# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
过去，想把一个包裹更快地送到全球另一端，物流企业可能要付出上百美元的成本。如今，菜鸟能把这个数字压到一半，同时实现全球三日达。
背后靠的是一个新的效率杠杆—— AI ，以及每年呈 10 倍增长的 AI 支出。
11 月 5 日，在菜鸟香港智慧港举办的 AI 及具身智能产业合作发布会上，菜鸟国际总裁熊伟提到一串让人目不暇给的数字——
目前菜鸟 AI 辅助配仓占比已经达到 96%，每年带来数以千万计的成本下降；
商家互动、异常托管以及海外关务归类等环节，也已经有大量工作由 AI 承担。
但菜鸟并不满足于此，它要飞得更高。
发布会上，菜鸟一口气官宣了两项新动作。一个是开放全球真实仓库场景作为训练集，加速具身 Demo 走向产品。
另一个是加速硬科技出海。为 AI 算力、机器人等硬科技产品提供「科技出海三日达」服务，从跨境运输到海外仓储、售后，提供一站式供应链支持。
这「一内一外」，显然一脉相承于菜鸟与生俱来的「科技化、全球化」基因。
熊伟说，很难想象十年后，还能继续沿用今天的作业方式，应对更加复杂、更具挑战性的运营环境，具身机器人能以更快速度实现更大的生产力突破，「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。」
这也是菜鸟此次开放合作的出发点。首先是自己生产力提升需求，菜鸟希望成为这一进程的受益者，也愿意提前投入，推动它更快实现。
同时，我们正处于未来十年硬科技出海潮的早期。
熊伟透露，过去几年，AI 算力出海几乎每年增长 10 倍。而消费级机器人比较成熟的科技品类已经占到菜鸟收入的 10%，今年的增长更是翻倍。
它们将是「未来 3—5 年跨境供应链最大的结构性机会」。
发布会所在的菜鸟香港智慧港，已经是一座高度自动化的物流枢纽，数百台专业物流机器人在场内有条不紊地运转着。
菜鸟香港智慧港货运中心自动化码垛机
过去十多年，菜鸟已经在全球物流环节投入了上万台专业物流机器人，但现场仍有大量工作离不开人。比如上货、分拣、打包、贴单。这些对泛化、手眼协同和执行能力要求更高的任务，很难被传统技术覆盖，也成为菜鸟引入具身智能重点探索的方向。
今年，算是具身真正进入产业应用第一年，我们对物流率先实现新技术规模化落地充满信心，熊伟说。未来十年，全球整体机器人体量会达到数千万台，增长最快的一定是具身机器人。
为什么菜鸟认为物流会率先成为物理 AI 的落地场景？
首先，物流是一个规模足够大、任务足够丰富的真实物理世界。
它覆盖生产、仓储、运输、分拣、装卸等大量物理操作的庞大场景，机器人可以找到的任务远不止搬运。
即使机器人执行的动作相对标准，操作对象本身却千变万化。以快递分拣为例，实验室里可能只有几百个包裹、十几种类型循环测试。但在真实物流现场，每小时可能要处理 1000—2000 件包裹，一天下来面对几万个不同的包裹。
这些包裹有大有小、有轻有重，还可能相互粘连、挤压，摆放位置和排列方式也各不相同。
环境也不总是那么理想。光线、温度、湿度，甚至粉尘，都可能影响机器人的感知和操作。
实验室里练熟几个动作，到了真实仓库未必还能照样完成。机器人需要应对的，是一个不断变化的物理世界。
其次，「半结构化」环境，难度刚刚好。
相比家庭等开放环境，仓库的通道、货架和作业流程相对规整，有明确的规则；但商品、位置和摆放方式又不是完全固定的。这就给机器人提供了一个不错的练习环境，既能接触真实世界的复杂性，又不必一开始就挑战家庭那样高度开放的场景。
而且，机器人不必一开始就替代所有人力。能够稳定完成的工作，先交给机器人，暂时还无法独立完成的任务，仍然可以由人工和现有作业流程兜底。
物流部分任务还有一定的试错空间。比如拣选商品，机器人第一次没抓起来，可以调整姿势再试一次。遇到实在处理不了的异常，还能交给现场员工接手。
相比一些对精度和安全要求极高、出错就可能造成物料损坏的工业任务，物流的部分作业更容易留出调整和纠错的空间。
第三，有机会形成一个持续运转的「数据飞轮」。
具身智能要从「能做一次」走向「长期稳定地做」，关键在于真实场景里的持续训练。而物流恰好有源源不断的任务。每一次抓取、搬运、拆箱、码垛，都是一次真实的物理交互。机器人做对了什么、在哪里出了错、经过怎样的调整才完成任务，都可以沉淀为有价值的数据。
