具身智能的下一个主战场，为什么是「仓储物流」？

编辑｜Youli

11 月 3 日，上海新国际博览中心，CeMAT 2026 现场人潮涌动，货架之间一台台机器人穿梭其中，展示着对货物的抓取、分拣与转运……

仔细观察，一个明显的变化正在发生：原本属于物流行业的展会，俨然成了具身智能角逐实战能力的新擂台，宇树、星动纪元、自变量等众多具身智能玩家集体「跨界」涌入。

仓储物流，似乎正成为物理 AI 走出实验室、产业落地的「主战场」。

然而，真实仓储不同于实验室，对机器人提出了更高难度的挑战，海量 SKU 每天都在动态变化，商品的材质、形状、反光特性与堆叠姿态各不相同。

这意味着，具身机器人既要具备足够强的泛化能力，又要保持稳定的作业节拍。但现实中，厂商往往面临两难：要么具备泛化能力但动作迟疑、节拍过慢，无法满足商业生产节奏；要么动作敏捷但依赖预设示教，商品品类稍有变化即停摆……

而在展台上，极智嘉展示了另一种可能。

搭载了 Gravity 具身模型的机械臂面对现场观众递过来的陌生物品，能随机应变，完成挑战…… 面对日化用品、瓶装饮料等不同类型的商品，通用人形机器人 Gino 1 都能够连续完成抓取、拣选，而且还能进行料箱搬运。整个过程中，动作迅捷流畅，全程保持极高的连续作业稳定性。

视频链接：https://mp.weixin.qq.com/s/9SMT7M1ByTkE74kQmoJDnw

从单机操作到与仓储机器人协同作业，极智嘉的野心显然不只是制造一台高效具身机器人，更重要的是，如何让具身智能融入整座仓库，与其他机器人协同工作，释放系统级整仓生产力。

兼具强泛化与高效率背后的 Gravity 能力底座

展台上 Gino 1 和松灵臂的高效表现，背后依托的是极智嘉自主研发的 Gravity 具身智能模型所构建的综合能力体系。

现场极智嘉让 Gino 1 制作一顿早餐，在这一复杂长程任务中，模型将多种精细操作自主编排、有序衔接，即使作业状态发生变化，依然稳定完成全套任务，展现出兼顾精细操作与长程稳定作业的综合能力。

而旁边的大屏则展示动作预演过程，从理解物品状态、规划路径，到确定动作并执行，呈现出「先想清楚，再动手」的完整过程。

除此之外，现场极智嘉还设置了一项陌生物品挑战，观众可以拿出随身物品来「刁难」Gravity，让模型面对现场提供的陌生对象，直观呈现其泛化表现。

而这背后，Gravity 首先采用混合 Transformer（MoT）双脑协同架构，将复杂任务的理解与具体动作执行分开处理。其中，认知侧负责理解任务目标、环境和步骤关系，行动侧负责根据当前状态规划具体动作。

与此同时，采用分层记忆机制帮助机器人持续管理任务进度。短时记忆追踪近期观测和动作变化，长期记忆则保存任务目标、执行阶段和关键事件，这意味着，机器人不必把每个动作都当成独立指令，而是能够围绕一个更长的任务目标持续推进。

此外，Gravity 还有一项重要能力 ——自然语言纠偏，即当机器人遇到分布外任务时，操作人员可以通过自然语言提示进行纠偏，提高任务成功率。

例如，操作人员只需输入「抓深一点」，模型通过检索概念表中的特征词表，即可在线修正动作。实验数据显示，复杂操作任务的整体成功率从 17.5% 提升至 87.5%。

从陌生物品泛化，到复杂任务连续执行，再到自然语言纠偏，Gravity 试图建立一套更完整的具身智能能力体系，「用同一模型解答三类效率考卷」：

• 动作效率：通过异步推理机制，让动作执行与后续计算在时间上重叠，单次拣选动作稳定在约 2 秒，避免计算等待拖慢整体节拍；
• 适配效率：面对未曾采样的透明袋装、易滚圆柱与软包，模型无需追加专项数据采集与单独微调，直接理解空间几何与抓取规律，大幅压缩新增 SKU 的适配成本；
• 异常恢复效率：面对商品滑动或翻滚，机器人无需停机，而是自主调整构型或重规划抓取，将单次失败降维为中间状态，极大保障了产线的连续运行。

这背后反映出一个趋势：具身智能的商业化竞争，正在从泛化能力的展示，转向泛化效率的比拼。能否适应新任务、保持作业节拍并自主应对异常，决定了机器人能否真正进入真实场景。

一台机器人不够，极智嘉让整仓一起工作

不过，单台机器人的效率再高，如果无法与货物存取、搬运和工作站衔接，在真实仓库中仍可能成为效率瓶颈。

这也是极智嘉与许多主要聚焦单机能力展示的具身企业之间的差异：将具身机器人融入已有仓储机器人体系，通过多形态机器人和统一软件系统协同，形成端到端整仓生产力。

过去十余年，极智嘉已经建立起一套完善的 AMR 解决方案，而如今具身智能的加入，则与原有 AMR 共同组成更完整的作业方案，形成端到端机器人方案，满足不同仓储流程与广泛作业场景需求。

