零售業中的實體 AI 數據：Maniformer 在上海訓練機器人

Maniformer 員工於 2026 年 8 月 5 日及 6 日，在上海繁忙的零售賣場中對具身機器人進行訓練，透過擷取多模態數據及遠端操作示範，建立用於上架、掃描及顧客服務的任務資料集。

Maniformer 是一家總部位於上海的實體人工智慧數據服務平台。該公司為零售及輕型物流領域打造配備感測器的測試平台、人機協作工作流程，以及數據集處理流程。其核心優勢在於提供模擬環境難以涵蓋的、針對物件操作與導航的真實世界訓練數據。

零售業是實體人工智慧的試金石

零售業兼具密度、多樣性與閒置時間的完美組合，正是對具身人工智慧進行壓力測試的理想場域。貨架每天都在變動；促銷活動造成季節性的混亂；店員必須同時應對補貨、揀錯貨、貨架佈局重置、商品灑漏，以及顧客不斷的打擾。 光線隨時間變化。包裝材質有光面、皺褶及飽和色彩，對視覺系統而言堪稱最壞情況。走道狹窄且環境噪音高。這使得零售業既是一項有利可圖卻令人頭痛的挑戰，也是一座數據金礦。

在上海，Maniformer 安排員工在實際營業的賣場中擔任訓練員，通常選在非尖峰時段或受控的短暫時段進行。他們透過遠端操作與共享自主模式引導機器人執行任務，標註狀態變化，並對結果進行評分。 該平台整合同步的彩色視訊、深度感測、慣性與力矩訊號、條碼掃描、貨架佈局參考資料，以及來自銷售點系統和庫存系統的店內事件。它會產生與特定任務和陳列架精確對應、版本嚴格控管的数据集，並將其推送至客戶模型的訓練管道中。

重點在於精準篩選。並非每個畫面都有用。關鍵在於捕捉那些會讓模擬代理程式「當機」的邊界條件。試想：在貨架上扭動的黏著瓶罐、擺放季節性紙板立牌的端頭貨架、滑入夾爪下方的反光零食袋，或是將商品遞給

機器人以一個奇怪的角度出現。在實驗室裡，這些只是軼事；但在商店裡，這些卻是常態。

為何模擬走道總是忽略那棘手的 20%

模擬是推動機器人技術發展的強大催化劑。領域隨機化、合成寫實圖像以及精準無比的物理模擬，已涵蓋了前 80% 的情境。零售業的挑戰則存在於最後的 20%——那是現實拒絕配合的粗糙接縫處。以下四種模式解釋了箇中原因。

• 感知 aliasing 現象猖獗。許多不同產品擁有近乎相同的幾何形狀和顏色。輕微的眩光或收縮膜的皺褶，就足以讓感測器失靈。模擬材質極少能與光澤包裝那種在視覺上令人困擾的真實效果相符。
• 接觸行為並不理想。可變形物品會彎曲或卡住。貨架會搖晃。重力總是佔上風。雖然模擬的摩擦力、剛度與順應性有所幫助，但店鋪層級的校準漂移才是主要問題。
• 社交互動至關重要。顧客可能會打斷流程、詢問商品，或將購物籃移入預定的路徑。即使是禮貌性的停頓，也會以現行模擬器難以編碼的方式重塑行動計畫。
• 店鋪狀態瞬息萬變。陳列圖僅是指引，而非鐵律。促銷活動、當地經理的臨時調整，以及深夜補貨都會改變這張「地圖」。

一個實用的比喻有助於理解。僅在模擬環境中進行訓練，就像用塑膠食物教導廚師一樣。你可以練習刀工和擺盤，但你無法學會洋蔥為何會讓你流淚、鍋具的受熱特性，或是醬汁在變質前一瞬間的狀態。

實地證據直指核心。以混合數據訓練的零售模型表現更佳，但其成效取決於實際現場的覆蓋範圍，而非模擬器運作時數。對採購人員而言，這具有商業上的啟示：解決此問題並非靠添購更多伺服器，而是要導入與實體門市及陳列設備緊密連結的數據營運系統。

Maniformer 打造了一款專為實體工作設計的數據工具

Maniformer 的產品並非機器人。它是一套數據工具，能將四個區域串聯成一個連續的循環。

• 擷取。

安裝於推車和機器人上的感測器裝置，會收集附有精確時間戳記的同步資料流。工作人員配戴觸覺回饋或手持式控制裝置，用於進行示範及給予矯正提示。音訊資料僅在取得同意後才會被記錄，且為降低隱私風險，通常會在最終版本中移除。

