14小时前 具身智能正在仓储物流中，迅猛生长

作者：彭堃方     编辑：吕鑫燚      出品：具身研习社

仓储物流对具身智能企业的吸引力依旧很足，甚至被业内视为落地的“黄金场景”。

今年的 CeMAT 亚洲国际物流展上，宇树科技、星动纪元、极智嘉、原力聚合、自变量机器人、仙工智能等企业纷纷亮相，不同背景的企业在仓库里相遇，共同看中这里明确的需求与可衡量的商业价值：搬运、拣选、供料，每项任务都有具体的工作量、人工成本与效率要求，机器人的价值更容易进入客户的经营账本。

不过，“进入仓库”包含着不同层次的挑战。抓起商品、搬走料箱，可以展示作业能力；进入真实业务后，机器人还要适应变化的商品、连续到来的订单，以及上下游设备的节拍。一台机器人完成了任务，整条作业链仍可能因为供货不及时、工作站拥堵或异常处理滞后而停下来。

仓储因此对具身智能提出了更完整的要求：人形机器人、机械臂、AMR 承担不同的物理任务，软件系统负责调度和流程组织，运营管理持续处理效率、成本与稳定性之间的关系。客户最终购买的，是这些能力共同支撑的履约结果。

从物流 Demo、真实场景中的 PoC 验证，到能够交付和持续运营的完整方案，企业需要解决的问题在增加，对仓储的理解也在加深。透过 CeMAT，我们更想追问：谁已经具备把机器人能力转化为仓库生产力的条件，谁又能在长期运行中不断拉开差距？

在极智嘉展台，通用具身机器人 Gino 1 连续拣选日化商品、瓶装饮品，并自主完成料箱搬运与更换。同场展示的 Gravity 具身模型、无人拣选工作站，以及货箱到人、托盘到人等仓储机器人，把展台的观察范围从一次抓取，延伸到了货物如何存取、送达和完成拣选的整条作业链。

这组展示切中了仓储自动化长期存在的一处难点。货架、通道和搬运路径可以相对规整，商品的包装、形态与摆放方式却始终在变化。传统自动化或大部分具身智能进仓储的重心都在这里。但真正到了商品级操作，许多环节仍需要人来接手。因此，更高维度的命题，便自然落在了补齐这些柔性操作能力，让自动化流程能够继续向前延伸。

搭载自研 Gravity 具身模型的 Gino 1，既要适应不同商品，也要在拣货、搬箱、换箱等任务之间接续作业。它还可以与移动机器人、专用工作站协同，端到端跑通拣选流程。当机器人能够同时处理商品变化与任务衔接，原本依赖人工连接的作业环节，便有了进一步自动化的可能。

Gravity 的展示则补充了柔性操作背后的能力：混杂物品清箱、陌生物品拣选，以及早餐制作这一复杂长程任务。其中，早餐演示通过屏幕同步呈现预测画面与实际操作画面，让观众对照模型的“预演”与“执行”。

这背后的技术支撑来自于极智嘉自研 Gravity MoT 双脑架构，AR Transformer 负责理解指令和场景、解析任务目标，并完成子任务编排；Diffusion Transformer 负责预测未来状态、评估子目标并生成连续动作，通过认知与行动的协同，打通任务决策与连续动作执行，高效执行长程任务；新近提出的Gravity Control 又将自然语言引入运行时纠偏，使人在发现局部动作偏差时，可以给出更具体的调整指引。这些能力分别对应任务组织、动作可靠性与偏差恢复，目的都指向减少一次完整作业中的无效消耗。

面向连续拣选，极智嘉还展示了无人拣选工作站 RAPS，由机械臂完成抓取、扫码与摆放。据企业披露，RAPS 具备百万级 SKU 开箱即用、48 小时即插即用的部署能力，并支持 7×24 小时连续拣选。对于仓库而言，商品覆盖范围、部署周期与连续作业能力，分别关系到多少任务可以交给机器、多久能够投入使用，以及投入使用后能否稳定贡献产出。

柔性操作的上下游，则由不同类型的仓储机器人承接。货箱到人方案 RoboShuttle Hyper 、托盘到人方案 SkyCube 以及货架到人方案 PopPick，不同方案对应不同货物形态与流量需求，使具身能力能够接入已有的仓储作业体系。

这种协同的意义，在于让单个工位的改善有机会传递到整仓。存储系统及时供货，搬运设备衔接转运，操作机器人完成拣选，再由软件组织任务与节拍，仓库才能减少环节之间的等待和人工交接。极智嘉此次展示的辨识度，也由此落在了全场景覆盖、柔性操作与系统组织能力的结合上。

单个工位的效率与整仓效率之间，还隔着一层资源分配。拣选机器人更快，可能要求上游提高供箱频率；存储设备提高吞吐，也需要下游工位及时消化来料。若只是局部提速，等待和拥堵可能被转移到下一个环节。企业需要围绕完整订单组织设备分工，让各环节的能力与业务需求相匹配。

对具身智能的评价也因此需要进入更完整的业务尺度。机器人能处理多少类商品，是操作能力；遇到失败后能否继续完成任务，关系到流程可靠性；与其他设备配合后，是否减少人工介入、提高有效吞吐。才进一步关系到整仓生产力。这些结果需要在连续订单和真实作业条件下共同验证。

