不做demo，做有价值的生产力。
作者｜张麟
编辑｜栗子
2015年，陈曦和其他几位核心成员一起创建了北京极智嘉科技股份有限公司（以下简称极智嘉）。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）的现场，极智嘉的展位上挤满了观众，是全场为数不多让具身智能机器人集群在真实场景下真干活展位。
极智嘉搭载Gravity 4D大脑的通用人形机器人Gino 1和移动机器人、专用工作站协同作业，正在一个缩小版的物流仓库中进行着拣货、播种、搬箱作业，展现泛化能力与高效作业在真实场景的应用。
WAIC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，极智嘉并未止步。如今，这家公司正在试图用具身智能技术来解决仓库里那些不能被AMR解决的问题，并在此基础上，未来拓展至更丰富的商业、家庭等场景。
WAIC期间，「甲子光年」与极智嘉联合创始人兼极智嘉具身智能CEO陈曦进行了一场对话。交谈中我们发现，对当前行业最热议的问题，极智嘉都给出了与行业主流声音不甚相同的独特判断。
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。泛化只回答了“能不能”，没有回答“值不值”。效率才是商业化的入场券。效率是1，泛化是后面的0。作业效率这道坎不过，泛化再宽也没有商业落地意义。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。
而且，WAIC中的很多零售场景演示，都把店铺陈列理想化，与现实相去甚远，因此该场景的落地尚早。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。
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，这场马拉松才进入冲刺阶段，届时，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「甲子光年」与陈曦的对话实录。（经过删改）
1.脱离效率的泛化，没有商业价值
甲子光年：极智嘉是什么时候开始做具身智能的？
陈曦：先和您介绍一下，极智嘉是一家智能机器人公司，移动机器人本身也会用到大量视觉识别和任务决策技术，所以我们一直有专业的AI团队。
2021年开始，我们AI团队开始对端到端、Transformer大模型架构进行深入研究；2023年以后大语言模型蓬勃发展，具身智能创业方兴未艾，我们迅速成立了具身智能团队，在极智嘉上市不久后就成立具身智能子公司。
甲子光年：所以极智嘉做具身智能业务并不是一个临时决定或者追风口。
陈曦：是技术演进与商业逻辑的必然。极智嘉已有的移动机器人解决了仓库里货物移动与搬运的问题，但仓储场景下30%-40%的环节比如拣货打包、搬箱子、包裹分拣，这些都需要“手眼”操作。做具身智能对我们来说，是先进技术的商业化应用，不是拍脑袋追风口。
我们判断业务的底层逻辑，始终是从场景出发进行验证，要判断场景需求是否需要拓展、市场规模有多大，这是一个从商业到技术的闭环的思考过程。
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：这跟极智嘉的公司文化有关。我们是一家ToB的机器人公司，做的所有产品和技术开发，都要推向市场并且给客户提供真实的价值回报。
WAIC期间，我们是整个场馆里为数不多的“机器人在真正干活”的展位，我们的展示就是一个端到端无人仓的缩小版，直观呈现在真实场景下同时具备高效作业与强泛化能力，为的就是能够让客户理解我们的产品、技术和商业价值。
行业现在有一个倾向，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。有效率才能有商业化落地的机会。效率是1，泛化是后面的0。
先保证有效率基础，再看泛化能力的提升以及解决什么具体场景的需求，不能为了泛化而泛化，因为泛化只回答了“能不能”，没有回答“值不值”。不跨越效率这道坎，所谓泛化能力没有商业落地意义。
今年是具身智能商业化落地的元年，但WAIC现场相当一部分演示，坦率讲还没有达到商业化所需的效率基础。
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，本质上都是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：你认为这个原则能为极智嘉在未来的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。
2.进厂进店，不如进仓
甲子光年：极智嘉的Gino 1最早在今年2月发布，当时极智嘉的客户是什么反应？
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具身机器人小批量生产和交付阶段，启动国内外客户项目POC。仓储物流领域的客户本身就对相关的生产设备有着非常严苛的标准，我们今年能够稳定供货，未来就会有更多客户认可并采纳我们的解决方案。
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，但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。我们锚定确定的真实应用场景，针对性地设计软硬件，确保能够保证效率、稳定交付。
