仓储物流迭代升级：从单点自动化走向全流程无人化

头部广 告

当前仓储无人化赛道热度持续攀升，智能设备规模化落地提速，千亿级市场规模稳步扩容。然而，行业整体呈现出明显的分层演进特征，搬运、储存、拣选等各作业环节技术成熟度参差不齐。本文全面梳理仓储无人化技术迭代脉络，拆解各核心环节落地差异，剖析全流程无人仓落地壁垒，试图厘清行业从单点自动化走向全流程无人化的真实演进路径。

本刊记者 罗丹

仓储无人化的真实处境

仓储物流行业对无人化系统的探索实践始终在持续推进：一方面，智慧物流系统、无人仓、黑灯仓库等概念热度居高不下；另一方面，自主移动机器人（AMR）、无人拣选工作站、无人叉车、自主装卸设备、人形机器人等具身智能物流装备不断迭代升级，技术创新层出不穷。但在行业喧嚣的表象之下，仓储物流无人化技术与系统的真实落地水平究竟如何？

题眼广 告

从市场规模来看，智能仓储赛道已迈入千亿级别。中商产业研究院数据显示，2024年中国智能仓储市场规模约为1760.5亿元，同比2023年增长14.8%。放眼全球，灼识咨询统计表明，全球仓储自动化解决方案渗透率由2020年的18.1%提升至2024年的22.5%，预计2029年将达到28.5%；截至2024年，全球仍有约80%的仓库尚未部署自动化解决方案。

虽然各类统计口径存在差异不同，数据不可直接等同对比，但共同勾勒出行业现实：仓储物流无人化正处在“已局部发生，但远未全面普及”的分层阶段，行业距离真正端到端的全流程无人作业，依旧还有明显的鸿沟需要跨越。

无人系统技术演进大趋势：

从刚性自动化到智能无人系统

我们要想精准瞄定仓储无人化的发展现状及所处阶段，有必要先梳理其完整的技术演进脉络。

第一阶段：刚性自动化系统。这一阶段发轫于二十20世纪七八十年代，以自动化立体库（AS/RS）、AGV、自动分拣系统等自动化仓储设备的应用及普及为标志。此阶段的装备与系统不具备自主决策能力，而是按照预设程序执行固定节拍、固定路径、固定动作。刚性自动化系统有效解决了以机械替代人力的问题，但不具备智能化适配、自主调整的能力，与真正的智能仓储还有很大距离。

海康机器人规模调度现场

第二阶段：柔性自动化系统。这一阶段始于2015年前后，以自主移动机器人（AMR）的创新应用为标志。伴随机器人技术迭代，“货到人”“货箱到人”“订单到人”等新型解决方案逐步落地普及，彻底打破传统刚性自动化的局限。相较传统物流设备，机器人可显著解决“移动”问题，使系统适配性、场景兼容性等柔性化大幅提升。然而，在分拣、复核等核心关键环节还需要人工介入，因此本质上仍是“减人”系统，而非“无人”系统。

第三阶段：智能无人系统。2024年起正式进入智能无人系统全新发展阶段，目前行业整体处于技术验证、小范围落地的蓄力期，尚未迎来规模化爆发。这一阶段的标志性变化是人工智能大模型[如VLA（视觉—语言—动作）模型]、具身智能技术与仓储场景的深度融合，使机器人等智能装备具有“场景理解”的能力。当前，依托人工智能等新技术赋能，真正的仓储全流程无人作业不再是高悬的行业概念，而是逐步从实验室研发走向场景实测、小规模商业落地，成为智慧仓储发展的核心新势能。

