科捷与大咖机器人签署具身智能物流战略合作

详细拆解

每次看到仓储自动化签约，我做的和看到港口发布时一样：先把队列画出来，再去读第二遍数字。左边是到达，中间是服务台，右边是离开，中间那条等待线才是钱待的地方。神州控股旗下智慧供应链品牌科捷与大咖机器人在2026世界人工智能大会上签的这份战略合作，递给我四个数：管理仓库近200个，总仓储面积近100万平方米，日处理订单峰值500万单，库存管理准确率99.95%；天津武清仓已有多台机器人协同处理真实订单，跑通任务生成、路径规划、货品识别抓取与分拣车归位；双方还要围绕按件、按仓的RaaS商业模式做POC。

这四个数里，两个是规模，两个是性能，把它们混着用，正是预算死掉的地方。200个仓、100万平方米告诉你盘子多大，但它不告诉你一个机器人在里面是不是比人捡得快。真正能进我模型的是峰值和准确率，而这两个数各自带着一个问题：准确率的分母是什么，峰值又是相对于什么而言的峰值。

我不替任何一家厂商说话，也不打算告诉你该找哪家。我要的是你在签字之前的那一套纪律：它替代哪一步决策，延迟从多少降到多少，错了谁付钱，对照组怎么搭，哪个数不达标就叫停。其余的都是通稿，而通稿不是度量方案。

先把仓画出来。一个订单进来，变成波次，变成拣货任务，走到库位，被捡起，走到打包台，被分拣，最后出库。这是一串服务台，每个有自己的平均服务时间，也有自己的波动；两个服务台之间的那块地方，就是包裹坐着不动、被扫错、被摔坏、或者消失两小时没人认领的地方。你要是纳闷过一个四公里外的包裹为什么走了两天，答案几乎从来不在路上，而在等待里。加机器人不改变这句话。加机器人改变的是其中一两个服务台的服务速率，而这值不值钱，完全取决于那几个服务台是不是原来的约束。

所以先给规模数字它们该有的权重。近200个仓、近100万平方米，摊下来每仓约5,000平方米，这是中型区域仓的量级，不是超大型分拨中心。假设，这是我的假设不是公开数字，一个可上机器人的拣选区在这种仓里大约占30%，因为通道、打包、集货、退货和异常品要吃掉其余部分。那么全网可改造面积大约30万平方米。这是这件事能触及的上限，不到标题面积的三分之一。任何从100万平方米起算的收益表，开场就已经输了。

下面是我最想吵的那个数：日处理订单峰值500万单。峰值是分布的一端，而且正是让PPT好看的那一端。我要的是另一端。假设，纯粹为了说明，你可以拿自己的数据替换，峰值是均值的2.2倍，那均值大约就是227万单一日。这个倍数是整件事里最贵的一个未知数，因为它决定你买多少设备、以及其中有多少在闲置。按峰值配，均值那一天你大约跑在45%的利用率上；按均值配，峰值那一天队列会炸，而峰值那天的队列恰恰是客户在盯着的时候。

配设备的账，输入全部标成我的假设。假设一台机器人在真实环境里能持续每小时拣200件，这个数对混装SKU来说已经算大方；再假设每天有效运行20小时，扣除充电、维护和换线，那么每台每天4,000件。假设每单2.5件。峰值500万单，就是1,250万件一天，需要约3,125台；均值227万单，就是约568万件，需要约1,419台。中间差1,706台，而这就是峰均比开给你的账单。供应商报吞吐的时候，问清楚它是在什么利用率上、在多长的窗口里测的。在状态好的一天按90%利用率测出来的吞吐，和跨一个季度测出来的同一个数，是两种不同的产品。

接着说准确率，这一段我要放慢。库存准确率99.95%听着像个已经解决的问题，直到你问它是谁的百分比。分母如果是SKU库位，你数的是记录；如果是订单行，你数的是面向客户的事件，这两个根本不是同一群东西。两本都算一遍，假设摆在明面上。假设全网有1,000万条SKU库位记录，0.05%的误差就是每天5,000条不一致。假设每条不一致波及0.3个订单，每个被波及的订单在人工、重新拣货和客服上的处理成本是15元，那就是每天22,500元，一年约743万元。

换个分母：500万单、每单2.5行，就是每天1,250万行，0.05%是6,250条错行；假设每行纠错成本8元，那就是每天5万元，一年约1,650万元。同一个百分比，两个分母，结论差一倍。