具身智能有明确的能力边界，仓储的商业价值，需要执行、协同与运营三个层次共同实现。随着具身智能被嵌入既有物流系统，补齐柔性操作环节，系统集成与岗位衔接的重要性也随之上升。深耕仓储的企业，对业务流程和现场约束的理解，可以在这里转化为整合新技术的优势。

极智嘉提出的“具身智能+全仓智能”两大 AI 技术主线，正对应这套分工：具身智能承担物理操作；RMS 机器人管理调度系统、WES 仓储执行系统和 IOP 智能运营平台共同构成“仓库大脑”，全仓智能作为其中的 AI 核心，通过 AI 智能体增强协同智能与运营智能，组织机器人、设备和流程紧密配合，并通过异常检测、瓶颈诊断和策略优化持续改善整仓运行表现。

这也让“仓储原生”企业的积累有了新的价值。它们熟悉的商品结构、订单波动和工位约束，能够帮助具身产品找到合适的岗位；已有的设备体系与软件平台，则为操作能力进入完整流程提供条件。随着柔性操作逐步成熟，企业能否同时做好系统组织，将直接影响新技术能够兑现多少商业价值。

仓储物流场景其实很容易被轻视。由于它属于半结构化场景，人们容易认为项目可以批量复制。但在多 SKU 的真实仓库里，换一批商品、调整订单结构，原有能力能否继续有效，仍需验证。如果每次变化都要投入大量工程人员重新配置，单个项目的成功便很难积累成可复制的业务。具身智能的学习能力，最终也要体现在部署、适应和运营成本的变化上。

真实场景因而有双重价值。它一方面提供订单，另一方面也提供实验室难以穷尽的问题与反馈。对已经建立客户基础和交付网络的企业来说，持续接触这些问题，是把既有业务积累转化为智能能力的重要条件。

极智嘉在这方面已有较深积累。据企业披露，其具身产品已与多家世界 500 强企业开展合作，项目覆盖欧美、亚太地区，涉及鞋服、电商、快消等行业。在长期仓储业务中，公司还积累了超 1000 家终端客户、超 8.1 万台机器人的部署基础，覆盖 40 多个国家和地区。这些整体业务积累，为具身产品提供了客户入口、不同类型的真实任务，以及已有的交付与服务网络。

场景资源要进一步变成智能能力，仍然需要持续的沉淀和验证。按照极智嘉的技术体系，不同机器人、项目与场景的运行经验，将通过共享数据和知识底座持续积累与复用。抓取失败提供操作改进的线索，反复拥堵暴露调度问题，工位等待则可能指向资源配置失衡。更新模型或调整策略之后，还要回到实际运营中验证效果，让一次项目的收获有机会进入更多仓库。

从这一角度，我们能更好地理解极智嘉此次宣布的《24/7 自主智能仓计划》。

24/7 自主智能仓的客户价值，最终要体现在对业务需求的持续响应上。降低对人工班次和现场值守的依赖，意味着仓库在夜间、周末和订单高峰也能持续作业，缓解夜班用工与现场管理压力，释放已有设施和机器人系统的产能。更及时的订单履约、更快的供应链响应，以及面对业务波动时更稳定的交付能力，构成了整仓自主化更具体的回报。

要兑现这些回报，仓储智能化还需要跨过更高的技术门槛。大量长尾场景和未知异常，要求具身模型能够适应新物品、新任务，综合多模态信息判断现场状态，通过物理世界建模预判交互结果，并在长程任务中根据变化调整计划。大规模机器人集群、自动化设备与业务流程彼此牵动，也考验软件系统的实时决策、自适应调度与全局则为持续监测、诊断和策略优化提供了载体。

更深层的考验，是系统面对突发故障时的容错与自主恢复能力。商品掉落、设备异常或局部拥堵，都需要被及时识别和处理，减少对现场人员接手的依赖，避免局部问题拖停整条流程。极智嘉提出逐步增强故障自诊断与智能运维，并结合具身智能完成故障修复，正是在推进这一能力；IOP 平台与智能运营订阅式服务，则为持续监测、诊断和策略优化提供了载体。

总之，这一计划依托端到端机器人解决方案、仓库大脑和 AI 驱动的运营服务能力，以具身智能继续补齐柔性操作、复杂任务和异常处理，打通全流程；连接感知、分析、决策、执行与反馈学习，推动运营智能从发现问题、提出建议，逐步走向自主决策和执行优化；再依靠全球布局与本地交付、服务网络，推进自主智能仓的规模化落地。

结语

具身智能扎堆进仓，带来的首先是更多解决问题的办法。不同背景的企业把各自的长处接入业务流程，仓储自动化也就有了继续向柔性操作和复杂任务延伸的条件。极智嘉的差异化，在于具身操作、系统协同和长期运营已有相互支撑的基础，可以围绕整仓自主化逐步推进，而每一步的价值，都能够回到客户的履约结果中检验。

场景的价值，也会在这个过程中被重新认识。客户、仓库和交付网络提供了进入真实业务的机会，对现场流程的理解则决定企业能走多深。长期差距将产生于每天的运行之中：遇到的问题能否被留下来、解决掉，再让更多仓库从中受益。机器人进入仓库之后，企业能否持续从仓库中学习，才是这条路上更长久的考验。