能把泛化能力與作業效率同時放進真實作業場景、端到端跑通全流程，極智嘉交出了一份有代表性的答卷。
WAIC 的現場，從來不缺會「表演」的機器人。有的模型驚豔，有的本體漂亮，有的會整活，一個比一個吸睛。
可看得多了就會發現，這些機器人看起來無所不能，很容易讓人以為機器人已經什麼都能幹了——其實遠不是這麼回事。真到了要動手幹活的時候，就會發現，稍微偏離設定好的環境，機器人又愚蠢了起來。
不過，今年的 WAIC，我們也開始看到另一種機器人的誕生——真正幹活的機器人。極智嘉，就是其中很亮眼的一個。
它在展台上復刻了一整套真實作業場景：展現多 SKU 泛化能力，先是抓取了許多對於機器人來說很難抓的物品——充氣量不同的袋裝薯片、透明包裝的面包、邊界模糊的毛絨玩偶，都能一抓一個准。而將物品分揀後，它還能抱起料箱搬運，和移動機器人組隊編成一列，端到端高效作業。
能把泛化能力與作業效率同時放進真實作業場景、端到端跑通全流程，極智嘉交出了一份有代表性的答卷，獲央視新聞報導。
極客公園瞭解到，這源自極智嘉合作研發的世界模型 Gravity 4D，在此次 WAIC 期間一併發佈。
它拿出來的這套模型，並不是在跟著眼下大熱的、只在畫面層面做預測的世界模型路線走——按極智嘉自己的說法，它比當紅的世界模型還要再往前幾步。
通過讓模型學習 4D 表徵——即三維空間（物體在那）再加上時間維度（物體怎麼動），Gravity 4D 讓模型更多地依據三維結構和運動、而不是畫面表象來做判斷，於是在換光照、換視角、換商品的真實擾動下，展現出更穩的泛化。
機器人真正能幹活之後會怎樣？
極智嘉希望把機器人真正推進工廠，並設計了一整套戰略。
這套戰略，極智嘉稱之為「一核雙引擎」。一核，是 Gravity 具身智能框架，那顆懂物理、能幹活的大腦；雙引擎，一個是資料——把真實作業裡攢下的經驗回流給大腦，讓它越用越聰明，一個是生態——工廠裡的活，一家幹不完，於是極智嘉敞開門，把上游做大腦的、做本體的公司都請進來，一起交付。
這兩年，展示機器人已經夠多了，行業急需一個是能走進工廠、把活幹下來的機器人。極智嘉想做的，正是搶先邁過這道門檻的人。
01
參考第五代模型，
比大熱的世界模型走得更遠
要理解 Gravity 4D 站在什麼位置，得先看清這兩年具身智能的技術潮水往那裡流。
一個明顯的趨勢，是從 VLA 轉向世界模型。
極智嘉首席科學家趙昊分享了自己對變化的理解：這些模型是按「依據什麼來理解世界」一級級往上走的。第一代是純語言模型，第二代的 VLA 基於語言和圖片視覺；第三代的世界模型基於視訊，多出了時間維，於是能往前推演一段未來。
而目前，學術界正在嘗試更進一步。第四代將把模型升到基於三維，讓模型知道物體在空間裡的真實位置；第五代在三維之上再加時間，學習 4D 表徵，連物體怎麼運動也一併納入。
而極智嘉此次發佈的模型，就是在第五代真正成熟之前，搶先把其中對揀貨最有用的這層 4D 表徵摘了出來，做成了 Gravity 4D，才在此次 WAIC 上，完成了這麼好的揀貨效果。
主流世界模型大多在 RGB 像素層預測未來畫面，能生成一段看著合理的視訊，卻保證不了物理上的一致。因為預測出的機械臂，可能在生成的視訊裡看著像是碰到了物體，實際根本沒有形成接觸；物體運動看著流暢，卻可能違背重力和遮擋的規律。在視訊生成裡，這只是穿模的小瑕疵；在真實倉庫裡，它就是摔壞的商品和撞損的裝置。
Gravity 4D 想補上的，正是畫面背後那層「物理」。它的做法，是讓模型在預測未來時，不只生成畫面，還同時學會兩樣東西：物體在三維空間裡的確切位置，以及它們正朝那個方向、怎麼運動——這兩樣合起來，就是所謂的「4D 表徵」。
難點不在於「要不要讓模型懂三維」，而在於「怎麼讓它懂」。趙昊透露，團隊起初試過一條更省事的路子：主體模型基本不動，只在旁邊額外掛一個分支，專門去預測三維資訊。
這就像讓一個只顧著把畫面畫好看的學生，畫完之後再單獨填一張表、標一下每個物體離自己多遠——表是填了，可他看世界的方式一點沒變，那點三維知識始終是掛在外面的附加題，回不到他真正下筆的判斷裡。結果自然是「並沒有特別有效果」。
真正見效的，是回到第一性原理、做「原生融合」：不再讓三維當附加題，而是把它和畫面資訊揉進同一套訓練裡，從一開始就一起學。
相當於讓這個學生打草稿時，手裡的每一筆就自帶三維刻度——他理解「物體長什麼樣」和「它在空間的那裡、怎麼動」，本就是同一件事。三維不再是事後補的一張表，而是長進了他看世界的方式裡。也正是這一步，讓模型的泛化能力真正提了上來。
這條彎路，在公開基準 LIBERO-Plus 上得到了印證：Gravity 4D 相比基線整體提升約五個點，而增益最集中的三類擾動——相機視角、光照、感測器噪聲——恰恰只改畫面、不動底層的三維結構。模型能在這些地方頂住，正說明它學到的是結構和運動，而不是畫面本身。