需要强调的是，三个阶段并非简单的替代关系，而是叠加融合的升级关系。现阶段，一座现代化的智能仓库是多代技术融合的混合体，如依托AS/RS实现高密度存储（第一阶段）、依靠AMR进行柔性搬运（第二阶段）、借助AI智慧大脑实现智能统筹与全局调度（第三阶段）。这也精准诠释了仓储无人化的核心发展逻辑：从单点自动化走向全流程无人化，并非以全新技术体系彻底替代老旧设备，而是根据各仓储作业环节的场景特性、技术成熟度，适配最优的解决方案，循序渐进补齐无人化短板，最终实现仓储全链路的智能化、无人化升级。

“四面墙内”各环节的无人系统技术成熟度分层

在仓库的四面墙内，无人系统技术落地呈现出清晰的分层结构。在搬运、储存、拣选、分拣、装卸等五个核心环节，相关技术成熟度和商业闭环进度存在着显著差异。

1.搬运环节：无人系统规模化普及已成定局

搬运是仓储无人化成熟度最高、渗透率最快的核心环节，也是货物进入仓库后的首项基础作业。据移动机器人产业联盟、新战略移动机器人产业研究所联合发布的《2025年度中国移动机器人（AGV/AMR）产业发展研究报告》显示，2025年中国移动机器人市场销售规模达261亿元，同比增长18.10%。灼识咨询的统计数据显示，AMR解决方案在仓储自动化中的渗透率已从2020年的4.4%提升至2024年的8.2%，接近10%的临界点；2025年中国移动机器人市场销售数量达18.2万台，其中自然导航AMR销量10.2万台，占比56.04%，越过结构性主导临界点。尤其在电商、3PL、新能源锂电等领域，AMR已成为新建仓库的标配。

技术演进层面，AMR替代传统搬运设备的本质进步体现在三个方面：其一，依托成熟的集群调度系统，可基于全场实时状态动态分配任务、规划最优路径、匹配作业节拍，实现千台级机器人高效协同；其二，AI技术的融入让导航定位、避障策略、集群调度等核心算法持续迭代，运行效率与场景鲁棒性不断提升；其三，2D/3D激光SLAM、视觉SLAM、二维码导航及混合导航等多条技术路线并存，技术选型从“追先进”回归“重适配”——需结合场地条件、业务节拍进行综合权衡。

规模化落地层面，当前呈现出两条清晰的发展路线：一条是面向大型场景的整厂级智能物流系统，通过多设备集成、统一调度实现体系化提效，RCS等机器人控制系统单地图可支撑超千台移动机器人集群协同，但调度规模从几十台扩展到千台级时，算法复杂度呈组合爆炸式激增，路径规划、任务分配、交通管控、死锁预防与恢复等难题需通过组件化、分层化架构协同优化；另一条是面向轻量化、碎片化场景的路线，以“单体智能”为产品理念，将感知、决策与调度能力集成于设备终端，无需专属服务器和专业实施团队，实现开箱即用，大幅降低中小仓的自动化应用门槛。

与此同时，“眼（机器视觉）+脚（AMR）+手（机械臂）”的多技术融合，正在重塑搬运环节的边界。AMR负责精准转运、机器视觉完成位姿与垛型识别、关节机器人执行抓取码放，三者协同实现拆码垛、柔性质检等全流程自动化作业，而移动机器人调度系统与上层WMS、WCS系统的深度集成也已普遍实现。当前搬运环节的核心竞争，已从“单机能否运行”的基础阶段，迈入“百台级乃至千台级集群稳定高效运行”的高阶比拼，这既是规模化普及的真实写照，也是下一阶段技术演进的主战场。

2.储存环节：高密度储存的智能化升级

货物入库后，存取环节承担着“存得进、找得到、取得出”的功能。这一环节的无人系统技术发展，主要围绕刚性自动化系统的升级展开，以自动化立体库（AS/RS）、四向穿梭车、箱式仓储机器人为代表的高密度存储系统正在向柔性与智能方向演进。

在技术演进层面，储存环节正经历三个层次的跃迁。硬件形态上，传统堆垛机与穿梭车系统向轻量化、柔性化升级。软件算法上，数字孪生技术从售前仿真规划工具迭代为覆盖规划、仿真、实施、运维的全生命周期管理平台，实现仓储全流程可视化、可预判、可调控。智能决策上，具身大模型正在打破“一机一代码”的传统模式，物流装备开始具备自主学习与自愈调度能力。

在高密度存储场景下，料箱与托盘两大场景的技术难点差异显著。正如兰剑智能高级副总裁沈长鹏博士指出那样：料箱场景核心围绕高密度、轻量化、柔性小件分拣，技术门槛集中在集群多车协同与视觉精细抓取；托盘场景核心围绕重载稳定、3D立体识别与安全管控，难点集中在机械承载、高精度叉取与全局重载车流调度。这一行业认知精准揭示了储存环节当前技术的真实情况：立体库面积占比突破35%证明高密度存储已成主流，但“存得密”只是第一步，“存得聪明”才是无人系统技术需要实现的下一程。

3.拣选环节：“减人”到“无人”的临界点

货物拣选环节是目前仓储无人化落地难度最高的核心环节，也是最难啃的骨头之一。已成熟迭代的“货到人”和“订单到人/接力拣选”等模式，本质上仍属于“减人拣选”方案，机器人解决移动问题，货物抓取则由人完成，并未真正脱离人机协同模式，也并未实现物流装备从感知、决策、执行到反馈的自主闭环。与搬运和存储环节相比，要真正意义上实现“无人拣选”，主要有两条核心技术路径：第一条是智能机械臂专用工作站，这一路径的特点是“固定工位+机械臂”代替人手，适合SKU相对规整、作业流程标准化的场景，目前已经有小批量的试点案例；第二条路径是具身智能人形机器人进仓。具身智能人形机器人与移动机器人、专用工作站协同编组，端到端跑通拣选全流程。两条路径并非替代关系，而是场景互补：机械臂工作站胜在“稳”，适合高重复、标准化工位；通用人形机器人胜在“柔”，适合多任务、小批量、需快速换产的复杂场景。

整体而言，无人拣选仍处在从试点验证迈向规模化落地的前夜——机械臂拣选工作站的SKU泛化边界、单仓机器人多台协同成本都是需要在落地过程中考量的实际问题，实现无人拣选仍需更多标杆项目验证与迭代优化。

4.分拣环节：AI视觉规模化落地，具身智能人形机器人进入场景验证

货物分拣环节的作业效率、准确率与稳定性，直接决定着整个仓储物流体系的流转效能。这一环节的技术演进，目前呈现出“AI视觉分拣系统规模化落地”与“具身智能人形机器人进入场景验证”的双轨并行局面。

锋馥AI视觉复核系统

AI视觉分拣系统发展的相对成熟，正在规模化落地进程中，以锋馥等企业的实践为代表。锋馥研发的新一代AI视觉检测与视觉OCR技术已能将异形件、软包、反光面单等非标包裹的识别准确率推升至99.95%以上，并在电商快递、智能制造、生鲜冷链、医药物流四大核心领域落。例如，在大参林（南通）物流中心这一医药零售标杆项目中，锋馥以“智能播种分拣矩阵+灵动穿梭小车+超维AI视觉精准复核”三大技术，构建起第三代智能仓：智能播种矩阵效率突破10000行/小时，日均出库40000余条目，AI视觉系统在一次快速扫描中同时完成多物品精准识别、药监码采集与信息比对矫正。在图书电商领域，锋馥摆轮分拣系统速度达2米/秒、响应时间≤0.15秒，单线分拣效率≥4500件/小时，准确率≥99.95%。

关于具身智能人形机器人在分拣场景的工业验证2026世界机器人大会集中展示了该技术的落地进展，标志着具身智能人形机器人正式迈入工业场景小批量验证的关键周期。其中，优必选Cruzr Y1、Cruzr S2工业人形机器人实景展示“料箱/纸箱拆码垛、物流电商小件分拣”等核心场景解决方案；自变量机器人复刻全球直播的物流分拣产线，两条机械臂配合夹爪全自主分拣大小、形状、材质完全随机的真实包裹，分拣效率达1816件/小时。

