具身智能的“算账时代”：这家企业在仓库里死磕“1公分”与“1比1”替人
具身智能的“算账时代”：这家企业在仓库里死磕“1公分”与“1比1”替人
2026年11月04日 22:47
11月3日，上海新国际博览中心，亚洲国际 物流 技术与运输系统展览会（CeMAT）如期开幕。在具身智能企业智往未来的展台上，观众正通过iPad体验“下单”——随着指令下发，其二代 机器人 轮式双臂 机器人 Armstrong Pro自主导航至密集货架，精准抓取指定物品并放入料箱。
这次展出的核心是将 机器人 在真实落地场景的连续作业直观地带到观众面前，智往未来创始人兼CEO孙浚凯向《中国经营报》记者指出：“2024年、2025年时客户还有好奇心，看到 机器人 能动、能做简单Demo就觉得不错。但到了今年，整个行业高度收敛，客户只关心一件事——你是否能真正落地，并持续作业。”
孙浚凯的直白，道出了当前具身智能行业最真实的焦虑。当“能走会动”不再是技术门槛，当模型能力不再是唯一的护城河，这届展会上所有玩家都必须直面同一个拷问：脱离了PPT和实验室， 机器人 到底能不能在真实的商业场景里跑通那笔“经济账”？
在智往未来主打的仓储拣选场景中，这笔账的起点，并非宏大的“通用 人工智能 ”，而是药企仓库里一个极为骨感的物理约束。
仿真里的完美，现实里的“1公分”
在 物流 行业，搬运环节的自动化已经被AGV（自动导引车）基本解决，但拣选环节一直被视作“皇冠上的明珠”。由于商品SKU（库存量单位）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。智往未来的技术底牌是自研的WISE-RL架构。据孙浚凯介绍，这套架构并非业界常见的纯端到端（VLA）模型，而是将“世界动作模型（WAM）+原子化动作库（Skill）+强化学习（RL）”三者融合。“这一具体路线的提出在业内是首创。”
“WAM和VLA不是完全替代的关系，WAM是帮助VLA更好作业，甚至可以融合升级。”孙浚凯用一个真实的药企仓库案例作了解释：在一个长达60厘米的料箱里，药盒经常贴着边缘摆放。如果 机器人 使用吸盘在边缘吸取，极易因为吸附力不足而在半空脱落。WAM的作用，是在动手前先在“大脑”里预演——吸中间、吸边缘、吸左下角的成功率和运动路径分别是多少？预判完之后，直接调用底层的“动作库”执行最优解。如果中途掉落，强化学习（RL）就会记录这个“负例”，下次自动避开。
但这套听起来完美的AI算法，在真实仓库里却遭遇了原始的物理挑战。
“我们在仿真环境里把高保真模型全建好了，但到真机部署时，去拿货架最里面的那个东西，发现胸腔多了1厘米的物理约束。就差这1厘米，机械臂就够不到。”孙浚凯回忆道。为了解决这1厘米，团队只能把机器人类似人体的“胸腔”减薄，这意味着内部的电路板、元器件堆叠全部要重新调整。除此之外，硬件上增加了腰部旋转自由度、四驱底盘原地掉头、多吸嘴、关节运控优化等多个迭代项。
从进入这家国际头部药企的仓库，到如今接近稳定作业，智往未来花了将近9个月时间。这9个月里，硬件迭代、现场调试占据了极高的比例。孙浚凯坦诚地表示：“现场工程调试的占比，远高于算法本身。最开始人工介入的比例高达六七成，大家还得在旁边‘陪产’，预判它要失败的时候，人得赶紧上手兜住，防止货损。”
即便到现在，机器人的整体失败率依然在1%到3%。面对失败，系统允许连续尝试两次，若无果则呼叫人工兜底，随后机器人转入下一个任务。“失败一次就要重来一次，相当于浪费一次有效拣选时长，粗略估计每小时会影响数十件产能。”孙浚凯说。
但他同时强调，所有失败的数据都会沉淀下来，回传给模型进行后训练。这也解释了公司对外所强调的“轻量化数据、1小时覆盖新品类”的真正前提。孙浚凯解释，公司的初代机器人在某头部 物流 企业服饰仓时，面对的是千变万化的包装；但在仿真环境里只能学到六七十分，剩下的必须靠真机在线强化学习去补齐。只有在系统积累了10万个SKU的经验后，当第10万零1个新SKU出现时，学习时间才能缩短到“小时/分钟级别”。