机器人形态不应被概念固化。真正的应用场景中，技术限制、场地环境和具体作业需求，会让机器人呈现多样化形态。无论是轮式、双足，还是“半人马”式的四足，本质都是为了匹配特定真实需求而出现的。
甲子光年：为什么极智嘉第一步聚焦仓储物流场景？
陈曦：我们判断，仓储物流的拣货、分拣、打包这些应用，才是具身智能商业化落地的最佳入口。虽然WAIC 现场有很多制造业和零售场景的演示，但从商业化角度来看，进厂进店，不如进仓。
生产制造场景的商业化挑战是可复制性太低，每一个行业每一条产线的每一个工位都不一样，这就让标准化和规模化的难度极高。
而且，现阶段要让具身机器人进厂，往往需要大量人工进行数据采集和交付部署，再加上人形机器人的高成本，让整体具身方案的经济性不占优势，商业化难以快速推进。
而便利店、药店这类零售场景，是需求本身是否成立的问题。现如今，无人零售不需要人形机器人就已经能实现，但我们并没有看到无人零售店遍地开花，这说明，门店无人化不是产业的迫切需求。
退一步说，即便需求在，现在的具身智能技术离门店落地还有一段距离。展会上看到的零售场景演示，商品码放得整整齐齐、间距均匀。但真实门店里，商品杂乱、堆叠、遮挡才是常态。从一堆挤在一起的商品里精准取出一件，难度差了一个量级。相较于在店里站个机器人，线上零售+微型履约中心+即时配送的模式，从零售效率和整体商业化方向上，有更大的发展潜力。
相较之下，仓储是目前具身智能最适合的练兵场和商业化起点。这里的作业标准高度统一，但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。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。
3.技术路线还在海选，飞轮已经开赛
甲子光年：极智嘉是怎么看待具身大模型的技术路径差异的？
陈曦：如果把具身智能马拉松比作马拉松，现在才刚刚开始，技术路线处于早期阶段。
目前行业的底层技术路线并没有形成统一标准，无论是 VLA还是世界模型，技术路线还未统一，都蕴含着巨大的潜力和想象空间，都值得我们深入探索。现阶段，各家具身智能企业的实际技术差距其实并不大。
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。
未来当主流技术路线逐渐收敛并统一时，这场马拉松才进入加速冲刺阶段。届时，谁在早期积累了足够深的数据壁垒，谁拥有更扎实的商业化落地能力和客户信任度，谁才是能够最终跑赢比赛、赢得市场的胜者。
甲子光年：那极智嘉4D大模型的技术路线是怎么确定的？
陈曦：最早期的时候，我们做的是类似“感知-决策-执行”的分层结构模型。经过数轮技术迭代，最终演进为融入世界模型能力的Gravity 4D具身大模型架构。
模型优势在于，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，极智嘉兼具效率与泛化的Gravity 4D模型，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具身大模型搭载到了Gino 1上，在商业落地层面这意味着什么？
陈曦：意味着“数据飞轮”加速运转、模型能力能够持续提升。仓储场景本就是具身智能的最佳训练场。
随着真机在真实物流场景中作业，海量的真实抓取、分拣、物理碰撞与环境反馈数据会源源不断倒灌回Gravity 4D大脑。而大模型能力持续迭代提升后，又能让机器人覆盖更复杂的任务、更广泛的SKU与场景，每一步突破都会打开新的市场空间。
甲子光年：所以是数据能力的提升带来了Gravity 4D大模型泛化性和运行效率的提升？
陈曦：泛化性提升靠高质量数据飞轮效应，效率提升靠模型架构设计和工程化。两者缺一不可，共同构成了极智嘉在具身智能商业化落地上的核心技术壁垒。
4.行业未到竞争，合作比竞争重要
甲子光年：极智嘉推出生态引擎战略的意图是？
陈曦：我们做生态，是想把技术和商业的闭环跑起来，极智嘉发挥的是桥接作用。
极智嘉有近1000家客户、1700个项目，是全球客户信赖的仓储物流领域机器人品牌。上游的技术方——做模型的、做本体的公司，都需要真实的场景和数据来验证技术能力。对于做模型的合作伙伴，我们可以提供稳定的本体、真实场景的数据，对于拥有本体的合作伙伴，我们可以作为集成商来设计解决方案，同规格这样的合作模式，我们集成上游合作伙伴的技术能力，去给终端客户交付解决方案。
甲子光年：你们不怕技术被别人学走或者上游供应商变成了竞争对手吗？
陈曦：具身智能这个行业的产业链非常长，一家公司很难能覆盖所有环节。
极智嘉要做好自己擅长的——全栈的硬件能力、场景理解、客户网络、模型基础，同时也要以开放的心态和别人合作。我们既可以提供自己的软硬件产品，也可以集成合作伙伴的产品，打包成完整的解决方案。大家各自发挥优势，才能让具身智能这个事做起来。
甲子光年：有没有想过在除了仓储之外的其他场景落地自己的产品？第一个想到的是什么？
陈曦：这个答案是非常明确的。我们做具身智能的定位，就是做通用人形机器人和通用的具身大脑。只是从商业角度考虑，我们第一步会先做物流和工业场景。更丰富的商业场景，我们接下来会去探索。
甲子光年：如果这种生态真的跑起来了，极智嘉会变成什么角色？
陈曦：我们既是产品公司，也是解决方案公司。如果生态跑起来，最大的价值是给具身智能技术找了一个商业落地的点。极智嘉作为具身智能解决方案专家，把做大脑算法的公司、做机器人本体的公司，在技术供给端形成合力，通过极智嘉集成和桥接到产业需求端，部署到客户的真实场景，转化为千行百业看得见、算得清的商业闭环和生产力红利。
（封面图及文中素材来源：极智嘉）
