不少仓储自动化项目是败在开工之前的。仓库里的真问题——SKU结构、拣选节拍、货位管理、人工成本到底压在哪一环——如果问的人不对、问的方式不对，后面的机器人方案就一路错下去。今年CeMAT展会上，具身智能企业把机器人放到密集货架前连续作业，观众通过iPad下单，机器人自主导航、精准抓取、放入料箱。热闹背后，客户只关心一件事：你能不能在我的仓库里真正落地，并持续作业。 仓储拣选这个场景，正在从“看Demo”切换到“算账”阶段。
为什么仓储成了具身智能的商业化试炼场？
搬运环节的自动化已经被AGV基本解决，但拣选环节一直被视作物流自动化的“皇冠上的明珠”。原因很直接：商品SKU种类繁杂、形状各异，传统自动化设备难以招架，只能依靠大量人工。具身智能的入局，让行业看到了替代人的曙光，但客户不再为“能走会动”鼓掌。
仓储之所以成为试炼场，不是因为它简单，而是因为它足够残酷、可量化、可复制：任务边界清楚，下单、导航、抓取、放入料箱，成功与否一眼可见；SKU繁杂但场景收敛，比实验室复杂，又不像家庭场景那样无限开放；人工密集，替代价值直接算得出来；可连续作业验证，不是抓一次就结束，而是要看一天、一周、一个月能不能稳定跑。仿真里再完美，到了货架前，1公分的偏差就会让抓取失败。
“1公分”到底是什么门槛？
报道里提到，智往未来的账起点不是宏大的“通用人工智能”，而是药企仓库里一个极为骨感的物理约束。这个细节值得所有做仓储自动化的人反复看。
仿真环境里，机械臂可以无限次试错，物体位置可以精确到小数点后很多位；但真实仓库里，货架有公差，料箱会偏移，商品包装会变形，光照会变化，机器人底盘停靠也不会每次都分毫不差。“1公分”代表的是物理世界的鲁棒性门槛：机器人必须在有误差、有干扰、有不确定性的条件下，依然稳定完成抓取和放置。
这背后考验的不只是模型能力，而是整套系统：视觉能不能在密集货架里找准目标；位姿估计能不能容忍商品倾斜、遮挡、反光；运动规划能不能在狭窄空间里不碰撞；末端执行器能不能适应不同材质和形状；异常恢复能不能在抓空、滑落、放偏后自己纠正。1公分不是参数，是商业化资格线。
“1比1替人”这笔账怎么算？
客户不会为“技术首创”长期付费，只会为结果付费。仓储场景的经济账非常直接：一个拣选工位一年的人力成本是多少；机器人本体、部署、维护、能耗、折旧加起来是多少；机器人能不能达到人工的节拍；能不能连续作业、少停机、少人工干预；换SKU、换货架、换仓库后还能不能用。
如果机器人只能在演示时抓几次，或者需要工程师一直守在旁边兜底，那它就不是“替人”，而是“增加一个需要被照顾的新工位”。只有做到接近1比1替人，投资回收周期才算得过来，客户才会从“好奇”转向“下单”。报道里孙浚凯的判断很直白：2024、2025年客户还有好奇心，看到机器人能动、能做简单Demo就觉得不错；到了今年，客户只关心你是否能真正落地并持续作业。具身智能的估值逻辑，正在从技术故事转向交付故事。
仓储拣选落地前，先问对哪几个问题？
具身智能机器人要替人，前提是仓库本身的流程、数据、货位管理是数字化的。WMS把SKU、货位、波次、拣选路径管清楚，机器人才有稳定的输入；如果仓库里连物料编码都不统一、货位靠老员工记、库存账实不符，再好的机器人也只能在混乱里抓瞎。精工智能在智能仓储与数字化工厂这一环，做的是先把仓储流程和数据底座搭稳，再谈自动化设备接入——先让仓库“说得清”，再让机器人“干得稳”。
落地前至少问清四件事：第一，这个仓库的SKU结构适不适合机器人拣选，高频SKU是否集中、包装是否规则；第二，拣选节拍和人工成本到底是多少，ROI能不能算出来；第三，货位、料箱、通道是否需要为机器人改造，改造成本谁承担；第四，换场景后要不要重新开发，供应商的交付边界在哪里。这四个问题不问清，机器人进场之日，就是返工开始之时。
精工智能数字化工厂的售前诊断，是先把问题问对、再谈方案。前面多花的时间，是给后面省下的返工。仓储拣选这个场景，先判断SKU结构、节拍和货位管理适不适合上机器人，再算1比1替人的经济账，最后才谈设备选型。顺序对了，钱才花得响。
