WAIC 2026 已落幕，回看这场展会，人形机器人无疑是全场焦点之一。有的在跳舞，有的在与人对话，也有不少厂商直接将工业场景搬进展台——拧螺丝、插装配线、站工位抓件，各家用不同的方式展示着技术的成熟度。

极智嘉展台的画风则略有不同：这里被原样切了一块真实仓配区段过来，通用人形机器人Gino 1 在抓薯片、抱料箱，旁边移动机器人穿梭送货，专用工作站自动换箱，整套流程端到端跑通，连续演示零卡顿。

观众看到的是一场展会演示，极智嘉想传递的信号却是另一回事：这不是单工位的定点demo，是已经开工的仓库切片。

伴随WAIC期间的现场展示，极智嘉公布了具身方向的完整路线图——以 Gravity 具身智能框架为核心，数据引擎与 GINO ECO 开放生态为双翼。三个动作指向同一个判断：仓库拣选是物理AI 现阶段最有价值的训练场，也是最有可能率先跑通商业闭环的场景。

技术侧，Gravity 框架最核心的模块叫 Gravity 4D 具身模型，这个名字背后是一次技术路线的选择，而不只是版本迭代。

行业内常见的WAM 模型大多在 RGB 空间做扩散，本质是“预测下一帧画面长什么样”。极智嘉团队选择了另一条路径：用 Gravity 4D-VAE 提取“4D latent”特征。4D 指三维空间叠加时间，具体由 pointmap（物体在哪，静态结构）和 scene flow（物体怎么动，三维运动场）两类信号承载，再以这个 4D 特征作为教师信号蒸馏到 WAM 模型里，让模型在 latent 空间同时学习 RGB 外观、三维结构和三维运动。

Gravity 4D 总体架构示意

关键差别在于：模型学的不是“下一帧应该长什么样”，而是“物理上应该发生什么”。

这个判断在数据上得到了验证。公开基准LIBERO-Plus 零样本测试中，引入 4D 表征后成功率从 73.73% 提升到 78.62%，最优变体达到 79.25%；提升最显著的场景是相机视角变化、光照变化和传感器噪声——这三种情况恰好是“外观变了但物理规律没变”的典型代表，说明模型学到的是物理规律，而不是画面纹理。消融实验里还有一个值得注意的结论：Pointmap-only 变体表现优异，只加 depth 预测反而出现下降。这表明 4D 的关键不在于把 depth、pointmap、scene flow、RGB 全部堆砌，而在于在 latent 空间里将几何与运动作为原生信号进行融合，而非在后处理中拼接多种模态。

Gravity 整体架构采用“双脑协同”设计：认知脑由 AR Transformer 承担，负责听懂指令、拆解任务、制定计划；行动脑由 Diffusion Transformer 承担，负责在动手前推演不同动作的后果，再生成最稳妥的动作序列。两脑通过 attention 机制深度融合。

这套设计的实际意义在于Gravity 会显式输出任务阶段和进度信号，让长程任务变得可观测、可回溯、可中途切换策略——在仓库连续运行八小时的场景里，这比端到端黑盒执行更具可控性。而这个 Stage/Progress 信号，本质上是为调度系统服务的。

值得一提的是，当前4D 模型还没有显式引入触觉和力觉信息。极智嘉团队的解释是触觉传感器的行业标准尚未收敛，过早投入存在一定风险。这意味着 Gravity 目前的“物理直觉”停留在几何和运动层面，力学感知要等到后续版本才会加入。对于仓储拣选场景而言，这已经能够满足需求；但如果未来要进入精密装配等领域，还需要补齐这块短板。

Gino 1 的本体设计体现了极智嘉一贯的务实逻辑——轮式移动加人形上身，配备三指灵巧手。选择轮式而非双足，是因为仓库地面平坦，轮式的电能效率更高、自由度更少、成本更低。上半身采用拟人化设计，则是为了数据效率——构型越接近人类，从人类操作视频中进行迁移学习的效果就越好。

但Gino 1 的真正定位不在于其参数和构型，而在于它在极智嘉整体方案中的角色。极智嘉 CEO 陈曦在 WAIC 期间表示：“极智嘉卖的从来不是单机，是机器人集群。”Gino 1 不是一台独立的通用人形机器人，而是调度编队里的一个新工种——负责补上那 30%-40% 仍然依靠人手眼完成的拣选操作。

