AGIBOT 把六台 G2 机器人送进一家便利店，接受 24 小时压力测试

从不打卡下班的机器人

2026 年 11 月的第一个周末，六台 AGIBOT G2 轮式人形机器人，到上海徐汇区一家 24 小时便利店报到上岗。它们连续工作了四个班次——负责迎接顾客、准备咖啡、取货、补货和清洁桌面——中途不打卡下班。当这 24 小时的轮班结束时，四台机器人的「劳动合同」得以延续，两台没有。

AGIBOT 把这称为一次试用期考核。这套设置，与任何零售店长都会熟悉的场景颇为相似：新员工被分配去做真实的工作，按表现接受评估，再被分成「留下」和「不留下」两类。不同之处在于，这次被辞退的两名「员工」是机器人，而驱动它们决策的那个 AI 模型，在此之前仅仅四天刚刚发布。

这次活动，标志着 GO-3 Preview 首次大规模公开部署——这是 AGIBOT 在 2026 年 10 月 29 日发布的新一代具身 AI 模型——也是对「中国人形机器人能否在商业零售的真实条件下、而不只是在实验室演示里站得住脚」的一次早期检验。

六台机器人，四个班次

这六台机器人在四个班次里，一共完成了 1730 项离散任务：683 次顾客迎接、369 次取货与配送、147 次咖啡和热食准备、277 次货架巡检与补货，以及 128 次桌面清洁。每台机器人都被分配了一个具体角色，并按其功能被赋予了一个名字。

迎接负责顾客迎接。温温负责咖啡和热食准备。多多专注于取货。糖仔负责补货。卷旺负责货架巡检。冷杰负责地面和桌面清洁。

部署结束时，AGIBOT 按一套明确的试用考核标准，对每台机器人做了评估：任务完成率、响应时间，以及在没有人工介入的情况下处理陌生情况的能力。

为什么两台机器人被淘汰

六台里有四台通过了考核。没通过的是卷旺和冷杰——它们的失败，分别指向了自主机器人行为上不同的缺口。

卷旺，这台负责货架巡检的机器人，因为缺乏主动性而被淘汰。它在被指派时能完成任务，但不会在没有提示的情况下，主动发现并开始货架巡检或补货。在一个设计成要以最少人工监督来运转的零售环境里，等待明确指令本身就是一项失格项。

冷杰，这台负责清洁的机器人，失败的原因不同：它偏离了被分配的路线，至少有一次，还完全走出了店外。空间纪律——守在分配的路线上、保持对店铺边界的感知——是自主地面机器人的一项核心运营要求。

通过考核的机器人，也面对过挑战。当物品柔软或包装不规则时，取货会遇到困难，挂在展示钩上的商品，也需要机器人难以应付的精细操作。这些都是人形机器人领域已知的操作难题，不是这次部署独有的。四台通过考核的机器人与两台没通过的机器人之间的差别，归根结底在于主动性和导航能力，不在于灵巧度。

运营这家店的 AI 系统

这些机器人运行在GO-3 Preview上，这是 AGIBOT 最新的具身基础模型，在这次零售活动的四天前刚刚发布。它的底层架构称为 WRAM——世界推理动作模型——整合了三个组件：CoAE（一个面向控制的自编码器，把原始视觉输入处理成紧凑的、可供机器人使用的特征表示）、SVP（一个单步未来状态预测模块，用来生成候选动作），以及 KASO（一个筛选模块，用训练期间观察到的轨迹对这些预测做过滤）。

这套系统的设计目标，是让机器人在行动之前先对物理世界进行推理，而不是依赖预先编写好的任务序列。

在店内协调这些机器人行为的，是 Genie Master，AGIBOT 的具身智能体框架。它通过一个称为 EEP（具身执行协议）的协议，把规划、执行、实时反馈和经验留存连接起来，让机器人能够在过往的任务尝试基础上继续积累，而不是每次面对新情况都从零开始。

