这两年 AI 进厂,最常见的结局是停在演示阶段。屏幕上的智能很聪明,产线上的智能还在排队。展会上的智能体视频一条比一条流畅,回到车间,拣货员还是拿着纸单在货架间来回走。问题不在 AI 不够聪明,在于有些硬指标还没跑稳,智能体就没有上岗的资格。

智元×龙旗那条产线给了一个参照:64824 次取放、节拍 22 秒、万次错一次。这三个数字之所以有说服力,不是因为它们好看,而是因为它们是在真实产线上跑出来的,不是剪出来的。仓储自动化同理——先跑稳硬指标,再谈智能体和无人化。
智元×龙旗的 64824 次取放、22 秒节拍、万次错一次,拆开看是三件事:干了多少次、多快干完、错了几次。这三件事对应到仓储,就是出入库准确率、配送准时率、换线效率。
出入库准确率决定库存账实是否一致。SKU 多、人工贵的场景里,拣货错发一次,后面跟着的是客诉、补发、盘点差异,一笔错账要三个人花半天去平。配送准时率决定产线会不会因为缺料停线。换线效率决定多品种小批量能不能接得住。
这三个指标没跑稳,上智能体等于让一个还没学会走路的人去跑马拉松。展会视频里智能体调度 AGV、自动拣选看起来很顺,但视频不会告诉你:拣货准确率是 99% 还是 99.9%,缺料预警提前了 5 分钟还是 30 分钟,换线一次要停 2 小时还是 20 分钟。

智能体和无人化,是硬指标跑稳之后的事
中睿 AI-WMS 智能体在展会预热,方向没有错——AI 调度仓储、辅助拣选、动态排程,确实是接下来几年的事。但顺序不能反。
智能体能发挥作用的前提,是底层数据准、流程稳。库存数据不准,智能体排出来的拣货路径就是错的;配送准时率没跑稳,智能体再怎么调度也是在一堆不准的信号上做决策。换句话说,智能体是放大器,底层硬指标跑稳了它放大效率,底层没跑稳它放大混乱。
所以仓储自动化的推进顺序应该是:先把 WMS 的出入库准确率、配送准时率、换线效率跑到可量化、可追溯的水平,再让 AI 智能体在这个基础上做调度和优化。跳过第一步直接上智能体,大概率是又一个停在演示阶段的项目。
三个硬指标怎么跑稳
出入库准确率靠的是扫码闭环和复核机制,不是靠人盯人。每一次拣货、每一次上架都要有扫码记录,差异当天清,不隔夜。
配送准时率靠的是缺料预警和 JIT 叫料的联动。预警提前量不够,配送再快也来不及;预警准了,配送才有节奏。
换线效率靠的是流程梳理和参数预设。多品种小批量的场景里,换线时间决定产能弹性,WMS 和 MES 的换线参数要提前配好,不能每次换线都靠现场临时调。
这三件事都不新,难的是跑稳。跑稳之后,智能体才有东西可学、有数据可用。

精工智能数字化工厂的 AI 赋能,做的不是让 AI 出现在大屏上,而是让数字员工真正站到岗位上——巡检、报工、辅助判断,该干活的地方有它干活。而让它能干活的前提,是出入库准确率、配送准时率、换线效率这些硬指标先跑稳。数字比概念更有说服力,先把数字跑出来,再谈智能体上岗。










































































































