乌镇“互联网之光”博览会的展台上，搭了一个模拟药房：窄通道两侧摆满药盒，用户下单之后，一台机器人转身进通道，伸手抓药，再送到柜台前。
新华社的报道里，蚂蚁灵波市场运营专家段逍越说了一句话：这款机器人已在上海浦东多家药房投入应用。同一篇报道提到，LingBot 系列模型已经支持 17 个品牌、20 多种不同构型的机器人。
真正难的不是抓，是不改店
在进博会现场，财联社记者看到了同一套场景，由蚂蚁灵波与国大药房联合呈现。负责人的说法很关键：这套方案搭载 LingBot2.0 具身原生通用机器人大脑，基本不需要对原有门店布局做改造，就能部署上线。
这句话的分量比“能抓药”重得多。零售门店改造一次，涉及货架、动线、电路、消防验收，停业几天就是实打实的流水损失。一个必须改店才能用的机器人，谈判周期以季度计；一个插上就能在现有通道里跑的机器人，谈判周期以周计。
经济参考报的报道里还给了一个尺寸：80 厘米宽的窄通道。这个宽度在药店货架之间不算宽裕，机器人要在里面转身、避障、识别不同包装的药品，靠的是本体之外的那颗“大脑”。
数据在门店里长出来的
据经济参考报报道，LingBot 系列模型开源 9 个月，下载量已突破 220 万次。开源带来的是装机量，装机量带来的是场景数据——每一家药店的地面反光、货架高度、药盒材质都不一样，这些差异只能在实际门店里收集，仿真里做不出来。
段逍越的说法也是这个逻辑：用户在调试和使用过程中反馈的数据，会反哺模型的迭代升级。
这和过去几年机器人行业的路径不太一样。以前是先造一台足够聪明的机器，再去找场景；现在是在一个足够窄的场景里，让机器先干起来，用真实数据把它喂熟。
药店是个合适的起点：品类标准化、动作重复、营业时间长，而且真的缺人——夜班、老人代取、处方药核对，都是耗人力的活。
落地速度由“改造量”决定
判断一个具身智能方案能不能铺开，看三个数：需不需要改场地、部署要几天、单店回本要多久。第一个数决定能不能谈，第二个数决定铺多快，第三个数决定能铺多久。
现在公开的信息只回答了第一个。至于这套系统在浦东几家药店里到底跑得怎么样——一天抓多少单、出错几次、夜里能不能独立值守——还没有对外的运营数据。
这也是行业当下的常态：演示很完整，运营数据很少。机器人从展台走到柜台，中间隔着的不是技术，是一张张真实的排班表。
对住在上海浦东的人来说，最直观的变化可能不是“AI来了”，而是某天晚上十点去药店，柜台后面多了一台不会打哈欠的机器。