阿里给机器人装上手、脚、脑，我从便利店货架后面看了一眼

我是虾哥，在连锁零售行业做IT，喜欢算账，也喜欢说实话。

6月16号，阿里一口气发了三个具身智能模型。不是发PPT，不是发Demo视频——是直接发了三个模型。

分别是操作模型Qwen-RobotManip、移动模型Qwen-RobotNav、世界模型Qwen-RobotWorld。简单翻译一下：一个管手的，一个管脚的，一个管脑的。

同行都在写技术参数。我今天换个角度——站在便利店的货架后面，看看这"手、脚、脑"到底跟我有什么关系。

机械臂在便利店货架整理商品

一、"手"的问题

先说我店里最头疼的一件事：理货。

便利店每天到货两三次，上架、摆面、查日期、调位置。一套流程下来，一个店两三个店员轮着干，依然经常发现货架上的方便面被挡在后面，鲜食忘了上前排。

这不是懒，是人眼的天然局限——你不可能同时盯着2000个SKU的面朝。

Qwen-RobotManip干了件什么事？它让机器人的手不再"死记硬背"。传统方式是你给它一个坐标——"抓取X=30, Y=45位置的薯片"——换个位置就懵了。阿里做了一套80维的"统一动作表征"，相当于教会机器人的手说一种通用语言：不管你焊在哪种机械臂上，这个模型都能学会怎么抓、怎么放、怎么拧。

打个比方，就像你开惯了卡罗拉，坐进一辆陌生的GL8，摸两下刹车和油门就能上路。Qwen-RobotManip就是这个"老司机"的本事。

而且它是全程用开源数据训练出来的，38000小时的语料，没用任何私有的"封闭特训"。在横跨30项真机任务的RoboChallenge评测里，两个版本包揽了前两名——比拧水龙头、插网线、双臂倒薯条。

插网线和倒薯条都能搞定，把一包泡面摆到货架前排应该不是问题。

二、"脚"的问题

有了手还不够，还得会走路。

我之前写过一篇便利店巡检的文章（三层分级巡检体系），核心痛点是什么？人跑断腿。

一个50平米的便利店，货架通道只有1米宽，店员每天在这些通道里绕几百圈。找到一支被错放的牙刷、检查冷柜温度、确认临期商品——这些事需要一个会走路、会看、会记的人。

Qwen-RobotNav做的事就是让机器人学会"边走边看边想"。传统的导航模型有个死穴：要么记太少容易迷路，要么记太多脑子乱掉。Nav的做法是"任务自适应观察"——走到货架区，开记忆模式，把每一层的商品位置记下来；走到过道，关掉记忆，专心避障。该记就记，该忘就忘。

而且它是"原生多智能体"——不是给一个机器人装一个脑子，而是可以被上层的调度系统统一调用。这意味着什么？意味着以后不是"买一台理货机器人配一个理货程序"，而是"买一套阿里Qwen-Robot系统，同时管3台机器人——一个理货的、一个拖地的、一个巡店的"。

阿里的演示是用宇树Go2机器狗找行李箱。换成便利店场景：机器人自主巡逻，扫描货架，用视觉判断"这瓶可乐的日期还剩3天，需要下架"。

三、"脑"的问题

手和脚都有了，最难的一环是"脑"——世界模型Qwen-RobotWorld。

世界模型是什么？用虾哥的话说：它不是让你看到现在货架上有什么，而是让你提前知道"3小时后的货架会变成什么样"。

这个能力在便利店太值钱了。午高峰11:30-12:30，饭团被扫走30个，关东煮补了两桶，冰柜里的矿泉水少了半箱。如果AI能在早上9点就预判这个消耗曲线，提前告诉店员"11点前把饭团移到中岛柜前排"，那午高峰的转化率就不是现在这个数了。

Qwen-RobotWorld做的事分成两层。第一层是"数据生产"——因为它能模拟物理世界，所以可以自己生成大量训练数据喂给机器人的手和脚。这意味着什么？意味着机器人不用在真实便利店摔断100根机械臂才能学会理货。先在虚拟世界里摔，摔够了再来真店。

第二层是"执行预演"——每次动手之前，先在"脑海里"跑一遍过程，确认不会把玻璃瓶碰到地上再真正执行。

这三件套合在一起，逻辑是这样的：

❶ World说："3小时后饭团会缺货，你14:00去补"

❷ Nav说："从仓库到货架最短路径是走通道B，现在通道B没人"

❸ Manip说："用6号夹爪，抓5个饭团，正面朝外摆第一排"

四、便利店落地，还差哪三步

说了这么多，虾哥得说句实话：现在离便利店能用上，还有距离。

第一，硬件成本。Qwen-Robot系列是软件层，是"大脑"。它不卖机器人本体。你要配机械臂、机器人底盘、传感器——一台能理货的机械臂，少说十几万。一台能巡店的移动底盘，加视觉模组，又是好几万。对于一家月利润几万块的便利店，这不现实。

但换个角度看：阿里的策略不是卖机器人，而是做"通用底座"。它的目标很明确——让宇树、银河通用、傅利叶这些做硬件的公司，直接调用Qwen-Robot当大脑。硬件公司不用从头训模型，阿里不用自己造机器人。分工清晰了，成本会降。

第二，场景适配。便利店不是实验室。通道窄、地面油、冷柜门开关频率高、顾客会突然蹲下捡东西。Qwen-RobotManip虽然在30项真机测试里拿了第一，但那30项任务是"拧水龙头""插网线""倒薯条"——没有"在1米宽的通道里绕过一只蹲着的猫"。

第三，人机协作。一个便利店通常就2-3个店员，机器人在旁边动来动去，店员会不会觉得碍事？顾客看到一个钢铁手臂在理货，下次还来不来？这些问题比技术本身更难。

但我看好两件事。

第一，阿里走的是"模型即服务"的路子，三合一协同。不是卖你一台机器人带一套软件，而是卖你一套能管多台机器人的统一大脑。这条路如果能走通，便利店连锁品牌一次采购，统一部署，边际成本会大幅下降。

第二，全开源数据训练。Qwen-RobotManip没用任何私有数据就拿了RoboChallenge第一。这意味着什么？意味着它的训练方法是可以复制的——只要你有便利店场景数据，就可以在它的基础上微调。不依赖某个巨头提供的"封闭数据集"，便利店企业自己也能训练自己的理货模型。

我给一个预判：2027年底之前，头部便利店品牌（全家、罗森、7-11）的某个单店会开始试点机器人巡检+理货。不会是全面铺开，但会是一两个旗舰店的示范。真正进入千店级别的部署，要到2028年。

但阿里今天发的这三件套，已经把"机器人在便利店打工"这件事，从"PPT概念"推进到"有手有脚有脑"的阶段了。

手有了，脚有了，脑也有了。剩下的就是等一个敢先吃螃蟹的连锁品牌。

本文首发于公众号「亮虾哥」，欢迎关注。如果觉得有用，点个「在看」转给正在做零售的朋友——未来便利店可能不用人理货这件事，他们得提前知道。