整体而言，新一代AI视觉分拣系统已经实现规模化落地，而具身智能人形机器人在分拣环节的规模化落地仍处前夜：即便是目前实测的最优全自主分拣效率，与传统交叉带分拣机上万件的吞吐量相比仍存在明显差距，暂不具备替代能力。这意味着分拣环节的无人化将呈现“双轨并进”的局面——AI视觉分拣系统继续深耕主航道，具身机器人逐步补位复杂非标柔性场景，两条技术路线在可预见的未来将长期共存、互为补充。

5.装卸环节：补齐“最后20米”的无人化拼图

货物装卸环节同样是仓储无人化最难攻克的关卡之一，被视为仓储无人化的“最后20米”难题。在装卸环节深耕的中力股份相关负责人指出，目前装卸场景面临五大独特挑战：作业载体不确定性、车厢内部极端感知环境、货物状态高度不可控、传统自动化设备适应性局限、安全与耐用性考验。当前这一环节的产品与技术，呈现出“传统无人叉车结构化深耕”与“具身智能范式跃迁”并行的格局。

中力股份与星源智联合发布的具身装卸解决方案“擎天柱”

依托激光雷达、视觉导航和智能调度系统为技术底座，无人叉车能够自主完成托盘搬运、货架转运和装卸作业，实现7×24小时连续运行，应用场景从普通常温仓储，逐步扩展至冷链等特殊环境，是当前结构化场景的核心主力设备。

具身智能技术的融入，使无人叉车装卸能力直线提升。2026年6月30日，中力股份与星源智联合发布的具身装卸解决方案正式全球发售——搭载RoboBrain Pro具身大脑的无人叉车，构建“具身大脑+车载小脑”协同体系，将多模态感知、场景理解、运动规划与动作控制贯通至同一作业链路。在真实物流场景中，路端感知将货车边界标定误差由约0.77米压缩至0.10米，端侧视觉对托盘孔位与货叉偏差进行1～2厘米级实时修正，装卸效率全面追平熟练工人水平。

原生具身装卸机器人的创新发展，则补齐了重载、非标拆码垛能力。以赛那德为代表的装卸机器人走“垂域世界模型”原生路径，其2026年展示的新产品iLoabot-M 2.0聚焦“SKU多、垛形乱、标准不一”的非标场景，可适配多SKU混码，无需预先录入箱规数据；iLoabot-X 2.0搭配其自主研发的“物流装卸垂直物理引擎”Robot Insight-World V3.0，可实现46公斤稳定负载，毫秒级内完成环境理解、任务规划与运动控制，通过多层定位矫正体系实现毫米级定位精度，自主应对掉箱、垛位倾斜、托盘偏移等现场异常情况。

整体而言，三条技术路线精准适配不同装卸工况，其中结构化、单元化装卸主要由传统无人叉车承担；半结构化动态场景由具身智能无人叉车承接；完全非标的多SKU混码与重载拆码垛，则由原生具身装卸机器人重点攻坚。现阶段，仓储无人化“最后20米”难题正被逐步突破，但行业整体仍处于试点打磨、小范围落地的前置阶段，规模化、普及化的全无人装卸时代尚未到来，完整的仓内全流程无人化拼图仍待进一步完善。

软件层：

被低估的无人化“隐形瓶颈”

在仓储无人化升级进程中，硬件设备至关重要，软件层更不可低估，软件系统能力才是决定无人方案从“演示样板”走向“大规模量产落地”的核心壁垒与核心护城河。正如原力灵机产品总监李帅所说的：真正的“无人仓”，并不是仓库里一个人都没有，也不是简单地用机器人把人替换掉，而是仓库能否在尽可能少的人工干预下，实现从感知、决策、执行到反馈的自主闭环。下一代无人仓真正需要解决的是仓库面对变化和异常时，能不能自己理解发生了什么、重新做出决策，并组织不同设备继续完成任务。这也是实现无人仓最难的地方。

