大型超市的全店盘点，一年往往只能做一两次，因为盘点只能等夜里闭店或周末凌晨进行。现在，全球第二大电子价签供应商汉朔科技，正联手深圳的具身智能公司 X-Era Lab，把能自动巡检、盘点、补货的机器人送进超市货架，目标是把盘点频率从一年一两次提升到每周甚至每天。

先交代主角是谁。汉朔科技（Hanshow） 是一家做零售数字化的中国公司，主业是电子价签——货架上显示价格的小屏幕，背后连着商超的商品系统，价格变动实时同步。公开资料显示，汉朔服务全球 550 多家零售客户，产品覆盖 80 多个国家和地区，铺进了将近 7 万家门店，客户里接近四成是全球零售百强，是全球第二大电子价签供应商。

另一家 X-Era Lab（拓元智慧） 是深圳的 AI 创业公司，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，专注做「世界动作模型」——一种能看懂环境、并直接输出机器人动作的 AI 模型。两家公司一个出场景、一个出「大脑」：汉朔提供遍布全球的货架网络，X-Era Lab 提供让机器人在货架间干活的模型。

为什么盘点是零售业的老大难

盘点的本质是核对「账上有什么」和「店里实际有什么」。营业期间顾客来来往往、商品不断变动，这时候盘点数据必然失真，所以全店盘点只能安排在闭店时段。人力成本高、影响又大，多数零售商一年只做一到两次。

账实不符是零售业普遍难题。盘点频次提不上去，库存数据长期不准：该补的货没补、滞销的货压仓、损耗无处查。如果机器人能在营业时段按区域排班，把巡检和盘点做成常态化，库存实时性和货损管控都会明显改善——这就是这笔生意要解决的问题。

电子价签：给机器人铺好的「物理坐标系」

机器人进超市，最大的难题不是走路，而是「认货架」：每个位置该摆什么商品、价格是多少、东西被挡住看不见怎么办。多数方案靠机器人在店里边走边建图（SLAM，即边移动边绘制环境地图的技术），再人工标注，成本和误差都高。

汉朔的底牌是它铺了多年的电子价签网络。每张价签都是一个联网的「坐标点」，实时告诉系统这个货位应该放哪个商品（SKU，即单个商品的唯一编号）、卖多少钱，并且与商店的 ERP（管理商品、库存、价格的运营系统）实时同步。也就是说，汉朔提前为机器人铺好了一套可读取的「物理坐标系」，并在此基础上搭建门店数字孪生——把商品、货架、设备、库存和门店运营状态映射进统一的数字空间，让 AI 无需从零感知环境。

这套底座给机器人带来三个实打实的优势。一是端侧算力压力小：价签先告诉模型「这里预期是什么」，模型只需做确认，不用从零识别，小模型就能跑。二是不用 SLAM 建图：海量价签节点直接提供空间与商品分布信息。三是本地计算合规：在欧洲等监管严格的地区，价签先验信息加上端侧小模型，数据可以在门店本地处理完。

世界动作模型 VWA：机器人的「大脑」

货架认得清，还得会动手。X-Era Lab 拿出的是自研的原生世界动作模型 VWA：用「4D 时空表征」（三维空间加时间维度的统一表达），把环境理解、行为预测和机器人控制放进同一个模型——它能理解遮挡、光照变化和商品状态，预判环境变化，再生成动作。

参数上，VWA 只用了 10 亿参数（参数是决定模型能力大小的内部变量数量，通常越多越强），就在十余项权威评测中领先，性能超过多款数十亿参数的主流模型，技术路线获得 Google DeepMind、NVIDIA 团队的认可。把模型做小是有意为之：百亿参数模型的能力被压缩到 10 亿到 30 亿参数区间，可以在 32 TOPS（每秒 32 万亿次运算，衡量芯片算力的单位）算力的硬件上端侧部署，也就是机器人在门店本地运行模型、不依赖云端。

配套能力也不缺：X-Era Lab 与星宸科技联合研发面向世界模型的专用芯片，把推理时延压到毫秒级；开源了全球首个具身智能操作系统 PhyAgentOS；团队累计发表顶会顶刊论文 500 余篇、总引用超 10 万次、9 次获得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。产业化上，团队搭建了日均服务 500 万次调用的世界模型 MaaS 平台（把模型能力做成云服务、按调用量计费），并自建真实交互视频数据管线，每天生产约 2 万小时毫米级 4D 训练数据。

生意怎么做：场景底座加世界模型

商业模式一句话就可以说清：汉朔出场景底座，X-Era Lab 出模型，一起把零售门店的「巡检、盘点、补货」三件事做成机器人产品。目前汉朔的巡检机器人已经进入国内和海外商场，开始 POC（小范围试点验证）测试。

这条路为什么走得通？零售门店是介于工厂和家庭之间的「半结构化」场景：货架布局和作业规则相对固定（不像家里那样完全无序），又有顾客走动、商品变动这类动态干扰（不像工厂那样高度可控）。这种真实场景数据恰好适合训练机器人，又能在实际业务里直接检验效果，试错成本远低于实验室仿真。

更深一层，两家公司都清楚：模型能力正在快速商品化，光拼参数规模撑不起长期壁垒。真正稀缺的是物理世界的现场知识——门店里实时发生的变化、每个货位该摆什么、哪些商品容易被遮挡或变形。这种知识是汉朔十四年深耕全球零售场景积累出来的，靠算力和训练造不出来。而机器人每次巡检、盘点、识别中的失误，又会变成模型迭代的反馈信号：真实门店持续产生数据，数据持续校准模型，这就是「场景底座 + 世界模型」互相喂养的闭环。

结论

超市盘点这件事的规模不大，但它测试的是一个关键问题：具身智能能不能在真实商业场景里稳定运行、算得过账。汉朔与 X-Era Lab 给出的答案是：把电子价签网络变成机器人的坐标系，把真实门店变成模型的训练场——不是实验室里的一次性演示，而是一套能持续运行、持续迭代、有商业可行性的生产系统。对零售行业来说，全店盘点从一年两次变成每天一次，只是时间问题。