据孙浚凯介绍，目前，公司的二代机器人所在的药企仓库，SKU种类约数百种。“真正的难点已不在于SKU泛化，而在于‘零改仓环境’下的极限物理约束。”
算平一笔“1比1”的账
在资本市场，具身智能最常讲述的故事是“一台机器替代数个工人，快速收回投资”。但在真实的B端交易中，客户手里的计算器比投资人更苛刻。
“单台部署成本在几十万元。”孙浚凯直接给出了价格底线。对于替代比例，他给出了一个出乎意料的数字：“1比1替代。刚部署时可能只有百分之八九十的人效，系统稳定后基本是1比1。未来甚至会超过1，因为—人一天8小时后下班，机器人晚上还能巡检、盘点、提前排产。”
既然是1比1，客户凭什么愿意掏出几十万元？孙浚凯算了一笔“三重账”。
第一重是直接成本账。在上述药企的算账逻辑里，一个工人三年的 综合 成本在几十万元左右，而机器人的生命周期是五年。孙浚凯说：“相当于用三年的工资，买了一个干五年的劳动力，直接省了钱。”
第二重是管理账。外企仓储普遍面临招工难和人员流动性大的问题。人的产能受情绪、熟练度、疲劳度影响，但机器人的产能是标准化、可控的。孙浚凯说：“如果换成了机器人，生产排期可以被精确到小时，管理成本和不确定性大幅降低。”
第三重是总项目账。过去，如果传统仓库想提高自动化率，通常需要“改仓”（部署自动化立体库或密集货架），动辄投入上千万元，且施工期间停产损失巨大。而智往未来的“零改仓”方案，不需要改造货架，1米宽的通道就能走，作业高度覆盖0到2.4米。孙浚凯说：“客户直接买几十台机器人，开箱即用，花几十万元就能先试起来。这笔账，只要算同等产能下的总投入，高下立判。”
然而，账算得平，不代表能立刻大规模交货。智往未来将初期的出货目标定在百台级别，但孙浚凯也坦承了交付的现实压力：“从几台到几十台，跨越的不仅是数量级。几十台机器人在同一个仓里作业，意味着调度系统极度复杂，要解决的不仅是会车、绕行、死锁等状态协调，也涉及到结构干涉，这也是目前整个具身智能行业尚未有人跨越量产鸿沟的真实原因。”他计划在明年一季度，先在这个仓库完成几十台规模的持续不间断作业。
切入90%的传统仓盲区
随着极智嘉发布通用 人形机器人 Gino 1并明确切入仓储拣选、海康机器人在WRC展示双臂机器人参与高密度柔性拣选链路，以及 京东物流 的“智狼”系统覆盖中小件仓储拣选、具身灵巧臂“异狼”在分拣码货环节实现规模化应用，面对巨头，初创公司智往未来的立足点在哪里？
“中国现在的智能化仓，占比不到10%。”孙浚凯指出了盲区。像 京东 、顺丰这样的头部企业，有资金去建几百个高度自动化的智能仓；但在广袤的物流市场里，90%都是传统的、靠租场地和堆人工运作的仓库。这些小B客户，根本没有上千万元的资金去“改仓”。
“过去的AGV主要解决搬运，对拣选工位的人力替代有限，我们切入的是这90%的存量市场。”孙浚凯的护城河逻辑很清晰：用一台开箱即用、几十万元出头、不挑剔货架的“双臂机器人”，去替代传统仓库里最苦的拣选工位。
为了让这套逻辑成立，孙浚凯在软件架构上提出了“具身复利”的概念。他解释：“我们把‘抓、拿、放’这些基础动作拆解成原子化的技能库。世界模型负责预测和选择，如果失败了，这个案例会被记录下来。随着技能库里的动作越来越丰富，新场景往往不需要重新学习，直接调用组合就行。思考链路越短、节拍越快，泛化性越强。”
这家由中科南京软件技术研究院孵化的公司，给外界的定位非常克制。“三年内，100%聚焦 仓储物流 拣选。”但在孙浚凯的构想中，这种聚焦并不代表天花板。“本质上，我们是在做‘移动拿放’。只要把上肢的泛化操作能力练好，当大脑能够处理所有几何形状时，我们就能走向家庭，成为家庭整理机器人。”
在走向家庭服务之前，智往未来必须在真实仓库里，用几十万元左右的成本和“1比1”的替代率，先向客户证明：这台机器，确实能把那1%的失败率抹平。
（文章来源：中国经营报）