2025年开始，VLA大模型凭借其任务链条短、决策复杂度可控的特点在物流领域进展飞速，甚至正在改写当下物流软件层的规则。定位各异的“大脑”几乎同时在仓储领域落地，呈现出“供应链决策—跨本体调度—垂域作业”三层并进的格局。

1.供应链决策模型

京东物流“超脑大模型2.0”是这一层的代表，凭借“物流超脑大模型与狼族机器人驱动的全球超级供应链”于2026年7月入选“全球数字经济灯塔案例”。京东物流明确表态“不把AI定位为辅助工具，而是将其作为供应链决策的核心大脑”，从需求预测到末端配送，全链路数万个决策点实现统一调度、实时联动；其“智狼”货到人系统在超脑大模型调度下，通过每秒上亿次数据计算实现全局最优。

2.系统级集成

原力灵机推出的Ferrata具身多智能体混合作业系统，核心思路并不是用具身机器人替换仓库里所有传统自动化设备，而是按照任务复杂度，把不同任务交给最合适的执行方式。AI更重要的价值是，成为仓库的智能决策和任务编排能力——理解订单、商品、任务难度和设备实时状态，在传统自动化物流设备、具身机器人与人工之间动态分配任务。人工介入也不再只是“救火”。每一次接管、重试和异常处理都可以被结构化记录，逐步沉淀为模型继续学习的数据，让越来越多的长尾问题从“需要人工处理”变成“系统可以自主处理”。

兰剑智能蜘蛛侠系统

兰剑智能Blue Brain走的是“系统级调度中枢”路线，采用“快慢双系统”架构：快系统负责微秒级底层运动控制，慢系统负责高阶语义理解与全局任务规划。Blue Brain通过模块化设计实现跨本体通用，统一调度立体仓库、巷道堆垛机、穿梭车、AGV等全品类仓储机器人，主要解决多品类机器人如何用一套大脑协同作业的问题。

凯乐士2026年8月全新发布的“物流大脑”，是其“具身物流战略”的基石。该系统依托GALAXIS在医药、新能源、3C、汽车等行业积累的超千个标杆项目真实场景数据，通过“数据生产-模型训练-评估-部署”端到端闭环持续优化；技术架构采用“感知-计算-控制”三层模型，感知层让机器“看懂”仓库，计算层实现设备无缝协同。

3.垂直领域作业级具身模型

以极智嘉Geek+ Brain为代表的企业采用“仓储作业具身基座模型”路线，目前主攻超大规模SKU精准拣选。该模型采用“感知—策略”两段式分层架构；当其驱动Gino 1通用仓储机器人时，进一步形成 VLA 快慢协同系统：慢系统负责任务理解与流程规划，快系统负责实时视觉感知与动作微调，推理延迟低于 50 毫秒、准确率 99.2%，经过千万级仓储数据预训练，可实现零样本部署。

极智嘉无人拣选工作站案例

新松面向具身智能规模化应用打造的异构机器人统一智能底座羿枢，其大脑层以多模态大模型为核心，小脑层负责任务级自主规划。羿枢能面向多种形态机器人产品，建立统一的设备模型、能力模型和任务接口。系统通过标准化驱动和适配框架，将机器人的移动、抓取、搬运、装配、上下料和巡检等能力注册为可调用的标准能力，使上层应用不再依赖特定机器人品牌、机械结构或控制协议，为异构机器人集群的统一管理和协同作业奠定基础。

星源智RoboBrain Pro走的是“大小脑一体化”路线。基于“具身大脑+车载小脑”协同体系，将多模态感知、场景理解、运动规划与动作控制贯通至同一作业链路，在NVIDIA Jetson Thor T5平台上跑Transformer加速，让无人叉车具备空间环境理解、任务推理和精准执行能力。