熊伟特别提到，现场数据不仅包括成功操作，也包括出错后经过纠正的数据。这些经验能够帮助模型不断提高可靠性。
更重要的是，物流里练出来的能力具有泛化性。
比如，仓库里拣选商品，与超市、药房里的类似拣选任务，在操作逻辑上就有不少共通之处。一个场景里积累的经验，有机会迁移到其他相似任务中。
这样一来，物流就不只是一个垂直应用场景，也可能成为具身智能训练通用操作能力的重要练兵场。
在圆桌环节，聆动通用创始人兼 CEO 季超也指出，未来几年一定是产品级的满足需求。
他进一步解释说，这一轮具身智能首先迎来了技术突破，但突破更多发生在实验室里。要真正把技术带进产业，还需要补齐基础设施。
所以过去一两年，整个行业都在集中补课，包括算力、工具链、数据等。等这些基础设施逐步完善，具身智能有望迎来新一轮爆发。
过去十多年，菜鸟在物流场景中尝试过各种技术和产品。他们发现，通用本体搭配具备泛化能力的大脑，经过预训练，已经能够在不少场景达到「 80 分可用」。但从能完成任务，到真正适应产业现场，还有一段距离。
关键在于让机器人进入真实场景，在使用过程中持续学习。
比如，通过模型参数调整、后训练，以及 In-Context 能力，机器人可以在实际操作中不断练习、改进，逐步达到「95—98 分」，基本完成产品验证。要进一步实现长期稳定的产业应用，还需要继续迭代到「99分，甚至 99.99 分」。
这个过程中，现场数据非常关键。熊伟强调，既包括机器人正确完成操作的数据，也包括操作出错后经过纠正的数据。机器人每一次执行、调整和纠错，都能为模型后续迭代提供有价值的经验。
这也是菜鸟此次开放真实物流场景的重要原因。
菜鸟拥有全球数百万平方米的仓储网络，长期服务快递、电商、快消、汽配等数十个行业。发布会上，菜鸟宣布面向产业伙伴开放数十个行业、上百种真实 PoC 场景，涵盖仓储拣选、智能导航配送、高空巡检、安防运维、航空物流、汽配管理等领域。
这些场景里有海量 SKU，商品的尺寸、形状各不相同；有大促期间突然涌入的订单，也有随时变化的作业任务。机器人面对的，将是一个充满多样性和不确定性的真实环境。
不过，真实场景如此复杂，机器人公司应该从哪里开始？
结合多年专业物流机器人应用经验，以及对具身智能技术发展路径的判断，菜鸟将物流场景划分为三个层次：短程泛化、中程精准和长程策略。
简单来说，就是从做好一个动作，到完成一连串操作，再到自主规划一整段作业。三类场景对机器人的能力要求逐级提高，商业化成熟度也有所不同。
菜鸟会结合自身的产业经验和技术创新经验，帮助具身智能企业找到更容易突破的切入点。
所谓短程泛化，就是先把一个动作做好。
这类任务通常比较短、重复性较高，作业环境相对固定，对精度的要求在厘米级，处理的物品也以轻载为主。比如物流分拣、包裹抓取。
看起来动作简单，难点在于 SKU 足够多样，机器人既要能处理小件包裹，也要能应对不同形状、尺寸的轻型货物。
至于为什么短程任务有机会率先落地？
季超解释说，强化学习本质上是一个搜索过程。任务链条越长，越容易遇到奖励稀疏的问题，模型需要探索的空间也更大。相比之下，短程决策的任务步骤少、反馈直接，对数据和长时记忆的要求相对较低，也更容易率先突破。
这也意味着，至少在短程任务上，产业应用不必等到世界模型和长时记忆能力完全成熟。目前，物流领域不少操作已经可以通过 VLA 或模仿学习来实现。
目前，具身机器人在短程泛化场景下，已经基本达到与人相近的效率和能力。同时，本体成本、工程化能力和模型能力还在快速提升。熊伟预计，2027 年短程泛化领域有望迎来明显爆发，而且机会不会局限于物流，其他行业也有大量类似需求。
第二层：中程精准，从单个动作走向连续操作。
任务难度开始明显上升。一个任务可能包含十几步甚至几十步，操作精度需要达到毫米级。同时，机器人还要在货架、货物等立体环境中完成多个环节的衔接。
比如超市、仓库里的拣货，以及消费电子、汽配、快消行业的上下料。这些任务不仅要求机器人看得准、抓得稳，还要能连续完成一系列操作。
熊伟认为，随着机器人本体硬件能力提升以及模型架构不断进步，中程精准场景也正在快速成熟。更值得关注的是，它背后的市场空间至少是短程泛化的 10 倍。除了物流仓储，消费电子、汽配、快消等行业也有大量相似上下料需求。
