先说结论：2027 年选 WMS，AI 助手会从"加分项"变成"必查项"，不带的系统可以直接 pass。不是因为 AI 有多神，而是因为头部厂商已经把它铺进了基础能力，接下来一年是跟进潮，谁落后谁丢单。
我为什么敢这么判。2026 年 1 月，Manhattan 的 AI 智能体已经正式商用，能自主监控工作队列和库存状态、提前发现任务调度的问题；Blue Yonder 在 2025 年四季度的产品更新里推出了 Warehouse Ops Agent，给运营人员做班前简报和实时异常监控；2026 年 5 月，Blue Yonder 又和 NVIDIA 合作建了模型训练工厂，第一批模型就对准 WMS 高频场景：分配缺货、库存异常、到期紧急度。头部两家都在 2026 年把 AI 助手从发布会搬进了生产环境，这是第一次。接下来发生什么，基本不用猜。
2026 年底，AI 助手在 WMS 里到底是什么水平？
实话实说：雏形期，能用，但别神话。
现在能做的事，主要是三件。第一，自然语言查库存，"A 区还有多少空托盘位"直接问，不用再翻三层菜单找报表；第二，异常预警，断货风险、波次拖期提前报警，不用等班后复盘才发现；第三，班前简报，早上开工前推送今天的重点事项，主管扫一眼就知道先干哪三件。
做不到的事，也得说清楚。跨系统决策还很初级，WMS 里预警了，联动 TMS 调车还得人来拍板；复杂的波次优化建议，AI 给的是参考，不是决策；最要命的是准确率不稳定——数据脏的仓，预警一大半是误报，响三次假警报，现场以后就没人看了。
去年我帮一家南加州的 3PL 仓做选型，6 万平方英尺，试用了一家头部厂商的 AI 查询功能。最大的收获不是省了多少时间，而是暴露了他们库位主数据有多乱：问"呆滞库存"，问出来的全是错的，因为一半的库位编码十年前就没人维护了。所以 2026 年的真实水平是：演示里很丝滑，落地效果完全取决于你的数据底子。
还有一个细节值得注意：2026 年的 AI 助手，大多还停留在"问答加预警"，真正的自主执行还很少。厂商发布会说的"自主监控""任务编排""引导式行动"，听起来很美，但落到你的仓，"自主"二字要打折扣——它能自主发现问题，解决问题还是得人下指令。从"发现问题"到"自动处理"，中间隔着权限、责任和出错兜底三道坎，没有一家厂商敢在 2026 年替你跨过去。这个差距，就是 2026 到 2027 年要补的课。
2027 年的分水岭到底会发生什么？
分水岭不是"AI 更聪明了"，而是"没 AI 的开始丢单了"。我的判断依据有三条。
第一，2026 年 9 月下旬，Manhattan 刚发布了 Editions，Essentials、Enterprise、Enterprise Premier 三档，明确把平台能力下放到成长型企业。AI 能力不再是大客户专属，中小仓也能按需起步。这意味着 AI 助手的价格门槛在 2027 年会快速消失。
第二，选型 RFP 的写法会变。"AI 助手/智能体"会从"可选"变成默认勾选项，销售答不上这个问题，技术评审那关就过不去。采购方的心理也变了：2026 年问的是"你们有 AI 吗"，2027 年问的是"你们的 AI 助手到底能干什么"。
第三，跟进者会在 2027 年集中补课。中小 WMS 厂商要么接入大模型能力、要么被落下，市场上会出现一波"我们也有 AI 助手"的发布潮，质量参差不齐，但声势足够把"标配"的认知坐实。
所以我的时间线判断是：2027 年底，主流云 WMS 里不带某种 AI 助手的，会变成少数派。不是因为它们都好用了，而是因为没有的那个，在选型桌上会显得像上个时代的产品。
