AI消息速览

极智嘉发布《24/7自主智能仓计划》,以具身智能与AI Agent接管整仓运营

事件日期 2026-11-03 · 产业观察 · 已接受

事件日期2026-11-03
信息日期2026-11-03
入库日期2026-11-04
通道产业观察
状态已接受
来源量子位

知识卡片:极智嘉发布《24/7自主智能仓计划》,以具身智能与AI Agent接管整仓运营

一句话结论

极智嘉(Geek+)于2026年11月发布《24/7自主智能仓计划》,提出以具身智能机器人完成复杂物理作业、以AI Agent构建“仓库大脑”统筹调度运营,目标实现仓库7×24小时自主运行与持续进化。

事件概述或研究问题

  • 发布时间与主体:据量子位2026年11月3日报道,极智嘉正式推出《24/7自主智能仓计划》,定位为物理AI时代的“自进化智能仓”。
  • 核心问题:仓储自动化长期存在“单点效率提升难以支撑整仓智能化”的瓶颈——AMR已实现搬运、存储等标准化作业自动化,但复杂拣选(多SKU、包装与摆放频繁变化)仍高度依赖人工;同时传统仓储系统(调度、业务、数据平台)各自优化,缺乏整仓统一决策。
  • 计划分三步推进:打通全流程(具身智能接手复杂操作)、强化智能闭环(AI从发现问题到自主决策与动态调整)、规模化落地(借助全球交付与本地化运营能力复制)。

方法/产品要点

具身智能层(让机器人“干活”)

  • Gravity统一具身智能框架:负责任务理解与动作规划。
  • Gravity 4D具身世界模型:理解物理空间几何关系、受力与接触变化。
  • 宣称能力:跨任务泛化(陌生物品免逐个训练即可判断抓取)、动态抗干扰(物品移动/遮挡时调整动作)、长程任务执行(多步骤自主拆解规划)、自然语言纠偏(无需重新编程即可调整策略)。
  • 产品形态:通用人形机器人Gino 1(拣货、搬箱、与移动机器人协同连续拣选);无人拣选工作站(接手拣播环节)。
  • 全品类AMR覆盖料箱、托盘、货架等存储形式下的标准化作业。

AI Agent层(让AI“当厂长”)

  • “仓库大脑”将订单、库存、机器人、机械臂、工作站纳入统一运行状态体系,实现物理运行—数据感知—智能决策全流程闭环。
  • 底层三大系统:RMS(机器人调度)、WES(业务执行)、IOP(运营分析);IOP发现问题、WES制定编排策略、RMS调度执行。
  • 两类智能:协同智能(统一调度机器人、设备与流程,按实时订单调整任务与资源)、运营智能(实时监控、自主诊断异常、优化策略、减少人工值守)。
  • 三类AI 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(参数调整与策略落地)。
  • 学习闭环:“洞察—诊断—决策—执行—学习”;调度层调整可在数分钟内完成,整体运营策略按每天积累的数据持续优化。

主要结果或产业意义

  • 试点数据:施耐德电气上海物流中心试点中,无人拣选工作站拣选效率达人工的2倍,准确率超过99.99%。
  • 商业化规模(据文中表述):连续7年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。
  • 展会演示:2026年CeMAT展会上将全品类AMR与AI全仓调度串联,演示整仓协同作业。
  • 自主进化衡量指标(极智嘉系统平台部副总裁谭文哲提出):自主处理异常能力、复杂工况下吞吐稳定性、连续运行时长、故障后自主恢复效率。

为什么重要

  • 将具身智能的竞争焦点从单机任务(拣货、家务)推进到“整仓系统级自主”,对应物理AI规模化落地的三道坎:复杂作业独立完成、整仓自主决策、模式可大规模复制。
  • 提出把资深仓管人员的隐性运营经验转化为AI可调用、可复用的知识,指向“越运行越聪明”的持续学习路径。
  • 与既有卡片的关系:Gemini Robotics侧重通用机器人模型能力,Sanctuary AI侧重单工序(线束插入)的生产级指标,本卡片提供的是“多机器人+多系统+AI Agent”整仓级自主运营的产业案例,属于应用层与系统层增量。

局限与不确定性

  • 效率与准确率数据仅来自施耐德电气上海物流中心试点,其他场景与客户的复制效果待核实。
  • “7×24小时自主运行”“自进化”目前为计划目标与方向性表述,尚无大规模长期运行数据佐证。
  • 市占率第一、客户数、部署机器人数量等均为企业方口径,未见第三方审计数据。
  • 三类AI Agent的实际部署范围与自主程度待核实。
  • Gino 1人形机器人在真实仓储中的部署规模与稳定性待核实。

可用于图书/PPT/简报的角度

  • “从单点自动化到整仓自主”:仓储自动化瓶颈演进图(AMR标准化作业→复杂拣选→整仓调度决策)。
  • “机器人长手脚,AI当厂长”:具身智能层与AI Agent层的双层架构示意。
  • 学习闭环:“洞察—诊断—决策—执行—学习”与三类Agent分工。
  • 隐性经验知识化:老仓管经验如何变成可复用AI策略。
  • 产业化衡量标尺:自主处理异常、吞吐稳定性、连续运行时长、故障自恢复效率四项指标。
  • 试点数据对照:2倍效率、99.99%准确率的场景边界讨论。

原始材料

  • 来源:量子位(QbitAI)
  • 标题:机器人干活,AI当厂长!这家巨头要造下一代自主智能仓
  • 作者:梦瑶
  • 发布时间:2026-11-03 21:57:11
  • URL: https://www.qbitai.com/2026/11/507507.html

发现内容有误?

免登录提交,管理员审核并完成修正后才会公开修订说明。

值得关注

将具身智能的竞争焦点从单机任务(拣货、家务)推进到“整仓系统级自主”,对应物理AI规模化落地的三道坎:复杂作业独立完成、整仓自主决策、模式可大规模复制。 提出把资深仓管人员的隐性运营经验转化为AI可调用、可复用的知识,指向“越运行越聪明”的持续学习路径。 与既有卡片的关系:Gemini Robotics侧重通用机器人模型能力,Sanctuary AI侧重单…

相关主题

对应的教材知识点

根据卡片内容自动匹配,点击查看已审核的教材讲解: