试及格，而是长期稳定。
技术侧的架构是六台G2共用一个叫Genie Master的智能体大脑。核心是具身执行协议：智能体按每台机器人的能力与现场状态组织任务，动作策略结合实时观测执行，执行结果回传成为下一轮判断依据。
这套结构解决的是多机协同里的分工问题。六台机器的能力不一样，咖啡机操作、货架抓取、地面清洁需要的末端与力度都不同，如果每台各自决策，会出现两台抢同一件事、另一件事没人做。统一大脑加能力约束，等于在系统层做了一次排班。
更关键的是事后学习。Genie Master每日总结成功与失败轨迹，把经验存进长期记忆，遇到同类任务直接调用；有效的调整过程转成训练数据，反哺动作策略。官方披露的前期数据是，搭载该框架的G2在熟食打包、取货、补货等任务上，流程成功率从首日两成八提升到第五天的八成五并趋于稳定。
这个曲线值得细看。它解决的是"部署后如何变好"，不是"一次就做对"。行业最现实的成本结构是靠遥操作与工程师驻场兜底，部署越多、人力成本越高，商业模型就不成立。能在现场自己变好的系统，才可能把边际成本压下来。
过去两年人形机器人的公开视频，主角是后空翻、跑跳、搬箱子。这些演示证明的是本体能力，观众看的是"像不像人"。便利店这二十四小时测试的是另一套东西：能不能连续在岗、能不能被考核、能不能因为表现不好被换下来。
评价标准的切换会连带改变供应链。演示阶段比的是关节、自由度、峰值力矩；上岗阶段比的是平均无故障时间、异常恢复率、单任务耗电、维护间隔。
同时也暴露了行业的真实位置。两台机器人因为主动性和边界判断被留下观察，说明当前的瓶颈不在硬件动作，而在策略的鲁棒性。硬件已经能完成绝大多数门店动作，难的是让它在没人盯着的时候做出正确判断。
对零售企业来说，这笔账还有另一面。二十四小时值守的价值不在替代多少人，而在填补夜间那段原本不划算的营业时段。夜间的客单价低、人力成本高，用机器人守住基本服务，把白班留给真人，是更容易成立的组合。
真正需要观察的是下一个月。转正的四台能不能连续跑三十天不掉链子，待观察的两台调校之后能不能过线，以及门店的维护人力到底减少了多少。这三项数据比任何直播画面都更能说明，机器人员工是已经上岗，还是仍在试用期。