除此以外，近两年发布的星动纪元ERA-42、自变量WALL-B、蚂蚁灵波LingBot-VLA等通用大模型，也在“货到人”拣选、柔性物流分拣、一脑多机跨场景复用等方向取得突破。整体来看，各类“大脑”并非同质的竞品，而是物流无人系统技术在宏观层、系统层和作业层的“大脑解决方案”，同时也意味着仓储无人系统的决策范式正在经历

跃迁：从“看见—执行”的规则规划，迈向“看见—理解—自主决策”的具身智能。在这一迭代过程中，数字孪生技术不可或缺，其搭建的全维度虚拟仿真沙盘，是无人系统脱离演示化测试、真正适配工业级复杂生产场景的关键隐形支撑。

跨越愿景与现实，打造全流程无人仓

经过多年迭代发展，仓储各环节的单点自动化已取得显著突破进展，但真正意义上的“全流程智能无人仓”仍未实现。所谓的“真无人仓”，是指从收货、上架、存储、拣选、打包到装车的全部环节，均由无人系统自主完成，无需人工介入。结合当前行业落地现状，在全流程无人化的愿景与现实之间，仍存在三重核心壁垒：

其一，不同仓储环节的无人系统技术成熟度不同步。例如，搬运与储存环节规模化落地充分，拣选环节则刚迈过量产门槛，分拣环节正开始批量落地，而装卸环节还处在在规模化前夜。单一环节的技术短板，直接限制着整体全链路无人化闭环能力。

其二，系统层面的集成复杂度远超单点智能设备部署。WMS仓储管理系统、WCS设备控制系统、AMR集群调度系统、数字孪生仿真平台、具身智能决策大脑等多层级软件系统之间，需要实现无缝对接，任何一个接口出问题都会导致流程中断。

其三，非标工况的泛化能力仍是瓶颈。拣选环节的异形SKU、装卸环节的随机类型卡车、大促期间的波次突变，这些“意外”情况在真实仓库场景中每天都在发生，而无人系统对意外的处理能力还远未达到人类工人的水平。

纵观仓储无人化的升级，并非线性迭代、一步到位的过程，而是逐环节攻坚、逐场景突破、逐系统打通的长期工程。当前，仓内不同作业环节、不同技术路线、不同应用场景的无人化成熟度差异显著，精准甄别各环节的技术现状、落地边界与迭代空间，远比盲目追逐技术热点、跟风布局全无人概念更为重要。

对于整个行业而言，从单点自动化走向全流程无人化，不仅需要更聪明的机器人，更需要一个能够感知、能够理解、能够协同、能够在意外发生时自主做出正确决策的系统。这正是无人系统技术区别于单点自动化设备的本质所在：无人化不是一系列设备的简单集合，而是通过软硬件深度融合，构建一套可感知、可思考、可协同、可进化的智能作业体系，最终实现仓内作业的自主运转、自我迭代与全域最优。

专题目录

主持人/本刊记者 罗丹

• 仓储物流迭代升级：从单点自动化走向全流程无人化（ 本刊记者 罗丹）

• 无人搬运技术突破：AMR单体智能与集群调度升级发展（本刊记者 赵皎云）

• 无人系统技术助力仓储存取作业智能跃迁（本刊记者 任芳）

• AI视觉+OCR关键技术突破，推动智慧物流分拣升级——访金锋馥（滁州）科技股份有限公司研发总监陈路博士（本刊记者 喜崇彬）

• 无人装卸技术的难点、路径与未来（本刊记者 赵皎云）

• 全流程无人仓的软件集成与智慧升级——访原力灵机产品总监李帅（ 本刊记者 江宏）

———— 物流技术与应用融媒 ————

编辑、排版：王茜

本文内容源自，有删改。

欢迎文末分享、点赞、在看！转载请联系后台。

广告宣传