作者：彭堃方
编辑：吕鑫燚
出品：具身研习社
人形机器人，今天最稀缺的是场景know-how，该能力的缺失让人形机器人普遍很难真正融入场景，成为场景里的“内行人”。
这件事至少可以从两个层面来看。
首先，大多人形机器人落地的故事，还停留在“拿着锤子找钉子”的阶段。机器人像一个外来者，被安放进既有场景流程之中，却难以真正融入原本的工作体系。
再进一步看，即便能够避开上述悖论，找到真实场景的厂商，也容易踩入另一个陷阱——不懂工作流的隐形指标。即不理解业务节拍，不匹配场景ROI 。于是产品看似能动、能抓、能走，却无法真正创造价值。
当300余款人形机器人鳞次栉比站在一起时，我们看到的是参数的比拼、实验室环境下算法模型的迭代，却很难看到真正从场景深处“长”出来的产品。它们更像是技术逻辑的延伸，而不是业务逻辑的产物。
所谓“场景原生”，不是把机器人带进一个场景里试用，而是从场景的流程结构、效率瓶颈、成本约束与收益模型出发反推机器人形态，让产品从场景中自然生长出来，而不是后期适配场景。
这条逻辑正在深耕仓储场景十年的极智嘉的身上走通。前不久，其发布了业内首款专为仓储场景原生打造的轮式人形机器人Gino 1。它意味着极智嘉将十年仓储know-how、端侧物理AI与全栈硬件自研体系能力，集中沉淀到一个全新的具身智能形态之中。
“十年树木”，极智嘉也用十年时间，在仓储这块土壤里，生长出了一款根扎得足够深的人形机器人。
在不少人的认知中，相比商业服务、家庭劳务等偏生活、偏终局的场景，仓储因其远离“人机共生”的叙事，反倒显得没那么“性感”。
事实上，仓储并非缺乏价值，而是长期被低估。它几乎承载着现代供应链的全部效率底盘。电商履约、跨境物流、制造分拨，背后都是高密度、高节奏、高复杂度的仓内操作系统。任何1%的效率提升，在规模效应下都可能转化为巨额成本节约。
换句话说，仓储不是想象力的高地，却是真金白银最真实的入口。
一方面，仓储赛道空间巨大。据Interact Analysis 数据显示，全球仍有超过70%的仓库严重依赖人力。即便在已经引入AGV/AMR的现代化仓库中，占据运营成本50%以上的拣货、理货等操作环节，依然难以实现无人化。这意味着，真正价值较高的操作环节，长期停留在自动化的“禁区”。
另一方面，是极强的商业兑现能力。对于ToB机器人而言，仓储是少有的、已经被验证过“能赚钱、稳增长”的赛道：强刚需（追求自动化效率）、ROI周期短（2–3年）、可规模化复制、盈利模型清晰。这些特征赋予仓储机器人企业低波动、可持续增长的产业属性，也为具身智能这种长期重投入方向，提供了现实支撑。
但仓储场景也绝非唾手可得，其门槛在那些被“外行人”低估的操作细节之中。
拣选看似只是“拿起&放下”，实则涉及SKU识别、路径规划、姿态调整、抓取策略选择、力控精度调节等多个子任务协同；理货需要对不同尺寸、不同材质、不同堆叠状态的物品进行快速判断；搬箱不仅考验负载能力，更要求在动态环境下维持稳定性与安全边界等等。
更关键的是，仓储作业环境并非标准化实验室。货架高度不一、光照复杂、包装材质多变，甚至存在临时堆放与人机混行。对机器人来说，这些也绝非易事。所以，这一环节自动化长期缺位。
作为港股机器人板块收入第一、率先实现EBITDA转正的企业，极智嘉在过去十年中建立起覆盖850+头部客户的仓储履约网络。从AMR，到无人拣选工作站，再到人形机器人，极智嘉正在分阶段兑现其“全流程无人仓”的战略路径。
过往沉淀的数据资产也让极智嘉成为了那个最有能力造出懂仓储场景的人形机器人。
Gino 1的诞生，在继承极智嘉十年仓储实践所积累的场景know-how与数据资产之上，又将经验系统性地写进软硬件设计之中。