支撑这次零售活动的，是 AGIBOT 称为 Genie Evolver 的一项能力——一套分布式后训练系统，使用大约 100 台实体机器人，结合物理仿真和世界模型，持续改进机器人的行为。它运行一个称为「集体经验学习」的过程，在这个过程里，整个机群各自积累的经验，会在系统范围内共享。AGIBOT 把由此得到的结果称为「物理世界的递归自我改进」（Physical RSI）——意味着机器人能够自主改进，不需要新的人类示范，也不需要人工重新校准。

据 Interesting Engineering 报道，在这次便利店学习演示中，GO-3 Preview 的任务成功率，在没有额外人工训练的情况下，从部署第一天的 28.6%，提升到了第五天的 85.7%。

GO-3 Preview 建立在 GO-2 确立的设计脉络之上，GO-2 是 AGIBOT 在 2026 年 4 月发布的模型，引入了「动作思维链」推理，并被 CVPR 2026 接收。AGIBOT 表示，计划在 2026 年底之前开源 GO-3 Preview。

为零售场景量身定制的硬件

这款AGIBOT G2于 2025 年 10 月推出，是一款为高强度物理环境设计的工业级人形机器人。它重 185 公斤，采用轮式底座，每条手臂使用七个自由度、力控配置——总共 26 个主动自由度。这套系统具备 IP42 级的防尘防潮等级，这对像便利店这类存在液体溢洒和食品准备区的环境来说很重要。

它采用双热插拔电池组供电，搭载英伟达 Jetson Thor T5000 计算模块，FP4 算力达 2070 TFLOPS——这样的处理能力，支撑起了 WRAM 所需的那种实时视觉任务推理。建议零售价约为 13.8 万美元。

商业规模与竞争地位

这次零售活动并非孤立发生。AGIBOT 在 2026 年 3 月交付了第 1 万台 G2 机器人，6 月交付第 1.5 万台，9 月交付第 2 万台。公司的生产合作伙伴龙旗，在 64828 台的产量下，报告的良品率为 99.99%。

Counterpoint Research估计，AGIBOT 在 2026 年上半年出货了大约 9700 台人形机器人——占同期全球总出货量约 2.2 万台的 43% 以上，Counterpoint 形容这个全球总量，比 2025 年同期高出了将近 300%。IDC 的估计略有不同，在超过 2.5 万台的全球总量中，AGIBOT 约占 8600 台，这反映了不同分析机构在方法论和统计口径上的差异。但两份数据都把 AGIBOT 列为全球市场的领导者。

AGIBOT 是一家总部位于上海的公司，其运营受中国法律管辖，其中包括可能要求向中国政府部门披露某些数据的相关法规。公司尚未公开披露管理其机器人运营数据的具体数据处理和隐私实践。

上海零售场景里的一场竞争

AGIBOT 不是唯一一家在上海地区零售场景里部署人形机器人的公司。Galbot 的轮式人形机器人——在中国大陆的部署中被称为「小嘎」，在香港的部署中被称为「Little Gal」——自 2026 年 1 月起，就一直在上海陆家嘴一家便利店里运营。商汤旗下子公司商汤善汇，已经部署了自己的机器人门店品牌 SenseMartGo，计划到 2026 年底覆盖 100 家门店。

这种竞争上的扎堆并非偶然。上海把人形机器人列为市级产业重点，多家公司正把它密集的城市零售环境，当作一个实时部署的试验场——用工厂车间无法提供的那些指标，衡量机器人在真实世界里的表现。

试用期考核真正测的是什么

把这次活动定性为一次「试用期考核」，是刻意为之的。AGIBOT 要竞争的，不只是硬件规格或基准测试分数，而是要证明自己的机器人，能够按零售雇主评估一名人类员工所用的同一套标准，接受评估。

这1730 项任务完成记录，以及淘汰两台表现不佳的机器人，意在传递一种运营上的可信度——商用规模的机器人部署，可以通过零售运营者早已熟悉的同一套反馈循环来管理、衡量和改进。

这种方法最终能否转化为持续的商业合同，以及徐汇这一家门店里四台机器人通过考核，究竟代表着一道门槛被跨越，还是一个精心安排的里程碑，将随着部署规模的扩大而变得更加清晰。