AI技术快速发展与应用，正在推动仓储物流从传统自动化迈向真正意义上的自主智能。近期，极智嘉（Geek+）公司正式宣布《24/7自主智能仓计划》，明确提出大力发展具身智能与全仓智能，依托端到端机器人解决方案和仓库大脑，推动仓库迈向7×24小时无人化自主运营与自主进化，让自主智能仓成为支撑未来商业与社会运行的新一代物流基础设施。
随着物理AI技术的发展，机器人的能力正在从搬运、存储等结构化任务，向更复杂、更灵活的物理操作延伸。与此同时，AI也正在深入多机器人协同、业务流程和仓储运营，让智能逐渐贯穿整个仓储系统。当机器人智能与系统智能持续增强、不断融合，仓储自动化正在进入新的发展阶段。
目前，行业中多家企业都在探索仓储智能化解决方案。极智嘉自2015年成立以来，经过11年发展，已在全球建立起成熟的机器人商业化部署与运营体系，拥有完善的本地销售、渠道、交付与服务网络，并在全球1000多家客户的实际运营中积累了宝贵的仓储数据与运营经验。本次采访中，极智嘉系统平台部副总裁谭文哲，详细解读了自主智能仓的核心本质、关键技术实现路径与未来发展方向。他认为，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。
记者：很多仓库都号称“无人仓”，极智嘉公司这次提出了“自主智能仓”的概念。请您通俗解读一下什么是自主智能仓？与传统自动化仓的本质区别是什么？
谭文哲：我们认为，真正的“自主智能仓”，是仓库能在尽可能少的人工干预下，实现从感知、决策、执行到反馈的自主闭环，并且能够自主进化。
今天很多仓库其实已经实现很高程度的自动化。比如AMR承担柔性搬运，堆垛机完成自动存储，输送线完成连续输送，机械臂执行码垛和抓取，再通过WMS、WES等软件系统进行任务管理和设备调度。这些装备与系统在业务稳定、规则明确的情况下已经可以做到非常高效，不过是靠固定程序执行的。
然而，这样的高度自动化并不等于真正意义上的自主运行。传统自动化仓储主要存在三个痛点：第一是柔性差，一旦涉及SKU变化、业务流程变化，就需要人工介入改程序、改产线，花费大量人力和资金成本；第二是流程中存在断点，拣选、理货、打包等需要精细操作的环节仍以人工为主，人是整个流程中的断点，需要倒班，无法实现24小时连续运行；第三也是最主要的问题，传统自动化仓库的系统无法做主动式的调整和调优，一旦遇到订单峰值、设备故障或业务结构突变等情况，应变和自适应能力不足，大概率还是需要人工经验去做“救火”工作。
所以，我们认为下一代自主智能仓真正需要解决的，是仓库面对变化和异常时，能不能自己理解发生了什么、重新做出决策，并组织不同设备继续完成任务，而且能够持续学习和进化。
记者：要解决以上难点问题，需要哪些核心技术支撑？
谭文哲：自主智能仓需要的是AI、具身智能、智能调度、机器人、自动化设备以及数字化系统的系统级融合，而不是某一种单点技术。具体来说有几个关键核心技术：
第一是感知。系统不仅要知道设备在哪里、库存在哪里，还要理解商品形态、现场环境、设备状态以及作业过程中正在发生什么，把物理世界真正数字化。我们通过IOP智能运营平台实现对全仓状态的实时感知和监控。
第二是决策。仓库每天面对大量动态变量，包括订单、SKU、库存、设备状态、任务优先级和异常情况。过去大量决策依靠预定义规则，未来需要进一步走向模型驱动的动态决策。我们通过WES仓储执行系统进行作业的编排和策略的选择，实现更智能的决策。
第三是协同执行。真实仓库从来不是一台机器人的独角戏，而是AMR、堆垛机、输送线、机械臂、具身机器人等设备共同工作的复杂系统。我们通过RMS机器人管理调度系统，实现多机器人的协同调度与执行。
第四是异常闭环和持续学习，这也是最关键的。真正的自主智能仓不能假设异常不存在，而应该具备处理异常的能力。系统需要识别异常、调整任务，必要时引入人工远程介入，并把人工接管和处理过程沉淀为数据，让相同问题下一次尽可能由系统自主解决。
极智嘉的“仓库大脑”由RMS、WES、IOP三大核心模块构成，融合AI能力与数据知识底座，构成支撑整仓自主运行的软件基础。IOP负责“看见问题”——感知和推演，WES负责“编排策略”——决策和编排，RMS负责“多机协同执行”——作业执行，三者形成一个完整的从物理到数据、到决策的闭环。
记者：与市面上普通的无人仓解决方案相比，极智嘉方案最本质的区别在哪里？
谭文哲：本质区别在于系统有没有形成“感知—决策—执行—反馈”的闭环，以及有没有“自主进化”的能力。市面上绝大多数无人仓，本质上是“单机自动化+规则调度”，具体表现在：机器替代人的手，但“大脑”还是一张规则表。WMS下单、WCS按固定规则派单、设备去执行，感知和决策之间是没有反馈的。设备出现故障时，调度系统其实知道，但“知道”不等于“会处理”：故障设备手里压着的任务怎么办、其负责的区域由谁顶上、恢复之后负载如何重新平衡，这些全是写死的逻辑。当遇到大促订单翻几倍的时候，固定规则顾头不顾尾，一个通道堵死、其他通道闲着，这是目前仓储作业中的常态。
