从全仓智能到自主进化，极智嘉开启仓储智能化的下一站

2026年，仓储行业呈现两个明显变化：一个是具身智能已经从实验室走向真实仓储场景；另一个就是仓库“大脑”正在成为核心技术底座。这两个趋势在刚刚结束的亚洲国际物流技术与运输系统展览会(CeMAT ASIA 2026)上体现得淋漓尽致。

Q & A

谭文哲：从与客户的交流来看，市场需求正在发生明显转变，主要体现在四个方面：

• 一是全天候稳定运营需求。

  招工难、夜班缺口大，客户希望仓库减少现场值守，在订单高峰、夜间、节假日都能持续履约，提升供应链韧性。

• 二是方案可柔性扩展。

  很多客户担心一次性投入变成沉没成本，要求方案能在现有自动仓基础上扩展升级或分期落地：先局部自动化，后续平滑升级到全仓智能，并兼容原有WMS、MES、ERP系统。

• 三是复杂SKU适配能力。

  3C、医药、快消、汽车零部件客户的SKU越来越杂，包装形态不统一，希望机器人在新增货品时免于大量训练、快速适配。

• 四是可量化、透明化的运营指标。

  随着系统越来越复杂、AI技术能力越来越强，客户希望系统能自动进行数据分析、故障自诊断，运维简单，回报周期可控。

Q & A

谭文哲：在极智嘉的定义里，全仓智能不是把多个机器人或自动化设备简单拼在一起，而是以仓库“大脑”为核心，打通入库、质检、存储、拣选、复核、打包、出库、盘点、异常处理等全业务链路，由系统自主感知、自主决策、自主调度、自主修复，机器人集群协同作业，最终降低对现场人工干预的依赖，并能在持续运营中自我学习、持续优化。

仓储物流正在从“人工替代、硬件无人”向“软件智能、系统自驱”转型，进一步实现仓库的无人化、自主运维、持续智能进化。遇到拥堵、缺货、设备小故障、订单突变，系统自动调整策略，而不是等待人工下发指令。它追求的不是某一台机器人最快，而是整仓吞吐、履约稳定性、综合成本最优。

Q & A

谭文哲：要真正迈入全仓智能，需要攻克四大关键挑战：

• 一是非结构化场景的物理交互难题。不规则货品、混放、纸箱形变、环境光线变化，是具身智能落地的最大门槛。

• 二是异构设备协同难题。仓库里往往有不同类型AMR、机械臂、输送线、提升机，交互模式和协议各不相同，很难统一调度。

• 三是自主异常处理能力不足。现在很多自动化只能处理预设场景，一旦出现突发异常，必须人工到场介入，无法支撑长时间无人值守。

• 四是交付与规模化落地的矛盾。每个仓库户型、业务规则不一样，定制化太重会导致成本高、交付慢，很难复制推广。

针对这些挑战，极智嘉的做法是：

• 首先，打造统一的“具身智能框架+仓库大脑”作为统一底座，以一套调度引擎实现多品类机器人协同，打通业务流、库存流、设备流，而不是多个独立系统简单堆砌。

• 其次，持续沉淀真实仓储场景的数据飞轮，依托全球上千个落地仓库的运营数据，训练具身世界模型和全仓自主进化模型，提升机器人本体和系统的泛化性与自主优化能力。

• 再者，提供渐进式落地路径，不要求客户一步到位实现全仓无人，可以从单点自动化起步，逐步打通流程、叠加自主能力，平滑升级，控制投资风险。

• 最后，为客户提供订阅式运营服务，客户无需介入系统数据细节，由极智嘉服务团队提供端到端的效率提升或成本降低方案。

Q & A

谭文哲：《24/7自主智能仓计划》是极智嘉面向物理AI时代、在全仓智能基础上提出的下一阶段核心战略：依托端到端机器人产品线、Gravity具身智能底座和仓库大脑，目标推动仓库走向7×24小时自主运营、自主进化，降低对人工班次、现场常驻值守的依赖，最终让自主智能仓成为新一代供应链生产力基础设施。整个计划的推进路径，核心是三个方向：

• 第一，打通全流程自主作业闭环。持续补齐入库、拆码垛、拣选、打包、盘点、理货等薄弱环节的自主作业能力，用AMR、具身拣选工作站、通用人形机器人等具身产品，覆盖仓储完整履约链路。

• 第二，持续强化自主智能闭环能力。让仓库具备感知、决策、执行、自检、学习迭代能力，能够自主处理大部分常规异常，在订单波动时自动动态调优策略，并在日复一日的运营中持续进化。

• 第三，推动规模化、可复制落地。依托极智嘉在全球积累的商业化底座，把24/7自主能力做成模块化、标准化方案，既支持新建仓，也适配存量老仓改造，让不同行业、不同规模客户都能分阶段落地，而不是停留在标杆试点。

这项计划的意义远不止、明确了极智嘉下一阶段的发展目标与推进路径，更在于：它重新定义了仓储自动化的价值上限。过去自动化更多是局部环节换人，提效空间有限；24/7自主智能仓释放了仓库资产的时间价值，仓库不再受限于人工排班，夜间、周末持续履约，直接提升供应链响应速度和抗风险韧性，缓解全行业普遍的夜班用工短缺压力。

与此同时，它给行业提供了一条清晰、可落地的技术路线：从局部自动化到全仓智能，再到24/7自主进化仓，避免行业在AI浪潮中陷入纯概念内卷，把具身智能、大模型的能力锚定在仓储真实履约价值上。