景区成了机器人的带薪实习岗

这个国庆，景区里除了“人人人人”，还多了一批“机机机机”。迎宾、导览、做冰淇淋、陪游客猜拳下棋，机器人像普通员工一样排班上岗。很多人第一反应是：又一个营销秀。但如果只看到“表演”，就低估了这件事的分量——景区和商圈，正在成为具身智能的带薪实习岗：一边赚吆喝，一边偷偷攒数据、攒场景经验。本文拆三件事：机器人为什么集体奔向景区、这门生意到底谁在付钱、以及RoboCap和OCBench两篇新论文背后，行业真正在抢什么。

🎪 黄金周，机器人集中上岗

假期客流，是检验机器人最残酷的考场。

今年国庆前夕，智元在横琴长隆一次性部署了300多台机器人，分布在100多个互动点位；随后，100台灵犀X2进入爱仕达全国100家门店，承担迎宾、商品推荐和带路任务。一个假期，单家企业铺出400台，这在一年前还不可想象。

类似的动作正在全国铺开：银河通用的机器人零售“太空舱”已进入颐和园、西湖、鼓浪屿等景区，全国落地超过200个点位；跨维智能在广州、桂林、西安等城市开出30多个机器人商业服务小站，卖冰淇淋、咖啡和爆米花；智平方的机器人店员“爱宝”进入朝阳公园、深圳人才公园、东方明珠等文商旅地标。

据虎嗅不完全梳理，目前已有近30家具身智能及机器人企业进入文旅、零售和消费服务场景；仅人形、轮式人形及具身操作机器人，今年国庆期间在这类消费场景的在岗规模已达数千台。

时间线大致是这样的：

• 国庆前夕：横琴长隆一次性部署300多台机器人，100多个互动点位
• 国庆前夕：100台灵犀X2进驻爱仕达全国100家门店
• 国庆期间：银河通用“太空舱”驻守颐和园、西湖、鼓浪屿等景区
• 国庆期间：跨维智能小站在多城市售卖冰淇淋、咖啡、爆米花
• 国庆期间：智平方“爱宝”上岗朝阳公园、东方明珠等地标

产业逻辑并不玄：文旅和零售是离普通消费者最近、离现金流也最近的场景。对厂商来说，假期大客流既是压力测试，也是最好的公开路演——一台机器人一天接触的陌生用户，可能超过实验室一年的测试量。

💰 三种工种，一本账

先说清一个前提：景区机器人的“职业”，目前大致分三类。

第一类是演员。唱歌、跳舞、打拳、敲鼓，陪游客猜拳、下棋，核心任务是制造内容和互动。第二类是服务员。做咖啡、冰淇淋、奶茶，抓取饮料零食，完成从下单到交付的闭环。第三类是导购，迎宾、推荐商品、带路，替品牌方省人力、造话题。

据多位接近落地项目的人士透露，这波部署大部分走的不是整机销售，而是按点位、按时长的“类租赁”模式——买单方要么是景区的营销预算，要么是品牌的体验店预算。换句话说，现在付钱的客户买的与其说是“劳动力”，不如说是“注意力”。

这本账目前算不算得过来？坦率说，多数项目还在靠展示价值和数据价值补贴运营成本。但注意一个结构性变化：过去机器人进商场是“科技快闪”，撤场即结束；现在的部署是排班制、常态化的，横琴长隆的300台是长期驻场，爱仕达100家门店是全网铺开。从“快闪”到“排班”，意味着客户开始把它当一种可复购的服务，而不是一次性的噱头。

一句话：卖艺是真，但卖艺只是现金流入口，不是终局。

🧠 真正的账本：数据飞轮

比卖咖啡更值钱的，是每一杯咖啡背后的一次真实交互。

具身智能当前的瓶颈不在“会不会做某个动作”，而在数据。真实世界的第一视角操作数据极度稀缺——这正是arXiv上新出的RoboCap论文开篇点破的：尽管第一视角数据对扩展机器人学习前景巨大，但今天它仍然稀缺，要规模化采集，需要把人体工学硬件和厘米级精度的3D算法垂直整合到一个此前从未被公开展示过的精度水平。RoboCap团队的做法是一个仅250克、六摄像头加双IMU的帽子，配合一套设备无关的3D算法套件Grounded API，在SLAM、第一视角深度估计、手部追踪等公开基准上做到了当时的最优水平。

