理解仓库 AI 技术成熟度曲线，最好的入口不是分析师报告，而是一组发生在 2024 年夏天的公开事件：6 月 27 日，GXO Logistics 与 Agility Robotics 签署多年期协议，在 SPANX 工厂部署人形机器人 Digit——根据双方公开声明，这是行业内第一份人形机器人正式商业部署协议，采用机器人即服务（RaaS）模式；几个月前 Figure AI 以 26 亿美元估值完成 6.75 亿美元 B 轮融资，投资方有微软、英伟达和贝索斯；而几乎没人注意到的是，同一时期 Locus Robotics 的 AMR 车队累计拣选量已达数十亿次量级。同样是"AI＋仓库"，一边在聚光灯下，一边已经把账算平——这种反差正是这条曲线要解释的。
现象：同一条曲线，七种位置
先把公开事件摆出来。2023 年 10 月，亚马逊开始在西雅图以南的机器人研发设施测试 Digit，第一个任务是 tote recycling——把被拣空的空周转箱搬走；两个月后，GXO 在佐治亚州 SPANX 工厂测试 Digit，把装满商品的周转箱从 AMR 上搬到输送线。2024 年 6 月的多年期协议把试点变成了"商业部署"，但未披露部署数量。
根据 PitchBook 的公开数据，Figure AI 在 2024 年 2 月以 26 亿美元估值融到 6.75 亿美元，一年半后 C 轮估值达到 390 亿美元，翻了约 15 倍；整个机器人赛道 2025 年第二季度交易额 88 亿美元、共 221 笔，环比增长 170.5%。钱在投票，投的是"像人"这件事。
而 AMR 的世界安静得多。根据 Locus Robotics 在 2026 年 10 月披露的数据，其全球车队已超过 22,000 台机器人，累计完成超过 85 亿次拣选，服务 150 多家客户、360 多个站点；Interact Analysis 的报告连续第二年将其列为美洲 AMR 收入第一。没有发布会，没有百亿估值，只有工单。
视觉检测是第三条路：2022 年 11 月亚马逊发布 Sparrow 机械臂，根据公司公开说法，它能识别约 65% 的在售商品——这是视觉 AI 第一次真正进入"按件处理"的核心工单。
数字孪生则处在"人人都听说过、很少人买单"的状态。根据英伟达公开案例，Amazon Robotics 正用 Omniverse 和 Isaac Sim 构建仓库数字孪生、训练机器人，某类标记检测成功率从 88.6% 提升到 98%。技术是真的，但为"仓级全量孪生"付费的客户仍然很少。
语音拣选甚至已经淡出了"AI 话题"——而这恰恰是它最值得被讨论的地方。Vocollect 在 1987 年就开创了工业语音识别，如今的语音方案早已是 WMS 的标准外设。一个技术不再被谈论，有时候是因为它已经把问题解决了。
成熟度曲线上的七个坐标：阶段与依据
| 技术 | 曲线位置 | 阶段依据 | | 视觉检测（分拣/质检） | 启蒙爬坡期 | Sparrow 2022 年 11 月发布，可识别约 65% 在售商品；视觉从"识别"进入质检、异常件拦截等具体工单 | | 语音拣选 | 生产成熟期 | Vocollect 1987 年开创工业语音识别；方案已是 WMS 标准外设，讨论度低恰恰因为问题已解决 | | AMR（拣选协作） | 启蒙爬坡期 | Locus 2026 年 10 月披露：22,000＋台、85 亿＋次拣选、360＋站点；Interact Analysis 美洲收入第一，连续第二年 | | AI 需求预测 | 启蒙爬坡期（分化中） | 缺的不是算法，是干净的历史销售与库存数据；数据质量决定同一技术在不同规模企业的阶段 | | 仓库数字孪生 | 期望膨胀期末端，正滑向幻灭低谷 | 头部企业确有落地，但仓级全量孪生的付费客户仍少，多停留在仿真验证 | | 人形机器人 | 期望膨胀期顶峰 | Figure 18 个月估值翻约 15 倍；GXO 2024 年 6 月签首个商业部署协议，但未披露部署规模 | | 生成式 AI（单证/知识库/客服） | 期望膨胀期 | 大模型 2023 年后能力快速可用；仓储场景可验证的 ROI 案例尚未形成共识 |
