極智嘉WAIC 2026: 首發Gravity“雙腦”框架，揭曉"一核雙引擎"具身布局

上海，2026年7月17日——全球智能機器人引領者極智嘉（Geek+，02590.HK）今日在2026世界人工智能大會（WAIC）上，發布面向長程復雜任務的統一具身智能框架——Gravity，并率先推出其核心模塊 Gravity 4D 具身模型，這是一次從"預測畫面"到"預判物理"的范式級躍遷。同日，極智嘉正式揭曉"一核雙引擎"通用具身智能布局。

"一核雙引擎"布局：

? 一個智能核心：Gravity 具身智能框架，為機器人注入"物理直覺"。Gravity讓機器人理解三維世界，先想清楚、再動手，并在真機部署后越用越強。這是極智嘉具身生產力的技術底座。

? 數據引擎戰略：依托全球智慧物流領域最大規模真實業務網絡，構建物理 AI 訓練場與數據飛輪，讓大腦"在實戰中進化"。

? 生態引擎戰略：打造 GINO ECO 開放生態，推動具身智能"規模化商用落地"。極智嘉以"具身智能解決方案專家"的定位，加速技術從原型走向生產力。

基于十余年真實場景積累與已跑通的商業化能力，"一核雙引擎"系統化構建了從模型進化、數據閉環到規模落地的正向循環，推動極智嘉邁向通用機器人和全場景應用的新征程。

【智能核心：Gravity"雙腦協同"框架——先想清楚，再動手】

此前行業具身技術長期割裂：懂語言語義的模型算不準物理運動，能預測物理運動的模型缺乏高層語義理解、任務規劃——語言腦和物理腦各說各話。Gravity 打破這一瓶頸，構建"雙腦協同（Mixture-of-Transformers, MoT）"架構，讓機器人具備"先想清楚、再動手"的完整心智：

? 認知腦（AR Transformer）—— 參謀部: 讀懂、拆解、定計劃。作為認知中樞，它聽懂人類復雜指令、看懂場景語義，把一個長程任務精準拆解成可執行的子步驟。

? 行動腦（Diffusion Transformer）—— 前線指揮官: 沙盤推演、定動作。這是Gravity 4D的核心。在動手之前，它先在腦海里"過一遍電影"：如果這么伸出去，物體會不會滑？不同動作分別導致什么后果？預判風險后，生成最穩妥的連續動作序列。

認知腦定戰略，行動腦打戰術。Gravity讓具身更像“人”: 想清楚再動手。

Gravity 框架總體架構示意

不做視覺復刻，Gravity 4D 讓機器人長出"物理直覺"

傳統視覺大模型只預測"下一秒畫面長什么樣"，卻經常生成違背物理常識的假象——機械臂"穿模"、物體"懸空"，在視頻里看著對，在現實里干不了活。

Gravity 4D擴展二維視頻預測范式，以Gravity 4D-VAE提取的4D latent作為教師監督，在latent空間同時學習未來RGB外觀、三維結構和三維運動：pointmap表征"物體位于何處"，scene flow表征"物體如何運動"。無需監督原始點云、無需顯式三維流程，即可將4D基礎模型先驗蒸餾至WAM，從"預測視覺合理的未來"轉向"建模三維運動規律的未來"。

當機械臂伸出的那一刻，它已經理解了物理空間里的幾何關系、受力動態與接觸變化——動作不只是"看起來對"，更是"物理上對"。

Gravity 4D 總體架構示意

可視化：RGB、pointmap（Depth）與 scene flow

在公開基準LIBERO-Plus上，零樣本情況下，引入4D表征后主版本成功率從73.73%提升至78.62% ，最優變體達79.25% 。相機視角、傳感器噪聲、光照三類"外觀變但物理不變"場景提升最顯著，直接驗證核心假設：學到的是物理規律，不是畫面。消融實驗進一步表明——Pointmap-only變體表現優異（空間結構是操作最關鍵監督信號之一），僅加depth預測反而下降（堆砌模態無效，架構路徑才關鍵）。

深認知，快行動——把物理法則練成"肌肉記憶"

"雙腦"架構既給機器人絕頂的聰明，也給它極致的執行力。

訓練階段，Gravity 像海綿一樣通過視覺、觸覺、力覺等多維表征把三維世界的運行規律"吃透"——這是深認知。真實作業推理時，系統自動屏蔽冗余思考分支，以極簡鏈路實時輸出動作——這是快行動。

這種"訓練時做加法，執行時做減法"的設計，讓機器人以極低延遲、極高成功率敏捷作業——正如職業運動員千錘百煉之后形成的"肌肉記憶"：不必刻意思考，身體已經知道怎么做對。

未來，Gravity 框架還將引入更多物理表征（質量、摩擦、形變、接觸力）、專家先驗、分層記憶與強化學習自進化等能力，讓具身大腦持續逼近對真實物理世界的完整理解。

【數據引擎戰略：以全球最大真實訓練場，跑通"數據飛輪"】

具身智能的核心瓶頸是真實世界數據的極度稀缺。仿真還原不了摩擦、形變與意外。誰先建成持續產出高質量數據的訓練場，誰的大腦就越跑越快、越干越聰明。

因此，極智嘉把倉儲揀貨作為世界上規模最大、物品種類最豐富的物理 AI 訓練場，構建具身數據飛輪。首先，倉儲是一個 "有邊界的復雜世界" ——環境相對結構化，但交織著無盡的動態變化，是平衡模型訓練難度與業務安全性的最佳試煉場。

