菜鸟AI辅助配仓已达96%，开放全球仓库场景训练具身智能

想把一个包裹更快送到地球另一端，物流企业以前可能得掏上百美元。眼下菜鸟能把这个数砍掉一半，还能做到全球三日达。撑起这一变化的是 AI 这个新的效率杠杆，以及每年 10 倍增长的 AI 支出。

11 月 5 日，菜鸟在香港智慧港办了一场 AI 及具身智能产业合作发布会。菜鸟国际总裁熊伟在会上报出一串数字：眼下菜鸟 AI 辅助配仓的占比已达 96%，每年由此省下的成本以千万计。

商家互动、异常托管、海外关务归类这些环节，也有大量工作交给了 AI。

菜鸟的打算不止于此，它还想飞得更高。

这场发布会上，菜鸟一次亮出两项新动作。其中一项是把全球真实仓库场景开放出来当训练集，让具身 Demo 更快变成产品。

另一项动作落在硬科技出海上。AI 算力、机器人这类产品，菜鸟给出「科技出海三日达」服务，跨境运输、海外仓储到售后，整条供应链一并承接。

一内一外，两件事其实同源，都接着菜鸟自带的科技化和全球化底子。

熊伟的判断是，十年后还照今天的作业方式去应付更复杂、更难缠的运营环境，很难想象。具身机器人会以更快的速度把生产力往上推一截。他原话是，「至少在这领域，我们希望在未来十年可以实现 50% 的机器人辅助。」

开放合作这件事，出发点也在这里。菜鸟自己就有提升生产力的需求，想当这个进程的受益者，也愿意先掏投入，把它往前推得快一些。

另一边，未来十年的硬科技出海潮，眼下还处在早期。

熊伟透露，AI 算力出海在过去几年几乎一年涨 10 倍。消费级机器人这个相对成熟的科技品类，已经占菜鸟收入的 10%，今年增长翻倍。

在他看来，这些会是「未来 3—5 年跨境供应链最大的结构性机会」。

想走出 Demo？先去仓库吧

发布会就开在菜鸟香港智慧港。这座物流枢纽自动化程度很高，几百台专业物流机器人在场内有条不紊地跑着。

菜鸟香港智慧港货运中心自动化码垛机

十多年下来，菜鸟在全球物流环节投用的专业物流机器人已有上万台。可现场还是有不少活离不开人——上货、分拣、打包、贴单，这些任务对泛化、手眼协同和执行能力要求更高，传统技术很难覆盖，正好是菜鸟引入具身智能时要重点摸索的方向。

熊伟说，今年算得上具身真正进入产业应用的第一年，物流率先把新技术规模化落地，他们有信心。往后十年，全球机器人整体体量会到数千万台，其中涨得最快的必定是具身机器人。

菜鸟为什么认定，物流会先成为物理 AI 的落地场景？

菜鸟为什么把物流看作物理 AI 最先落地的场景？头一条，物流本身就是个够大、任务够杂的真实物理世界。生产、仓储、运输、分拣、装卸，这一长串环节里全是实打实的物理操作，机器人能接的活远不只是搬东西。

而且，哪怕机器人做的动作相对固定，它要对付的东西却千差万别。拿快递分拣来说，实验室里也许就几百个包裹、十来种类型来回测；真到了物流现场，一小时可能就得处理 1000—2000 件包裹，一天下来经手的包裹有几万个，大小不一、轻重不同，还会互相粘住、挤在一起，摆的位置和排列方式也各不一样。

现场条件也未必理想。光照、温度、湿度，连粉尘都可能干扰机器人的感知和操作。在实验室里练熟的几个动作，搬到真实仓库不一定还做得下来——它面对的，是一个始终在变的物理世界。

第二条理由，是「半结构化」环境，难度正合适。跟家庭这类开放场景比，仓库的通道、货架和作业流程都更规整，规则也明确；可商品、位置和摆放方式又没完全定死。这就给了机器人一个不错的练手场：既能碰到真实世界的复杂，又不用一上来就去啃家庭那种高度开放的硬骨头。

再说，机器人也没必要一开始就把人全替掉。能稳定干下来的活先交给机器人，暂时还独立完成不了的任务，照样由人工和现有流程兜着。

物流里有些任务还留得出试错余地。比如拣选商品，机器人第一次没抓起来，可以换个姿势再试；碰上实在处理不了的异常，现场员工还能接手。比起那些对精度和安全要求极高、一出错就可能弄坏物料的工业任务，物流的部分作业更容易给调整和纠错留空间。

第三，是有望转起一个持续运转的「数据飞轮」。

具身智能想从「能做一次」走到「长期稳定地做」，靠的是在真实场景里持续训练。物流的任务刚好源源不断。抓取、搬运、拆箱、码垛，每一次都是真实的物理交互。机器人做对了什么、在哪儿出的错、调整过什么才把活干完，这些都能沉淀成有价值的数据。

