仓库里的视觉 AI 项目，有一个公开的秘密：预算超支的时候，钱很少花在模型上。
超支很少发生在模型上
2023 年，美国中西部一家区域性 3PL 上了一套包裹破损视觉检测系统。立项时预算的大头是这么分的：算法团队、GPU 算力、现场部署——典型的"模型思维"。项目跑到第六个月，预算超了四成，复盘发现超支部分里超过一半，花在了一个当初只占一行预算的条目上：数据标注。
无独有偶。同一年，华东一家电商大仓做 SKU 自动识别，目标是替代人工核对环节。算法 demo 两周就跑通，准确率在测试集上很好看；一上真实产线就垮——夜班灯光一变、纸箱一堆叠，识别率直线下降。团队回头补拍、补标了三个月的数据，项目周期直接翻倍。
根据多家咨询机构近年对企业 AI 落地项目的调查（如 Gartner、麦肯锡的相关报告），数据准备与标注环节通常占到项目总投入的四到六成，是单个占比最高的成本项。这个数字值得琢磨：大家谈 AI 落地都在谈模型、谈算力，钱却花在了最"不性感"的环节。模型是 1%，数据是 99%——这句话在仓库场景里，比在其他任何场景都更接近字面意思。
先给方法论，再给量级：到底要拍多少张
"拍多少张照片才够"没有标准答案，因为答案取决于四个变量：类别数、类间相似度、场景变化幅度、目标精度。任何不谈这四个变量就直接给数字的回答，都可以忽略。
给一个量级测算，假设条件如下：
| 假设项 | 取值（假设） |
|---|---|
| 活跃 SKU 数 | 10,000 |
| 每 SKU 有效样本 | 200～500 张 |
| 总样本量 | 200 万～500 万张 |
| 单张标注成本 | 以服务商实际报价为准（量级：美分到几毛钱人民币/张，视标注复杂度） |
| 质检返工率 | 15%～30%（量级假设） |
算下来，标注环节的投入是"百万元人民币量级"（具体以实际报价和返工率为准）。注意这个表里最扎眼的一行不是总量，而是返工率：标注不是一次性支出，质量管控和返工才是无底洞。拍照片本身只占小头——贵的是"标得对"，以及"标错了重来"。
还有一个常被忽略的维度：标注产能的组织成本。多家市场调研机构的测算口径显示，数据标注服务市场在 2020 年代初保持着每年 20% 以上的增速（具体口径以各机构报告为准）——这意味着标注这件事正在从"项目杂活"变成一个独立产业。对仓库甲方来说，这既是好消息（供给在变多、单价长期看跌），也是坏消息：产业化带来的是标准化报价，而不是对你家仓库业务的理解。标注员分不清"封箱胶带开裂"和"纸箱破损"，标出来的数据噪声，最后都由你的模型准确率买单。所以外包标注从来不是"交出去就完事"，甲方必须配一个懂业务的人做规则制定和抽检——这部分人力成本，立项时几乎从不计入预算，复盘时却总在超支清单里。
仓库场景的标注为什么格外贵
归因有四层，一层比一层难绕开。
第一，SKU 种类多且换代快。一个中等电商仓的活跃 SKU 轻松过万，季节性商品三个月一换——模型还没训完，数据已经过期。这是仓库场景独有的"数据折旧"，其他行业很少遇到这个速度。
第二，光照变化大。白班有天窗自然光，夜班是顶灯，同一个纸箱在两种光下是两种数据。自动驾驶好歹有标准化的路，仓库的光环境每个仓都不一样，数据很难跨仓复用。
第三，遮挡与堆叠。货架上的商品一半被挡住、传送带上的包裹叠在一起——标注规则必须定义"露多少算一个"，规则一变，之前标的全要返工。规则漂移是标注项目里最隐蔽的成本：不是标错了，是标准变了。
第四，长尾异常样本极难凑。破损、漏液、标签褶皱——这些恰恰是视觉 AI 最有价值的场景，但一个仓一年也碰不到几十例。为了凑 500 张破损样本，有团队专门让人"制造"破损去拍照，成本可想而知。
反常识的判断在这里：照片不是越多越好。样本量过了某个拐点，边际收益急剧递减；决定项目成败的不是中间 95% 的常规样本，而是最难的 5% 长尾样本和标注的一致性。很多团队把 80% 的标注预算花在了本来就好识别的品类上——钱花在了最不需要的地方。
两条降本路线：合成数据与预训练模型
趋势判断要分两条线看，依据和时间线都摆出来。
第一条线是合成数据。用 3D 渲染批量生成训练图像，破损、遮挡、极端光照要多少有多少。2021 年之后，随着渲染引擎和生成模型成熟，合成数据的成本降了一个量级。但 sim2real 的鸿沟还在：合成数据训出的模型，第一次见真实仓库时通常要打折扣。目前的格局是"合成数据做长尾补充、真实数据做主体"，而不是替代。指望纯合成数据一步到位，目前还不现实。
第二条线是预训练视觉模型。2023 年之后，视觉基础模型的 few-shot 能力起来了：过去需要几千张标注才能收敛的品类，现在几十到上百张就能达到可用精度。这意味着定制标注的需求结构在变化——从"海量通用标注"转向"少量高质量难例标注"。时间线很清楚：标注的总量在降，标注的单位技术含量在升。
选哪条路线，可以看下面这个决策框架：
| 策略 | 适合场景 | 代价 |
|---|---|---|
| 自建标注团队 | 长期、大批量、规则稳定的场景 | 管理成本高，适合头部大仓 |
| 外包标注服务 | 中短期项目、规则明确 | 单价透明，但返工扯皮多 |
| 合成数据补长尾 | 异常样本难凑的场景 | 需验证 sim2real 落差 |
| 预训练模型 + 少量标注 | 新品类快速上线 | 依赖基础模型能力，精度天花板看模型 |
两条线叠加，一个可验证的判断是：未来三到五年，仓库视觉 AI 的标注成本会继续下降，但"标注标准制定"的能力会变得更稀缺——因为模型越来越不缺数据，缺的是"什么算破损"这类业务定义的精确表达。
一个还没答案的问题
如果标注成本继续下降、模型能力继续上升，仓库 AI 的竞争门槛会从"有没有数据"变成"有没有标注标准"。到那时，拼的可能不是谁的 GPU 更多，而是谁的 SOP 写得更清楚——而 SOP，恰恰是仓库行业最不缺、也最不被重视的东西。
这个转换正在发生，只是还没走完。你觉得，你们仓的 SOP，经得起被 AI 逐字执行吗？
作者：陈博士｜供应链研究员