我们的做法是把这条回路补全：系统实时感知每台设备、每个货位、每条通道的状态，基于全局状态做决策，执行结果再反馈回模型。设备故障发生时，秒级感知、任务自动重派、区域自动接管；针对通道拥堵，提前预判、主动规避。一句话：传统无人仓是“听指令的工人”，我们的自主智能仓是“有判断力的管理者”。
极智嘉构建自主智能仓有两个重要的差异化优势：一是布局全面，既有具身智能的大脑，又有全仓运营的完整系统平台；二是在全球有1000多家客户的实际运营数据，这些真实运营数据帮助我们更好地训练和优化AI模型，形成以真实运营经验和行业知识为核心的、难以轻易复制的AI能力壁垒。
记者：关于“自主进化”，具体的衡量指标是什么？在具身智能方面自主化程度如何？
谭文哲：我们强调的自主进化，核心看的是鲁棒性。仓库要实现真正的无人化，不能只是短时间无人化，一旦遇到突发变化，系统能不能长时间运行。所以我们强调7×24小时连续长时间完全无人干预。衡量的指标主要有三个：第一个是覆盖度，即系统能处理的异常范围；第二个是效率，即吞吐量和节拍；第三个是稳定性，包括连续工作时长和异常恢复时间。
在具身智能方面，我们在Gravity统一具身智能框架下面做了Gravity 4D模型，这是一个“先思考再行动”的模型。我们在模型中加入了世界模型，可以去做预测——看到新的SKU或异常场景时，先在世界模型中模拟“假设我这么做，会发生什么”，判断哪种动作成功概率更高，然后再选择最可能的动作去执行。这种方式能更好地解决泛化能力的问题。
现在行业面临的主要还是一个覆盖率和泛化的问题。如果是已知的SKU，自动系统实现对它的作业动作基本上都没有问题，之前处理过的都能够学习下来。但一旦有新的SKU出现而且数量比较多时，能不能基于原来的学习过程把这些能力推演到新的SKU上面，目前来看泛化能力是行业比较难的痛点。此外，硬件本身的稳定性也是一个挑战。目前，在已知SKU和常规场景下，我们的自主化程度已经很高。我们的目标是通过持续的数据积累和模型迭代，逐步减少人工干预的范围和频率。
记者：对于已经交付的传统无人仓，如何升级为自主智能仓？目前有没有实际的客户验证案例？
谭文哲：新的这一套解决方案，就是在原来基础方案上面做一个延伸。我们主要解决一些复杂操作环节，用新的具身机器人去取代原来需要人工操作的环节。取代完解决人的断点之后，剩下的就是软件层面的升级——IOP、RMS和WES的升级，实现全自主运营。
对于新仓，我们会用AI native的方式去重构流程，在做整个方案规划的时候，就会考虑到更加适配自主智能的模式，比如在某些环节选择更适配的机器人类型，让机器人分配和类型匹配更加合理。对于旧仓改造，我们尽可能在现有流程上面做优化，保留已有的设备投资，通过增加具身智能应用和软件升级来实现自主化能力的提升。
极智嘉正在三、四个仓库往这个方向试点，都是知名的全球大客户，包括韩国最大的电商企业、全球知名的美妆企业、德国电气企业等。从价值角度来看，自主智能仓的核心价值在于长期成本更低。比如在一个需要三班倒的拣选环节，如果用机器人替代三个人工，从机器人的购买、运行、长期维护和后期成本加起来，肯定比雇佣三个人倒班要便宜。这不仅节省人工成本，还节省管理成本。
此外，我们为客户提供订阅式服务模式也是一个重要价值点。客户不需要掌握仓库大脑的内部运作，极智嘉会通过服务团队用仓库大脑为其量身定制分析和优化方案，客户付出的订阅费用看到的是效率提升或成本减少。在数据安全方面，我们采用“模型动、数据不动”的方式，模型迭代到客户本地做训练，但数据永远留在客户本地，只拿走训练好的模型参数，充分保障客户数据安全。
记者：您认为仓储自动化的下一个升级方向是什么？极智嘉后续的技术迭代重点在哪里？
谭文哲：仓储物流行业的自动化、智能化升级，正在从“硬件替代人”转向”软件驱动系统自主运转+具身应用”。过去十年解决的是“体力”问题，以机器换人；未来要解决“脑力”问题，即系统自驱，再加上具身智能进一步“换人”，让人从“操作者”变成“监督者”。
极智嘉后续的技术迭代重点主要有几个方向：一是继续推动具身智能在更多仓储任务中的应用，以具身智能补全仓储流程中的柔性操作与复杂任务，逐步形成完整、连续的机器人全流程覆盖；二是强化智能闭环，以仓库大脑为基础，进一步强化从感知、分析、决策、执行到反馈与学习的完整闭环，使全仓智能持续增强；三是推进自主智能仓的规模化落地，基于“全球布局，本地深耕”战略，推动更具经济效益的自主智能仓实现价值落地和规模化复制。
我们的判断是：仓储自动化的终局不仅是一个无人仓，更是一个能自己思考、自己决策、自己进化、具身智能深度参与的7x24小时自主智能仓。我们正在朝着这个方向前行。