最明显的为仓储而生的硬件体系。
Gino 1头部采用三目主视觉与前后鱼眼相机组合，既满足近距离高精度识别，也支持前后360度环境感知与语义理解；底盘继承极智嘉多年AMR技术积累；7自由度三指灵巧手在灵活性与可靠性之间取得平衡；全关节力控设计，使机器人在与人、与环境协作时具备工业级安全与稳定性；最大20kg的负载能力覆盖仓储通用作业需求。
在算力方面，Gino 1采用基于NVIDIA Blackwell 架构的NVIDIA Jetson Thor机器人计算平台，提供高达2070 FP4 TFLOPS的智驾级端侧算力，为多模态模型并行运行与高速传感器数据处理提供充足冗余。续航层面，大容量电池叠加无线超级快充设计，使其能够适配高强度、长时段的仓内作业节奏。
这些能力叠加在一起，构成的并不是一台炫技的人形机器人，而是一台围绕“仓内高频操作”构建的工业级作业终端，在高强度仓储节拍和逼仄的仓库环境中稳定输出价值。
不过真正拉开差距的，是软件系统，尤其是VLA快慢协同系统与数据壁垒。
慢系统负责高层任务理解与规划，拆解指令、生成全局策略；快系统承担实时感知与反馈控制，实现目标跟踪、快速避障与高频动作输出。在多模态融合感知支持下，机器人能够同时理解视觉、语言与自身状态信息，并通过统一动作生成模型形成视觉—力觉闭环控制。
更重要的是，这套系统建立在海量真实仓储数据之上，并持续形成数据闭环。数据既是能力来源，也是难以复制的壁垒，这是非深耕仓储企业难以跨越的门槛。
依托Geek+ Brain具身智能基座模型，AMR集群完成搬运与存储，无人拣选工作站在高频SKU场景中加速效率，Gino 1要做的是接管高柔性、高复杂度的人工操作环节。它不追求“全能通用”，而是在仓储体系中补强最薄弱、也最具价值的一环。
正是对场景的深刻理解，使极智嘉成为少数具备“发布即量产、落地即创收”能力的具身智能企业。
所谓“创收”，在整个具身智能赛道中，意味着机器人不再只是技术展示或战略储备，而是成为能够直接参与价值创造、影响收入与成本结构的生产力单元。具体到仓储场景中，则是可以被量化的订单履约成本、产出效率、作业稳定性与准确率等。
对客户而言，一套具身智能系统如果不能缩短ROI周期、不能嵌入既有系统、不能稳定运行，就只能成为展示性资产，而非生产性资产。更直白地说，那这套系统就是“花瓶”，而非“生产力”。极智嘉的优势，在于其产品设计从一开始就结合自身仓储运营经验和现有无人仓储体系，围绕效率提升而出发。
此次极智嘉产品发布，本质上是提供给行业一套更完整的端到端无人仓方案。Gino 1不是孤立产品，而是原生性的嵌入极智嘉的无人仓作业流程之中的一环。客户无需额外集成，即可实现“即买即用”，大幅降低部署与运维门槛。以极智嘉无人拣选工作站为例，在其发布3个月之内即通过世界500强企业POC验证并完成验收，直接在真实仓储场景实现稳定作业，验证了其技术能力、工业级可靠性与商业价值。
Gino 1成熟量产能力正为仓储创收提供有力支持，可直接面向全球客户批量交付，破解行业技术难落地、量产无能力的共性痛点。
从产业视角来看，这种路径意味着具身智能开始走向分工化与专业化，而非泛化竞争。这和我们在人形机器人应用过程中习以为常的“四处出击”和“通用全能”形成强烈反差。
从AMR，到无人工作站机械臂，再到人形机器人，极智嘉是行业内少有的、在仓储场景深耕十年后，同时拥有移动机器人、专用机械臂与通用人形机器人完整能力版图的企业。
因此，今天回看Gino 1的出现，它并非一次突兀的跨越，而是一家深度理解无人仓储的企业，在场景理解与技术突围中的化学反应后，沉淀的结晶。当具身智能逐渐告别想象力竞赛，真正走入产业腹地，或许正是这些“不性感”的场景，最先给出答案。