熊伟专门提到，现场数据既包含成功的操作，也包含出错之后被纠正过来的数据。靠这些经验，模型的可靠性可以一步步往上提。

还有一点更关键：在物流里练出来的能力，是能泛化的。

举个例子，仓库里拣商品，和超市、药房里做着类似的拣选活，操作逻辑上有不少相通的地方。在一个场景里攒下的经验，有机会搬到其他相似任务上去。

这么看，物流就不只是一个垂直应用场景了，它还可能成为具身智能练通用操作能力的重要练兵场。

圆桌环节里，聆动通用创始人兼 CEO 季超也给出了判断：未来几年一定是产品级的满足需求。

他接着解释，这一轮具身智能先迎来的是技术突破，不过突破大多发生在实验室里。要把技术真正带进产业，基础设施还得补齐。

所以最近一两年，行业上下都在集中补课，算力、工具链、数据都在其中。等这些基础设施慢慢完善，具身智能有望迎来新一轮爆发。

三分场景，落地不必等到世界模型 ready

十多年来，菜鸟在物流场景里试过各种技术和产品。他们发现，通用本体配上具备泛化能力的大脑，经过预训练，已经能在不少场景达到「 80 分可用」。可从能完成任务，到真正适应产业现场，中间还有一段路。

要害在于让机器人走进真实场景，在用的过程中持续学习。

拿模型参数调整、后训练和 In-Context 能力来说，机器人在真实操作里反复练、反复改，成绩能一点点爬到「95—98 分」，产品验证差不多就算过了。可真要做到长期稳定的产业应用，还得接着往「99分，甚至 99.99 分」上磨。

这当中，现场数据的分量很重。熊伟强调，机器人把活干对的数据要收，干错之后被纠正的数据同样要收。每执行一次、调整一次、纠错一次，都是模型下一轮迭代的经验。

菜鸟这次把真实物流场景敞开，原因也在这里。它手里有全球数百万平方米的仓储网络，快递、电商、快消、汽配等数十个行业都长期服务过。发布会上菜鸟给出的说法是，面向产业伙伴开放数十个行业、上百种真实 PoC 场景，仓储拣选、智能导航配送、高空巡检、安防运维、航空物流、汽配管理等都算在内。

这些场景里 SKU 数量极大，尺寸、形状五花八门；大促一来订单猛增，作业任务也说变就变。机器人要应付的，是一个多样又说不准的真实环境。

可真实场景这么复杂，机器人公司该从哪儿下手？

菜鸟把物流场景分成三层：短程泛化、中程精准、长程策略。这是结合多年专业物流机器人应用经验、加上对具身智能技术路线的判断划出来的。说白了，先做好一个动作，再完成一连串操作，最后自主规划一整段作业。三层对机器人能力的要求一级比一级高，商业化成熟度也不一样。

菜鸟会拿自己的产业经验和技术创新经验，帮具身智能企业挑更容易突破的口子。

短程泛化说的是什么？就是先把一个动作做扎实。

这类活儿大多很短，重复度高，环境也相对固定，精度要求停在厘米级，搬的东西以轻载为主，物流分拣、包裹抓取就是典型。动作看着不复杂，难在SKU够杂：小件包裹要接得住，形状、尺寸各异的轻型货物也得上手。

短程任务凭什么有机会先落地？

季超的解释是，强化学习说到底是个搜索过程。任务链条一长，奖励稀疏的问题就容易冒出来，模型要探索的空间也跟着变大。短程决策不一样，步骤少、反馈直接，对数据和长时记忆的要求都低一些，突破起来自然更快。

换句话说，至少短程任务这块，产业应用不用干等世界模型和长时记忆完全成熟。眼下物流领域已有不少操作能靠VLA或模仿学习跑起来。

在短程泛化场景下，具身机器人目前的效率和能力已基本接近人。本体成本、工程化能力、模型能力还在快速往上走。熊伟预计，2027年短程泛化领域有望明显爆发，机会也不止物流，其他行业同样有大量类似需求。

第二层：中程精准，从单个动作走向连续操作。

到这一层，任务难度明显上来了。一个任务可能包含十几步甚至几十步，精度要拉到毫米级；机器人还得在货架、货物这类立体环境里把多个环节衔接起来。

超市、仓库里的拣货，消费电子、汽配、快消行业的上下料，都属于这一类。机器人光看得准、抓得稳还不够，得把一连串操作连着做完。

熊伟认为，随着本体硬件能力提升、模型架构不断进步，中程精准场景也在快速成熟。更值得盯的是它背后的市场空间——至少是短程泛化的10倍。物流仓储之外，消费电子、汽配、快消等行业同样有大量相似的上下料需求。

