AI 装柜优化：同样一个 40 尺柜，多装 8% 的算法打法

先说结论：AI 装柜优化这件事，算法只占三成，剩下七成是纸箱主数据。主数据是垃圾，算出来的方案再漂亮，现场也装不进去。这个坑我见过三次，三次都是同一个死法——系统里的纸箱尺寸从来没人实测过。

2024 年 6 月，加州一家做家具的跨境电商客户找我。他们的 40 尺柜，平均只装到六成五就锁柜。仓库主管跟我拍胸脯："我们老师傅排了十年柜，柜子就这点空间，神仙也多装不下。"我让他先别吵，把 30 个主力 SKU 的纸箱拿卷尺重新量一遍。量完他傻眼了：系统里的长宽高是采购三年前随手填的，实测下来每个纸箱平均虚了 2 到 3 厘米。一个纸箱差 2 厘米，一柜 400 个纸箱，缝隙就差出将近一个立方。主数据修好、算法重排之后，三个月验证下来，同样一批货，装载率从 65% 干到 73%——多装了约 8%。

算法到底在干什么？说白了就是"俄罗斯方块"的工业版，学名三维装箱。你把每个纸箱的长宽高、重量、能不能压、能不能侧放输进去，它输出装柜顺序和堆叠图。标准 40 尺柜内部是 12.03 米长、2.35 米宽、2.39 米高，约 67.7 个立方。纸面上有 67.7，现场能用满 60 个就不错了——剩下的全被纸箱不规则、要留操作缝、重货不能压轻货吃掉。算法的真正价值不是算出理论最优，而是算出"现场装得进的最优"。

老师傅到底输在哪？不是经验不行，是人脑一次只能记住几个约束。纸箱尺寸、重量、可压、堆叠方向、装卸顺序，五个约束同时在脑子里转，没人转得动。算法的优势就是同时吃几十个约束还不累。但反过来，算法不知道"这个客户的纸箱一淋雨就软""那个码头查超重查得严"，这些现场知识还得人喂进去。所以正确的姿势是：人定规则，算法算组合，现场再反馈修正。

先算一笔账。一家年发 200 个柜的客户，装载率从 65% 提到 73%，相当于一年少发 16 个柜。省的不只是海运费，还有订舱、拖车、码头杂费一整串。投入就是几周的数据整理加软件订阅，第一年回本绰绰有余，往后每年都是净赚。

落地就四步，一步都不能省：

摸底。把主力 SKU 的纸箱实测一遍，量的是外径不是内径，含胶带和纸箱鼓肚的厚度。系统里的数据一个字都别信，信了你就等着现场翻车。
建模。给每个纸箱打标签：重量、可压、堆叠方向限制、怕不怕潮。这一步仓库主管必须在场，只有他知道哪些货"看着能压、实际一压就塌"。
对比验证。同一批货，老师傅排一柜、算法排一柜，实装对比，拍照留档。至少验 3 到 5 柜再定，别拿第一柜的运气当结论。
写进 SOP。装柜顺序单打印出来贴在柜门口，班长签字确认。算法输出没人执行，等于零。

工人手持平板电脑查看 AI 装柜方案，站在集装箱内码放整齐的纸箱旁

再说四个翻车点，都是我亲眼见的：

第一，主数据不准，这个坑我见过三次。最惨的一次，客户把纸箱内径当外径录进系统，算法算得满满当当，现场多出半米装不下，柜门都关不上。

第二，只算体积不算重量。2023 年底，一家洛杉矶的圣诞饰品进口商，重货全堆在柜门一端，柜子到长滩码头一称，单轴超重被拒收，拖回去重装，多花了两天，差点误了船期。装柜算法必须吃重量分布，不然就是纸上谈兵。

第三，没人看得懂装柜图。算法输出的三维堆叠图，班长看三分钟就扔一边了。必须翻译成"第几层先放哪几个箱号"的人话顺序单，否则现场还是老师傅说了算。

第四，忽略操作时间。装满 73% 的柜，装卸要多花一个多小时。赶船期的急货，宁可少装一点也要快。这个取舍算法不会告诉你，得你自己定规则。

还有一笔隐性账：装载率上去了，柜子周转快了，旺季爆舱时少租临时仓。去年旺季一家客户就是靠多装出来的这几个点，撑过了两周的舱位紧张，没去高价抢现货舱位。

买软件别只看演示，问三个问题：第一，只算体积还是连重量、轴重约束一起吃？只算体积的可以直接 pass。第二，能不能导出班长看得懂的顺序单，不只是三维渲染图？第三，混装 SKU 带可压规则能不能处理，还是默认所有纸箱都是完美刚体？三个都答"是"的，比销售 PPT 上好看的靠谱得多。

反常识的判断来了：装载率不是越高越好。一个 73%、工人愿意按顺序装的方案，赢过一个 78%、现场没人执行的"理论最优解"。AI 是工具，现场的人才是瓶颈。凡是绕开现场谈优化的方案，最后都死在现场。

到底要不要上？看年发柜量自己对号入座：

年发柜量	我的建议
50 柜以下	别折腾算法。先把纸箱主数据量准，用免费排柜工具排一排，效果立竿见影
50～300 柜	买现成的装柜软件，按年订阅，比自研便宜一个数量级
300 柜以上	值得做深度定制，把重量分布、混装规则都吃进模型