上个月有个做 AI 的销售找上门，说要给我的小仓装个"智能大脑"。我问他这大脑吃啥，他说吃数据。我又问：要多少？他说：越多越好。我说：我这 3000 平的小仓，最多给你一个 Excel 表格，爱要不要——这就是我琢磨了很久的问题：仓库 AI 到底需要多少数据才够用？
他当时那个表情，就像你去相亲，对方问你有几套房，你说我有一辆电动车。
这事我琢磨了挺久。仓库 AI 到底需要多少数据才够用？今天不讲大道理，就讲我们小仓的真实经历：被数据门槛劝退过，也用土办法活下来了。
我们的窘境：AI 厂商要的数据，我这辈子攒不出来
先说说我隔壁老王的遭遇，给大伙儿提个醒。
老王做汽配的，仓比我还小，20 来个人。去年有个厂商找他，说视觉识别能自动点数、自动验货，"装几个摄像头，三个月就能用"。老王一听，这不就是为我量身定做的吗？当场签了。
然后厂商提要求了：先装 6 个摄像头，每天拍 8 小时，攒 3 个月数据，再找人一张一张标注，标好了才能训练。老王咬牙干了——摄像头加安装花了小 10 万，标注外包又花了几万。三个月后厂商来了，看了一眼数据说：光照不行，角度太单一，得重拍。
老王当时就炸了。钱花了十几万，AI 的影子都没见着，摄像头现在挂在墙上当监控用。
这事给我最大的教训是：AI 厂商嘴里"不多"的数据，对小仓来说可能是天文数字。 他们要的是"干净、标注好、覆盖全场景"的数据，我们小仓连"数据"俩字都凑不齐——进出库靠手写单，库存靠老会计的脑子，拣货路径靠老师傅的腿。
所以第一个扎心的现实先摆出来：仓库 AI 需要多少数据，取决于你玩的是哪种 AI。 下面这张表，是我被销售们轮番"教育"之后，自己整理出来的。厂商口径的数字我都标了来源，别当真理看。
三种仓库 AI，数据门槛天差地别
| AI 类型 | 要多少数据（厂商口径，仅供参考） | 小仓真实家底 | 我的判断 |
|---|---|---|---|
| 视觉识别（点数/验货/异常检测） | 每个 SKU 至少几百张标注图起步，SKU 越多越贵；某厂商销售跟我说"先准备 5000 张标注图热身" | 我们全仓 SKU 不到 800 个，但没一张是标注过的 | 门槛最高，标注成本吓人，小仓直接劝退 |
| 需求预测（备货/补货建议） | 12～18 个月的订单行历史数据，某预测厂商的白皮书口径 | 订单数据有，在 Excel 里，但退货、促销、断货的标记全是乱的 | 数据有，但"脏"，洗数据比攒数据更费劲 |
| 排班/波次优化 | 3～6 个月的拣选任务记录，含时间、人力、单量 | 有考勤表，没有任务级记录 | 数据维度不够，AI 来了也巧妇难为无米之炊 |
看明白了吧？仓库 AI 需要多少数据这个问题，标准答案是"看你要干啥"。 视觉识别是吞金兽，预测是慢性子，优化是细节控。销售跟你说"越多越好"的时候，翻译一下就是"反正你现在肯定不够"。
但这不是说小仓就跟 AI 无缘了。恰恰相反，我发现了一个反常识的结论。
反常识：小仓最缺的不是数据量，是数据干净度
去年我干了一件特土的事：没买任何 AI，就给每个拣货员发了把扫码枪，要求进出库 100% 扫码。刚开始怨声载道，说我这是"脱裤子放屁"——以前手写 10 秒搞定，现在扫码要 15 秒。
三个月后，进出库扫码率从 60% 干到了 98%。然后神奇的事发生了：我拿这三个月的扫码数据，用 Excel 做了个 ABC 动销分析，把 A 类货（占出库量 70% 的那 20% 的 SKU）挪到离打包台最近的货位。拣选员平均每天少走 1.5 公里，拣选效率肉眼可见地提了。
这事让我想通了：AI 吃的不是"大数据"，是"干净的小数据"。 我们小仓攒不出 18 个月的数据，但攒 3 个月干净的扫码数据绰绰有余。而 3 个月干净数据的价值，超过 3 年乱糟糟的手写单。
有个 AI 厂商的技术小哥私下跟我说过一句大实话："你们这种小仓，数据量从来不是问题，问题是你们的数据全是错的。错的数据喂给 AI，它只会错得更快、错得更自信。" 这话糙，但理不糙。
我们的土办法：先回答仓库 AI 需要多少数据，再做这三步
血泪换来的经验，分享给同类小仓主们。三步走，一步都别跳：
第一步：把扫码率干到 95% 以上。 别买 AI，先买扫码枪。一把工业扫码枪几百块，全仓配齐花不了 1 万。这是所有数据化的地基。扫码率不到 95%，你库里的数据就是薛定谔的库存——有和没有一个样。
第二步：用规则引擎代替 AI。 ABC 分类、补货点、波次合并，这些用 Excel 公式+固定规则就能跑，不需要机器学习。我们仓现在补货就是按"安全库存=日均出库×3 天"这条土规则，断货率从每月七八次降到一两次。规则土，但管用，还不要钱。
第三步：攒够 12 个月干净数据，再谈预测类 AI。 注意是"干净"的 12 个月。我们的计划是明年这个时候，拿着一整年 98% 扫码率的订单数据，再去跟预测厂商谈。到时候是我们挑他们，不是他们忽悠我们。
这三步走下来，总投入不到 2 万块。对比老王那十几万打水漂的视觉识别项目，你说哪个划算？
给同类小仓主的三句实在话
第一，别被"数据量"吓住，也别被"AI"忽悠。 仓库 AI 需要多少数据没有统一答案，视觉识别和需求预测差着一个数量级。先问清楚你要解决的具体问题，再问数据门槛。
第二，先解决"有没有数据"，再解决"数据多不多"。 扫码枪、PDA、哪怕一个像样的 Excel 模板，都比 AI 软件优先。数字化是 AI 的前置作业，这个作业交不上，AI 来了也是白搭。
第三，脏数据比没数据更可怕。 12 个月的脏数据，不如 3 个月的干净数据。AI 不会帮你洗数据，它只会把你数据里的错误学得明明白白，然后错得理直气壮。
最后说句自嘲的：我们小仓可烧不起这个钱，所以每一分钱都得花在刀刃上。大厂可以先烧钱攒数据再谈效果，我们不行。我们得先有效果，再谈数据，再谈 AI。
小仓有小仓的活法。数据这碗饭，我们一口一口吃，总有一天也吃得上 AI 这桌菜——只不过是我们自己端上桌，不是别人施舍的。
作者：小马｜小仓创业者，3000 平小仓主
