上海，2026年7月17日——全球智能机器人引领者极智嘉（Geek+，02590.HK）今日在2026世界人工智能大会（WAIC）上，发布面向长程复杂任务的统一具身智能框架——Gravity，并率先推出其核心模块 Gravity 4D 具身模型，这是一次从"预测画面"到"预判物理"的范式级跃迁。同日，极智嘉正式揭晓"一核双引擎"通用具身智能布局。

"一核双引擎"布局：

• 一个智能核心：Gravity 具身智能框架，为机器人注入"物理直觉"。Gravity让机器人理解三维世界，先想清楚、再动手，并在真机部署后越用越强。这是极智嘉具身生产力的技术底座。
• 数据引擎战略：依托全球智慧物流领域最大规模真实业务网络，构建物理 AI 训练场与数据飞轮，让大脑"在实战中进化"。
• 生态引擎战略：打造 GINO ECO 开放生态，推动具身智能"规模化商用落地"。极智嘉以"具身智能解决方案专家"的定位，加速技术从原型走向生产力。

基于十余年真实场景积累与已跑通的商业化能力，"一核双引擎"系统化构建了从模型进化、数据闭环到规模落地的正向循环，推动极智嘉迈向通用机器人和全场景应用的新征程。

 

智能核心：Gravity"双脑协同"框架——先想清楚，再动手

此前行业具身技术长期割裂：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、任务规划——语言脑和物理脑各说各话。Gravity 打破这一瓶颈，构建"双脑协同（Mixture-of-Transformers, MoT）"架构，让机器人具备"先想清楚、再动手"的完整心智：

• 认知脑（AR Transformer）—— 参谋部: 读懂、拆解、定计划。作为认知中枢，它听懂人类复杂指令、看懂场景语义，把一个长程任务精准拆解成可执行的子步骤。
• 行动脑（Diffusion Transformer）—— 前线指挥官: 沙盘推演、定动作。这是Gravity 4D的核心。在动手之前，它先在脑海里"过一遍电影"：如果这么伸出去，物体会不会滑？不同动作分别导致什么后果？预判风险后，生成最稳妥的连续动作序列。

认知脑定战略，行动脑打战术。Gravity让具身更像“人”: 想清楚再动手。

 

Gravity 框架总体架构示意

不做视觉复刻，Gravity 4D 让机器人长出"物理直觉"

传统视觉大模型只预测"下一秒画面长什么样"，却经常生成违背物理常识的假象——机械臂"穿模"、物体"悬空"，在视频里看着对，在现实里干不了活。

Gravity 4D扩展二维视频预测范式，以Gravity 4D-VAE提取的4D latent作为教师监督，在latent空间同时学习未来RGB外观、三维结构和三维运动：pointmap表征"物体位于何处"，scene flow表征"物体如何运动"。无需监督原始点云、无需显式三维流程，即可将4D基础模型先验蒸馏至WAM，从"预测视觉合理的未来"转向"建模三维运动规律的未来"。

当机械臂伸出的那一刻，它已经理解了物理空间里的几何关系、受力动态与接触变化——动作不只是"看起来对"，更是"物理上对"。

 

Gravity 4D 总体架构示意

 

可视化：RGB、pointmap（Depth）与 scene flow

在公开基准LIBERO-Plus上，零样本情况下，引入4D表征后主版本成功率从73.73%提升至78.62% ，最优变体达79.25% 。相机视角、传感器噪声、光照三类"外观变但物理不变"场景提升最显著，直接验证核心假设：学到的是物理规律，不是画面。消融实验进一步表明——Pointmap-only变体表现优异（空间结构是操作最关键监督信号之一），仅加depth预测反而下降（堆砌模态无效，架构路径才关键）。

深认知，快行动——把物理法则练成"肌肉记忆"

"双脑"架构既给机器人绝顶的聪明，也给它极致的执行力。

训练阶段，Gravity 像海绵一样通过视觉、触觉、力觉等多维表征把三维世界的运行规律"吃透"——这是深认知。真实作业推理时，系统自动屏蔽冗余思考分支，以极简链路实时输出动作——这是快行动。

这种"训练时做加法，执行时做减法"的设计，让机器人以极低延迟、极高成功率敏捷作业——正如职业运动员千锤百炼之后形成的"肌肉记忆"：不必刻意思考，身体已经知道怎么做对。

未来，Gravity 框架还将引入更多物理表征（质量、摩擦、形变、接触力）、专家先验、分层记忆与强化学习自进化等能力，让具身大脑持续逼近对真实物理世界的完整理解。

数据引擎战略：以全球最大真实训练场，跑通"数据飞轮"

具身智能的核心瓶颈是真实世界数据的极度稀缺。仿真还原不了摩擦、形变与意外。谁先建成持续产出高质量数据的训练场，谁的大脑就越跑越快、越干越聪明。

因此，极智嘉把仓储拣货作为世界上规模最大、物品种类最丰富的物理 AI 训练场，构建具身数据飞轮。首先，仓储是一个 "有边界的复杂世界" ——环境相对结构化，但交织着无尽的动态变化，是平衡模型训练难度与业务安全性的最佳试炼场。

