“进厂进店不如进仓。”当整个具身智能行业都在讨论进工厂、进门店时极智嘉联合创始人、极智嘉具身智能科技有限公司CEO陈曦给出了截然不同的判断。他的逻辑直击要害制造场景可复制性差、规模化难——每一个行业每一条产线的每一个工位都不一样要让具身机器人进厂需要大量人工进行数据采集和交付部署加上人形机器人的高成本整体方案的经济性不占优势。而便利店、药店这类零售场景“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”。展会上看到的零售演示商品码放得整整齐齐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。相较而言仓储才是具身智能的最佳练兵场和商业化起点。这里的作业标准高度统一但SKU极多、数据密度极大最能锻炼具身技术能力、跑通商业闭环并实现大规模复制。这个判断极智嘉在WAIC 2026的展台上直接交了卷——人形机器人Gino 1与移动机器人编队协作在微型仓里行云流水地完成拣货、抱箱、投递没有慢动作没有遥控摆拍是全场唯一一支可直接上岗的智能生产力编队。效率是1泛化是后面的0当行业普遍把泛化能力当成具身智能最高标尺时陈曦抛出了更犀利的观点“效率才是商业化的入场券。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”在他看来泛化只回答了“能不能”没有回答“值不值”。今年被称为具身智能商业化落地元年但绝大多数演示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必须过效率关。这份底气源于极智嘉十余年的场景深耕。从创立之初极智嘉对自己的定位就是一家智能机器人公司。“只是我们把机器人技术做好之后首先锚定了具有巨大产业价值的仓储物流行业。”陈曦说。为什么是仓储因为仓库里几百万种SKU覆盖了日常生活中绝大多数物品。在这里练出的稳定搬运、抓取操作能力会变成未来在商业场景甚至家庭场景中基础操作能力的“原子动作”——所有对物品操作的泛化能力在仓库里都能练出来。而仓库里最能锤炼这种能力的正是看似简单的“拣选”。“Bin-picking”被机器人学界称为“圣杯问题”——攻克它整条能力树都会亮。一次拣选考完视觉、物理、策略、容错四张卷子视觉要识别千奇百怪的物品形态物理要判断抓取的角度与力度策略要规划最优的路径与顺序容错要应对遮挡、变形、光照变化等无数种意外。行业共识是仓储拣货是Physical AI最稀缺的训练场集齐了高频、真实、反馈明确、可迁移、接近商业闭环五个条件。而这五个条件要同时满足前提是你得先有一个每天都在真实作业的业务网络。极智嘉刚好有。覆盖40多个国家、累计落地超1700个项目、服务950多家国际品牌——日均千万级订单每一次作业都在反哺模型越干越聪明。技术路线还在海选飞轮已经开赛让这套飞轮转得更快的是极智嘉最新发布的Gravity 4D具身模型。“传统具身模型最大的问题是‘割裂’——懂语言语义的模型算不准物理运动能预测物理运动的模型缺乏高层语义理解。”极智嘉具身大模型团队负责人陈超点出核心矛盾。Gravity采用“双脑协同”架构“认知脑”负责读懂复杂指令并拆解任务“行动脑”在动手之前进行物理“沙盘推演”。与传统视觉大模型仅预测“下一秒画面长什么样”不同Gravity 4D通过提取4D latent特征同时学习未来RGB外观、三维结构和三维运动。用陈超的话说是“让机器人长出物理直觉”像工程师一样理解物理世界而非像导演一样生成画面。对于行业在VLA和世界模型之间的激烈站队陈曦的判断异常冷静“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。开放的护城河越挖越深技术底座有了但极智嘉要成为“具身智能解决方案专家”不能只靠自己。WAIC 2026现场极智嘉发布GINO ECO开放生态计划——面向具身模型公司与高校开放高可靠、低成本的硬件平台联合各行业龙头客户共同探索创新场景携手互补性硬件企业协同打造端到端全域具身工作流。有人问把壁垒分享出去护城河怎么办陈曦的回答是具身智能产业链非常长一家公司很难覆盖所有环节。极智嘉的角色是做桥接者——上游的模型公司需要真实场景和数据验证能力极智嘉可以提供稳定的本体下游的终端客户需要完整解决方案极智嘉可以集成合作伙伴的产品来交付。“行业未到竞争合作比竞争重要。”生态越开放接入的具身模型公司、硬件企业、场景客户越多Gravity框架作为技术底座的地位就越不可替代。具身智能是一场长跑不是冲刺。极智嘉用十一年练基本功靠的不只是技术更是一套完整的商业逻辑锚定仓储第一场景、用效率定义商业化门槛、以开放生态扩大护城河。正如陈曦所说这场马拉松才刚刚开始而极智嘉早已跑在解决问题的路上。