Gartner发布仓储四大AI趋势:从优化到实体AI机器人

详细拆解

Gartner 在 9 月 16 日发了一份简报，点了仓储的四个 AI 趋势。这类东西平时多半是愿景稿，但这一份把四样东西排了个顺序，而那个顺序本身是有信息的。把它当系统文档读，不当 PPT 读，它就是一张依赖图：上面每一层，都要靠下面那层给出干净的数据。

四样是增强型优化 AI、运营型生成式 AI、建议型半自主智能体，以及靠机器人和传感器去拣、包、分拣的实体 AI 智能体。它给的推手有三条，劳动力约束、更低风险的资本模式、以及终于成熟起来的自主技术。它的建议是先做已被验证的场景，并且在东西进日常运营时保留人工监督。

我一周大部分时间在看系统日志，所以真正让我在意的不是这四个名字，是每一层到底往日志里写什么，以及写下来的东西够不够格拿去决策。下面讲的都是测量。

把这份简报拆到承重的部分，剩下四件事。一个日期，9 月 16 日。一个数字，四个趋势。一组推手，劳动力约束、更低风险的资本模式、成熟起来的自主技术。一条指令，先从被验证的场景做起，东西进日常运营时人留在环里。其余内容都是围着这四件事的评述。

顺序比名字重要。按资本强度排，这张单子是从便宜到最贵；按可逆性排，是从最容易撤到最难撤。厂商的稿子一定会用机器人开场，这份简报把机器人放在第四位。这个排位是整份文件里最带操作含义的一句话，因为它等于公开给部署风险分了级。

劳动力约束常被说成招工难，这个说法不准确。在日志里它表现为排班工时和开班时真正能到岗的工时之间的缺口，以及派遣工时占比的上升。这两样都在抬高一个弹性工时的价格，让一个固定的、不知疲倦的工时显得相对便宜。更低风险的资本模式对资产负债表做的事差不多：按拣次付、按月付，而不是买铁，于是五年期的赌注变成每月一次的比价。自主技术成熟是最不神秘的一条腿，它就是传感器和边缘算力的成本曲线。三条曲线同时往下走，这才是这次说拐点说得通的理由，而不是每次都说。

要是让我在场上跑这件事，我会这么做翻译。四层里任何一层，只要是真的而不是幻灯片，都会往日志里写特定的行。优化 AI 写货位调整、每行的行走距离、预测工时对实际工时。运营型生成式 AI 写异常单的开与关、从开单到出稿的时间、以及人发出去之前改了多少。建议型智能体写它提了什么、每条提议被怎么处理、以及从提议到决策的延迟。实体智能体写尝试拣选数、一次成功数、传感器拒识数、人工介入数。一层如果写不出这些行，你管不了它，只能相信它，而相信不是运营模型。

多数楼里的瓶颈不在模型，在时钟。把它想成一个队列：波次放出来，作业排序，人走起来，异常回流。如果仓储执行系统重排一次的耗时比两次波次释放的间隔还长，它产出的每一条优化都晚一个波次。所以要测的是重排延迟对释放间隔。这里我给一个内控参考阈值，并且要说清楚这是我给自己定的复核线，不是行业基准：重排要在间隔的六分之一以内跑完。十五分钟一波，两分半内排完；三十分钟一波，五分钟内排完。越了这条线，优化器写的建议说的是一层已经不存在的楼面。

主数据是另一个硬约束，而且比上面两个都枯燥。指标叫主数据错误率，就是抽盘时发现尺寸或在库数不对的 SKU 记录占比。每月抽两百条，人工核，除一下。错误率高于大约两个百分点，同样这是内控线不是基准，优化器就会给出很有自信的胡话，因为货位决策靠的是体积和流速，而这两个数正是从你没去核的那条记录里读出来的。我进过那种楼，引擎把最好的位置分配给一批只存在于退货筐里的货。

货位这件事要用米来量，不能用满意度来量。每行行走距离，取系统里的任务时间戳，不要拿秒表做样本研究，这是最先动的那个数。我给自己的控制目标是重排之后一个季度内下降一成到一成五。行走距离掉不到一成，说明货位引擎不是你的约束条件，这笔钱可以停。旁边还要挂一个几乎没人跟的指标：货位遵从率，就是拣货员真的按建议位置去取的比例。遵从率低于九成，省下来的是纸面数字，因为班组走的是自己脑子里的地图，软件描述的是一栋只存在数据库里的楼。

