我国物流数字化提速：AI智能体落地超千场景，仓储自动化迈入第三波

详细拆解

一千个已上线场景是一个部署计数。我想把这个说法讲准一点，因为在我参加过的每一次仓储评审里，被摆到台面上的都是这个计数，而真正在走廊里被追问的是回本期。

报道里有四个我能直接拿来用的数字。重点物流企业前七个月数字化投入同比增近三成，头部运营商的生产场景超过一千个，冷热穿梭无人叉车在接近五十度的温差里把搬运效率提了约四成，而制造业的 AI 用例只有约两成被稳定规模化。

把四成和两成放进同一个取景框。一个是回路合上时会发生的事，一个是回路合不上时会发生的事。下面这些全落在这两个数字之间的缝里。

先把事实不加装饰地摆出来，因为装饰就是这类讨论出错的地方。重点物流企业前七个月数字化投入同比增近三成。头部运营商的生产场景超过一千个，覆盖智能调度、需求预测、线边补货和客户更新，多数还留着人在环里。冷热穿梭无人叉车在接近五十度的温差下作业，搬运效率提升约四成。AI 视觉被称为仓储自动化的第三波，理由是前两波解决了搬运和追踪，库存准确性一直偏弱。Gartner 把智能体 AI 列进二〇二六年供应链技术趋势。六成半的供应链从业者说，采购技术时 AI 能力重要或非常重要。约两成的制造业 AI 用例被稳定规模化。

把一个仓库想成一条队列，前面挂着几个缓冲。货到、等、上架、再等、拣货、再等、出门。我接触过的自动化项目，几乎都在让其中一个工位变快。几乎没有一个是去改那个变快工位前面的缓冲，而效率数字和规模化数字之所以岔开，原因就在这里。工位变快了，队列挪了位置。

那四成是真的，值得搞清楚它为什么真，而不是把它当成供应商话术。冷热穿梭车在严格意义上是闭合回路：路线固定、载荷统一、感知是局部的、动作是物理的，结果由驱动动作的同一个传感器验证。没有东西离开这个回路，所以效率可以归因；可以归因，所以量得出来；量得出来，才能写进账。窍门就在这儿。不是机器人聪明，是算术闭合。

一个起草库位调整建议的调度智能体，形状正好相反。它产出一条建议，人接受或者忽略，两种情况下都没有信号回流说这条建议对不对，因为结果从一开始就没有被记在那条建议名下。这是开环，而开环没法归因，没法归因就没法规模化。两成不是模型质量问题，是缺测量，而缺测量是这件事里最贵的一项，因为它让你失去「停掉一个没用的东西」的能力。

看那三成到底买回了什么。投入增近三成，规模化用例约两成。我的读法是：这笔组合里，约束条件换位置了。资本是约束的时候，答案是一行预算。资本不再是约束、规模化率还卡在两成，约束就在别处，而它搬去的地方是验收标准。这类项目大多从来没有过验收标准，只有上线日、一场演示，和一个计数。

失效模式稳定到可以直接命名，我在三个国家见过同一套。团队数场景而不数结果，因为场景数得出来，结果需要基线。场景上线、有人演示、计数加一，那条异常队列还是原来四个人、原来那个速度在处理。预算那一行看起来像进展，队列没动。用系统的说法：加了一个生产端，没加服务端，积压只是换了个地方堆。

所以先量化，再谈优化。我会写进任何验收文件的第一项 KPI，是库位级的库存记录准确率，连续测量，不是盘点那一刻测。不是 SKU 级，SKU 级会藏住一切，因为一个货在楼里、但不在它该在的位置，SKU 准确率照样是过的。库位级，任意时刻。我的验收线是九十九点五，而且要连续九十天守住，因为盘点之后那一周好看，几乎什么都说明不了。

错误半衰期这一项，我在任何供应商材料里都没见过，而它决定第三波对进口方到底值不值钱。准确率是在盘点时点报出来的，那是一个抽样产物。真正管着你运营的，是一条错记录在被抓住之前能活多久。叫它错误半衰期。一个月盘一次，盘后第二天出错的那条记录会活一个月左右，所以所有错记录的平均存活时间大约是它的一半。连续视觉并不改善盘点，它把存活时间从几周压到几分钟。我的验收线是九成半的错记录在四小时内被发现并纠正，从系统日志取数，不靠交接班时走一圈。

