一套号称能把拣选行走距离砍掉两成的 AI 排线系统，上线三个月，拣选员还是按老路走——这不是人的问题，而是算法的最优解和现场的最优解之间，隔着一道看不见的墙。拣选路径优化这个方向，技术上已经相当成熟，真正卡住它的，从来不是算法。
先看现象。2024 年，华东一家 3 万平米的电商仓上线了一套 AI 拣选路径优化系统：根据订单结构实时计算拣选顺序，理论上能把人均行走距离压缩 15%～20%。上线第一个月，系统后台的数据很漂亮；但现场主管发现，拣选员普遍"阳奉阴违"——嘴上说按系统走，脚还是走老路。三个月后，项目组做了个无记名调研，超过一半的拣选员承认"经常不按系统推荐的顺序拣"。
类似的剧本在 2025 年上半年又上演了一次。某连锁零售的区域配送中心试点 AI 动态排线，系统推荐了一条穿过暂存区的"捷径"，能省下一段绕行。结果拣选员集体绕开这条捷径，宁愿多走那段路。原因很简单：暂存区长期堆满了待上架的货，推车根本过不去——算法看的是平面图，拣选员看的是现实。
从数据层面看，这个现象并不孤立。根据笔者对 2024～2025 年公开报道的十余个智能排线项目的梳理，凡是披露了落地效果的案例，几乎都提到了"一线执行偏差"这个词；另一个侧面是，2024～2025 年各大物流展会上，排线、仿真类展台的数量明显多了，但展商私下聊起落地案例，十个里有八九个会主动提到"客户现场执行"是最大的变量。而行业媒体在同期走访中反复出现同一个判断：拣选环节通常占到仓库人力成本的一半左右，是自动化厂商最想啃、却也最难啃的一块骨头。技术供给侧在加速——路径规划算法、数字孪生、室内定位这几年都成熟了；但需求侧的落地曲线，明显比厂商的宣传口径要平缓得多。
算得准、用不上：三层归因
为什么会出现这种"算得准、用不上"的落差？笔者认为可以归结为三个层次的原因，而且一层比一层更接近本质。
第一层是激励错位，这是最容易被忽视的一层。很多仓库的拣选岗位是计件工资，拣选员优化的目标函数是"单位时间拣多少件"，而 AI 系统优化的目标函数是"总行走距离最短"。这两个目标经常不一致：绕一小段路，但能顺手多拿两件、少一次弯腰，对拣选员来说是更优解，对系统来说却是"偏离"。当算法的最优和人的最优用的不是同一套 KPI，人不跟算法走，是理性的，不是懒惰。
第二层是信任赤字。算法看不见现场的临时状态：促销堆头今天摆在哪、哪片区域地面湿滑要绕行、哪个库位门口临时堆了待上架的货。这些信息不在系统里，但在拣选员的脑子里。只要发生过一次"按系统走结果此路不通"，信任就出现了裂缝；而信任这东西，建立需要几十次成功，重建只需要一次失败。很多项目的复盘都指向同一个细节：系统没有给拣选员留"现场例外"的反馈通道——走不通，只能硬走或者偷偷绕，久而久之，大家选择偷偷绕。
第三层，也是最底层，是数据地基。拣选路径优化本质上是一个"进去什么样的数据、出来什么样的结果"的系统：如果库位主数据不准——系统里 A 商品在 B-03，实际在 C-11——那么路径算得再优，也是在错误地图上找最短路，数据是垃圾，优化就是白搭。笔者接触过的几个项目里，排线效果不佳的，往下挖一层，几乎都能挖到主数据质量问题：盘点差异长期高于 3%、库位调整没有及时回写系统、新品上架的库位分配靠老师傅口头传。算法解决不了数据问题，算法只能放大数据问题。
这就引出了一个反常识的判断：最短路径不等于最快拣选，更不等于拣选员愿意走的路径。 算法优化的是几何距离，拣选员优化的是体力消耗和操作顺手程度——少一次弯腰、少爬一次高、避开拥堵的通道，这些在距离公式里权重很低甚至为零的因素，在人的决策里权重很高。一个只懂欧几里得距离、不懂人体工学的排线系统，在拣选员眼里就是"纸上谈兵"，而"纸上谈兵"是用脚投票投出去的。换句话说，拣选路径优化真正的优化对象，不该只是"路"，而是"走路的人"。
拣选路径优化落地前的三道必答题
那么，一个想真正落地的拣选路径优化项目，出发前应该先回答哪几个问题？根据上述归因，笔者整理出三道必答题：第一，库位主数据的准确率到底是多少，盘点差异率有没有降到可接受区间——地基不牢，不要谈算法；第二，一线拣选员的计酬方式和系统优化目标是否一致——KPI 打架，执行必打折；第三，系统有没有"现场例外"的反馈闭环，拣选员能不能一键标记"此路不通"并让算法学习——没有反馈通道的智能系统，本质上是一个开环系统，而开环系统在复杂现场里注定漂移。
展望 2026～2028 年，笔者对拣选路径优化的技术路线有一个趋势判断：行业会从"算最短"转向"算最顺"。依据有三：其一，头部厂商已经开始宣传把人体工学因素显式建模进目标函数的"懂人"式排线概念；其二，可穿戴设备和室内定位的普及，让系统第一次有机会采集到拣选员真实的行走轨迹数据——算法终于可以学习"人实际是怎么走的"，而不是"人应该怎么走"；其三，数字孪生让"现场临时状态"有了进入系统的技术可能，暂存区堆满这种事，未来不一定非要靠人脑记忆。此外，劳动力结构的变化也在推着这件事往前走：年轻拣选员对"被算法指挥"的接受度更高，但对"不合理的指挥"容忍度更低——系统要么赢得信任，要么被绕过，没有中间态。当然，这个判断的时间线取决于室内定位成本的下降速度，如果硬件成本三年内降不下来，"算最顺"可能还要再等一等。
最后留一个开放式的问题：当算法终于学会像老拣选员一样思考——懂得绕开拥堵、懂得顺手、懂得省力——我们要追问的下一个问题可能是：拣选路径这件事，还需不需要一个唯一的"最优解"？也许未来的排线系统，给出的不是一条指令，而是几条各有取舍的路线，把最后的选择权交还给现场的人。技术和人之间最好的关系，或许从来不是谁指挥谁。
作者：陈博士｜供应链行业研究员