不僅如此，行業正在形成共識：倉儲揀貨（Picking）是物理 AI 的"訓練靶心" 。它集齊了模型進化最稀缺的五個條件：

? 高頻：全球倉庫每天億級規模真實揀選，覆蓋百萬級SKU，為模型提供永不枯竭的"數據活水"；

? 真實：直接接觸真實世界的各種材質、重量和形變，補上仿真永遠模擬不出來的物理細節；

? 反饋明確：抓沒抓起、有無超時，成敗指標絕對清晰——這是強化學習最干凈的獎勵信號；

? 可遷移："揀"凝聚了手眼協調、力控、空間理解等一系列底層能力，這些能力在產線送料、門店補貨、藥房配藥中同樣適用，把揀做透，就能干所有需要動手的活；

? 接近商業閉環：直接嵌入真實訂單流和運營系統，模型表現可被商業結果實時校準。

可見，”揀“一次性考完了視覺、物理、策略、容錯四張卷子——它絕非單一場景，而是通向通用智能的能力底座。在機器人學界，Bin-picking 被稱為‘圣杯問題’，不僅因為它極具挑戰，更是因為它一旦被攻下，整條能力樹就亮了。

五大壁壘——讓數據飛輪成就生產力”分水嶺“

支撐飛輪持續高速運轉的，是極智嘉難以被復制的五大壁壘：

? 全球最大真實業務網絡：覆蓋40多個國家超 1700 個項目的業務網絡，為沃爾瑪、阿迪達斯、西門子、寶馬等950+家國際知名品牌提供AI機器人解決方案，場景橫跨快消、鞋服、商超百貨、3PL、汽車等千行百業，日均處理訂單量達千萬級。

? 模型專項優化：Gravity 4D當前率先圍繞揀選等高頻物理交互場景做深度專項優化，針對百萬級SKU、多材質多姿態、人機混行等真實工況持續迭代；

? 跨域泛化能力：跨越不同國家、文化與極端工況的商業網絡，讓模型"吃遍全球的鹽"，具備極強的環境適應性；

? 萬級集群調度能力：單倉超5000臺機器人的大規模調度經驗，讓具身智能天然長出"協作基因"，能融入工作流、形成整體解決方案；

? 雙軌制安全邊界：將前沿具身智能與成熟機器人方案深度整合，用成熟體系為創新劃好安全邊界——允許試錯，但絕不讓業務停擺。

這些能力環環相扣，不僅讓極智嘉在"先干活→再回流→再進化"的數據飛輪中占據先發優勢，也讓公司具備向制造、商業零售等更廣闊實體場景平滑擴張的潛能。

【生態引擎戰略：GINO ECO開放生態——做全球客戶可信的"具身智能解決方案專家"】

數據引擎解決大腦進化的"養分問題"，但要讓技術真正兌現商業價值，還必須跨過從"模型"到"商用"的最后一公里。極智嘉正式推出 GINO ECO 開放生態計劃，以"具身智能解決方案專家"的定位，一頭連接技術供給、一頭緊扣產業需求，加速具身技術的規模化變現。

極智嘉發揮覆蓋全球的業務網絡、深厚的客戶互信、場景Know-how與整體方案交付能力，作為懂客戶、能交付閉環的解決方案專家，與生態伙伴共享數據、共同為終端客戶交付可信賴、高可靠、可算清ROI的具身智能整體解決方案。

GINO ECO生態計劃三大開放方向：

? 面向具身模型公司與高校：開放高可靠、低成本的具身機器人硬件平臺，共同開發貼近倉儲物流痛點的具身應用。極智嘉發揮十余年軟硬件技術和供應鏈積淀，把硬件穩定性做到極致、把供應鏈成本壓到極致——為全行業提供一張拿來即用、高性價比的"物理入場券"。

? 聯合各行業龍頭客戶：共同探索創新場景應用，將前沿智能與真實業務流深度綁定，開拓具身商業落地的新邊界。

? 攜手互補性硬件企業：協同打造端到端全域具身工作流，打破單一公司所能覆蓋的具身落地邊界。

為什么選擇極致開放？三個判斷

極智嘉之所以選擇開放，源于對具身產業現狀的三個判斷：

1. 技術路徑尚未收斂，封閉即是自縛。具身大腦的技術演進百花齊放，沒有任何一家公司能獨占所有優勢。唯有共享數據、合作共創，才能把各家所長組合成真正為客戶創造價值的最優解。

2. 場景是最好的試煉場，場景定義硬件。真實場景數據是全行業最稀缺的燃料。極智嘉敞開十余年積累的物流場景與場景Know-how，讓伙伴的大腦在真實世界里安全試煉、共同進化，共享規模化商用紅利。

3. 具身智能是一場長跑，不是沖刺。產業化非一家公司可獨力完成。極智嘉愿做整個產業的"超級連接器"——張開雙臂歡迎算法公司與學術機構，也深度聯合先鋒客戶與硬件伙伴。

Gino Eco生態是讓飛輪從自轉變公轉，更多聰明的大腦在真實世界里進化起來，更多形態機器人加入生產力編隊。

“具身智能的價值，最終要在客戶現場兌現——這是極智嘉過去十一年一直在做的事，也是未來十年的主線。”極智嘉創始人兼CEO 鄭勇表示，“我們希望通過Gino Eco生態計劃攜手全行業，把宏大的技術愿景轉化為千行百業看得見、算得清的商業閉環和生產力紅利。”

與此同時，極智嘉將持續打磨Gravity具身大腦和Gino 1人形等自有具身硬件，在商業現場淬煉出一支能打硬仗的標桿編隊；并以Gino Eco開放生態，讓更多形態機器人、更多行業場景加入這支智能生產力編隊。自己的編隊跑通是樣板，全行業生態的協同共振，才是物理 AI 時代的新生產力。

歡迎關注【華商韜略】，識風云人物，讀韜略傳奇。