还有一件事比这两笔账都重要。把这个数放回它的语境里读：它是公司层面的库存管理准确率，属于既有运营和既有系统的属性，不是把机器人放上地面之后测出来的结果。一个基线被摆在干预措施旁边讲，就会被当成干预的成果，被你的财务团队当成，如果不是被你。所以在试点开始之前，把定义以书面形式钉死：数什么，在什么总体里数，多久抽一次，谁测，用什么盘点方法对账。之后再重测一次。如果你拿不出固定定义下的增量，你就没有结果，只有一个跟着你走的数字。

再看武清仓点名的那四个环节，问哪个是瓶颈，因为它们的难度根本不一样。任务生成属于计划层面，基本是解决了的。在已知场地上做路径规划，也接近解决了。分拣车归位最不起眼，但多机系统往往就卡在这儿静悄悄瘫痪，因为一辆车偏了五厘米，整条通道就停了。货品识别抓取才是难的那一环。它依赖物理世界配合：包装别变，新SKU在到货之前就有记录，软包装袋的行为要和训练集里那个软包装袋一样。按我的经验，这类项目的第一年不是输给算法，是输给商品目录。

这就到了我在任何一台设备上地面之前都要算的那笔账：人工兜底池要多大。假设抓取失败率是每次0.3%，对混装货物来说这已经是个好数字。假设每单2.5次抓取，那么一个订单至少需要一次人工介入的概率，大约是一减去0.997的2.5次方，约0.75%。500万单一日，就是37,500单需要人。假设每次介入人工耗时40秒，这里包括走过去、判断、重捡和记录，那就是150万秒，约417个工时一天；按八小时有效工时算，峰值一天约52人，均值约24人。这个池子不会因为机器人干活就消失。它是尾部的价格，而且必须作为一个有名字挂在旁边的科目出现在商业论证里。

再讲这次公告里真正有意思的部分，也就是那个商业实验。按件计价和按仓计价不是两种折扣，是两种风险分配。按件计价时，闲置产能落在供应商身上，这在你的量波动大、季节性明显的时候正是你要的；按仓计价时，闲置落在你自己身上，如果你的量又稳又可预测、能把机器喂饱，这样也没问题。这个POC真正要测的，是你处在这场取舍的哪一边。用我的数做一次交叉点。假设按件单价0.35元，按仓月费60万元，按30天算。两者相等的地方是60万除以0.35再除以30，约每天5.7万件。低于这个量，按件便宜；高于它，按仓便宜。

然后看你自己的量站在这条线的哪一侧、波动有多大。如果一个仓一天跑5万件、峰均比2.2，那它一年里大部分时间在线下方、只有几周在线上方，即便混出来的单价看着更高，按件也是对你更合适的形状。如果它稳稳跑8万件，按仓赢，而且赢得不少。坑在于还没搞清分布就去谈单价，因为单价是人人都争的那个东西，而分布才是做决定的那个东西。在谈费率之前，先把每个候选仓十二个月的每日件数摆上桌，季节性形状要看得见。

无论最后落在哪种计价形状上，三条款必须写进去，没有就不签。峰值周的单件价格上限，按基础价率的倍数写明，因为一个没有上限的变动成本模型不是变动成本模型，是一个敞口的模型。最低业务量承诺，按仓按月写明，并且要诚实：最低量就是上限的代价。还有一条带牙齿的可用性义务：集群可用性连续多少天低于约定水平，该期间费用按比例返还；如果再低于更长的约定窗口，你可以无罚则地把这个仓退回人工。没有救济手段的服务水平，是合同里的一句话，不是一个条款。

这份公告里我真正愿意付钱的部分，和机器人一点关系都没有，是OMS、WMS、TMS系统接口的开放。从已经在跑这套盘子的系统里拿事件级数据，比任何一台硬件都值钱，而且不管机器人有没有碰过那个纸箱，它都值钱。先埋点：订单下达、波次生成、任务分配、拣货开始、拣货完成、分拣完成、出库，每一条都带时间戳，三个系统共用同一个时钟。如果今天你不能从自己的日志里还原一个订单从头到尾的一生，你就无法评估任何东西，最后你只会相信那个讲得最自信的说法。