第三层：长程策略，让机器人具备全局规划能力。

拿航空货站或大型仓储来说，货物不会老老实实待在固定位置。机器人得先弄清整个立体空间里货物怎么分布、哪里有空、作业条件如何，再照着任务目标，提前把一连串操作规划好。

在货物拼装、拆分这类作业上，菜鸟眼下已经用数字 AI 来优化，目的是把空间利用率提上去。这类任务属于典型的长程策略：既要看懂复杂的三维环境，又得对往后较长一段时间里的作业做连续规划。和短程泛化、中程精准相比，它离规模化落地要面对的技术难题更多。

当然，机器人要进真实的生产环境，头一步是证明技术可行。接下来，工程化和经济性这两道关也得跨过去。

季超提到，客户考核的指标远不止任务成功率。拿物流场景来说，容积率、掉件率、回流率、作业节拍等一串指标都在客户的关注范围内。装车时的垛型，不同客户的要求也可能各有差别。

再往下问一层：怎么靠产品化和工程化，把一套已经验证过的技术复制到更多客户、更多场景，而不是每回都从零开发？

菜鸟在挑选具身智能应用场景时，已经把 ROI 提前算了进去。熊伟估算，部分经过筛选的场景，国内投资回收期有望压在 1—2 年，海外甚至可能不到一年。前提是技术和产品都完成了充分的工程化打磨。

风大浪高：从一台机器人到全球交付

国产机器人正成为中国外贸出口的「新名片」。相关数据显示，全球每销售 10 台人形机器人和四足机器人，就有 8 台产自中国。

中国头部科技公司同样在以空前的力度投入 AI 硬件和数据中心建设。

机器人、GPU、服务器这些高价值硬件正加快走向全球。不过这类产品出海，早就不是单纯的「运输」了。科技出海更像一套精密的工程化体系，要在较长的链条上，以较高频次和安全要求完成交付。

普通电商包裹和硬科技产品没法比：后者货值高、结构精密，对时效性、安全性和合规的要求高得多。一套服务器送到数据中心，还可能牵扯上架、连线、上电测试。设备投用之后，维修、备件补给等问题也跟着来。

正因如此，菜鸟把「三日达」的 C 端体验进一步延伸到服务科技出海，并按企业所处阶段不同，给出「一站式」解决方案。

对早期企业来说，哪怕只有一台样机，也能用上端到端的全球运输服务。海外展会、科研测试、客户 Demo，菜鸟都能通过全球快线和灵活的运输方式，把小批量、时效要求高的设备跨境流转问题解决掉。

到了小批量交付或者大型项目落地阶段，菜鸟这边安排的是全球空运和项目制交付。具身机器人要送进海外工厂，或者整套 AI 算力设备要运到数据中心，都能按货物的尺寸、重量和运输条件来配空运资源，预约派送、上楼入位这些细活也一并管。

而已经跑起规模化出海的企业，菜鸟能接的是海外仓储、配送加上售后运维这一整条供应链。它的全球仓网铺在数十个国家，总面积数百万平方米，企业可以借这张网管海外库存、安排本地配送；备件补给、退换货、维修也在服务范围内，关务合规、高货值保险、全球物流追踪同样配套。

熊伟的判断是，安全可靠、合规放心的端到端方案，会是未来几年这个领域绕不开的需求。撑起这套服务的，除了菜鸟现成的全球物流网络，还有关务、检验、税务、外汇这些合规能力，以及不同国家和地区交付节点之间怎么协同的经验；部分头部消费级机器人企业覆盖全球数十个国家的服务 knowhow，也算在其中。

熊伟举了个例子。奥运会、国际展会这类复杂场景，菜鸟过去已经攒下不少经验。多批次、多类型的货物堆在一起，时间窗口又卡得死，服务商得让整条交付链条顺顺当当转起来。

奥运会四年才碰上一回，可服务科技出海客户，差不多每天都要打一场这样的「小型奥运会」。

菜鸟这次的两项布局，一个对内一个对外，落点其实是同一个：做基础设施，让 AI 技术真正进到产业里去。对内，是给具身智能提供真实的训练场和产品验证环境；对外，是帮中国硬科技企业补上全球交付和长期运营的供应链能力。

按这个思路，菜鸟在具身智能领域没打算把所有技术环节都揽下来。它盯的是和物流场景贴得近的那几个方向，垂直场景技术、Agent、Harness 都在其中，跟专业伙伴分工来做，先在真实场景里小规模验证，再一步步推向产品化和规模化。

AI 产业这波变化里有个趋势很清楚：技术突破只算开了个头，真正决定一项技术能走多远的，是真实场景、工程化能力和产业基础设施能不能配合上。