不仅如此，行业正在形成共识：仓储拣货（Picking）是物理 AI 的"训练靶心" 。它集齐了模型进化最稀缺的五个条件：

• 高频：全球仓库每天亿级规模真实拣选，覆盖百万级SKU，为模型提供永不枯竭的"数据活水"；
• 真实：直接接触真实世界的各种材质、重量和形变，补上仿真永远模拟不出来的物理细节；
• 反馈明确：抓没抓起、有无超时，成败指标绝对清晰——这是强化学习最干净的奖励信号；
• 可迁移："拣"凝聚了手眼协调、力控、空间理解等一系列底层能力，这些能力在产线送料、门店补货、药房配药中同样适用，把拣做透，就能干所有需要动手的活；
• 接近商业闭环：直接嵌入真实订单流和运营系统，模型表现可被商业结果实时校准。

可见，”拣“一次性考完了视觉、物理、策略、容错四张卷子——它绝非单一场景，而是通向通用智能的能力底座。在机器人学界，Bin-picking 被称为‘圣杯问题’，不仅因为它极具挑战，更是因为它一旦被攻下，整条能力树就亮了。

五大壁垒——让数据飞轮成就生产力”分水岭“

支撑飞轮持续高速运转的，是极智嘉难以被复制的五大壁垒：

• 全球最大真实业务网络：覆盖40多个国家超 1700 个项目的业务网络，为沃尔玛、阿迪达斯、西门子、宝马等950+家国际知名品牌提供AI机器人解决方案，场景横跨快消、鞋服、商超百货、3PL、汽车等千行百业，日均处理订单量达千万级。
• 模型专项优化：Gravity 4D当前率先围绕拣选等高频物理交互场景做深度专项优化，针对百万级SKU、多材质多姿态、人机混行等真实工况持续迭代；
• 跨域泛化能力：跨越不同国家、文化与极端工况的商业网络，让模型"吃遍全球的盐"，具备极强的环境适应性；
• 万级集群调度能力：单仓超5000台机器人的大规模调度经验，让具身智能天然长出"协作基因"，能融入工作流、形成整体解决方案；
• 双轨制安全边界：将前沿具身智能与成熟机器人方案深度整合，用成熟体系为创新划好安全边界——允许试错，但绝不让业务停摆。

这些能力环环相扣，不仅让极智嘉在"先干活→再回流→再进化"的数据飞轮中占据先发优势，也让公司具备向制造、商业零售等更广阔实体场景平滑扩张的潜能。

 

生态引擎战略：GINO ECO开放生态——做全球客户可信的"具身智能解决方案专家"

数据引擎解决大脑进化的"养分问题"，但要让技术真正兑现商业价值，还必须跨过从"模型"到"商用"的最后一公里。极智嘉正式推出 GINO ECO 开放生态计划，以"具身智能解决方案专家"的定位，一头连接技术供给、一头紧扣产业需求，加速具身技术的规模化变现。

极智嘉发挥覆盖全球的业务网络、深厚的客户互信、场景Know-how与整体方案交付能力，作为懂客户、能交付闭环的解决方案专家，与生态伙伴共享数据、共同为终端客户交付可信赖、高可靠、可算清ROI的具身智能整体解决方案。

GINO ECO生态计划三大开放方向：

• 面向具身模型公司与高校：开放高可靠、低成本的具身机器人硬件平台，共同开发贴近仓储物流痛点的具身应用。极智嘉发挥十余年软硬件技术和供应链积淀，把硬件稳定性做到极致、把供应链成本压到极致——为全行业提供一张拿来即用、高性价比的"物理入场券"。
• 联合各行业龙头客户：共同探索创新场景应用，将前沿智能与真实业务流深度绑定，开拓具身商业落地的新边界。
• 携手互补性硬件企业：协同打造端到端全域具身工作流，打破单一公司所能覆盖的具身落地边界。

为什么选择极致开放？三个判断

极智嘉之所以选择开放，源于对具身产业现状的三个判断：

1. 技术路径尚未收敛，封闭即是自缚。具身大脑的技术演进百花齐放，没有任何一家公司能独占所有优势。唯有共享数据、合作共创，才能把各家所长组合成真正为客户创造价值的最优解。
2. 场景是最好的试炼场，场景定义硬件。真实场景数据是全行业最稀缺的燃料。极智嘉敞开十余年积累的物流场景与场景Know-how，让伙伴的大脑在真实世界里安全试炼、共同进化，共享规模化商用红利。
3. 具身智能是一场长跑，不是冲刺。产业化非一家公司可独力完成。极智嘉愿做整个产业的"超级连接器"——张开双臂欢迎算法公司与学术机构，也深度联合先锋客户与硬件伙伴。

Gino Eco生态是让飞轮从自转变公转，更多聪明的大脑在真实世界里进化起来，更多形态机器人加入生产力编队。

 

“具身智能的价值，最终要在客户现场兑现——这是极智嘉过去十一年一直在做的事，也是未来十年的主线。”极智嘉创始人兼CEO 郑勇表示，“我们希望通过Gino Eco生态计划携手全行业，把宏大的技术愿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。”

与此同时，极智嘉将持续打磨Gravity具身大脑和Gino 1人形等自有具身硬件，在商业现场淬炼出一支能打硬仗的标杆编队；并以Gino Eco开放生态，让更多形态机器人、更多行业场景加入这支智能生产力编队。自己的编队跑通是样板，全行业生态的协同共振，才是物理 AI 时代的新生产力。