先说结论：库位优化，是 AI 在仓库里最容易算出 ROI 的场景之一。但有两个前提——你的数据不能太烂，以及你别指望它替你做决定，它只是个算得比你快的参谋。
这几年 AI 在仓库的落地故事很多，视觉质检、无人叉车、语音拣选，听着都热闹。但我观察下来，真正让中小仓库老板愿意掏钱的，往往是这个不起眼的场景：让算法告诉你，每个 SKU 到底该放在哪个库位。因为它的账最好算：拣选员少走的每一步路，都是钱。
算法到底在吃什么
先破个魅：库位优化算法不神秘。一个干了十年的老仓储经理，拿着 Excel 也能手动做出七八成的效果。AI 的价值不是"更聪明"，是"每周自动重算一遍"——人没那个精力，算法有。
它吃的数据就四样。第一，订单行数据：过去几个月，每个 SKU 被下单了多少次，这是核心中的核心。第二，EACH 拣选频率：注意是拣选行数，不是出货量。一个 SKU 一次出 100 件只走一趟库位，另一个 SKU 一天被下 50 次单一件订单要走 50 趟，后者才应该离拣选起点近。第三，SKU 关联：经常一起被买的放一起，算法管这个叫 affinity，拣选员管这个叫"顺手"。第四，物理属性：体积、重量、拣选面位置，重的放下面，大的别塞小格。
它输出的东西也很实在：ABC 分区重排建议（哪些 SKU 该进黄金拣选区）、前置拣选面调整清单、补货策略建议。注意，它给的是"建议"，不是"指令"。我见过最靠谱的用法，是每周一早上出一份建议清单，仓储经理花半小时过一遍，拍板执行哪些。这半小时的人工判断，恰恰是算法最缺的那部分——它不知道下周有个大促，也不知道某个 SKU 的供应商要换包装了。
举个具体的例子：有家做家居小件的电商仓，算法发现"床笠"和"枕套"在七成订单里一起出现，建议把它们放到相邻拣选面。改完之后，这类订单的拣选行走距离直接少了三成。人工不是想不到，是 8000 个 SKU 的两两组合，人脑根本算不过来。
ROI 的账：少走的路就是钱
这笔账我帮你算个框架。拣选是仓库里最贵的人工作业，很多实测数据都显示，一个拣选员一天要在仓库里走上好几英里，其中超过一半时间花在"走路"而不是"拣货"上。库位优化干的事，就是把高频 SKU 往拣选员脚边挪，把低频的赶到远端。行业里常见的优化幅度是拣选行走距离下降一到两成——别小看这个数字，乘以你的人头数和时薪，就是真金白银。
投入那头呢？现在这类功能要么是 WMS 自带的 slotting 模块，要么是独立的 SaaS 订阅，费用跟仓库规模和 SKU 数量挂钩，具体以供应商最新报价为准。我的判断标准很直接：拿软件年费对比"省下来的人工小时×时薪"，回本周期在一年以内的，闭眼都值；超过两年的，先做试点再说。
验证效果有个土但管用的办法：影子运行。算法的建议先不执行，拿过去两周的真实订单做回测，对比"按建议摆"和"按现在摆"的总行走距离。更狠的是 A/B 测试：两条条件接近的拣选区，一条按算法来，一条按老办法，跑一个月看拣选效率和差错率。数据自己会说话，比销售 PPT 可信一百倍。
算账我给你个框架：一家中型电商仓，40 个拣选员。如果优化后每人每天少走 20 分钟，一年省下来的人工小时乘以时薪，再对比软件年费，账就清楚了。关键是"少走的时间"要可测量——试点期间用计步器或者 WMS 的任务时间戳，别凭感觉估。
坑在哪？我踩过的、见过的，集中在三个。第一是数据脏：条码贴错、库位录错、退货没及时上架，算法吃的是垃圾，吐的也是垃圾。上算法之前，先花两周把库存准确率做到 95% 以上，否则白搭。第二是新品冷启动：新品没有历史订单数据，算法对它一无所知，只能按品类经验先给个位置，跑一个月再调。第三是季节性：圣诞季的爆品库位，到了一月份就是累赘。算法如果只看全年平均数据，会给出很蠢的建议——好的方案会按季节切片，或者至少让你能手动锁定季节性 SKU 的位置。
别一上来就全仓推
最后说落地节奏，这是我最想强调的一句：别一上来就全仓推。从最痛的拣选区开始，选一个品类、一个区域做试点，跑四到六周，拿数据说话。成了再扩大，不成损失可控。
还有一个判断：什么仓库最值？EACH 拣选行数多的 B2C 仓、3PL 混装仓，效果最明显。反过来，托盘整进整出的批发仓就别折腾了——拣选本来就没几步路，优化空间天然有限，软件钱大概率打水漂。
落地第一步，我给你个今晚就能干的：把过去 90 天的订单行数据导出来，算一下前 20% 的 SKU 占了多少拣选行。如果超过六成，说明你的高频 SKU 大概率散落在仓库各处，你的库位八成是乱的——那这事就值得往下走。如果前 20% 只占三成拣选行，说明你的 SKU 动销很均匀，算法能帮你的也有限，钱先省着。
第二步才是选供应商：带着你的试点数据去谈，要求对方按效果付费，或者至少给三个月试用。敢签对赌的供应商，算法大概率是真材实料；只谈 license 不谈效果的，多半是把 Excel 包装成了 AI。
最后提醒一句：算法建议的执行节奏别太猛。一次挪几百个库位，拣选员两天找不到货，差错率先涨一波，试点数据就废了。我的经验是每周挪一批高频 SKU，给一线三天适应期，稳扎稳打反而更快。