这个区别有一个多数商业方案整个漏掉的后果。错记录像水池里缓慢排水的积水。在错误发生率恒定的前提下，系统里存量的错记录数，正比于每一条能活多久。把存活时间缩短三十倍，存量错记录大致同比例下降，而且不需要任何人变得更仔细。安全库存存在的理由，恰恰是覆盖这批存量，以及覆盖它造成的拣货找货时间。所以实时库存真实的回报不在供应商那条人工成本线上，而在于你不必再为自己的记录质量囤的那部分库存。

跑一个模型，输入是我的假设，不是报道里的数字。假设两万个物料—库位，任一时刻有百分之八带着错记录，这是我的假设，不是公布数字。假设一张订单平均六行。那么一张订单至少碰到一条错记录的概率约三成九，因为一减零点九二的六次方等于零点三九。如果其中一半的碰触要花十分钟找货，每单约多两分钟，一天一千单就是三十三个工时。其他条件不动，把记录存活时间从三十天压到一天：存量错记录降到约千分之二点七，碰触率降到约百分之一点六，找货负荷降到一小时出头。绝对值完全取决于假设，比例关系不取决于，而比例关系才是论点。

闭合与否，是「能干活的智能体」和「一场演示」的分界线，而且它要落在动作上，不在建议上。任务闭合率：智能体提出的动作里，被执行的比例是多少；被执行的那些里，结果被写回原建议名下的比例又是多少。不是被接受，是闭合。这个数低于四成，把场景关掉，因为你是在为一个意见箱付运行成本。我保留一个场景的线，是一个完整季度七成闭合，而且写回是自动的，不是靠谁周五维护一张表。

拦截率必须配一个伴生指标，否则一定会被做假。拦截率本身，是指在拣货打包之前而不是发运之后抓到异常的比例。取一个一天一万单、异常率百分之四的仓，就是四百条异常，假设每条要计划员六分钟，就是一天四十小时，五个全职计划员。把拦截率从六成做到八成五，人工队列从一百六十条降到六十条，省下一百条、约十小时一天，大约一点二五个计划员。这些都是我的假设，不是报道的。现在是伴生指标：误报率两成半的时候，那四百次拦截会甩出一百个假警报，每个三分钟就是五小时一天，正好吃掉一半的收益。我的阈值是误报率低于一成，按周测，和拦截率放同一块看板，这样没人能靠毁掉一个去做好另一个。

还有两个数字很无聊，而它们预测失败比这张单子上任何一项都准。常规任务的人工介入率，两个季度内该降到两成以下；信号时延，也就是从物理事件发生到记录反映出来的时间，该在五分钟以内。时延是一天，你建的不是实时库存，你建的是一份更快的报表。我见过一个现场为穿梭车四成的效率提升庆祝，而它背后的记录时延还是隔夜的，意思是这个提升在工位上真实存在，对下游的每一个决策都不可见。

然后是回本期测试，这项不需要供应商提供任何东西。拿这个场景一年的运行成本，含授权、集成的维护和内部负责人，除以你的含费人工小时成本。假设年运行成本六万美元、含费时薪十二美元，两个都是我的假设，都不是市场数据。那是五千小时一年，约九十六小时一周，也就是一周四十小时的算法下两个半人。如果这个部署说不出是哪九十六小时消失、从哪个成本中心消失，这个商业方案讲的是能力。能力不会出现在毛利里。

影响落在哪儿，取决于你买的是什么，我会把市场切三段。大运营商能把穿梭车或视觉阵列的固定成本摊到足够大的量上，所以那一千个场景的计数在它们手上。中型第三方仓买的是结果，再把一个缩小版的结果传给你，通常体现为服务承诺而不是费率。小货代永远不会有穿梭车，它的全部暴露面就是那个把扫描事件推到你追踪页上的接口，所以它的风险是时延风险，不是资本风险。三段要三套验收标准，没有一套是场景数量。