這一點對落地的意義，比跑分更實在。極智嘉大模型團隊負責人陳超提到：當你要把成百上千台機器人鋪到現場，很難保證每一台的感測器都裝在分毫不差的位置，也很難保證每個倉庫的光照都恆定——過去這些差異，都得靠一遍遍采資料、重新微調來抹平，而 4D 模型從底層就把它消化掉了。
02
不只會秀 demo，追求落地
為什麼要格外看重落地？因為極智嘉的模型從一開始，就是奔著走進產業去設計的。
在極智嘉看來，一個模型要能持續變強，就得靠服務真實產業來積累資料，再用這些資料反過來喂出更好的模型。
而真實產業裡最值錢的，是實驗室裡怎麼都造不出來的意外，業界也叫它 corner case，它們才是讓模型真正變強的關鍵。
機器人要走的是同一條路，只不過它面對的意外更瑣碎、也更防不勝防：一件商品被擠到料箱角落、一層透明包裝反光晃了相機、上一次抓取順手把整箱貨帶得移了位。這些狀況沒法預先設計，只能在真實作業裡一次次撞見，再一次次教會模型。
問題是，這條聽上去順理成章的循環，過去在整個行業裡都很難真正轉起來，卡在一個死結上：模型不夠好用，客戶就不會放心讓它進現場；進不了現場，真實的資料就產不出來；沒有資料，模型又好不起來。
而極智嘉想做的，是用更好的模型、更好的本體，加上手裡原有的客戶資源，把這個斷點接上。
除了此次 WAIC 展示的最會揀，極智嘉年初發佈的本體，也能體現它的落地決心。
極智嘉既沒有用最簡單的兩指夾爪，也沒有追時髦上五指靈巧手，而是選了三指手。
這背後是一筆算得很細的帳：揀貨強度極高，一台機器人一天要抓 8000 到 10000 次，而市面上頭部的靈巧手壽命只有 30 到 50 萬次，高頻作業下用一個月就壞；五指夠靈巧卻不耐用，兩指皮實卻覆蓋不了百萬級的 SKU。三指手恰好卡在中間，既保住靈巧度，又留足空間去做壽命和可靠性。
這種取捨不是實驗室會操心的事，是在真實產線上反覆打磨後長出來的判斷。
而在本體之外，極智嘉手裡還有一批早已合作多年的工業客戶，讓這些機器人一開始就有真實的崗位可去。
當然，極智嘉也並不認為光靠現場落地就夠了——真機資料雖好，卻太貴、也太慢。
極智嘉聯合創始人陳曦把極智嘉的資料體系分成三層，讓不同的資料各司其職：最底層，是成本最低、數量最大的網際網路資料，讓模型先建立起對世界的基本常識；中間一層，是來自人類第一視角的運算元據，記錄人是怎麼用一雙手完成各種動作的，比純網路資料更貼近真實操作；最上層，才是最真實、也最昂貴的真機資料，尤其是那些從現場撈回來的 corner case。
三層疊起來各補各的短板，飛輪才轉得更快。為此，極智嘉還計畫自建數采廠，把這套資料體系鋪開。
03
市場需求度極高，
但沒有人能獨自把它接住
模型和資料講完，還剩最後一個問題：市場到底要不要？
極智嘉給出的答案是，非常要，而且急。
這份急迫，來自一個很難靠技術繞開的現實。
陳曦提到，無論國內還是海外，工廠和倉庫都在經歷同一種壓力——招不到人。他訪談過自己的客戶，很多人現在寧願去送外賣，也不願意進廠、進倉。這不再是「要不要用機器人」的選擇題，而是生產力在數量和質量上的雙重缺口：招不到足夠的人，招來的人也未必願意長期做那些重複、枯燥、強度大的活。
所以在客戶那一側，接受度遠比外界想像得高。陳曦的判斷很樸素：只要產品穩定可靠，能帶來實打實的投資回報，客戶就歡迎。極智嘉今年 2 月發佈 Gino 本體的當天，就收到了大量客戶的需求，如今正逐步走向量產。真正卡住這件事的從來不是需求，而是供給——市場早就準備好了，只是過去拿不到能真正幹活的機器人。
也正因如此，誰能率先把這份需求接住，誰就握住了機會。
具身智能眼下仍處在技術路徑尚未收斂的階段：做大腦的、做本體的、做零部件的、做整合的，各自都還在摸索，誰也不敢說自己走的一定是最終那條路。在這樣的階段裡，孤島長不出通用智能。工廠裡的活千差萬別，一家公司的機器人、一顆大腦，也不可能覆蓋所有場景。
於是極智嘉在這次 WAIC 上拿出了 GINO ECO 開放生態：跟做大腦的公司共享真實的場景與資料，跟做本體的公司共建解決方案，而自己扮演那個最接近客戶的角色——整合商，也是具身智能的解決方案專家。上游的技術供給由夥伴提供，下游的產業需求由極智嘉橋接，最終共同交付給客戶。
陳曦把這層意思說得很直白：極智嘉離客戶最近，最知道客戶到底要什麼。
開放不是讓渡壁壘，恰恰相反，它是把「最懂場景、最能交付」這件別人替代不了的事，做成一個平台——夥伴越多，接進來的場景越多，這個位置就越牢固。
走到今天，極智嘉手裡已經攢下了一副相當齊整的牌：量產在即的機器人本體，一顆懂物理的前沿大腦，一個真實到百萬級 SKU 的作業場景，還有一條正在轉起來的資料閉環。在一個大多數玩家還在為湊齊其中一樣苦苦掙扎的賽道上，這本身就是稀缺的。
演示已經足夠多了。接下來的故事，屬於那些真的把機器人送進工廠、並讓它留下來的人。 (極客公園)