极智嘉发布24/7自主智能仓计划，AI当厂长实现整仓7×24小时无人化运行

11月2日，仓储物流自动化企业极智嘉（Geek+）正式宣布《24/7自主智能仓计划》，将“全仓自主化”确立为下一阶段核心战略。该计划并非概念空谈，而是基于其已落地的全球规模化商业体系，旨在推动仓库从“人机协同”迈向“AI当厂长”的整仓自主运行新阶段——系统可全天候响应订单、处理异常、自我优化，无需人工值守。

这一转变的关键在于技术路径的双重升级：具身智能拓展物理执行边界，全仓智能强化系统级决策能力。过去十年，AMR（自主移动机器人）已在搬运、存拣等结构化任务中实现高效自动化；但真实仓库仍存在大量柔性操作、SKU动态变化与突发异常，长期依赖人工干预。极智嘉依托自主研发的Gravity统一具身智能框架与Gravity 4D具身世界模型，融合多模态感知、4D物理建模与长程任务规划，使机器人不仅能识别物体，还能预判其空间运动轨迹并生成可靠动作策略，显著提升在复杂场景下的自主操作与异常恢复能力。

在硬件层面上，极智嘉已构建业界最完整的端到端机器人解决方案体系：涵盖料箱、托盘、货架三类主流存储形式的AMR组合，覆盖搬运、上架、拣选等标准流程；同时通过具身智能机器人补足拆零、分拣、异常理货等柔性环节，形成物理作业闭环。这些设备不仅是执行单元，更持续向“仓库大脑”反馈真实运行数据，构成闭环优化的数据基础。

真正的“AI当厂长”角色由其软件中枢——Geek+ Warehouse Brain（仓库大脑）承担。该平台由RMS机器人管理调度系统、WES仓储执行系统与IOP智能运营平台三大模块构成，整合AI智能体能力与知识底座，实现从感知、分析、决策、执行到反馈学习的完整智能闭环。

其中，“协同智能”聚焦多机器人集群的实时调度与动态耦合：面对数百台设备并发运行，系统需在毫秒级完成路径重规划、任务再分配与冲突避让；“运营智能”则进一步进阶——不再仅限于“发现问题+提建议”，而是逐步实现自主诊断、自动调优与持续改善。例如，当某区域拣选效率下降时，系统可自主调整波次策略、重分配机器人资源，甚至触发模拟推演以预测最优方案，最终直接执行优化动作。

极智嘉创始人兼CEO郑勇指出：“过去11年，我们已在全球部署超5万台机器人，验证了大规模商业可行性。下一阶段，目标是让整个仓库像一个有机生命体一样自主运行、持续进化。”这一愿景直指当前行业痛点：传统自动化仓库仍受限于人工班次，夜班人力成本高、管理难度大；而7×24自主运行不仅能释放设施产能、提升订单履约时效，更能增强供应链韧性——在节假日高峰或突发需求激增时，系统可即时扩容响应，避免因人力短缺导致履约延迟。

技术挑战同样严峻。真实仓储环境充满长尾场景：破损商品识别、非标包装抓取、设备突发卡滞等，对模型泛化能力提出极高要求；大规模系统还需具备强鲁棒性与容错机制——单台机器人故障不应引发全局停摆，而应由邻近单元自动接管任务；更关键的是，系统必须支持跨场景知识迁移与持续学习，使经验在不同客户仓库间复用，而非每次部署都从零训练。

极智嘉的应对策略体现在其三大推进方向：

第一，打通全流程（Complete the Flow）。持续将具身智能延伸至抓取、分拣、复核、异常处理等此前依赖人工的环节，逐步消除“自动化孤岛”，实现从入库到出库的连续无人作业链。

第二，强化智能闭环（Strengthen the Intelligence Loop）。以仓库大脑为核心，深化数据飞轮效应：每一次任务执行产生新数据，反哺模型迭代；每一次异常处置沉淀为知识规则，提升后续同类问题的自主解决率。IOP平台已支持基于历史数据的性能预测与根因分析，未来将进一步开放自主决策权限。

第三，规模化落地（Scale Autonomy）。依托“全球布局，本地深耕”策略，极智嘉已在亚洲、欧洲、北美建立本地化交付与服务网络，并持续推进研发与制造本地化。这意味着自主智能仓方案可适配不同区域法规、电力条件与业务习惯，降低客户采纳门槛。

值得注意的是，该计划并非孤立技术堆砌，而是将具身智能与全仓智能视为一体两面：前者赋予机器人“手眼脑”协同的物理行动力，后者提供整仓级的“战略思维”与“组织协调力”。二者协同，才可能支撑起真正意义上的“自进化无人仓”——它不仅高效，更能在长期运行中越用越聪明。

行业层面看，仓储自动化正从“效率工具”转向“基础设施”。据Logistics IQ数据，2025年全球智能仓储市场规模预计达480亿美元，年复合增长率超15%。而随着电商履约时效压缩至“半日达”甚至“小时达”，传统人力密集型仓库的边际效益持续递减。极智嘉此次计划若能实现稳定可靠的7×24自主运行，将为品牌商、零售商与第三方物流服务商提供可复制的下一代运营范式。

目前，极智嘉已在多个头部客户现场开展自主智能仓试点，部分场景已实现夜间无值守连续运行超72小时。下一步，公司将聚焦异常处理自动化率、系统自主决策覆盖率与跨仓知识迁移效率三大指标，推动技术从“可用”走向“好用”与“愿用”。

当AI不再仅作为辅助工具，而是以“厂长”身份统筹调度、优化决策、驱动进化，仓储物流的生产力边界或将被彻底重构。