具体来看，全品类 AMR 方案组合，覆盖了料箱、托盘、货架不同存储形式仓库里的搬运和存拣等结构化作业环节，实现高效订单履约。具身智能则拓展复杂、柔性的操作环节，提升处理异常情况与自主恢复的能力，为全天候自主运行提供重要支撑。

但这不是简单地把更多机器人摆进同一个仓库，端到端机器人解决方案不断拓展仓库的自主作业范围，AI 驱动的仓库大脑则让整个机器人系统实现更高效的协同、智能决策与运营优化。

例如，当一个订单需要从货架中取出商品，再经过搬运、拣选和归并，系统需要决定由哪台机器人执行任务、何时调用工作站、如何规划路径，以及不同设备之间如何衔接。

极智嘉通过 RMS（机器人管理系统）、WES（仓储执行系统）和多机器人协同调度算法，完成任务分配、路径规划、交通管理与作业流程编排，让不同机器人能够在同一套系统中协同工作。

单机能力决定机器人能做什么，跨设备协同则决定整座仓库能完成什么。这也是极智嘉强调端到端机器人解决方案的原因：交付的不只是某一台设备，而是覆盖多种仓储流程、能够协同运转的整仓生产力。

从整仓协同到自主进化，还需要一个「AI 大脑」

当不同机器人已经能够协同工作，那么下一个问题就是：谁来决定整座仓库应该如何运行？

毕竟，订单会变化、设备会出现异常，仓库不同区域的任务负载也并不均衡，都要求系统具备动态调整能力。仅仅依靠预设规则，很难应对复杂多变的真实业务。

极智嘉将这套能力称为 Warehouse Intelligence（全仓智能），并将其作为 Geek+ Warehouse Brain（仓库大脑）的 AI 核心。通过 AI 智能体持续增强「协同智能」和「运营智能」两大能力，共同推动仓库从自动化执行走向更高水平的自主决策与运营优化。

支撑这套体系持续进化的，是极智嘉长期积累的真实运营经验。目前，极智嘉拥有全球超过 1000 家终端客户、超过 8.1 万台机器人的规模化部署，这些真实项目积累的运行数据、异常处理经验和运营知识，可以通过共享知识底座持续沉淀和复用，反过来增强 AI 能力。

从机器人执行任务，到系统发现问题，再到运营策略持续优化，极智嘉希望建立一套能够不断积累经验、持续改善运行效果的智能闭环。

这也意味着，具身智能企业创造价值的方式正在发生变化：从交付一套机器人方案，进一步延伸到帮助客户持续改善整仓的运营效率。

7×24 小时自主运营与自主进化

当具身智能、端到端机器人方案和全仓智能逐渐连接起来，极智嘉希望推动的下一步，便是让整仓实现 7×24 小时自主运营与自主进化。

近日，极智嘉正式宣布《24/7 自主智能仓计划》，将全仓自主化确立为下一阶段的发展方向。因为在极智嘉看来，下一代仓储智能化革命的关键，是实现 7x24 小时的无人化自主运行，并在真实运营中持续进化。

极智嘉将围绕「打通全流程、强化智能闭环、让自主智能仓规模化落地」三个方向重点推进。

这里有一点需要注意的是，不同于 7×24 小时运行，极智嘉强调的是7×24 小时「自主」。这意味着，仓库不再受人工班次和现场值守的限制。无论夜间、周末还是订单高峰，系统都能持续响应业务需求，提升订单履约效率与供应链响应速度，同时缓解夜班用工和现场管理压力，进一步释放仓储设施与机器人系统的产能潜力。

但要真正实现这一目标，技术挑战远不止让机器人连续工作。

面对真实仓储环境中的长尾场景与未知异常，具身模型需要具备更强的场景泛化、多模态感知和长程任务规划能力；面对大规模机器人集群、自动化设备与业务流程的动态变化，软件系统则需要实现实时决策、自适应调度与全局优化。更重要的是，当设备发生故障、作业流程受到干扰时，整个系统还要具备足够的鲁棒性、容错与自主恢复能力，并通过持续学习和跨场景知识复用不断进化。

这也解释了为什么具身智能与全仓智能需要共同发展：前者提升机器人的物理操作与异常应对能力，后者让整个仓库具备自主决策和持续优化能力。

此次极智嘉在 CeMAT 展示的，正是一个具身智能落地仓储场景值得观察的样本：从具身技术的单机突破，到端到端方案的整仓协同，再到全仓自主智能蓝图。

而对于极智嘉来说，这条路径的价值，也不只局限于仓储。未来，极智嘉将持续推进自主智能仓，并逐步将经过真实场景验证的机器人、AI 与系统能力拓展至更广泛的物理作业领域。