VLA 大模型（Vision-Language-Action，视觉-语言-动作）已经让实验室里的机器人听懂"把那箱货搬到 B 区"、自己看路、自己动手了。先说结论：技术原理讲通了，但离进仓库当主力，至少还有三道坎——安全合规、节拍精度、总拥有成本。 我的判断是：2027 年前别指望它替代你现在的调度逻辑；但从现在起，就该把它列入技术雷达，因为它最先改写的不是调度算法，而是人和机器之间的交互层。

VLA 是什么：一句话讲清技术原理

传统 AMR 的调度是"任务单模式"：WMS 下发"去 A 点取货、送 B 点"，机器人按固定流程走，现场但凡有个托盘歪了，它就傻眼。而 VLA 把摄像头看到的画面加上自然语言指令，一起喂给大模型，直接输出动作序列。一句话讲清：以前的机器人是按剧本演，VLA 是让它看懂现场、听懂人话、自己发挥。

这条路线已经不是论文概念。Figure 2025 年 2 月发布的 Helix、Google DeepMind 的 RT 系列、Physical Intelligence 的 π0，走的都是 VLA 的路子；亚马逊从 2023 年起在自家履约中心试点 Agility 的人形机器人 Digit 做料箱搬运，Figure 的机器人 2024 年进了宝马美国工厂做试点搬运。这些试点都在公开报道里，细节以厂商最新资料为准，但方向信号很清楚：资本和头部玩家都在赌"语言+视觉+动作"三合一。

这个坑我见过三次：新技术进仓的固定剧本

做 WMS 实施这些年，我看过三次几乎一样的剧本。第一次是十多年前 AGV 刚进仓：厂商演示视频里小车跑得丝滑，客户当场拍板，结果上线第一周就被现场一个 5 厘米高的地台缝卡到怀疑人生——演示厅的地面是环氧地坪，仓库是 20 年的水泥地。第二次是 AMR 热潮：某 3PL 老板看完展会回来就要"全仓无人化"，我问他三个问题就问住了：Wi-Fi 漫游断线谁兜底？消防通道被机器人挡了谁负责？旺季单量翻三倍时充电排队怎么办？第三次是视觉拣选：算法在实验室识别率 99%，到客户现场一换 SKU，灯光一暗，直接掉到 80%，产线节拍全乱。

VLA 正在走第四遍剧本。实验室演示里，操作员说"把红色箱子放到传送带上"，机器人优雅完成；但仓库的现实是：箱子被胶带缠住、标签被叉车蹭掉一半、过道里突然开进来一辆托盘车。演示解决的是"能不能"，上线解决的是"天天行不行"。 这个坑我见过三次，VLA 也不会例外。

VLA 在仓库的三块潜力场景

抛开炒作，VLA 有三块场景是真有可能先落地的：

1. 语音调度 AMR：异常时的"一句话改派"。 现在的流程是：现场发现异常→对讲机喊→调度员在系统里改任务→下发，链路长、还容易传错。VLA 的形态是：主管对着终端说"3 号机别去 C 巷道，那边地面有水渍，绕 D 巷道走"，机器人自己理解、自己重规划。这不是替代调度系统，而是把 WMS 调度指令的"最后一公里翻译"交给模型。价值不在快几秒，而在异常响应从"分钟级"变成"秒级"。

2. 拣选指导：新手跟着机器人学。 旺季临时工培训是每个仓库的噩梦。我见过一个客户，旺季招 40 个临时工，培训加纠错吃掉整整两周产能。VLA 机器人可以一边作业一边"说话"：走到哪个库位，报出 SKU 和数量，错了当场纠正。相当于每个新手配了一个不会累的师傅。

3. 例外处理闭环：卡住了自己"喊人"。 现在机器人一卡住就是停机等人来，停 10 分钟是常事。VLA 的机器人能自己描述现场——"我被一个倒下的空托盘挡住了，左边 2 米有空位"——远程的人回一句"从左边绕过去"，它就动了。停机从"等人来"变成"一句话的事"。