对正在选型的人，我的建议是把 AI 助手拆开看三层，别被一个总称忽悠。第一层是问答层：自然语言查库存、查订单状态，这是 2026 年最成熟的部分，2027 年会成为基线中的基线；第二层是预警层：异常提前报警、班前简报，价值取决于误报率，这是 POC 要实测的部分；第三层是执行层：自动调波次、自动触发补货，这是 2028 年的故事，2027 年谁跟你吹这个，谁就是在画饼。选型时按这三层逐项打分，比听销售讲愿景靠谱得多。
对中小仓来说，这是红利还是新的门槛？
两面都是，trade-off 得算清楚。
红利面是真的。SaaS 化加分档定价，5 万平方英尺以下的仓也能用上以前只有大客户才玩得起的能力；自然语言查询降低了培训成本，新员工不用背菜单路径，问就行了。对招不到资深主管的小仓，一个能 24 小时回答"这票货在哪"的助手，价值不小。
但门槛面更隐蔽。AI 助手是个数据放大器：数据干净的仓，预警准、查询快，越用越顺；主数据一团糟的仓，AI 只会把错误放大，还多一笔订阅费。我见过太多小仓，SKU 主数据里同一个商品三个名字，库位编码靠老师傅脑子记。这种底子，AI 助手问什么错什么，最后结论是"AI 不好用"——其实不好用的是数据。
所以对中小仓，真正的门槛不是买不买得起 AI，而是你的 SKU 主数据、库位编码、批次规则经不经得起 AI 拷问。顺序很重要：先花两三个月把主数据理顺，再谈 AI；顺序反了，就是烧钱买了个高级摆设。
具体先干哪几件，我列个最小清单：SKU 一物一码、同物同名先统一；库位编码规则定死，废弃库位先冻结；批次和效期规则写进系统，别留在老师傅脑子里。这三件做完，AI 助手问出来的答案才有可信度。很多小仓老板一听"数据治理"就头大，觉得这是大公司的事——错了，恰恰是小仓更需要，因为小仓没有专人每天盯报表纠错，错的数据会直接变成错的决策。
演示很炫，落地之后要看什么？
三个坑，都是我看人踩过的。
坑一：演示用的是厂商准备好的干净数据。你的脏数据进去是什么效果，POC 阶段必须用自己的历史数据跑一遍。用厂商的 demo 数据验收，等于闭眼签字。
坑二：预警准确率没有行业标准，厂商不会主动告诉你误报率。合同里要写清楚试用期和退出条款，误报率超标要有说法，别等全仓对警报麻木了才后悔。
坑三：收费模式问清楚。AI 助手大多按用户数或调用量另收费，报价单上"AI 能力"是包含还是另购，必须白纸黑字。别等上线三个月，账单上多出一行才发现。
还有一个容易被忽略的：数据权限。AI 助手要读全仓数据才能预警，这意味着它能看到成本、看到客户名、看到所有异常。谁有权限问它什么、它的回答会不会被不该看的人看到，这些权限边界在 2026 年的很多产品里还是粗放的。上线前把"AI 助手继承用户权限"写进需求，别让一个查询口子绕开了你原来的权限体系。
我的建议是，POC 就做一件事：拿过去 30 天的真实异常，让 AI 复盘一遍，看它能提前多久发现、误报了多少。这个数字，比任何演示都有说服力。
2026～2028 时间线
- **2026：商用元年。**头部厂商把 AI 智能体搬进生产环境：异常预警、班前简报、自然语言查询都有了雏形。但只是"有"，离"好用"还有距离，效果看各家数据底子。
- **2027：分水岭。**AI 助手成为主流云 WMS 的默认配置，RFP 里从可选项变成必查项；没有的厂商开始丢单。跟进潮带来一波质量参差的发布，选型时要会分辨。
- **2028：深水区。**比拼从"有没有 AI"变成"AI 准不准"。数据质量差的仓被迫补课，AI 助手和波次、人力、自动化的联动成为真正的差异化。
选型建议一句话：2027 年选 WMS，把"用我们自己的历史数据跑 30 天异常复盘"写进 POC，AI 助手答不上来的，价格再便宜也别签。
