“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。
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。
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。
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
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。
“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
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。
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。
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。
特别
“中国行，印度不行”？印媒：中国歼-16挂10枚空空导弹，印度苏-30MKI能照抄，但效果差
买衣服时那句“我买了”之前，99%的初中生都漏掉了这个词——try on与put on，差一个字，差了一个世界
一个“关”一个“调”，差之毫厘失之千里！turn off和turn down的区别，一篇讲透
give up、give in、give out还在混着用？三字口诀+场景拆解，一招全搞定
