具身智能的第一场商业大考，在仓储物流仓

编者按：2026 年，机器人开始「投简历」了。从工厂产线到酒店客房，从景区商场到千家万户，它们正在寻找自己的第一个工位。但岗位很多，不代表都能胜任；出货量增长，也不等于真正创造了商业价值。星河频率推出「机器人岗位图鉴」系列专题，持续追踪机器人走进真实场景的进展，看看哪些岗位正在向机器人开放，谁会率先拿到 Offer，又有哪些工作依然难以胜任。

顺便预告一下：「机器人岗位图鉴」系列是我们启动《场景 40：机器人上岗指南》白皮书研究的起点，我们希望从真实场景出发，拆解机器人的工作任务、能力门槛与商业化进度，寻找具身智能从技术演示走向规模应用的关键线索。看机器人，不只看它能做什么，更要看它在哪里真正干起来了。

作者｜李沐蓉

具身智能会率先在哪个场景实现规模化落地？

工厂？家庭还是商业服务？行业一直在寻找答案。

但如果要在 2026 年给具身智能找一个最接近真实生产现场的地方，仓储物流，或许是最值得关注的答案。

2026 年 5 月，Figure 连续 8 天直播展示机器人包裹分拣作业，第一次让外界直观看到人形机器人在真实作业强度下的表现。

此后，在 WAIC、WRC 等展会上，抓取包裹、翻转货物、向传送带供件，也成为多家机器人企业展示技术能力的典型场景。

政策端的信号同样明确。在工信部与国务院国资委启动的人形机器人实景实训专项行动中，仓储物流被定性为规模化落地的「黄金场景」。

10 月 19 日，商务部等九部门联合发布《关于加快推进科技兴商的意见》，进一步明确提出推动具身智能技术落地，拓展商贸物流的应用场景。

从企业自发试水，到政策持续加码，仓储物流受到的关注并不难理解。

对当前的具身智能而言，仓储物流同时具备三个条件：

真实且高频的作业需求、相对可控的半结构化环境，以及能够量化的经营指标。

机器人在这里不仅有机会完成真实任务，还能通过持续作业积累数据，并接受效率、稳定性和成本的检验。

从展会演示到真实工位，仓储物流正在成为具身智能商业化的第一场大考：考的不只是机器人能不能干活，更是它能否持续、稳定、划算地参与真实生产。

有需求、能作业、可迭代、算得清账，物流仓凭什么先开考

在众多应用场景中，为什么仓储物流有机会率先承接具身智能？

原力灵机创始人唐文斌曾总结过具身智能落地的四个关键要素：

一要容忍错误，目前机器人还做不到百分之百成功，需要有人工兜底。

二要容忍节拍，生产节奏不能过于刚性，要给机器人留出一定的执行弹性。

三要适度泛化，任务、对象或环境不能过于规则。

四要长时间作业，否则算不出投资回报。

按这个标准看，仓储物流与当前具身智能的能力边界高度匹配。具体来说：

• 有真实需求，机器人有工位；

• 环境复杂度适中，机器人进得来；

• 真实作业持续产生数据，能力有迭代空间；

• 结果可以量化，企业算得清经济账。

先看真实需求，物流场景里存在传统自动化难以覆盖的柔性环节。

据

自动化仓库并不少，AGV、输送线与固定机械臂可以在标准化流程中飞速运转。

但一旦面对软包装袋、异形件以及混合堆叠的货物，自动化设备就容易「卡壳」。

这些环节只能靠人力支撑，而物流行业夜班频次高，旺季劳动强度大，招工难、用工难是长期痛点。

另一个常被提及的痛点是效率，据行业说法，拣货人员约 70% 的时间花在走路上，真正用于拣选的只有 30%。

物流企业真正需要解决的，不只是让机器人替代某一个动作，还包括减少拣货、搬运、分拣等环节中的无效等待和人工周转。

Counterpoint Research 在 2025 年底的行业分析也指出，传统自动化难以覆盖的柔性抓取任务、适应新的 SKU，以及减少异常情况下的人工介入，就是具身智能的切入点。