货类会把它再切一刀，进口方最容易在这里误判自己的位置。做温控货的，站在四成是真的那半边，因为冷链搬运是仓储里少数几个回路能自己合上的任务。发普货的，最后传到你手上的不是穿梭车，是里程碑信息流，值得问的不是穿梭车多快，而是一条错误状态在被客户看见之前能活多久。高 SKU 数往反方向使劲：库位越多，错记录的机会越多，半衰期这个论证就更强，不是更弱。

贸易方向的影响比多数人以为的小，但它改变了风险在谁手上。出口方订国内段，买的是自动化本身，看得见付钱的那条资本支出。进口方买的是服务承诺，只在承诺滑动时看见方差。两个人里只有一个有位置去审验收测试，而这个人几乎从来不是承担商业暴露的那一个。你是进口方的话，这个缺口只能靠合同补，靠运营补不了，因为否则你永远看不到系统日志。

日历比战略 PPT 短。周这一层是异常队列：拦截率和闭合率如果一周一周不动，别的都不会动。季这一层是数字被拿出来审的时候，因为量集中、错一次很贵，也是合约续签的时候，四成的搬运提升第一次进报价行通常表现为某个杂费项目变小，而不是基础运价变小，因为节省先落在运营商的成本结构里，然后才可能落到你的价格里。年这一层是全面盘点和资本申请，而盘点也是多数进口方唯一能看到库存准确率这个数字的地方。三个钟、三个不同的决定，通常还归三个不同的人管。

这里是报道跳过的那一段。一个节点快四成，不会让整条链快四成。它会让下一个节点前面的缓冲变大，除非有人提高那个节点的产能，或者有意重排缓冲。买了穿梭车、跳过重排，你就是花资本把一条队列往左挪了二十米。这一点不微妙，而它几乎总是被跳过，因为签穿梭车的人按工位考核，吸收缓冲的人按订单考核。

还有一件事没人明说：场景数量是最容易被做假的那个指标，因为它最好动。一条流程拆成三条，计数就上去了，而这对运营什么也没描述。所以把一千当成一个关于市场的事实，不要当成你的基准线。它告诉你这项技术在规模上是存在的，它一点也没告诉你，你那些流程是不是回路能合上的那一些。

先给队列装上表，再给它买东西。连续两周记录每个班次的到达条数和解决条数，然后比九十分位，不要比平均数，因为平均数会把积压翻倍的那个班次藏起来。我的规矩是，九十分位的解决能力要盖过九十分位的到达量，这样积压被压在一个班次以内。在这条成立之前，加一个场景就是给一条没有富余服务端的队列加一个生产端，而你会看到异常条数不管部署看板上写什么都是平的。两周的计数几乎不花钱，而它是商业方案和一场演示之间的区别。

反事实不是「你原地不动」。你的第三方运营商在自动化，而你什么都不改，你继承的是它的成本结构，继承不到它的可视性，而且你会以略高的代价继续为同一份不知道付钱，因为自动化孤岛产出的速度快过下游手工工位能吸收的速度。这份方差会在你的高峰周表现为服务事故，在盘点时表现为库存调整，两样都会被归因到需求上。

什么条件下我的结论会翻，这一点我要说公道，因为论证是有条件的。如果你的 SKU 数低、库位少、记录在任意时刻已经稳在九十九点五以上，半衰期这个论证对你价值很小，整个第三波缩回一个搬运问题。如果需求平稳、客户就一两家、订单结构稳定，预测和调度类的场景几乎没有可学的东西，两成对你来说是结构性的天花板，不是执行问题。如果你的运营商不肯给异常日志，任何验收标准都执行不了，那正确的决定是拒掉那条自动化条款，而不是签了再指望。

所以采购的单位该换了。不要再买场景，开始买一个被测量过的回路，而且顺序有讲究，前一步不做后一步就没有意义。先把日志拿到，没有它，后面每个数字都只是主张。把阈值写进合同，带测量窗口和退出条款，因为不带窗口的阈值只是愿望。拿一条流程端到端跑满一个季度再扩，因为一个季度是最短的、同时含一次量和一次盘点的周期。到那时候，再谈下一千个场景。

↑ 返回核心要点

— 作者 拉维