这意味着Gino 1 从一开始就不是为“单机智能”设计的，而是为“集群协作”设计的。它需要与移动机器人、机械臂工作站、远程人工操作员协同工作，由同一套调度系统统一编队——这也解释了为什么 Gravity 的 Stage/Progress 信号如此重要：它不是用于展示，而是为了让调度系统了解“Gino 1 现在做到哪一步了、还需要多久、是否需要切换任务或人工接管”。

极智嘉2015 年创业时做的第一件事就是多机调度引擎，至今已能做到单仓超过 5000 台机器人协同运行。这套经验在人形机器人加入编队后变得更加关键：任务粒度从“从 A 到 B”变为“移动到位→识别→抓取策略→力控夹持→转运→投放→回位”，时空资源的竞争更加复杂，异常的连锁反应也需要更精细的管理。

极智嘉的做法是“双轨制安全边界”：预测层由认知脑做任务自检，执行层由单机自助恢复（如更换策略扒取箱壁货物），系统层由调度引擎检测超时并切换任务或远程接管，进化层将远程接管的数据回流到模型训练。核心逻辑是：允许试错，但绝不让业务停摆。

对于为沃尔玛、阿迪达斯、西门子、宝马等全球950 多家头部客户交付过项目的公司来说，这是底线要求。

三、场景牌：数据飞轮

极智嘉切入具身的方式有其自身的逻辑起点——不是从“让人形机器人站起来”开始，而是从“让仓库里那 30%-40% 仍然靠人手眼完成的操作自动化”开始。这个切口叫“拣选”，Bin-picking，在机器人学界被称为“圣杯问题”。

原因在于仓库商品的形态千变万化：充气程度不同的薯片、透明包装的面包、边界模糊的毛绒玩偶、贴紧箱壁的小物件，每一次伸手都面对一个近乎全新的物理状态。它同时考验多模态感知、空间理解、任务推理、动作生成、全身控制和异常恢复能力。

极智嘉选择拣选作为突破口，背后有多重考量。全球仓库每天有亿级规模的拣选操作，覆盖百万级SKU，为模型提供了持续的数据来源。

真实场景的价值在于仿真环境永远无法完全模拟真实世界中的摩擦、形变和意外。拣选的成败指标非常清晰——抓没抓起、有没有超时，反馈明确且客观。

此外，拣选所凝聚的手眼协调、力控、空间理解等底层能力，可以迁移到零售、服务等场景。更重要的是，拣选直接嵌入真实的订单流和运营系统，模型的每一次表现都可以被商业结果实时校准。

极智嘉在全球40 多个国家、1700 多个项目中部署了 7 万多台机器人，日均处理订单千万级。这些仓库每天都在产生海量的真实操作数据，每一笔数据都自带商业反馈。

这正是数据引擎的核心逻辑：真实作业产生数据，数据回流优化模型，模型提升后又推动更大规模的真实作业，形成正向循环。

数据引擎解决了大脑进化的“养分问题”，但从模型到商用还有最后一公里。极智嘉推出的 GINO ECO 开放生态计划，定位为“具身智能解决方案专家”，一头连接技术供给，一头紧扣产业需求。

开放方向包括三个方面：向具身模型公司和高校开放Gino 本体硬件平台和场景数据集；向互补硬件伙伴开放协同开发机会；向行业龙头客户开放创新场景探索。极智嘉在其中扮演的角色是“连接器”——利用十一年积累的场景经验和交付能力，帮助技术落地，帮助客户评估投资回报。

目前来看，极智嘉的竞争力是模型能力、数据积累、本体可靠性、场景经验、AI智能调度系统与客户信任的多重叠加。

与此同时，其具身智能子公司已启动首轮对外融资，技术生态、产业生态、资本生态同步推进，足见对这一方向的持续投入决心。

五、写在最后

回看WAIC 2026 这一摊，极智嘉没有讲述“通用机器人终局”的宏大叙事，而是呈现了一个更为务实的版本：先把拣选做好，再把仓库做无人化，再将能力延伸到其他场景。

对于一个成立十一年、刚刚上市的公司来说，这种路径或许比追逐概念更贴近商业的本质。

不刷demo，刷仓储——这句话听起来不够性感，但可能是具身这条赛道里，现阶段较为务实的一种选择。