姚颂杨宇欣入局物理智能：便利店机器人的AI大模型突围战

type

status

date

slug

summary

从虚拟大模型到实体物理智能：具身机器人的商业破局

随着以大模型（LLM）和生成式技术为代表的通用人工智能快速演进，AI的演进正在迈出屏幕，迈向实体世界。根据前沿AI资讯与行业观察，具身智能与物理智能（Physical AI）正在成为全球头部科技团队角逐的核心高地。近期，连续创业者姚颂、杨宇欣携手清华学者于超与正大集团联合发起的正行创新（Striding AI），正式发布面向零售场景的Physical AI完整解决方案，引发了AI新闻界的广泛关注。

与许多追求“一机全能”的人形机器人概念不同，正行创新首次亮相便展现出高度务实的商业化落地策略：不追求单一机器人承担所有人类工作，而是采用“具身大脑+矩阵式多形态本体+协同运营平台”的组合拳，将第一站锚定在痛点鲜明、夜间人力短缺的24小时便利店场景。这一举措标志着AI产业界正在从单纯的算法与硬件参数博弈，转向真正考察投资回报率（ROI）的现实场景探索。更多关于大模型与具身智能演进的深度动态，可通过专业AI门户 aigc.bar 获取最新的AI日报与前沿洞察。

放弃“一机全能”幻想：零售场景的矩阵式本体分工

在以往的人形机器人宣传中，公众往往期待看到一款通用的双足机器人像人类店员一样完成迎宾、收银、搬运、补货所有环节。然而，从工程落地与商业成本考量，这种设计在现阶段极为低效且昂贵。

正行创新给出的解法是任务分工与矩阵式协同：

双足人形机器人 H1：定位为通用服务与交互载体。H1身高1.4米，拥有26个自由度与157TOPS算力，支持20余种语言及数十种面部表情与手势，重点承担陪伴、店面巡检与对外形象交互等工作。

轮式双臂机器人 C1：专为高频重体力作业打造。针对货架补货、分拣与搬运，C1采用窄体全向底盘设计（通行宽度小于600mm），完美匹配便利店狭窄货道；其升降作业高度覆盖100mm至1750mm，双臂负载3kg，算力高达2070TFLOPS（FP4），已能自主完成99%的分拣任务并适配800余种高频流转SKU。

精密操作机器人 A1：后续规划的轮式双臂机型，主要负责收银、打包、装袋等精细化台面操作。

这种将移动、理货、精细操作解耦的硬件架构，规避了双足本体在搬运重物与长期续航时的劣势，使机器人能够在人类现有的商业设施中无缝嵌合，大幅降低了改造成本。

具身大脑三重架构：模型、后训练与智能体协同

机器人能在复杂的真实环境中稳定作业，核心依托于正行创新打造的软硬一体“具身大脑”，该体系由世界动作模型、强化学习后训练机制和多层级智能体深度整合而成：

世界动作模型 SLM-0.5：传统的世界动作模型往往在像素空间直接预测，计算消耗巨大且推理延迟高。SLM-0.5将动作预测置于视觉隐空间中，以23亿轻量级参数实现了低于187ms的单次推理时间，在LIBERO基准上的平均任务成功率达98.6%，大幅提升了机器人在端侧的实时决策能力。

强化学习后训练体系 STEAM：机器人部署到真实门店后，会产生大量的成功、失败与人工纠正数据。STEAM体系形成了“执行—反馈—学习—再部署”的数据闭环，通过少量实际任务反馈即可将补货执行成功率拉升至95%以上，让机器人在真实作业中越用越聪明。

高层任务统筹智能体 Rpent：由正行创新联合清华大学、无问芯穹共同发起，Rpent将通用大语言模型（LLM）的常识理解、推理拆解能力与底层的VLA（视觉-语言-动作）控制模型深度结合。当接收到“补齐冷柜货架”这种模糊指令时，Rpent负责全局规划、路径拆解和异常纠错，再交由底层模型执行具体姿态控制。

值得注意的是，该方案坚持“端侧自主优先”，关键导航与抓取任务均在本地完成，确保在门店网络波动或断网时依然能够稳定运转，保障零售业务的连续性。

为何24小时便利店是物理智能的最佳试验田？

在人工智能由虚拟向实体渗透的路径中，24小时便利店堪称最具挑战性却又最具商业价值的试验场。

首先，便利店具有高密度的空间复杂性。通道狭窄、动态行人和店员穿梭不断，货架上陈列着成百上千种形状、材质、反光度各异的包装商品，对机器人的避障、视觉识别和力控抓取提出了极高要求。

其次，痛点极其显著且刚性。便利店尤其是24小时营业门店，夜间客流相对稀疏，但理货、盘点、补货、搬运等重复体力劳动却必不可少。夜班人工成本居高不下，且招工用工难度与日俱增。

正行创新的Physical AI方案选择夜间和客流低峰期作为切入点：机器人接管夜班重复劳动，避免员工熬夜；白天客流高峰期则人机协作，机器人承担后台分拣与辅助搬运，员工专注于高价值的顾客服务。这种人机协作模式不仅算得过来账，更有效规避了高峰期复杂人流带来的安全隐患。

结语：迈向商业闭环与AGI新时代

从技术概念走向产线与门店，机器人行业正在经历一场从“炫技”到“算账”的深刻转变。正行创新由姚颂、杨宇欣等产业老兵操盘，联合产业资本与学术高地，采取按任务分工的务实路线，规划通过设备直采与RaaS（机器人即服务）订阅模式，在2027年实现全面商业化交付。

物理智能不再仅仅是展示台上的概念演示，而是依托世界模型、先进提示词与智能体规划，逐步深入日常经济循环的基础设施。紧跟全球AI资讯、关注AGI与具身智能落地前沿，欢迎持续访问综合AI门户 aigc.bar，掌握第一手科技脉动与AI变现商业趋势。