核心要点
先看结论——该做什么、什么时候做：
- 签约前先做基线：在每一个候选仓连续 30 天测量每工时行数、到货至上架小时数、每千行异常数，凡是不建立在这三个数字上的商业论证一律退回。
- 把交接预算写进合同：每千行订单的机器到人交接不超过 5 次，并在第一个单元进场之前，为每个交接点写明触发条件、信息包和决策责任人。
- 把缓冲区圈出来：按峰值周到货停留时长的 90 分位定集货面积，并把自动化占地（含充电与围栏）上限压到拣选区的 12%。
- 把 RaaS 报价折算成你自己订单结构下的每千行成本，并要求合同写明 95% 的可用率下限，未达标则按小时费率下调。
- 单仓、单产品族跑 90 天，设三道闸门：每工时行数提升 20%、到货至上架下降 25%、每千行异常不劣于基线，回滚日期提前锁定。
在 2026 世界人工智能大会（7 月 18 日）上，神州控股旗下智慧供应链品牌科捷与大咖机器人签署战略合作，推动具身智能物流落地。科捷运营近 200 个仓库（面积约 100 万平方米、日处理订单峰值 500 万单、库存准确率 99.95%），将开放真实场景用于机器人即服务（RaaS）部署。
详细拆解
7 月 18 日，世界人工智能大会现场，神州控股旗下智慧供应链品牌科捷与大咖机器人签了战略合作，要把具身智能在仓储里做成产业化的东西。公告里那几个数字才是有意思的部分：近 200 个仓库，约 100 万平方米，日订单峰值 500 万单，库存准确率 99.95%。合作要开放真实场景给机器人即服务（RaaS）部署，也就是说，机器是按小时计费的服务，不是你买断的资产。
先把它建模，再谈佩服。一个仓库就是一张排队网络：收货、上架、拣选、打包、集货、发运，再加上一个没人拍照的小工位，异常都往那儿去。在单个工位上加产能，只有当那个工位原本就是瓶颈时，系统吞吐才会动。所以问题不是机器人好不好用，而是这栋五千平方米的楼里，到底哪一环在卡着。
这几个数字里的密度，是我第一件要写到白板上的事，因为它决定了这是个什么性质的问题。
100 万平方米摊到 200 个仓，平均一个仓 5,000 平方米，这是中型仓，不是巨无霸。500 万单峰值摊到同样 200 个仓，平均单仓峰值日 2.5 万单。折算下来是每平方米每天 5 单，而且我这里假设了均匀分布，现实里没有任何一张网络是均匀的。结论是：在这个密度下，稀缺的是地面，不是动作。拣货员的行走时间取决于楼里有多少面积可以走，而集货通道、充电位、安全围栏、机器人通道，全都从同一块地面上切出去。
再把 99.95% 读一遍，这次做减法。剩下的 0.05% 乘以 500 万，是全网峰值日 2,500 个异常，平均一个仓十二三个。一个跑了十年的仓，两个人加一台推车就能消化一天十二个异常。这就说明了一件公告没说的事：这单生意没法靠准确率去卖。余量几乎没有了。如果卖点是精度，商业论证就是个零头。它只能立在每行拣选的工时和立体空间利用率上，而这两个数字，公告一个都没给。
顺着工时这条线往下追机制。机器人提高的是拣选面的每小时行数，那是一个服务速率，而服务速率只有在前面积压的队列足够长时才有意义。如果收货和上架没变，拣选变快只是把活往前拽，拽进集货缓冲区，而缓冲区也是地面。地面固定在 5,000 平方米。缓冲区一满，拣选面被堵，行走路径变长，有效拣选速率又滑回原点。这是一个平衡回路，也正是很多自动化试点第一个月漂亮、第六个月持平的原因。收益是真的，系统会吃掉一部分。想吃住它，要么把缓冲区加宽，要么把喂给它的波动压小。