然后是会杀死第一年的维护负担。物理世界一漂，识别模型就退化：供应商换了纸箱，促销捆绑装出现了，换季带来行为不一样的软包装，一个季度涌进三千个新SKU而尺寸一个都没录。这些都不是模型问题，是数据保管问题。所以在试点之前就把责权分了，不要等到之后。商品主数据一个点名的责任人。新SKU属性，尺寸、重量、包装图，在采购订单之后24小时内录入的服务水平，覆盖率每周测、99%以上。再配一个带版本的目录，这样准确率掉下来的时候，你可以对着目录版本二分定位，而不是靠猜。这是整个项目里最不光鲜的活，也是决定第二年看起来像第一年还是像一场演示的那件事。

然后是我在看任何指标之前都要问的问题：它错的时候谁兜底。不是问应急预案是什么，那句话谁也约束不了。集群趴了，谁出人，几小时内出。错拣发走之后客户赔付谁付。WMS接口在波次中途掉线、没人知道哪些箱已经捡过的时候，这批订单归谁。带着时间和金额写下来：集群故障4小时响应义务，8小时内补足人工产能的义务，接口故障的点名责任人，以及一份地面真的演练过的手工波次流程，而不是存在文件夹里的那一份。上线之前演练一次并且计时，因为一套从没执行过的兜底方案只是一个希望。

接下来说埋点，带阈值，因为没有阈值的工具只是个爱好。单件履约全成本，含兜底人力，与对照仓比，争取至少8%。兜底工时占拣货总工时的比例，上限12%，10%开始查，连续四周高于12%就暂停扩张。抓取失败率低于0.5%，识别失败率低于0.3%，分拣车归位失败率低于0.2%，每天读、每周汇总。机器人作业区内每平方米每天的拣选件数，对着试点前基线追。订单下达到出库时长中位数与95分位，95分位不允许比对照恶化超过10%。集群可用率95%以上。接口可用率99.5%以上。事件时间戳完整率98%以上。SKU属性覆盖率99%以上，录入时效24小时。如果一场供应商沟通里没有这类数字，那你正在被卖一个故事。

对照要搭得像是真要答案，而不是要一个确认。挑两个在SKU结构、每单行数的分布、日单量区间、面积和品类上都能对齐的仓，一个上自动化，另一个保持现有流程，跑12周。每条腿都跑满至少300万单之前不要读结果，也不要因为上了自动化的那个看着忙就中途把两个仓对调。实在腾不出整仓，就把一个仓切成两个SKU结构相同的对照区，同时接受这个实验更弱，把置信区间放宽，并且别把点估计当成结论发出去。随机周在这里也不行，因为你的量是有季节性的，你会拿促销月和平淡月在比。

止损线趁现在还没人需要为决定辩护的时候设好。四个触发条件：兜底工时连续四周超过拣货工时的12%；或者第12周时单件履约全成本没有比对照片宜至少8%；或者订单到出库时长的95分位比对照差10%以上；或者出现一起超过500单的批量错发。触发任一条就暂停向更多仓扩张。触发两条，或者修完之后又触发同一条，就把该仓退回人工一个季度，同时产出书面原因分析。向更多仓的扩张压到第12周之后再放，而且只在单件履约成本、95分位时长和兜底占比三项连续四周同时达标时才放。

万一资本委员会说不，不买东西你能拿到什么。三件事，都便宜，都枯燥。货位优化：把动销最快的放在最短的行走路径上，这是拿你自己的订单行做的数据练习，通常能买回相当一部分拣货时间。波次纪律：把波次大小和释放节奏固定下来，而不是让地面想放就放，这能把制造队列的那个到达尖峰压平。还有容器标准化，这是你能为将来上机器人做的最便宜的一件事，因为一半的抓取失败追到最后都是容器从来没被规定过。这三件无论如何都做。它们自己就出钱，而且它们也是让那个贵的东西真正跑起来的前置条件。

那么这份公告该怎么看。它是一次认真的尝试，想把具身智能从演示推进到可复制的运营模式，而多台机器人在真实订单上协同、而不是在搭好的舞台上表演，是这个细节值得尊重的地方。它能不能扛住真实商品目录和一个真实的旺季，不是一场发布会能告诉你的。把它当成一个带对照、带止损的实验；不管机器来不来，先为接口和主数据纪律付钱；兜底池的资金别断。做到这些，一个季度之内你就会知道队列是不是真的动了。做不到，你只是在楼里最长的那条队伍前面，放了一台捡得非常快的机器。

↑ 返回核心要点

— 作者 拉维