（CeMAT现场，正在执行演示任务的轮式双臂机器人Armstrong Pro。受访者/供图）
中经记者 吴静 卢志坤 北京报道
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。
（编辑：卢志坤 审核：童海华 校对：颜京宁）