真正会改变系统状态的参数，是收货和订单结构的变异系数，不是均值。两个日均量一样的仓，一个按固定班期整托收货，一个供应商想起来就发混装箱，需要的缓冲区完全不同。99.95% 是全网平均，而平均值会把尾部藏起来。尾部集中在那些在货架上长得像的品类，以及把它们混在一起的订单里，那恰好是视觉模型余量最小、老拣货员余量最大的地方。具身智能不会消掉这条尾巴，它把同样比例的尾巴，原封不动地挪到更少的人身上，这些人从此不拣货，改管机器。
按仓型把网络切开，铺开的顺序自己就写出来了。品类稳定、周转快、单一温层、订单结构可预测的仓先上，因为波动低，机器人单元可以排得密。季节性选品、SKU 频繁换代、整托与拆零混拣的仓往后排，可能排好几年，因为这三个特征每一个都在抬高异常率、压低按小时计费的机器人利用率。对进口方来说，后果是不对称的。货落在自动化节点，你自己那侧的收货纪律就成了硬约束，错过一个预约窗口的代价比以前错过一辆车大得多。货落在别的节点，今年什么都不会变，除了可能来一次涨价，去为别人的资本开支买单。
贸易方向也要分开看。整托进仓是最兼容的流量，因为托盘是机器人能推理的一个单位。散箱、拼箱拆板、任何没有稳定装载单元的到货，是最不兼容的，而那恰恰是人工异常台存在的理由。从这种节点往外发的出口方，遇到的是镜像问题：截单时间收紧，因为出库现在是按机器人拣选序列排的，它对一辆迟到的卡车，远没有当年的班组长那么宽容。
从公告到试点，一到两个季度。从试点到产线上真正跑起来，再要两到四个季度，因为难的不是那只手臂，是教会仓储管理系统把活交给一支车队，并在车队停下来的时候把活收回来。进口方真正会感觉到的，是下一个合同周期里的预约窗口和截单时间变化，以及一版改过的附加费表。峰值是把这件事显形的时候，因为峰值时缓冲区早就没了。
下面这段是任何大会舞台都不会讲的。所有表现不及预期的自动化仓，掉链子的地方都在交接，不在机器人。一个周转箱到了异常工位，却没有一个人类能直接照着操作的位置码。一个托盘偏了八厘米，单元停了。一张订单需要一个替代品的判断，而没人写过这条规则。每一次都是机器到人的状态转移，每一次转移都有一笔按分钟计的成本和一个按百分比计的失败率。把它们数出来。每千行订单的交接次数，是我所知最能预测一个自动化项目能不能守住收益的指标，而它在每一份新闻稿里都缺席，因为它不好看，而且它是设计选择，不是采购动作。
来算一笔账。以下全部是我的假设，没有一个数字来自公告。取一个 5,000 平方米的仓，日均 2 万单，每单 1.4 行，共 2.8 万行。假设人工拣选员在 7.5 小时有效班内维持每小时 80 行，也就是 600 行，那么一天约需 47 个拣选班次。让机器人单元第一年覆盖其中 30%，即 8,400 行，约 14 个班次。如果单元连同充电和围栏占掉 12% 的拣选区，你是拿 600 平方米地面换了 14 个班次。
这笔交易值不值，完全取决于你的工资和租金，而如果腾出来的地面正好让你扛住峰值缓冲，结论就反过来。再看尾巴：准确率不变在 99.95%，异常量就跟着单量涨。行数涨 25%，全网峰值日多出 625 个异常，按每个十二分钟算是约 125 个工时，约 16 个没人编过预算的班次，因为自动化的账从头到尾只数了拣货员。
反事实不是「不上机器人」，是「排序」。先把最快动的货挪到打包台最近的位置，把收货预约压到两小时窗口，把波次逻辑重切一遍，你能不花资本、不背集成风险就收回同一份吞吐里相当一部分。这活很闷，但可量化，而且是前置条件，因为给一个库位规划很差的仓上自动化，等于把错误的规划浇进钢结构里。让我这个结论翻转的条件是：低波动、高人工成本、租期长到能摊销。三者齐了，买机器人，别念诗。其余情况，你楼里那条队列早就在告诉你该修哪个工位，而它通常不是正在被推销的那一个。
↑ 返回核心要点