药房机器人日均 400 到 500 单、拣货准确率 100%：这组数字里最值钱的是记者划清的那条口径线
单店日均 400 到 500 单、单均 68 秒、拣货准确率 100%——三个数字都是企业提供的。这篇把「90 秒」和「68 秒」的区别、以及六个还没公开的数，一条条摆开。
- 落地事实：银河通用的即时零售智慧药房方案已在老百姓大药房上海市徐汇区虹漕路店投入常态化运行；Galbot G1 收单后识别拣药、视觉核对、打包放入智能取货柜，骑手到店输入用户手机号尾数取货。
- 企业口径：从接单到完成出货平均约 90 秒；阶段性运营数据为日均 400 到 500 单、单均作业时长 68 秒、拣货准确率 100%，可识别处理上万种商品。
- 关键澄清：新京报明确写了一句——「68 秒」是机器人单均作业时长，「约 90 秒」是接单到出货的全流程平均时长，两项数据对应的流程范围不同。这类口径区分在国内通稿里极少被主动标出。
- 前置参照：同一企业此前在北京海王星辰药房部署，称 24 小时值守后该店人力投入减少 50% 以上；上海徐汇店是老百姓大药房与银河通用共建的数智化试点。
- 风险标注：全部运营数据由企业提供，原文即写明「具体成效仍需结合门店后续运营情况观察」；FutureX 将该条目标注为厂商数据（Manufacturer's figures）。
- 判断：100% 拣货准确率是一个不可持续宣称的指标——它只描述已经发生的拣选，不描述异常订单占比、系统可用率与人工兜底频次。这三项才是判断这套方案能不能从试点走到复制的开关。
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。
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：
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。
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：
| 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 |
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。
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。