劳动力预测必须在固定提前期上量，否则数字没有意义。取提前二十四小时的预测误差，用工时的平均绝对百分比误差表示。一天前误差一成，是能用的排班工具；误差两成五，是排班的传言。旁边挂两行：每千行订单的加班工时，它说明预测有没有被用起来；派遣工时占总工时的比例，它说明模型错的时候还有没有人信它。Gartner 把劳动力预测列为已验证场景，它够格的原因是反馈第二天早上就到了，纠错便宜且快。

运营型生成式 AI 该看周期，不该看输出读起来多聪明。异常单从开到关的周期是主指标。稿件采纳率紧跟其后，就是人发出去的稿子里改动不到一成的比例；采纳率低于六成，这工具是在制造工作而不是消除工作，一个主管改机器写的稿子，比他自己写邮件更糟。返工率也要盯，一份要重做两遍的稿子是负价值，而这一条从来没人写进立项报告。

建议型智能体是「人留在环里」这句话变得可以测量的地方，也是我在任何复盘里会追问最狠的一段。每个班次记四件事：提了多少条、批了多少条、推翻了多少条、从提议到决策花了多久。推翻率是健康指标，而且两边都有问题。高于三成，这个智能体是噪音，现场一个月内就会学会无视它。低于半成，这个环是装饰，因为几乎什么都批的人不是在监督，是在签字。我给的控制带是半成到两成五，审计留痕要记下谁点的、点的那一刻提议写的是什么。Gartner 那句人工监督是治理语言，它的工程版本就是一个带区间的比率。

实体智能体有自己的一本账。一次拣选成功率、对完好纸箱的传感器误拒率、两次人工介入之间的平均拣次、以及单次拣选成本对你自身业务量下的全负担工时成本。调试期一个月内每一百拣介入一次是正常的。到第四周还高于这个数，问题通常在单元设计或者纸箱结构，不在模型。真正要做的比较不是机器人成本对平均工资，而是单次拣选成本对你本来要排的那批工时的全负担成本，按你实际的量算，把你现在招不满的那些工时也算进去。

把前两层放上数字，假设明说。假设一栋二十万平方尺的楼，五十个拣货员，全负担人工每小时二十二美元，拣货员有三成行走时间花在更好的货位布局能消掉的奔波上，一次重排能消掉这部分可避免奔波的四成。五十人乘二十二是每小时一千一百美元。两班覆盖十六个有效工时，一天一万七千六，一年约四百六十万。其中三成是一百三十八万不必要的行走，四成就是一年五十五万二。这里的每个数都是假设上的算术，不是任何人的承诺。

接着把假设掰弯，老实活儿在这一步。实际行走只降两成不是四成，一年省二十七万六，软件依然划算，但故事只有一半好看。货位遵从率只有七成，因为班组不按新位置走，实际降幅落在一成四左右，省钱大约只有标题数字的三分之一。全负担人工是十五美元不是二十二，所有数按比例缩三分之一。这就是我为什么在试点之前要基线，而不是试点之后。没有基线的试点，是一场灯光更好的演示。

规模会改变哪个指标是约束条件。假设一栋大楼一周两万单，一个小一点的操作一周五千票但 SKU 跨度宽得多。大楼里约束在每行行走，因为两个百分点的米数改善乘上很大的行数，而波次释放间隔决定了这个改善能多快兑现。小一点的操作里约束在预测误差，因为一个班次差五个人在工资盘子里占比更大，而跨度宽意味着货位收益被长尾稀释。五个人乘二十二乘八小时，一个班次八百八十美元。把它铺到一个预测失手的季度里，这个数财务不用解释就看懂。

按你自己是谁来分层，第一步就不一样。楼是你的，日志就是你的，先把日志埋好，拿到八周基线再跟厂商谈。货在第三方楼里，日志不是你的，问题全在这儿：你的仓储费和操作费长在他们的自动化下游，而你看不见的东西没法验证有没有透传。要谈的条款是 SKU 级日志导出，写清刷新频率，至少每月一次，外加一条触发式费率复核，任何自动化上线都触发。如果你是品类窄、班组闭着眼都认识每个箱的小卖家，货位收益很小，约束在促销前后的预测误差，第二层比第一层值钱。如果你是在产地跑保税节点的出口商，同样的四层适用，但价值体现为对买家更短的承诺，而不是更低的单次拣选成本。

品类改变的是波动，不是技术。快消的流速密而稳，正是货位喜欢的样子。服装一年两次换季会把货位布局打断两次，所以重排节奏必须是每周，否则布局在跟日历打架。工业备件的长尾里大多是慢流件，优化收益集中在一小撮头部 SKU 上，楼里其余部分几乎不动，回本测算只能建在头上，不能建在平均上。

