11 月 3 日，上海新国际博览中心的 CeMAT 2026 展会现场人头攒动，各式机器人在货架之间穿梭，依次演示货物抓取、分拣、转运等作业。
不难发现一个明显趋势：这场物流行业展会，已经演变成具身智能比拼实战能力的竞技场，宇树、星动纪元、自变量等多家具身智能厂商纷纷入局，扎堆亮相。
仓储物流，正在成为物理 AI 走出实验室、走向产业化落地的核心赛道。
不过真实仓库环境和实验室测试完全不同，对机器人提出了严苛考验：海量 SKU 持续动态更迭，货品材质、外形、反光效果、堆放姿态五花八门。
这就要求具身机器人既要拥有出色的泛化适配能力，还得维持稳定高效的作业节奏。不少厂商当下普遍陷入两难困境：一类泛化性能不错，但动作偏慢、节拍跟不上商业化需求；另一类动作响应快，却高度依赖前期示教编程，商品稍有变动就容易卡停。
在本次展台上，极智嘉带来了不一样的解决方案。
搭载 Gravity 具身模型的机械臂，能够从容应对观众现场递来的陌生物件。日化用品、瓶装饮品等各类货品，通用人形机器人 Gino 1 都可以连续完成拣取、搬运料箱等操作，动作流畅连贯，长时间作业依旧稳定。
极智嘉的目标不只是打造一台高性能具身机器人，而是打通单机和仓储其他自动化设备的配合，依靠集群协同，释放整个仓库的系统产能。
Gravity 具身底座：兼顾泛化能力与作业效率
Gino 1 人形机器人与松灵机械臂现场稳定作业的背后，依托的是极智嘉自研 Gravity 具身智能模型搭建的整套技术体系。
展会现场还设置了长程任务演示，由 Gino 1 独立完成早餐制作。这项复杂任务里，模型能够自主串联多项精细操作，就算现场工况出现变动，也可以顺利完成整套流程，体现出精细操作和长时序任务的稳定性。
配套大屏同步展示动作推演全过程：先识别物品状态、规划运动路线，再确定动作指令并执行，实现 “先规划、再执行”。
同时现场还设置陌生物品挑战环节，观众可拿出随身物品测试模型，直观验证它对未知物体的泛化效果。
Gravity 采用 MoT 混合 Transformer 双脑协同架构，把任务理解和动作执行解耦处理。认知端负责读懂任务目标、环境信息与步骤逻辑；行动端基于实时状态输出对应的运动方案。
另外搭配分层记忆机制管控任务进度：短时记忆跟踪实时画面和动作变化，长期记忆留存任务目标、执行阶段与关键节点。机器人不再是被动接收零散指令，而是围绕完整目标持续推进作业。
自然语言纠偏也是 Gravity 的一大亮点。当遇到超出原有训练范围的任务时，工作人员可以用口语指令引导机器人调整动作，提升任务成功率。
举个例子，操作人员输入 “抓深一点”，模型会调取特征词库在线修正抓取姿态。实测数据显示，复杂操作任务的完成率从 17.5% 提升至 87.5%。
从陌生货品识别适配、长流程任务连续执行，到自然语言干预纠错，Gravity 打造一套一体化具身能力框架，重点攻克三类效率难题：
- 动作效率：依托异步推理，计算和动作执行并行开展，单次拣选动作稳定控制在 2 秒左右，消除算力等待拖慢节拍的问题；
- 适配效率：面对透明包装袋、易滚动圆柱件、软包等未训练样本，不用额外采集数据、单独调优，直接根据空间几何规律完成抓取，大幅降低新品类接入成本；
- 异常自愈效率：遇到货品打滑、倾倒等突发状况，机器人不需要停机，自主调整姿态、重新规划抓取路径，把故障转化为可自行修复的中间状态，保障产线不间断运行。
这也折射出行业风向转变：具身智能商业化比拼，已经从单纯能不能识别新物体，转向泛化落地效率的较量。能不能快速适配新场景、守住作业节拍、自主处理意外，是机器人落地实体场景的核心门槛。
跳出单机思维，打造多设备协同的整仓方案
就算单台机器人性能再强，如果无法对接仓库原有存取、搬运工作站，依旧会成为整条链路的短板。
这也是极智嘉和很多专注单机演示的具身智能企业最大区别：将具身机器人融入成熟仓储自动化体系，依靠多形态机器人 + 统一调度软件，输出端到端的整仓作业能力。