精選。標註引擎整合陳列圖、條碼資料庫及貨架地圖，以自動標註靜態情境。人工審核員則專注於自動化系統可能遺漏的動作狀態、失誤模式及社交事件。每幀畫面皆包含店鋪、走道、陳列架及時間等元資料，以便進行選擇性回放。

訓練。資料可匯出至模仿學習、強化學習及視覺-語言-動作整合系統。縮寫詞在首次出現時均會完整展開。例如，基於人類反饋的強化學習（RLHF）由評分者分數驅動，並結合與速度、安全及貨架品質相關的豐富獎勵定義。

驗證。Maniformer 執行預設腳本任務與干擾測試，以衡量系統在偏離既定策略時的穩健性。它將基準測試與買家的關鍵績效指標（KPI）對齊，例如揀貨率、恢復時間及顧客等待時間。

該公司的核心技術選擇傾向於吞吐量與可審計性。 所有內容皆採用版本控制。資料集的來源追溯路徑清晰明確。店經理可詢問是哪些資料教導機器人旋轉瓶蓋或移動瓶子，團隊則能指出特定日期下、具備精確條件的執行片段。這使得重新訓練不再是場賭博，而更像是修復已知錯誤。

新的機器人供應鏈包含資料服務平台

十年前，零售機器人的開發流程主要圍繞感測器、機械臂、移動底座以及系統整合商展開。如今，一個新的層級已然浮現。實體人工智慧資料服務平台坐落於門市與模型訓練之間。它們將資料擷取、清理及同意流程標準化，並將資料轉介至多個機器人供應商的學習迴路中。

對採購團隊而言，這改變了品類策略。現在，您需要採購三種

各項資源。您購買硬體設備，購置模型與自動化系統，並購置能讓這兩者於您的營運現場發揮效用的數據服務。雖然您可以將這些業務全權委託給單一供應商，但更理想的風險管理策略是採用模組化架構。零售商可在共享的數據平台上記導兩家硬體供應商，以確保學習資產的可移植性。 機器人供應商可在優先市場與數據合作夥伴簽約，以避免必須逐家門市逐一申請授權。

一位駐上海的營運總監一語道破箇中要義：在上海，只需測試一週，就能觀察到整整一個月的邊緣案例。促銷活動更迭迅速，客流絡繹不絕。正是這種節奏，讓數據營運的付出物有所值。

從資料擷取、整理到控制，形成一個閉環

在實地操作中，這個循環的運作方式如下：當貨架補貨任務在反光嚴重的零食區附近失敗時，操作員會接管控制權，完成補貨，並標記原因為「眩光導致的誤分類」。相關影像幀與操作軌跡會被標記為優先處理項目。 隔夜，訓練任務便會針對這些場景進行調整。新模型於隔日上線。團隊會在業務清閒時段重現該場景，並在實際走道上進行小規模的 A/B 測試。若效果穩定，該修正方案便會推廣至更多門市。

這個循環唯有在資料管道具備「快速、乾淨、安全」的條件下才能運作。「快速」意味著門市能進行資料推送與提取，而不會阻塞本地網路；「乾淨」意味著每次執行都經過標記、去重與合理性檢查；「安全」則意味著個人資訊已遭遮蔽，且不會洩露門市的商業機密。Maniformer 聲稱這三項皆是首要考量。 該公司表示，其採用裝置端模糊處理技術來處理人臉與車牌，對店鋪佈局進行路線層級的匿名化處理，並採用唯寫通道以防止跨顧客資料洩漏。 此外，其資料蒐集流程亦符合《中華人民共和國個人資料保護法》（PIPL）及《中華人民共和國資料安全法》（DSL）的規範。

為何上海零售業是理想的数据熔爐

上海正大力推動機器人應用，並

將訓練員置於高密度環境中。數百家便利商店聚集在大眾運輸站附近。走道狹窄。客流量高峰來得猛烈且短暫。促銷活動輪替迅速，且需要頻繁調整貨架陳列。這座城市的服務文化講求「高互動」，因此機器人必須在不阻礙通行情況下，暫停、回應並恢復運作。

這種高密度環境能加速覆蓋進度。在較緩慢的市場中，一週的運行即可涵蓋整個季節的邊緣案例。這形塑了訓練的經濟效益。數據服務成本可透過更豐富的覆蓋範圍與更少的店鋪運行天數來攤銷。若您正在規劃試運行預算，請預期數據擷取團隊、同意標誌、場地指揮員以及非營業時段封區等項目將是主要開支，而非機器人租賃費用。

成本高昂，且瓶頸不斷移動

持懷疑態度的反駁是健康的。建立真實世界的數據運作既昂貴又容易分散注意力。店經理不喜歡賣場內有額外的人員。隱私風險不容小覷。供應商鎖定確實令人擔憂。即使試點成功，這種模式能否移植到陳列方式和消費習慣不同的其他城市？