第三层：长程策略，让机器人具备全局规划能力。
比如，在航空货站或者大型仓储场景中，货物并不是简单地放在固定位置。机器人需要理解整个立体空间里的货物分布、可用空间和作业条件，再根据任务目标，提前规划一连串操作。
菜鸟目前已经在利用数字 AI 优化货物拼装、拆分等作业，以提高空间利用率。这类任务就涉及典型的长程策略：既要理解复杂的三维环境，又要对未来较长时间内的作业进行连续规划。
相比短程泛化和中程精准，这类任务距离规模化应用面临更多技术挑战。
当然，机器人进入真实生产环境，首先要证明技术可行。接下来，还要跨过工程化和经济性两道关。
季超指出，客户考核的指标远不止任务成功率。以物流场景为例，客户还会关注容积率、掉件率、回流率、作业节拍等一系列指标。甚至装车时的垛型，也可能因为不同客户的要求而有所区别。
进一步的问题是，如何通过产品化和工程化，把一套已经验证的技术复制到更多客户、更多场景，而不必每次都从头开发？
而菜鸟在筛选具身智能应用场景时，已经提前考虑了 ROI。熊伟估算，部分经过筛选的场景，在国内的投资回收期有望控制在 1—2 年，海外甚至可能不到一年。当然，前提是技术和产品完成充分的工程化打磨。
国产机器人正在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。
同时，中国头部科技公司也在以前所未有的力度投入 AI 硬件和数据中心建设。
机器人、GPU、服务器等高价值硬件正加速走向全球，但这些产品出海，早已不是单纯的「运输」。科技出海，可以理解为一套精密的工程化体系，需要在较长链条上，以较高频次和安全要求完成交付。
相比普通电商包裹，硬科技产品货值高、结构精密，对时效性、安全性和合规，要求要高得多。一套服务器送到数据中心，还可能涉及上架、连线、上电测试。设备投入使用后，维修、备件补给等问题也随之而来。
这也是为什么菜鸟会将「三日达」的 C 端的体验进一步延伸到服务科技出海，同时针对企业不同阶段，提供「一站式」解决方案。
对于早期企业，哪怕只有一台样机，也可以享受端到端的全球运输服务。无论是海外展会、科研测试还是客户 Demo，菜鸟都可以通过全球快线和灵活的运输方式，解决小批量、时效要求高的设备跨境流转问题。
对于进入小批量交付或大型项目阶段的企业，菜鸟则提供全球空运和项目制交付服务。比如具身机器人交付海外工厂，或者整套 AI 算力设备运往数据中心，都可以根据货物的尺寸、重量和运输要求匹配空运资源，并提供预约派送、上楼入位等精细化服务。
对于已经进入规模化出海阶段的企业，菜鸟还能提供覆盖海外仓储、配送和售后运维的供应链服务。
依托遍布数十个国家、总面积达数百万平方米的全球仓网，菜鸟可以帮助企业管理海外库存、安排本地配送，并提供备件补给、退换货、维修，以及关务合规、高货值保险和全球物流追踪等配套服务。
熊伟判断，安全可靠、合规放心的端到端解决方案，会是未来几年这一领域的重要需求。
而支撑这套服务的，不只是菜鸟已有的全球物流网络，还有关务、检验、税务、外汇等合规能力，以及不同国家和地区交付节点之间的协同经验，甚至包括为部分头部消费级机器人企业提供覆盖全球数十个国家的服务 knowhow。
熊伟举了个例子。菜鸟过去已经在奥运会、国际展会等复杂场景中积累了大量经验。面对多批次、多类型货物，以及严格的时间窗口，服务商必须保证整个交付链条顺畅运转。
奥运会可能四年才有一次，但服务科技出海客户，每天都可能要应对一场类似的「小型奥运会」。
菜鸟此次的两项布局看似一内一外，实际上指向同一个目标：扮演基础设施，让 AI 技术真正进入产业。
「一内」为具身智能提供真实的训练场和产品验证环境，「一外」则为中国硬科技企业补上全球交付和长期运营的供应链能力。
在这一战略下，菜鸟在具身智能领域，也并不打算包揽所有技术环节，而是聚焦与物流场景紧密相关的技术方向，包括垂直场景技术、Agent、Harness 等，与专业伙伴分工协作，先在真实场景中小规模验证，再逐步走向产品化和规模化。
这背后也折射出 AI 产业发展的一个趋势——技术突破只是起点，真实场景、工程化能力和产业基础设施的协同，才决定了技术最终能走多远。
文章来自于"机器之心"，作者 "Red Panda"。
