科捷与大咖机器人在天津真实仓库演示具身智能拣选

详细拆解

7月17日的世界人工智能大会上，神州控股旗下供应链品牌科捷与大咖机器人，在科捷天津武清仓内让多台具身智能机器人做真实订单拣选。机器人接单、规划路径、识别货品、把分拣车归位。科捷运营近200个仓库，日订单峰值500万单，它正在把真实场景开放出来训练和部署物流机器人。

把演示话术去掉，剩下的是一个关于某个流程里某个工位服务速率的说法。这种说法可验证，也是该给出的那种。通稿没给的是四个能评估它的数：单次拣选节拍、两次人工介入之间拣几次、一次介入要几分钟恢复、一个班次工位可用率多少。

仓库是一条固定顺序的队列网络。中间某个服务器变快，两侧接不住，产出不会提高。这是算术，不是观点。

先看给出的数。近200个仓库，日订单峰值500万单。峰值是组合口径，机器人测算要的是单仓峰值，这个没给。如果均匀摊开，平均每仓一天两万五千单，这是我的假设，不是披露数字。真实网络不均匀，峰值集中在少数仓，能落地的面比200小得多。该问供应商的是，这两百个仓里有几个撑得起一个工位。

拣选成本由行走主导，行走又由库位和订单结构决定：每单几行、每行多少立方、货品集合稳不稳。具身智能相对固定自动化的好处是能容忍不规整布局，不用为设备改建筑。劣势是在高度规整的巷道里，速度和可靠性都不如固定自动化。适配面因此很窄，最好是布局别扭、订单结构又重复到机器人反复见同一套几何的仓。

第二个机制是成本结构。机器人把工时换成资本、维护和地面面积。这笔交换奖励高利用率、惩罚闲置，设计变量于是变成峰谷比，不是总量。三倍峰的仓要么配够覆盖峰值的工位、其余时间吃闲置，要么用混合班组，机器人吃基载、人吃尖峰。平坦的仓可以让工位接近饱和，测算就好得不像话。同一项技术，相反的结论。

再往下是收益落不落地。有效产能取各站最小值，不是加总。拣选提速，补货要跟上，拣选面空得更快，包装分拣接得更快，月台窗口更紧。只做拣选的部署，交付一定少于人工算术给出的值，缺口以隔壁工位拥堵的形式出现，不是以机器人产出不足的形式出现。

收益分配也不均匀。量大、货品稳的仓先受益，实际就是大型三方运营商或品牌自建仓。多客户、结构飘的运营商最后受益，因为异常和切换占主导，机器车队恰在最需要弹性的地方最没弹性。小货主只能间接沾光，通过服务商的单均成本，而这份好处在重新谈合同前归服务商。如果你是货主，生产率提升默认不是你的，续约时才是，前提是你手里有基线。

时间以季度计。演示是7月17日，可信的第三方数字，也就是在展示之外量出来的节拍和介入率，按我的判断要两到四个季度。单区试点也说不了网络的事，铺开风险和你的仓之间差异有多大成正比。

报道缺的正是这一段，也是唯一决定投资的一段。一台拣得更快但每N次就要人介入的机器人，有效速度可能不如一个稳定的人。式子写下来：有效速率等于毛速率减去毛速率的平方，乘以每次拣选的介入次数，乘以每次介入的分钟数，再除以六十。毛速率180次、恢复三分钟，这两个是我的假设，不是原文数字，对上一个120次的人，平衡点大约每27次介入一次。没有人公布每拣选介入次数，缺这一个数，能力声明就无法被证伪。另一处缺失是成本住在哪里。真实场景训练是这里真正的资产，因为长期成本驱动是长尾罕见货品，不是平均那件。热门SKU上的演示证明的是分布的头部，你的成本住在尾部。

把算术跑在自己仓上。假设一天两万五千单、每单三行，七万五千次拣选，二十个作业小时，合每小时3750次。按每人每小时120次，约31个拣货员。这几个输入是我的假设，不是原文数字。把工位换成毛速率180、介入率用你自己量到的值，盈亏平衡就成了一条签字之前能画出来的线。

两种失败都很贵。只在结构合适的仓部署，其余部分等量涨上来，这是正确答案，也是慢答案。为证明覆盖而铺开，平均那个仓替一场演示背资本，这是最贵的学习方式。什么都不做，生产率好处以利润留在服务商那里，等重新谈的时候你手上没有基线。

三个坑。拿演示比自己的现场，货品更不规整、需求更不稳。数毛拣选量而不是有效拣选量，试点于是总比铺开好看。还有忘了物理边界，巷道宽度、充电位、地面面积、补货路径在车队进场后都要改，这些成本在建筑里，不在发票上。

要四个数，再要一个控制区。两样都有，决定自己做出来。两样都没有，你看到的是分布的头部，被要求给尾部定价。

↑ 返回核心要点

— 作者 拉维