为什么曲线长成这样：三条归因逻辑
第一条逻辑是经济账是否算得平。AMR 能爬坡，一个被低估的原因是商业模式：RaaS 把一次性资本开支变成了按月、按拣选量支付的运营费用，Locus 那 85 亿次拣选背后是"用一次算一次钱"的收费逻辑，中小仓库也上得起。反观人形机器人，市场上目前只有"试点预算"，还没有"运营预算"——GXO 的多年期协议恰恰也采用 RaaS 模式，说明连头部买家都不愿一次性买断。当一种技术的购买方式还停留在"试试看"时，它就不可能进入爬坡期。
第二条逻辑是问题是否封闭。语音拣选和视觉质检回答的都是封闭、重复、可度量的问题：指令集合有限，正确率可量化、ROI 可计算。而"通用操作"是个开放问题：人形机器人最大的成本不在硬件，而在"通用"二字——为覆盖 5% 的长尾任务支付接近 100% 的复杂度溢价，双足平衡、灵巧手、语义理解，每一项都是独立的工程深渊。这条曲线上爬得最快的，永远是那些把问题域收得足够小的技术。
第三条逻辑是部署密度决定数据飞轮。Locus 的 360 多个站点每天产生真实工单，算法在其中迭代；而人形机器人全球的真实工单数据，加起来可能还不到前者的零头。没有工单数据就没有模型迭代，也就没有爬坡。
这里有两个反常识的判断：处在"跌落"阶段的技术，对买家可能是最好的买入时机。泡沫期买的是叙事，低谷期买的是折扣和工程能力——供应商更愿意降价，响应更快、交付更稳。这条曲线对买方的真正用法，从来不是预测哪个技术会赢，而是在谈判桌上定价。第二个：仓库里看起来最"AI"的技术离回本最远，看起来最不"AI"的（语音拣选）反而 ROI 最确定——因为它解决的是有标准答案的问题。评判一项仓库 AI 技术，不该看模型有多新，而该看它回答的问题有多封闭。
从成熟度曲线看未来三年：带时间线的趋势判断
人形机器人：2024～2026 年处在期望膨胀期，2027～2028 年大概率进入幻灭低谷。依据是验证周期：从试点到规模化验证通常需要 2～3 个完整年度的真实工单数据，而目前公开的"商业部署"仍停留在协议层面，未披露任何规模化数字；2030 年前后进入爬坡期的前提，是出现 3～5 个可复制的规模化部署。
视觉检测与 AMR：已处启蒙爬坡期，未来 2～3 年是规模复制窗口，竞争焦点从"能不能做"转向"多少钱做"；买方的关键动作是谈价格、谈服务 SLA、谈多站点复制能力。
数字孪生：正在滑向低谷，但低谷未必是坏事。若仿真成本继续下降，2027 年前后它可能借"仿真训练机器人"的新叙事重返爬坡——88.6% 到 98% 的提升已经说明，孪生的价值可能不在"可视化"，而在"造数据"。
语音拣选：稳定在生产成熟期，增量来自存量替换；对它的正确态度是"用好"而非"追新"。
AI 需求预测：处在分化中。数据基础好的企业已用成常规操作，数据质量差的还停留在"买了软件没人用"；同一技术在不同规模企业处在曲线的不同位置——位置不是技术的属性，而是技术与组织数据基础相乘的结果。
成熟度曲线从来不是水晶球，它真正的作用是给买方一个坐标系：在什么时候、以什么价格、为哪一类问题买单。人形机器人会不会在 2028 年跌入低谷，数字孪生会不会借机器人仿真训练重返爬坡，答案都不在曲线上，而在未来三年的工单数据里。更值得想的是下一个问题：当最火的技术跌入低谷、价格最便宜的时候，你的仓库手里应该留着哪几张牌？
作者：陈博士｜供应链行业研究员