时间上分三波，每一波都有提前量要求。头四周：埋点、取基线、把指标和观察窗口定义清楚。这一波不买东西，而这一波最常被跳过。一个季度：优化和预测第一次上线，对着基线量，同时把第三方的合同谈成含日志导出。两个季度：建议型智能体先在一个窄车道上跑，然后才是在楼里一个角落、拿你最烂的纸箱做实体试点。真正决定后面成不成立的是提前量：基线必须在跟厂商比价之前八周就开始，否则没有反事实，会上每个数都是厂商的数。

简报没说的一件事，也是我把四个趋势读成一个系统而不是四笔采购的原因。四层都依赖一根没人当产品卖的管子：仓储管理系统、执行系统、智能体层和机器人之间共用一个事件时钟。没有它，层与层之间没法比，审计链没法复原，人工监督会退化成一个看不见上下文的人在点按钮。这不是四个决定，是同一个时间戳纪律的四个使用者，而这条纪律只在数据层建一次，在它们任何一个赚钱之前。

第二处遗漏有商业价值。建议型智能体出提议，人出决策，两者之间的差就是一个带标签的数据集。每一次推翻都是一个标签，说的是模型漏掉了现场看得见的东西。两个季度的这种日志，比厂商的下一个版本值钱，因为它针对的是你的异常、你的客户、你的纸箱结构。合同上把它归你，存在厂商租户之外，每月读一次。第四层能拿到价值的楼，是前两个季度一直在攒这份文件的那些。

还有一点在低风险资本模式的报道里经常被漏掉。按用量计价挪动的不只是风险，它挪动盈亏平衡点，而且是逐栋楼挪。按拣次付的时候，要比的是单次拣选成本对你在这个量、这个班制、这个满足率下本来要排的工时的全负担成本。一栋两班制、密度高的楼，会比一栋单班、SKU 跨度宽的楼早好几年过这条线，哪怕两栋楼平方尺一样。资本模式变了，你才能逐栋楼去试，而不是拿整张网络押一个答案。

把顺序倒过来，看会发生什么。团队先买铁，因为铁是董事会看得见的东西。机器人到了，喂它的排程还在用一份过期的货位布局，介入率一直压在容差之上，因为它收到的纸箱就是你楼里真实产出的那些纸箱。这时候你既付机器人的钱，也付异常处理的钱，而那个本可以让两者都便宜下来的优化项目，因为资本已经花掉，被推后一年。错的不是机器人，错在站在第一级上去买第四级。

会让结论翻转的条件值得点名，因为它们很常见。周转低、工资稳的劳动力市场里，一个排班工时的替代成本不再往上走，实体层的回本会拖过多数规划期。几百个稳定 SKU、班组老练的楼，行走基线本来就贴着地板，优化没什么可削。需求波动极端的地方，预测误差压倒一切，货位再怎么排也救不回一个把整周判断错的排班。而如果你的第三方不肯做 SKU 级日志导出，这一切在你这边都无法验证，那正确的动作不是试点，是重谈合同。

坑是可以预见的。厂商拿编排好的过道报演示指标，所以要一个已经跑满一个季度的参考现场，并且去问那边的操作员什么坏了。传感器在破损纸箱上的表现会掉，而破损纸箱正是一栋真楼的主要产出，所以拿你最烂的纸箱去试，并且把误拒和真拒分开计数。集成延迟通常是藏起来的成本，九十秒才答一次的模型，对上十五分钟一波的节奏没有用。双轨运行比授权费贵，要按三十天做预算。最安静的一种失败是绕行：拣货员不接受建议位置，钱就没了，而且没人投诉，所以货位遵从率要和行走距离挂在同一块看板上。

要在预算会上守住的那个顺序，很短，也不时髦。先把时钟和主数据修好，因为上面每一级都靠它们。把优化和预测这两级埋好点，对着基线整整量一个季度再扩。把人工环做成一个带区间的比率，记录谁点的，把推翻日志留下。任何第三方的合同，日志导出和费率复核都要在自动化落地之前谈进去，不是之后。能用按用量计价的就拿，比价时用你自己量下的单次拣选成本，不用厂商的。第四级在你自己楼里的一个角落、拿你自己的纸箱、到第四周再判。

先量化，再谈优化。这个顺序不是口号，它是四个趋势在一张预算表上还能彼此区分开的唯一办法。Gartner 画的是一架梯子。梯子靠下面那一级撑着，而下面那一级是一个时间戳和一条干净的 SKU 记录。上面所有的东西，都是你能自己复核的算术。

↑ 返回核心要点

— 作者 拉维