其次是技术适配，物流仓储不是完全开放的家庭环境，起点、终点、操作要求相对明确。

它也不是死板的流水线，货物姿态和作业条件保留着适度随机性。

场景体量足够大，能够容纳不同类型的机器人，机器人需要根据视觉感知调整抓取策略，但又不必面对无限开放的世界，偶发的抓取失败也可以由人工和既有流程兜底。

这种「半结构化」特征，为当前具身智能提供了一个相对现实的技术落脚点。

再次是数据积累。

仓储物流场景能为机器人提供持续的真实世界训练样本。不同形状、材质、重量的包裹，以及抓取失败、姿态变化等情况，都能成为模型迭代的素材。

每日在高强度真实作业中积累的物体识别、抓取、搬运等基础操作技能，更有机会迁移到零售、工业等任务相近的场景。

最后是商业验证，机器人进入物流仓储的商业价值，相对容易衡量，作业流程清晰，任务结果也方便计算。

机器人每小时处理多少件、分拣准确率如何、需要多少人工介入、能否连续稳定运行、部署与维护成本又是多少，这些指标都可以通过实际运营数据进行衡量。

对物流企业而言，技术先进性最终要转化为单位作业成本的下降。账算得过来，才有持续采购和复制部署的可能。

具身智能要进入更多场景、承担更多工位，未必需要先攻克最复杂的开放世界。

更现实的路径，是先进入一个有真实需求、有明确任务、有经营数据反馈的场景，再用一次次稳定交付积累走向更大规模。

仓储物流的价值，为这条路径提供了一个可检验的考场。

三类玩家下场，

抢的是真实工位

庞大的物流网络背后，是横跨仓储、分拨、运输等环节的大量物理作业。

自动化主要解决了标准化、高重复的场景，柔性与非标环节依然高度依赖人力。具身智能的出现，让不同背景的玩家看到了补齐这块短板的可能。

按企业出身划分，当前入局者大致可以分为三类，具身智能初创企业，传统物流装备企业，终端物流企业，它们分别握有具身智能落地所需的三种关键资源，技术、系统和场景。

第一类是以星动纪元、自变量、原力灵机、微亿智造、极佳视界、星海图等为代表的具身智能公司，它们的核心优势在于技术能力，想让机器人凭借更强的感知与决策，处理传统自动化覆盖不了的非标任务。

星动纪元是较早将半身人形机器人引入真实物流干线的企业之一，针对物流小件供包场景，打造了全栈式具身智能解决方案，目前已经携手顺丰和中国邮政，在全国十余个物流中心实现常态化运营，最高供件效率已经达到每小时 1200 件。

自变量则在 2026 年 8 月通过公开直播，展示了双机械臂机器人的分拣能力，面对电商纸盒、快递软袋、圆柱件、泡沫生鲜件等不同包裹，它仅靠夹爪连续一小时完成 1816 件分拣。

第二类入局者，是极智嘉、德马科技等物流装备出身的企业，它们已经深度参与物流自动化系统的建设，手握成熟的设备体系、客户资源和调度系统，对真实物流流程也有长期积累。它们要解决的问题，是把具身智能接入现有的仓储体系。

极智嘉推出专门面向仓储场景的轮式人形机器人 Gino 1，搭载自研 Gravity 具身智能模型，已经能实现拣货、搬箱等多种仓储任务衔接。

德马科技前不久宣布布局具身智能机器人全栈技术，并选择与蚂蚁灵波合作，围绕真实仓储工况开展产业化验证，首期聚焦海量包裹的高速柔性分拣。

对这类企业而言，具身智能并不是要推翻原有的物流自动化体系，而是在既有自动化体系中补上柔性操作能力。

第三类是以京东物流、顺丰、中国邮政为代表的物流终端企业，它们掌握最多的真实场景、运营数据。

人力、效率、设备投入、复杂场景适配，每天都是现实问题。因此它们最清楚哪些环节值得改造，已经从单纯的需求方，转为自己定义需要什么样的机器人，并尝试把机器人嵌入完整业务流程。

京东物流的动作最具代表性。

2026 年 9 月，京东物流正式推出「超脑+狼族」AI 具身机器人军团，围绕仓储、分拣、运输和配送等物流环节，形成智狼、异狼、独狼、飞狼等九款产品。

「超脑」负责复杂场景下的决策与协同调度，「狼族」则负责在物理世界执行具体任务。不同机器人不再只是各自完成单项工作，而是通过统一的智能系统与物流业务流程衔接，据了解，采用这套系统，一线作业效率已经提升近 20%。

