2小时前 专访极智嘉联合创始人陈曦：脱离效率的泛化，没有商业价值

文章转载来自：甲子光年

2015年，陈曦和其他核心成员一起创立极智嘉。当时，他的目标是造出一款好用的AMR产品（自主移动机器人）。

11年后，2026年上海世界人工智能大会（WAIC），极智嘉的展位上挤满了观众，搭载Gravity 4D大脑的通用人形机器人Gino 1与移动机器人协同作业，在缩小版物流仓中进行拣货、播种和搬箱，是全场少有展示真实干活场景的展位，展现出同时具备泛化能力与高效作业。

大会期间，极智嘉还公布了“一核双引擎”通用具身智能布局——以Gravity框架为核心，数据引擎与生态引擎双轮驱动，将百万级SKU（货品种类）仓储场景打造成AI的天然训练场，并利用GINO ECO开放生态计划，推动具身智能规模化商用落地。

作为2025年港股上市且少数盈利的To B机器人公司，极智嘉正在试图用具身智能技术来解决仓库里那些无法被AMR解决的问题，并计划未来向商业、家庭等场景拓展。

此次，「甲子光年」与极智嘉联合创始人、极智嘉具身智能CEO陈曦进行了一场对话，探讨了对当前具身智能热点问题的独到见解。

脱离效率的泛化，没有商业价值：对于行业普遍把泛化能力当成具身智能最高标尺的情况，极智嘉表示，没有效率打底的泛化能力，是演示品不是生产力，毫无商业价值。效率是1，泛化是后面的 0，泛化仅解决“能不能”，效率才决定“值不值”。

进厂进店，不如进仓：对于具身智能的第一落地场景，行业最热的两个方向是进厂和进店。极智嘉认为，进厂进店，不如进仓。制造场景可复制性差、规模化难、经济性难以支撑。无人零售不需要机器人就能实现，具身进店不是真实痛点和需求。相较而言，仓储领域的拣货和分拣打包等应用，才是具身智能商业化落地的最佳第一场景。

具身智能分水岭在于场景与数据飞轮：对于技术路线之争，行业在VLA和世界模型之间激烈站队。极智嘉认为，具身智能的马拉松还在早期，技术路线还未统一，都值得探索。现在各家公司的实际能力差距不大，真正的分水岭不在于选了哪条技术路线，而在于谁先进入真实落地场景、跑通可落地的整体解决方案、让数据飞轮转起来。待到技术路线收敛时，飞轮已在高速运转、商业化能力强的玩家，才握有决胜筹码。

以下是对话实录。

甲子光年：极智嘉做具身智能是追风口吗？

陈曦：作为一家智能机器人公司，极智嘉一直有专业的AI团队，2021年开始深入研究端到端与Transformer架构，2023年大模型蓬勃发展，我们迅速成立了具身智能团队，在上市后成立了具身智能子公司。

移动机器人解决了货物搬运问题，但仓储场景中30%-40%的环节（如拣货打包、包裹分拣）都需要“手眼”配合。这是技术演进与商业逻辑的必然，绝非追风口。

甲子光年：“不做demo，只做能够商业化的机器人”，这个原则是怎么确立的？

陈曦：作为ToB机器人公司，极智嘉所有产品和技术都要推向市场并且为客户创造真实价值。

行业目前倾向把泛化能力当成了具身智能的最高指标。但我们认为，具身智能应该以效率为基础条件，再谈泛化能力。效率是1，泛化是后面的0。不跨越效率这道坎，所谓泛化能力没有商业落地意义。

极智嘉的理念很明确：商业化需过效率关。Gravity 框架的双脑架构、“训练时做加法、执行时做减法”的设计，在保证实时作业效率的前提下，让物理直觉和泛化能力自然生长。

甲子光年：这能在具身智能市场竞争中带来怎样的优势？

陈曦：“能下场干活”就是最大的优势。在商业化层面，极智嘉凭借已有的客户资源和全球业务网络，相较于其他公司，也有望更早拥有明确的营收预期和客户订单，并产生持续的大规模交付。