把这条线和景区部署放在一起看，逻辑就串起来了：行业在两条腿走路——一条是做可穿戴的第一视角采集硬件，一条是把成千上万台机器人直接放进真实人流里。景区是天然的交互富矿：游客的指令千奇百怪，光照、遮挡、人群密度远超实验室，每一次失败抓取和成功交付都是训练样本。

这个飞轮里最关键的一环是“真实交互”。仿真可以生成海量数据，但仿真里造不出一个突然插队的小孩、一束直射摄像头的夕阳、一句含糊不清的点单。这也是为什么厂商宁可贴钱也要把机器摆进人流量最大的地方——按业内私下流传的说法，现在的景区点位，本质上是“带薪采集数据”，工资本身就是数据采集预算。

对智元、银河通用、跨维智能这些手握数百点位的企业来说，先发的部署规模会直接转化为数据壁垒。后来者想追，光有钱不够，还得有地方摆机器。

⚠️ 模仿学习的暗坑

新手村之所以是新手村，是因为这里会暴露真问题。

另一篇新论文OCBench（Behavioral Cloning Mystery）揭示了模仿学习中一系列反直觉现象：行为克隆（BC）的性能有时会随模型对数据集过拟合程度的加深而不降反升；完全闭环的策略在缺少动作分块时可能彻底失效。这些“行为克隆之谜”在真实世界很难系统研究——数据集昂贵、实验不可控；在仿真里又因为脚本策略与人类示范的差异，现象常常观察不到。

OCBench的思路是构造一套性质接近人类示范的可控脚本策略，在GPU加速的环境里把这些现象可控地复现出来，进而逐一分析和检验各种假说，其中一些流行解释甚至被推翻。

这和景区上岗有什么关系？关系大了。当前景区里的任务——递咖啡、做冰淇淋、猜拳——恰恰都是短周期、高频次、容错率较高的模仿学习任务。数千台机器人在真实环境里跑，等于把BC类策略丢进一个无法控变量的巨型测试场：泛化失败、分布外指令、多主体干扰，都会在黄金周的客流里原形毕露。景区暴露问题的速度，远比论文快。

反过来说，OCBench这类工作提供的是“可控复现”的能力——先在仿真里把现象钉死，再到真实部署里验证解法。真实部署负责发现问题，可控基准负责定位原因，两头夹击，模仿学习的工程化路径才算闭环。

🚧 新手村之后的毕业考

留在新手村刷怪，永远练不出打Boss的级别。

当前的三类工种，技术含量依次递增：演员靠预编排和互动脚本，服务员开始碰真实抓取和操作，导购需要多轮对话和空间理解。下一阶段的关键跃迁，是从“限定品类、固定流程”走向“开放指令、动态任务”——游客一句“帮我去那边买瓶水”，考验的是长程任务规划、跨区域导航和非结构化抓取的组合能力。

产业判断可以更直白一些：文旅零售是具身智能的1.0市场，它解决的是“让机器人合法地存在于人群中”的问题——攒数据、建口碑、验证可靠性；2.0是把这些在消费场景里练出来的操作能力，平移到对可靠性要求更高的商业清洁、餐饮后厨乃至轻工业分拣；3.0才是工业场景的深水区。横琴长隆300台的意义，不在于它们会跳舞，而在于行业第一次以百台为单位验证了大规模部署、运维和远程监控的工程能力。

风险同样要摆上桌面：数千台在岗规模对应的市场收入，对任何一家公司来说都还很小；客户的真实付费意愿随假期热度波动；一旦交互体验平庸化，“机器人”三个字本身的引流效应会快速衰减。能不能从“看稀奇”过渡到“真有用”，决定了这个新手村是跳板还是围城。

结语：先上岗，再上岗

景区不是具身智能的终点站，但它是目前最聪明的起点：客流即数据，工资即补贴，差评即测试用例。当卖咖啡的机器人背后站着一个不断变强的模型，这台机器的账就不能只按咖啡钱来算。接下来值得盯的信号有三个：常态化点位的续约率、单点任务品类的扩展速度、以及第一视角数据规模对模型迭代节奏的实际拉动。新手村的通关标准从来不是打败几个小怪，而是攒够经验值——2026年，看谁能先升到十级。