过去两年里，我访谈了二十多位做过仓库 AI 试点的从业者——3PL 的运营总监、电商仓的 IT 负责人、设备商的售前顾问。当我问他们"试点结果怎么样"时，超过一半的人给我的回答不是成功或失败，而是一个时间点："大概撑了两个多月""第三个月就停了""90 天复盘会上被砍的"。AI 试点正在成为仓库数字化里最吊诡的存在：一边是厂商发布会上的成功案例，一边是大量连 90 天都撑不过去的沉默项目。这篇文章不讲怎么选场景、怎么做 ROI，我想复盘三个真实的夭折案例，看看它们到底死在哪一步，以及为什么死的都不是技术。
三个 AI 试点，三种死法
案例一：视觉分拣系统，死于数据漂移。
2025 年 1 月，美国中西部一家做服装代发的 3PL 仓启动了一个视觉质检试点：传送带上方装两台工业相机，AI 识别包裹破损和面单遮挡，目标是替代质检台上两名全职员工。项目时间线很标准：第 1～4 周装机联调，第 5～8 周模型调优，第 9 周进入试运行，准确率一度达到厂商承诺的 98%——注意，这个数字是用旺季标准箱型测出来的。转折发生在第 10 周之后：淡季换品，异形件和小批量 SKU 上线，包裹的形状、胶带颜色、面单位置全变了，误报率从 2% 一路爬到 15% 以上，质检员开始"每件必看"，系统形同虚设。第 12 周的复盘会上，运营总监叫停了项目。受访的项目经理原话是："模型没学坏，是仓库先变了。"这个案例的教训很具体：训练数据的分布只覆盖了旺季，而试点的验收恰恰发生在淡季——数据与现场的漂移不是技术问题，是试点排期的问题。
案例二：AMR 拣选优化，死于"没人想要它成功"。
2025 年 6 月，华东一家服装电商仓引入 6 台 AMR 做拣选路径优化，AI 负责动态分配拣货任务。技术上跑得很顺：前 3 周，拣货行走距离下降了约两成，这个数字在仓内 WMS 日志里能查到。但第 4 周开始出怪事：拣货员开始"忘记"给 AMR 充电，有人把暂时不用的料箱堆在 AMR 的行驶路线上。访谈里，一位拣货组长说得很直白："任务都是系统派的，干多干少它都记着，谁知道年底会不会拿这个数据说话。"试点 KPI 挂在 IT 部门名下，运营部门没有任何考核权重——没有业务 owner，没有人对"试点成功"负责。第 8 周，6 台 AMR 里有 4 台长期停在充电区，项目自然死亡。技术交付了 100%，组织交付了 0%。
案例三：需求预测补货，死于供应商的承诺。
2024 年 11 月，欧洲一家汽车零部件仓签了一家 AI 预测 SaaS 厂商，卖点是"开箱即用、两周上线"。实际对接 WMS 花了 9 周——历史出库数据的口径、单位、缺失值，每一项都要返工清洗。更致命的是合同：试点按"上线即成功"验收，没有约定数据质量基线，也没有约定预测准确率不达标时的退出条款。2025 年 2 月系统终于上线，预测建议和做了 15 年的老计划员的判断频繁冲突，双方都不信任对方，第 6 周计划员开始"凭经验覆盖系统建议"，系统输出的报表再也没人看。试点在第 60 天左右被冻结，尾款照付——因为合同里写了"上线即验收"。
归因框架：AI 试点夭折的四类死因
把三个案例并排看，死因可以归成四类：
| 类别 | 典型症状 | 案例对应 | 发生阶段 |
|---|---|---|---|
| 数据类 | 训练分布与现场漂移；无数据质量基线 | 案例一 | 试运行期（第 8～12 周） |
| 场景类 | 选了"最痛但最难"的场景；KPI 不可测、不可归因 | —— | 立项期 |
| 组织类 | 无业务 owner；一线激励与试点目标冲突 | 案例二 | 全程 |
| 供应商类 | 承诺与交付落差；集成周期低估；合同无退出条款 | 案例三 | 采购与上线期 |
场景类在本轮三个案例里没有直接命中，但根据我访谈的其他项目，它是立项期最常见的坑：比如把 AI 用在"异常处理"这种长尾场景，样本少、规则杂，三个月根本看不出效果，试点从第一天就注定无法验收。
一个反常识的判断：技术从来不是主因
三个案例里，算法团队都按时交付了能跑的模型，准确率数字在各自的测试集上都"达标"了。真正杀死试点的，是试点设计本身：数据没准备好、场景选得太难、组织里没人负责、合同把风险全留给了自己。换句话说，AI 试点失败很少是因为"AI 不行"，更多是因为"试点"这个组织动作没设计好。根据某国际咨询机构 2025 年的物流科技调研，企业方把"数据准备不足"和"内部协同困难"列为 AI 落地的两大主要障碍，技术成熟度排在后面——这个排序和我访谈得到的结论一致。
趋势判断：2026 年的 AI 试点逻辑正在改变
从时间线上看，2024～2025 年的试点大多是"技术验证"逻辑：先买技术，再看能用在哪。2026 年开始，我接触到的新项目越来越多采用"组织验证"逻辑：试点前先做 AI 就绪度评估（数据、流程、人员三项打分），不达标的不立项；合同从"买断 license"转向"按里程碑付费"，数据对接完成付一笔、达到约定准确率再付一笔。这个转变的含义是：市场正在把试点从"技术采购"重新定义为"组织变革项目"。技术会越来越便宜，难的一直是组织。
复盘这三个案例时，我一直在想一个问题：如果把试点的 90 天倒过来排——先花 30 天准备数据和组织，再花 30 天小范围验证，最后 30 天才谈扩大——还会有这么多项目死在第 90 天吗？这个问题没有标准答案，但它可能是 2026 年每一个想做仓库 AI 试点的人，在签字之前最值得问自己的问题。
作者：陈博士｜供应链研究员
