神州控股科捷携手大咖机器人WAIC首发具身智能集群真仓作业

详细拆解

一支机器人集群刚跑完真实的班，不是台上的演示。在 2026 世界人工智能大会上，神州控股旗下科捷与大咖机器人联合首发具身智能多机器人集群，在科捷天津武清仓内把订单接收、路径规划、货品识别抓取和分拣车归位一整条流程跑完。科捷开放了接近 200 个仓库，总面积近 100 万平方米、日处理峰值 500 万单，作为真实场景的训练与部署载体。

末尾那句要读两遍。有意思的不是机器人，是把仓库开放成训练场这件事，因为改变单位经济性的恰恰是这一句。

把仓库想成一条队列，机器人就是队列里的服务台。一台机器人在演示里做一件事，是杂耍。真正作数的是整支集群每小时的吞吐，而吞吐由协同决定，不是由任何一只手臂的速度决定。

先说集群在技术上是什么。集群意味着机器人彼此排程、共用一张地图、协商同一条通道和同一个充电窗口。这才是难的地方。一台机器人在固定格位里抓一个已知件，是已经解决的演示题。二十台挤在同一条通道里，就变成一个死锁问题、一个充电排队问题、一个交接问题，而且失效的样子很难看：吞吐不是缓缓下降，是直接塌掉，因为机器人互相挡，然后一起等那台谁都需要的分拣车。所以这里的产品是调度层，不是硬件。这么读这条新闻，实景演示是对软件发出的信号，而那 200 个仓库是这套软件需要的喂养数据。

为什么是现在。具身智能卡在演示边界上卡了很多年，而那条边界不是灵巧度，是曝光量。在整理过的货架上训练出来的模型，只认识整理过的货架。真实仓库是乱的：混装纸箱、破箱、没人预料到的订单、停在错车道的托盘。要补上这个差距，最快的办法是把机器人放到真实的乱局面前、放到真实量级上，把崩掉的场景抓下来。100 万平方米和 500 万单峰值不是橱窗，是一套数据采集装置。把 200 个仓库开放出来，这是最老实的读法。

谁先有感觉。走在前面的，是高频、标准化、可重复的搬运动作：收货、路径规划、分拣车归位，这些是有已知件、已知终点、反复循环的活。走在后面的，是低频、高变动、异常密集的活，因为那里模型的数据最少、人的经验最多。所以按紧周期跑标准品类的电商履约方是早期买家，而日常建立在非标货和定制处理上的第三方物流是晚到的那个。量级门槛才是问题本身。先算出你自己每个分区的日订单量，再拿它去比那个点，也就是协同开销开始吃掉人力节省的那个点。

时点以季度计，不以周计。协同软件靠数据变好，而数据是一班一班进来的。最早的收益来自确定性循环，大概两三个季度内；异常处理是更长的路。要按一段时间内人机混编来排，因为真正的成本就藏在这个过渡里。要为并行跑两套控制器留预算，一套仓管系统和一套机队调度器必须在同一个库位上达成一致，并且预期第一版会比它替换掉的那个人更慢，之后才会更快。这个下滑是正常的，跳过这段下滑的试点，什么也没证明。

这里有一条标题不会讲的点。集群的上限，等于它背后那条数据管道的上限，而仓库已经悄悄变成了一只传感器。每一次抓取、每一次死锁、每一次分拣车归位都是训练数据，这引出两个没人放上 PPT 的问题。一是这些数据归谁、存在哪里。二是当机器人在凌晨三点出错、而当天的异常队列比一天还长时，人的岗位是什么。一个把容易的那 80% 自动掉的集群，不会消掉难的那 20%，它会把那 20% 聚拢起来，而聚拢后的异常需要一个有权打断循环的人。

部署之前先量化。假设某个分区每天 10 万次抓取，两班倒配 40 个拣货员，而一支机队把吞吐抬升 30%。那就是每天 3 万次的新增能力，大约相当于 12 个拣货员的产出。但这支机队只有在协同开销低于这段余量时才划得来，所以要盯那个决定一切的数字：每机器人小时的抓取数，不是装机台数。这个数在爬，就加机器。加机器时它却走平了，说明你撞上了协同天花板，再加硬件只会更糟，不会更好。

反过来的情形，是需求块状、SKU 跨度又大的仓库。在那里，协同层把容量都花在等待上，同一支机队在稳定量上很亮眼，到你这儿却是峰谷两头都闲着。起作用的是量的稳定性，不是量本身。这一点一变，整个账就翻。

↑ 返回核心要点

— 作者 拉维