" 接下来，是通用人工智能和具身智能发展的十年。"10 月 11 日，极智嘉 CTO（首席技术官）李洪波在清华大学人工智能研究院学术年会暨京沪港 AI（人工智能）学术交流会上发表主旨演讲，这家头顶 " 全球 AMR 机器人第一股 " 光环的行业龙头，被再次拉回聚光灯下。

去年 7 月，极智嘉登陆资本市场，曾凭借全球近 10 万台商用机器人的落地规模，股价一度冲至近 40 港元 / 股，如今距高点已跌去八成。10 月 9 日极智嘉发布最新公告，其全资子公司北京极智嘉拟出资 5000 万元入股北京深诣，交易完成后将持有后者 20% 股权。据悉，北京深诣专注通用具身大脑技术。公告当日，极智嘉股价一度触及上市以来低点，最终以每股 6.96 港元报收；10 月 12 日，极智嘉报收于 6.8 港元 / 股。

清华大学人工智能研究院学术年会现场     图片来源：每经记者 温沐夏 摄

" 如果你不把端到端这个技术做透，就很难在 7 × 24 小时、一年 365 天持续给客户稳定交付。" 李洪波坦言，行业存在重演示、轻落地的痛点。从 4 米 / 秒漂移过弯的具身小脑，到应对百万级 SKU（库存量单位）的数据智能，公司试图用 " 先学再调 " 的解法穿越概念泡沫。

无法否认的是，机器人在演示视频里的流畅画面，与真实场景中的稳定运行之间仍横着鸿沟。这家仓储机器人龙头的逆势加码，是穿越周期的超前布局，还是一场赌注？

机器人在演示视频里很流畅，却撑不起 7 × 24 小时的稳定交付

" 不管是强人工智能还是强具身智能，范式转换的本质是自主感知、自主决策、自主操作。" 李洪波用极智嘉自身的发展经历进行类比，称公司的起点是货到人模式，用机器人将货架搬到拣货员面前，帮助拣货人员将有效工作时间从 30% 提升至 95% 以上。

不过，这尚属预设程序自动执行的弱人工智能与弱具身智能，真正的跨越发生在机器人可以开始处理极限工况。

极智嘉专注于自主移动机器人（AMR）的研发与应用，提供智能仓储物流解决方案。仓储机器人行业过去十年的增长逻辑是用自动化替代重复劳动，其技术前提是场景的结构化程度足够高、任务的可预测性足够强。而下一个十年的逻辑，将变成用智能体解决非结构化问题，这就不仅仅是技术参数的提升。

李洪波还指出，当前具身智能行业存在重演示、轻落地的痛点。不少演示视频里，机器人流畅完成任务的画面，与真实场景中持续稳定运行之间还有着不小的鸿沟。" 如果你不把端到端这个技术做透，就很难在 7 × 24 小时、一年 365 天持续给客户稳定交付。"

4 米 / 秒漂移过弯、打滑地面仍稳定运行：仓储机器人如何从 " 能用 " 到 " 用好 "

从公司实操来讲，李洪波表示，传统 AI 机器人胜任的是单场景、少变化、简单关系的问题，而智能制造与智能仓储呈现的是跨场景、多变化、复杂关系的特点，必须突破具身智能、群体智能、数据智能三大关键技术，方能解决好 " 能用、好用、用好 " 的问题。

具身小脑解决 " 能用 " 问题。" 一台仓储机器人以 4 米 / 秒的速度漂移过弯，在回南天地面打滑的条件下依然稳定运行。" 李洪波表示，该机器人使用的 " 漂移 " 不是为了炫技，而是追求机械效率。在空间允许时以最高速度通过，减少无效停留。

具身大脑解决 " 好用 " 问题。李洪波坦言，当前具身智能技术无法在更多样化的大场景里做大范围的跨场景学习。" 比如，料箱被吹倒后，需要先扶正再捡起，姿势不对的货物需要先碰触调整才能搬运，这些不是预编程就能解决的。" 他举例，这些都是具身大脑需要应对的典型极限工况。

在解决了 " 能用 "" 好用 " 的问题之后，群体智能与数据智能解决 " 用好 " 问题。

活动现场，李洪波透露了极智嘉系统的极限规模：单个系统最大跑到 3600 台机器人。面对集中调度最优但不实时、分布式调度实时但非最优的问题，李洪波认为，解法是先基于模式学习，做全局最优调度，再通过分布协商做局部调度。而在数据智能层面，则可以通过实时优化货架热度分布，高频货架前移、低频货架后置等，大幅减少机器人搬运距离，提升整体效率。

李洪波还提到，系统需要处理百万级 SKU、千台级机器人以及大量 IoT（物联网）设备，数据智能的目标是让整个系统既能实时调度又能保持高效。目前，这套技术架构已在全球 40 多个国家商用近 10 万台机器人。

随着具身智能的概念泡沫逐渐抹去，穿越周期要靠什么？" 科技创新要回归原始创新，产业创新要回归商业的本质，通过双轮驱动给行业创造可感知的价值。" 李洪波表示。