1先把这次真正的新增信息挑出来

一家门店的常态化，不是又一场演示

零售药店里放机器人演示，过去两年已经不新鲜。这次不同的是两个词：「徐汇区虹漕路店」是一个具体地址，「常态化运行」是一个持续状态——不是展会现场，不是限时快闪，是这家店日常的即时零售仓在用它履约。流程也具体：线上订单进来，Galbot G1 从密集货架上识别并抓取药品，用视觉系统多维度核对商品信息，完成打包后放进智能取货柜；外卖骑手到店，在取货柜输入用户手机号码尾数，系统识别后开柜取走订单。整个链路里没有「机器人与人交接」这一环——它对接的是柜子和系统，不是人的手。药品零售是个苛刻场景。新京报的原稿点出了具体难点：塑封包装的反光可能影响识别，铝箔泡罩包装容易受损，瓶装糖浆、软包装商品和异形医疗器械对抓取位置和力度的要求各不相同。企业称目前可识别处理上万种商品，覆盖处方药、非处方药、医疗器械和预包装食品。老百姓大药房董事长谢子龙给出的说法是，机器人承担常规流程后，药师可以更专注症状评估与用药指导。判断：选择药房作为落地场景是聪明的，原因不在技术难度低，而在**验证成本可控**。药品有标准化编码、有明确货位、有强合规要求，也正因为如此，拣错一单的代价足够高、足够容易被发现和追责。这种场景能把「机器人到底行不行」从主观演示变成可争议的数据——但前提是数据本身得经得起问。

268 秒与 90 秒：一条被主动标出的口径线

一家媒体做了行业里很少有人做的事

这次报道里最有价值的一句话，不是 100%，而是这一句：「这里的『68 秒』为机器人单均作业时长；前述『约 90 秒』为企业介绍的从接单到完成出货的平均时长，**两项数据对应的流程范围不同**。」这句话解决的是一个很常见的混淆。传播链上，两个数字很容易被拼成「机器人 68 秒完成一单」或者「全流程 90 秒、效率提升明显」，但二者测的不是同一段流程：

两个时间口径各覆盖哪一段按新京报原文的区分整理

约 90 秒

从系统接单开始，到订单完成出货，包含机器人识别、抓取、核对、打包、放入取货柜的完整链路企业介绍的流程平均时长

68 秒

机器人单均作业时长企业提供的阶段性运营数据，不含接单派发等前置环节

口径提示：两个数字并非「改进前后」的关系，也非「同一指标的两个版本」，而是两个不同起止点的测量结果。跨报道引用时若混用，会得到错误的效率结论。

判断：这类口径澄清本该由企业自己在材料里写清楚，这次是媒体代劳。对企业侧的含义很直接——运营数据的说服力不取决于数字多大，而取决于**你是否说清了它是怎么算出来的**。第三方替你把口径拆开，是一种提醒，不是一种攻击。

3100% 准确率这个词，问题出在哪

六项没有公开的数

「拣货准确率 100%」在传播上极具吸引力，但它是一个**结构上不可持续宣称**的指标。原因很简单：只要在统计周期内出现过一次错拣，这个数字就不可能维持。企业仍选择这样表述，说明其统计口径大概率是「已完成的拣选动作中未发生错误」，而不是「订单口径的差错率」——前者排除了异常订单、人工接管与系统中断的样本。这不是指责某一家企业，而是这类指标的通病。判断：读运营数据时，先问「它的分母是什么、把什么排除了」。按本站此前拆 RaaS 与订阅制宣传稿时用的同一套方法，这里列出六项尚未公开、但决定这套方案能否复制的数据：

药房拣选方案的六项待公开数据截至 2026-09-29 公开材料均未披露

待公开项	为什么关键	可从哪拿到
人工兜底工时占比	决定「替代」还是「辅助」	门店排班表、药师工时记录
异常订单比例与类型	100% 准确率的真实分母在这里	系统日志、异常处置记录
夜间单量占比	企业称夜间作业能力仍在打磨	分时段订单数据
连续运行可用率	决定单店能否真的无人	停机时长与故障工单
单店投入与回收周期	决定能否复制到第二万家店	设备造价、改造费、服务费
非试点门店的实测	试点店的货位与流程常被专门优化	新增门店的同等口径数据

表注：本表沿用本站阅读 RaaS 类宣传稿的同一方法（见 2026-09-28「Dyna Robotics × 鼎泰丰」一篇）：凡 ROI 或效率结论，先列出它没公开的关键输入项，缺三项以上时该结论只能按厂商自述处理。

其中第一项和第六项最要紧。人工兜底工时决定了这套系统究竟是「一人管多店」还是「一店仍配一人」——两者的商业模型完全不同；而非试点门店的实测数据，是唯一能排除「为演示而优化」的证据。上海徐汇店被明确称为「共建的数智化试点」，这个身份本身就该让读者对数据保持距离。

判断：银河通用这套方案的真正看点是场景选择，不是那三个数字。药房后仓是半封闭、强规则、可编码的场景，它把机器人最容易失手的部分——非结构化环境与人的随机交互——先绕开了。凡是「药店、粮库、变电站、车间上料」这类先跑通的案例，赢的都是场景结构化的红利，而不是通用能力的突破。这个判断对做交付的人是可操作的：选场景时优先看它的规则密度，而不是看它的故事性。

规模口径也应当分层读。企业称已实现超千台规模商业部署，服务宁德时代、博世、西门子、丰田、上汽、北汽等制造企业，在文旅领域走进约 50 座城市、落地近 200 个「银河太空舱」，并称有近百个智慧药房实现全自主服务、累计连续运营时间超 2 年。判断：这些数字描述的是**分散在不同业务线的部署面**，不能当作单一场景的验证深度。文旅舱体的连续运营时长，无法证明药房拣选在夜间、大促、缺货等压力条件下的表现。

来源：新京报 2026-09-28 报道（记者吴为，海淀区获悉；URL 见 source_url）；盖世汽车具身智能同题报道；FutureX Physical AI Daily Issue 134（09/29，标注 ⚠️ 厂商数据）。素材时间窗：09-28 18:00 → 09-29 09:00，新京报消息源（9-28）属窗口前缘，按扩窗规则处理。日均单量、单均时长、准确率、人力减少比例与企业部署规模**均为企业自述**，无第三方或监管口径；「100% 拣货准确率」原文未说明统计周期、样本量与异常订单归类；上海徐汇店为企业与连锁药房共建的数智化试点，非无干预的常规门店。