几百台机器人夜里自己干活：极智嘉想让整座仓库 7×24 小时自主运行

凌晨两点，仓库的灯还亮着，但通道里没有人。几百台移动机器人沿着各自的路径穿梭，机械臂在拣选站上取放货箱，系统在后台重新计算哪一单该先走、哪台车该让路。第二天早上，运营人员打开面板，看到的不是一堆待处理的异常，而是一份已经执行完的夜间复盘。

这是极智嘉（Geek+）在 11 月 3 日亮出的《24/7 自主智能仓计划》想描绘的图景。它讲的不是某一台机器人更灵活，而是整座仓库能不能自己运转、自己发现问题、自己在运行中变聪明。

一分钟速览

• 极智嘉发布《24/7 自主智能仓计划》，目标是把智能仓储从单点自动化推进到整仓自主运行。
• 仓储自动化的瓶颈已从搬运、存储转向复杂拣选：SKU 多、包装变、摆放位置频繁变化。
• 方案底座是 Gravity 统一具身智能框架与 Gravity 4D 具身世界模型，前者管任务规划，后者管理物理空间理解。
• 通用人形机器人 Gino 1 可拣货、搬箱，并与移动机器人协同完成连续拣选。
• 施耐德电气上海物流中心试点中，无人拣选工作站效率达到人工 2 倍，准确率超过 99.99%。
• 极智嘉连续 7 年位居 AMR 市占率第一，覆盖 40 多个国家和地区、超 1000 家客户，累计部署机器人超 8.1 万台。

最难的那一段，仍然靠人

过去十多年，仓储自动化的进展主要发生在标准化环节。AMR 让搬运和存储实现了高度自动化，货物甚至能自己找到人。但只要进入复杂拣选，面对成千上万种 SKU、频繁变化的包装和摆放位置，机器人依旧容易犯难。

这暴露了一个尴尬的事实：物理 AI 的自动化程度越高，对人工的依赖反而越集中在最难的环节。单点效率的提升，已经很难支撑整座仓库的智能化跃迁。你可以在一个工位上把节拍压到极致，但只要上下游还要等人来判断、等人来补位，整仓的效率就被卡住。

极智嘉的判断是，下一代仓储智能化的关键，是实现 7×24 小时自主运行、持续进化，并依托规模化商业能力，让自主智能仓成为新一代生产力基础设施。说白了，仓库不能只在有人盯着的时候高效，而要在没人盯着的时候也能稳定产出。

“仓库大脑”要统的不是一台车，是整座仓

传统仓储系统往往是各管一摊：调度系统优化机器人路径，业务系统优化订单执行，数据平台负责统计报表。每个系统都有自己的优化目标，但很难站在整座仓库的角度统一决策。

极智嘉想做的是给这些系统装一个能统筹全局的”仓库大脑”：把订单、库存、机器人、机械臂、工作站纳入统一的运行状态体系，实现从物理运行、数据感知到智能决策的全流程闭环，做实时、全局的优化。

底层由 RMS、WES、IOP 三大系统支撑，分别负责机器人调度、业务执行和运营分析。IOP 发现问题，WES 制定和编排策略，RMS 调度机器人执行，三者协作。真正让系统变聪明的是在此基础上构建的全仓智能，通过 AI Agent 持续强化两项能力：既要管好眼前的活，还要琢磨怎么把活干得更好。

目前围绕这套流程有三类 Agent：监控 Agent 识别异常，数据分析 Agent 追查原因、提出方案，部署配置 Agent 负责参数调整与策略落地。它们还结合了极智嘉积累的现场运营经验和效率分析框架，把过去资深仓管人员反复排查的问题，转化为 AI 能调用、分析和复用的知识。

机器人怎么”先想清楚再动手”

让机器人处理从未见过的异常，靠的不是把动作写得更细，而是让它具备理解任务和物理空间的能力。极智嘉的 Gravity 统一具身智能框架，负责让机器人理解任务、规划动作；Gravity 4D 具身世界模型，负责让它理解物理空间的几何关系、受力与接触变化。

两者结合，机器人在面对复杂任务和突发变化时，才有更多自主应对的空间。再叠加多模态感知、长程任务推理、4D 物理建模与动作规划，机器人开始走进真实仓储作业：Gino 1 既能拣货、搬箱，也能与移动机器人协同，完成连续的拣选任务；无人拣选工作站则接手过去高度依赖人工的拣播环节。

数据最能说明问题。在施耐德电气上海物流中心的试点中，这套方案的拣选效率达到人工的 2 倍，准确率超过 99.99%。这不是实验室指标，而是在真实业务节拍下跑出来的结果。

自主仓的账怎么算

客户真正关心的，不是机器人会不会跳舞，而是系统能否长期稳定运行、融入现有业务、投入后能带来多少收益。

极智嘉给出的衡量指标很工程化：自主处理异常的能力、复杂工况下的吞吐稳定性、连续运行时长、故障后的自主恢复效率。这四个指标指向同一个问题：当没有人值守时，系统能不能自己把坑填上。

经济账也不难理解。仓库每多一小时自主运转，就多一小时摆脱人工班次限制的产能。夜间和订单高峰的持续履约能力，直接关系到供应链响应速度；更重要的是，能让投入重金的自动化设备真正跑满产能，把夜班用工和现场管理压力转化为运营收益。

趋势：从”设备自动化”到”系统自主化”

仓储行业过去卖的是设备：多少台 AMR、多少个货架、多少米输送线。现在，领先厂商开始卖”运行结果”：整仓每小时能出多少单、异常多久能恢复、夜里能不能无人值守。

这个转变对厂商的能力要求完全不同。设备生意拼的是硬件成本和交付速度；系统生意拼的是软件、数据、现场经验和长期服务。后者更难复制，也更难被低价替代。

物理 AI 的规模化落地，大概都会走同一条路：先让单台设备动起来，再让多台设备协同，最后让整个系统自己决策、自己恢复、自己进化。极智嘉的计划能否兑现，要看它在不同客户、不同仓库形态里能否重复交付。但至少，它把问题问对了——下一代仓储的竞争力，不在于机器人多能干，而在于整座仓库能不能自己干。