三类企业正把技术、设备和真实场景连接起来，但进入仓库的方式并不相同，有的先接手具体岗位，有的着眼于把整个仓库物流作业串起来。

落地最集中的是分拣供包，星动纪元、自变量、极佳视界都从这里切入。在此之外，更多环节也在被逐个攻克，星海图与京东签下三年战略合作，面向前置仓的拣选打包，微亿智造则进入码笼作业，把传送带上的包裹放进笼车。

单点跑通之后，难题转向让不同机器人协同作业。原力灵机，极智嘉走的就是这条路，极智嘉从早期的 AMR 货到人到推出仓储通用机器人 Gino 1，正在构建覆盖仓内多种任务的机器人体系，进一步实现全仓自主、全仓智能协同作业。

不过，大多数企业仍处在单点任务验证、局部工位部署的阶段，机器人能否从完成一项作业，走向连续稳定参与整个仓库生产运营，才是真正决定这条赛道能否兑现的关键。

从工位适配到系统协同，

还要跨过多少道坎？

随着任务从分拣供包延伸到入库搬运、整箱拆码垛、建包，甚至逆向物流中的退货识别与重新分拣，机器人要处理的问题明显复杂起来。

行业也有了一个更务实的认识：机器人长什么样，应该由具体工位决定。

如果作业位置固定、节拍要求高，货物主要在有限范围内流转，比如分拣和供包，固定式机械臂或半身机器人往往更合适。

星动纪元的星动 M7 就是典型，面向物流小件供包场景，它采用半身机器人结合固定支撑结构的方案，解决不同规格包裹的识别、抓取和翻转问题。

相比完整的人形结构，这种设计能够减少不必要的移动，将更多能力集中在固定工位的操作效率和稳定性上。

但如果任务从固定工位延伸到整箱搬运、拆码垛和跨区域周转，机器人就需要同时具备移动、负载和双臂操作能力。

如智元最新发布的重载具身机器人精灵 G2 Max，它的单臂额定负载为 20kg，双臂额定负载达到 40kg，峰值负载为 50kg，配合四舵轮在场景里实现全向移动、原地掉头等灵活移动，当下G2 Max 已经进入京东物流智狼仓入库搬运环节，作业成功率超过 99%。

针对物流场景搬运、跨区周转，轮式底盘、简化的机械结构，加上更贴合任务的末端执行器，往往比完整人形更利于控制成本、提升可靠性。

但这并不意味着企业只需针对单一工位做定制。

过度追求通用，会抬高本体、算力与运维成本；过度针对单一任务定制，又可能让产品失去跨任务复用的价值。

真正考验企业的，是如何在场景适配与通用能力之间找到平衡点。

形态适配只是进入物流仓库的第一步。机器人即使在单个工位上跑出了高效率，也不意味着已经具备复制到更多仓库的能力。

更深层的难题，是让它从一台独立执行任务的设备，变成仓储系统中可以被调度、管理和协同的生产单元。

一座现代化仓库，本质上是一套持续运转的业务系统。

货物有库存信息，订单有优先级，设备有运行状态，通道有通行规则，不同任务之间还存在先后顺序。

机器人不仅要能够独立完成抓取和搬运，还要知道什么时候执行任务、从哪里取货、把货物送到哪里，以及遇到异常后应该如何处理。

传统物流系统中，WMS（仓储管理系统）负责库存、订单和作业任务管理，WCS（仓储控制系统）则负责协调输送线、分拣机、移动机器人等自动化设备。

具身智能要真正进入生产流程，就需要与这些既有系统建立连接。

今年 6 月，Atomix 与原力灵机完成合并，探索的 Ferrata 多智能体分层作业系统，正是沿着这一方向展开。

它的思路是把自动化设备、具身机器人和人工放进同一套作业体系，根据任务的确定性和复杂程度进行分工。

规则明确、重复频率高的任务，继续交给四向车、输送设备和标准化机器人；面对异形包裹、柔性包装以及位置和姿态不断变化的物体，则由机器人处理；当任务超出机器人的能力边界，再由人工介入兜底。

仓储物流场景，最终需要的不只是一台机器人，而是一套能够持续运行、稳定交付，并且可以在不同仓库复制的解决方案。

从完成一个动作，到承担一个工位，再到融入整个仓储生产系统，

具身智能需要跨越的不只是技术能力的边界，还有商业效率的门槛。

物流仓储未必是具身智能最终的答案，却是最先真正接受商业检验的地方。