這些都是真實存在的風險。緩解之道在於設計，而非口號。

• 干擾控制。應在客流較少的時段進行培訓。採用「微時段」策略，每次僅開放一條走道。設置清晰標示並提供「選擇退出」選項。追蹤並公開事件發生率以建立信任。
• 隱私與合規。將影像擷取量降至最低。在邊緣進行模糊處理。快速刪除。除非特定功能（例如語音轉接）明確需要，否則應靜音。遵循《個人資料保護法》（PIPL）及門市政策。
• 可攜性保障措施。透過合約規範共用資料結構，並明確界定資料集所有權。避免使用會將您綁定於單一模型堆疊的不透明編碼。在服務水準協議中要求資料輸出路徑。
• 通用化計畫。規劃跨城市轉移方案。在每個新城市啟用首週的數據爆發期，以針對照明、方言及燈具規範進行微調。

實際成本與支付方

採購主管希望看到具體數字。他們同時也希望避免

意外之處。在中國，計畫成本將主要集中在人力與店鋪進駐方面。一個典型的三家店鋪試點計畫通常會持續八至十二週，每個據點配置兩至三名資料擷取技術人員，並由中央標籤與培訓團隊負責支援。預計服務合約將採用月費制，其中包含人力配置、硬體套件、資料處理及培訓課程等服務項目。 以目前上海的狀況而言，單一運作中的門市每月費用可能介於 80,000 至 200,000 人民幣之間，具體取決於營運時數、陳列架數量以及模型訓練頻率。硬體租賃費用與高級夜間進出權限可能會推高費用上限。

由誰支付費用是戰略性的考量。零售商通常會資助第一輪部署，以優化其貨架佈局圖和營運流程。若機器人供應商能將元素跨客戶重複利用，便會共同投資。目前正逐漸形成一種共享服務模式：在特定垂直領域中，單一數據平台同時服務多家硬體供應商，並設有嚴格的數據隔牆及明確的治理機制。

零售業「數據優先」機器人技術的關鍵指標

店鋪管理者並不關心每秒幀數。他們在乎的是貨架擺放美觀，以及顧客無需等待。將這些轉化為簡單的績效評分卡。

• 任務品質。依據陳列圖容差標準進行面對面評分。條碼掃描準確度須與實際可銷售單位數掛鉤。
• 吞吐量。每小時揀選或上架的單位數量，並記錄人工介入的情況。
• 可靠性。平均無干預時間。中斷後的恢復時間。
• 對顧客的影響。走道內交接的等待時間。每小時阻塞事件次數。
• 安全。險些發生事故的次數。接觸力超標情況。走道清潔通過率。
• 資料品質。每週新增邊界案例數。標籤接受率。修復方案的部署時間。

若您的數據合作夥伴無法針對這些指標展現改善成效，您買到的只是表面功夫，而非真正的進步。

為何對真實世界互動數據的掌控是新的護城河

模型權重是可以移植的。硬體正變得越來越模組化。真正稀缺的資產是

一個覆蓋範圍廣泛、需經授權的真實世界互動語料庫，且與特定的基礎架構和工作流程緊密連結。誰能掌握儲存庫、模型與重新部署之間流暢的循環，誰就能主導發展步調。

這項戰略邏輯與過往的平台變革如出一轍。 在網路廣告領域，對點擊與轉換資料的掌控驅動了市場主導權；在自動駕駛領域，車隊行駛里程推動了技術進步與企業估值；而在實體零售機器人領域，貨架運作時數與成功復原率則決定了競爭優勢。不同之處在於，同意與安全要求更高，且工作單位是貨架或顧客，而非網頁瀏覽次數。

採購方應將此視為一項投資組合決策。投資至少一家能在您優先城市運作的數據合作夥伴。保持模型路徑的靈活性。就數據處理協商審計權。建立內部能力，能夠解讀數據集卡片、分析驗證運行結果，並在陳列設備或促銷週期變更時，請求針對性的數據衝刺。

Maniformer 的門市營運手冊

這在上海的便利商店內是何種景象

• 佈置。在入口處及相關貨架通道張貼同意告示。相機與深度感測器安裝於機器人上，有時也會安裝在短桿推車上以捕捉環境脈絡。店長會根據人流狀況安排 30 至 90 分鐘的操作時段。
• 執行階段。員工透過遠端操控或協同操作完成目標任務。在補貨任務中，他們會記錄伸手、抓取、轉動及擺放等動作，並搭配力學曲線數據；在掃描任務中，則會變換角度、距離及光線條件；在服務任務中，則會記錄語音提示及交接流程，並確保顧客明確表示同意。
• 標註。在附近的平板電腦上，標註員將影像幀與貨架佈局位置、陳列架幾何結構及商品條碼進行關聯。他們使用標準化術語標記失敗原因，例如眩光、遮擋、可變形滑動、顧客干擾、標籤不符等。
• 同步。資料在通過隱私保護程序後，透過店內中繼站上傳。夜間處理作業會將資料推送至訓練系統。