甲子光年：极智嘉的Gino 1发布后，当时客户是什么反应？

陈曦：客户非常期待，问的最多的就是什么时候能量产。我们计划在今年第三季度进入小批量生产和交付，启动国内外客户POC。

甲子光年：Gino 1是“真正做仓储做物流的人才能设计出来的产品”，你怎么看待这个评价？

陈曦：极智嘉的目标是做通用人形机器人和通用机器人大脑，我们第一步聚焦仓储物流场景。这个评价恰恰验证了我们的产品逻辑能被客户感知到。我们锚定真实应用场景，针对性地设计软硬件，确保能够保证效率、稳定交付。

甲子光年：为什么极智嘉第一步聚焦仓储物流场景？

陈曦：仓储物流的拣货、分拣、打包等，才是具身智能商业化落地的最佳入口。从商业化角度来看，进厂进店，不如进仓。

生产制造场景，产线千差万别，可复制性低，标准化和规模化的难度极高。现阶段具身机器人进厂，需要大量人工采集数据和部署，加上人形机器人成本高，经济性不占优，商业化难以快速推进。

便利店、药店这类零售场景，门店无人化未必是产业刚需，且展会中整齐的演示与真实门店杂乱堆叠的场景差距悬殊，难度差了一个量级。线上零售+微型履约中心+即时配送的模式，从效率和商业化方向上，有更大的发展潜力。

仓储场景的作业标准高度统一，同时SKU 极多、数据密度极大，最容易锻炼具身技术能力、跑通商业闭环并实现大规模复制，是目前具身智能最适合的练兵场和商业化起点。先在仓储场景中验证了商业闭环，具身智能有望向更广阔的场景扎实延伸。

甲子光年：怎么看待具身大模型的技术路径差异？

陈曦：具身智能马拉松才刚开始，无论是VLA还是世界模型都值得探索，现阶段各家技术差距并不大。

真正的分水岭不在于选了哪条技术路线，而在于谁先进入真实落地场景、跑通可落地的整体解决方案、让数据飞轮转起来。

当未来技术路线统一时，早期积累了深厚的数据壁垒、商业化落地能力和客户信任度的玩家，才能跑赢比赛。

甲子光年：极智嘉4D大模型的差异化优势是什么？

陈曦： Gravity 4D具身大模型拒绝在RGB像素层"猜"三维，而是用4Dlatent统一表征物理世界，将三维先验直接注入机器人世界模型，使其内部推理始终受几何与运动约束。

其逆动力学模型输入从"只看未来画面"升级为"同步接收外观+空间结构+运动趋势"，决策逻辑从"画面变化猜动作"跃迁为"三维世界变了是什么动作引起"的因果推理。它让机器人像工程师一样理解物理世界，而非像导演一样生成画面。

可以说，这是具身智能行业可落地真实应用场景的里程碑。

甲子光年：极智嘉Gravity 4D大模型搭载到Gino 1上，对商业落地意味着什么？

陈曦：意味着“数据飞轮”加速运转、模型能力能够持续提升。真机在真实物流场景中作业产生的数据会源源不断倒灌回Gravity 4D大脑。随着大模型能力持续迭代升级后，又能让机器人覆盖更复杂的任务与场景，进一步打开新的市场空间。

甲子光年：为什么推出生态引擎战略？极智嘉扮演什么角色？

陈曦：我们希望跑通技术和商业的闭环，极智嘉作为具身智能解决方案专家，发挥的是桥接作用。

我们拥有近千家客户和1700余个项目，积累了海量真实场景资源，是全球客户信赖的仓储物流领域机器人品牌，这恰恰是上游模型商和本体商最需要的验证场。

通过连接算法公司、本体公司与产业需求，部署到真实场景，把技术转化为看得见、算得清的商业闭环和生产力红利。