十余年沉淀下来，极智嘉已经形成成熟的 AMR 机器人产品矩阵。具身智能的加入，和原有 AMR 方案互补，形成覆盖更多工序的机器人作业体系，适配多样化仓储场景。
简单来说，全品类 AMR 负责料箱、托盘、货架仓库里搬运、存拣这类标准化作业，保障订单履约基础效率；具身智能则主攻柔性复杂操作，强化异常自主处置能力，支撑仓库全天候自主运转。
这不只是简单把多种机器人放在同一个库区。端到端机器人方案持续拓宽仓库无人作业边界，AI 仓库大脑统一调度全部设备，实现协同配合、智能决策和运营优化。
比如一笔订单需要从货架拣货，再转运、合单，系统会自动分配执行主体、调度工作站、规划通行路线，做好不同设备之间的工序衔接。
极智嘉依靠 RMS 机器人管理系统、WES 仓储执行系统以及多机协同算法，完成任务下发、路径规划、交通管控和流程编排，让不同类型机器人在一套体系里协同工作。
单机性能决定机器人能做什么，跨设备协同能力，决定一座仓库整体产能上限。这也是极智嘉主推端到端方案的核心：交付的不是孤立设备，而是一套可联动运转、覆盖多道仓储工序的整体生产力。
仓库大脑加持，走向可自主迭代的全仓智能
多机器人实现协同之后，还需要一套顶层系统统筹整仓运营。
订单波动、设备故障、库区负载不均衡，都要求系统具备动态调整能力，仅依靠固定规则很难应对仓库里层出不穷的复杂状况。
极智嘉把这套顶层能力定义为 Warehouse Intelligence 全仓智能，作为 Geek+ Warehouse Brain 仓库大脑的 AI 内核。依靠 AI 智能体持续打磨协同智能、运营智能两大能力，推动仓库从单纯自动执行，升级到自主决策、动态调优。
这套体系持续迭代的根基，来自海量真实落地经验。目前极智嘉服务全球超 1000 家终端客户，部署机器人数量突破 8.1 万台。一线项目沉淀的运行日志、异常处置经验、运营策略，会沉淀到共享知识库，持续反哺 AI 模型。
从机器人执行作业，到系统主动发现问题，再到持续迭代运营策略，极智嘉想要搭建一套可以不断积累经验、自我优化的智能闭环。
这也代表具身智能厂商的价值逻辑正在转变：不再只是销售机器人硬件方案，而是持续帮助客户优化仓库整体运营指标。
目标：7×24 小时自主运营、持续进化
当具身机器人、端到端机器人方案和全仓智能打通之后，极智嘉的下一阶段目标，就是实现仓库 7×24 小时自主运转、自主迭代。
近期极智嘉正式对外发布《24/7 自主智能仓计划》，将全仓自主化定为核心发展方向。在它看来，下一代仓储智能化变革的核心，就是脱离人工值守，全天候自主运行，并且在实际作业中持续进化。
极智嘉将围绕三大主线推进落地：打通全业务流程、完善智能闭环、推动自主智能仓规模化复制。
需要区分的是，这里强调的是 7×24 小时自主，不只是设备不停机。意味着仓库不再受制于人工排班和现场值守，夜间、周末、大促峰值都可以持续承接订单，加快履约速度，同时缓解夜班招工、现场管理压力，最大化仓储设施与自动化集群的产能。
想要实现这个目标，技术挑战远不止机器人连续作业。
面对仓库里大量长尾场景、未知突发状况，具身模型需要更强的多模态感知、场景泛化、长时序任务规划能力；面对大规模机器人集群和动态业务，调度平台要做到实时决策、自适应全局优化。更关键的是，设备故障、流程扰动发生时，整套系统要有足够容错、自愈能力，并通过持续学习沉淀跨场景经验。
这也是具身智能和全仓智能需要配套发展的原因：具身智能解决机器人物理操作和异常处理；全仓智能赋予仓库顶层决策、动态优化的能力。
本次 CeMAT 展上极智嘉的整套方案，给具身智能落地仓储提供了一个值得参考的样本：从单台具身机器人技术突破，到多设备联动的整仓方案，再到全仓自主智能的长期蓝图。
对极智嘉而言，这条技术路线的价值不止局限仓储赛道。后续它会持续落地自主智能仓，并且把经过实景验证的机器人、AI 调度能力，向外拓展到更多物理作业场景。