重新部署。新模型上線，並附有變更紀錄。團隊會先針對問題場景進行重現，然後再進行擴展。

治理、隱私與智慧財產權的防護措施

上海零售業受中國數據法規範。《個人信息保護法》（PIPL）與《數據安全法》（DSL）劃定邊界。零售商另行增設限制，例如禁止全景拍攝或錄製顧客聲音。 Maniformer 聲明其設計宗旨是僅儲存必要資料，且以仍具實用價值的最低精確度儲存。人臉在邊緣處會被模糊處理。除非店家明確授予研究權限，否則佈局將被抽象化為不可逆的映射。商品陳列圖被視為商業機密，絕不會在不同客戶間共享。

在智慧財產權方面，合約條款的明確性是唯一安全的途徑。請以書面形式回答以下三個問題：原始擷取資料的所有權歸誰？標籤與衍生資料集的所有權歸誰？模型權重的所有權歸誰？目前許多零售商採取所有權分割模式：門市擁有原始資料與標籤，供應商則擁有基礎模型。 微調後的權重與演算法配方，則會選擇共享或授予有時間限制的授權。這點值得在試行前由律師仔細審核。

競爭格局正迅速成形

Maniformer 雖是先行者，但並非孤軍奮戰。系統整合商正積極成立數據部門；雲端服務供應商則透過邊緣處理管道與隱私保護工具包爭取零售商合作；機器人供應商則正在建立內部數據擷取團隊。市場很可能呈現分層態勢：專注於單一城市的純數據平台， 將硬體、自主技術與數據捆綁為封閉式套件的全棧供應商。以及機器人供應商與當地數據營運商合作形成的混合型聯盟。

採購方將推動互通性。固定裝置、產品及操作行為將有資料結構標準。各城市及連鎖店將有專屬的安全與同意書範本。預期第三方稽核機構將針對隱私權與資料集品質推出認證計畫。勝出者將發布包含覆蓋地圖、標註方法及已知缺口的資料集說明卡；敗者則只會談論「魔法」。

這對採購與營運意味著什麼

領導者

將數據服務平台視為一類新的供應商，並針對其制定專屬的 RFP（需求提案書）。範疇應涵蓋資料庫存取方案、同意書範本、隱私保護工具、資料擷取硬體清單、標籤處理流程、培訓系統產出內容，以及驗證方法。必須要求進行與貴機構目標關鍵績效指標（KPI）掛鉤的試行計畫。 要求提供資料集卡片及資料交付計畫。若日後更換模型供應商，須明確要求切換路徑。

與營運部門合作，安排「低摩擦」的實施時段。選擇能反映全國商品組合的貨架走道。包含一個陳列光鮮包裝商品的「喧鬧角落」，以及一個「寧靜的新鮮食品區」。即使您專注於補貨作業，也應在流程中納入客戶服務任務——許多失敗往往就隱藏於此。

Maniformer 的上海據點引領更廣泛的再平衡趨勢

多年來，零售機器人計畫因硬體問題而停滯不前。夾爪會打滑，底座在斜坡上卡住，感測器在螢光燈下失靈。如今，常見的硬體已具備足夠能力。真正的限制在於數據——這些數據能教導機器人在每家特定門市的實際環境中運作，既無需人工看管，也不會嚇到顧客。

Maniformer 的論點很簡單：若能將資料迴圈工業化，機器人的表現將迅速提升，足以讓其佔用的店內空間物有所值。上海的實證顯示，這是一個符合銀行家思維的論點。該公司並非在追求天方夜譚，而是銷售一種實用工具。若您經營多條貨架通道，想必早已深知實用工具的威力。

人們往往容易將數據工作視為一種商品：架設攝影機、錄製、標註、訓練、重複。但這完全錯失了重點。 在實體作業中，光線、包裝及人類行為的細微差異便會左右結果，因此數據品質即代表績效。這更接近採購新鮮農產品，而非添購更多伺服器。新鮮的才能勝出，陳舊的則會腐壞。一個能在正確時間、正確門市捕捉正確場景的平台，絕非能輕易更換的供應商。

本分析綜合了企業聲明及上海市場的可觀察動態

在所述期間內的零售業務。

免責聲明：本分析僅供參考，不構成任何投資、法律或採購建議。RobotAIGeek 既不背書特定供應商，亦不保證早期技術的表現。