工程师语音调度仓库机器人

上线前夜 checklist：VLA 落地 readiness 五项评估

如果今天有厂商跟你说"我们的 VLA 机器人可以进仓了"，拿出我这套上线前夜 checklist，一项一项打分（每项 0～2 分，8 分以上再谈试点）：

  1. 安全围栏（2 分）： 模型输出的动作有没有硬约束层？大模型会"幻觉"，万一它理解错指令、指挥机器人冲向货架，有没有独立于模型的急停和电子围栏？过不了这一项，其他免谈——这是 OSHA 和保险都会问的第一个问题。
  2. 延迟预算（2 分）： 从"人说话"到"机器人动"，端到端延迟是多少？云端大模型一次推理几百毫秒到几秒，AMR 避障需要的是毫秒级响应。问清楚：推理在端侧还是云端？断网了机器人是停还是能降级运行？
  3. 异常兜底（2 分）： 模型不确定的时候怎么办？是停下等人，还是"猜一个"继续干？仓库里"猜一个"的代价可能是撞坏一排货。必须有置信度阈值+人工接管链路，写进 SOP。
  4. 成本账（2 分）： 单台溢价多少？算 TCO 别只看售价：VLA 需要的算力（端侧芯片或云端推理费用）、网络改造成本、维护一个"模型版本"的隐性成本。我见过太多项目死在"买得起、用不起"。
  5. 数据闭环（2 分）： 模型在你家仓库犯的错，能不能变成它下次不犯的教训？有没有现场数据回流、持续微调的机制？没有闭环的"智能"，上线第一天就是它的智商巅峰。

反常识的判断：VLA 第一站不是替代调度员，而是替代对讲机

很多人问 VLA 会不会让调度员失业。我的判断恰恰相反：VLA 进仓库的第一站，是干掉"人机之间的翻译层"，而不是干掉人。 调度员的核心价值从来不是"点鼠标下发任务"，而是"在异常时做判断"。VLA 把"把判断翻译成机器指令"这一步自动化了，调度员反而能管更大的范围——以前一个人盯 20 台 AMR，现在可能盯 60 台，因为大量"传话"工作被语音交互吃掉了。

另一个 trade-off 值得想清楚：VLA 的"通用性"和仓库要的"确定性"是天然矛盾的。大模型越通用，行为越难预测；仓库要的恰恰是"同一指令、每一次动作都一样"。所以未来几年的真实形态很可能是"VLA 做理解和决策，传统控制做执行兜底"的混合架构——大模型负责听懂、规划，底层运动控制还是那套经过千锤百炼的确定性算法。纯端到端的 VLA 在仓库里，我赌 2030 年前看不到大规模商用。

给仓库老板的时间线：现在该做什么

我的时间线判断（以公开试点进展为依据，具体以厂商最新资料为准）：

  • 现在～2027 年：封闭场景试点期。 分拣、搬运等低风险环节，有人值守的小批量试点。可以谈 PoC，但别签大单。
  • 2027～2029 年：特定任务小批量。 在安全围栏内承担固定任务，开始有真实的 ROI 数据。这时候才是认真评估采购的窗口。
  • 2030 年前后：看成本曲线。 端侧算力成本降下来、出现一两个"灯塔客户"跑满一年不出大事，才谈得上规模化。

现在就能做的三件事，按优先级排：

  1. 把 VLA 列入技术雷达，每季度扫一眼。 不用投钱，安排一个人跟踪 Figure、Agility、Physical Intelligence 这几家的公开进展就行。
  2. 先把现在的"异常响应链路"理顺。 VLA 落地后放大的是你的流程能力，不是替代它。对讲机喊半天找不到人的仓库，给它 VLA 也白搭。
  3. PoC 只谈"异常场景"，不谈"替代人工"。 让厂商在你最痛的异常点做试点（比如夜班卡机），按"停机时长下降多少"算账，这是唯一能量化的 ROI。

技术会迟到，但不会缺席。VLA 离仓库还有距离，但方向是对的——先说结论：别追风口，但别错过上车点。

作者：林晓｜WMS 实施顾问