谁能搞定仓库：中国具身智能的第一场大考

短视频里，一波接一波的人形机器人，开始在仓库捡包裹。

这背后，是物流仓储正在成为具身智能的必争之地与第一场大考。

但仓库不看演示，只看效益。而且，它还是个复杂系统，任何环节掉链子，就能拉住整个进度条，不只是机器人更快更聪明就能解决问题。

大考的终极解法是什么？已有10年业务沉淀的物流机器人公司Atomix，给出的答案是：系统能力。

先看一座Atomix仓库如何运转：

货车靠上月台，托盘AMR把货物送进密集存储区，四向车在货架间纵横换向。订单进入后，系统不会简单的按照先入先出规则执行配位或出库，而是同时计算库存位置、订单组合、设备负荷和下游节拍，再决定先取哪一托、交给哪台设备、在哪里完成交接。

规则明确、动作重复的任务，由专用设备稳定完成；软包、异形件等难识别和抓取的商品，交给具备视觉与操作能力的机器人；超出机器能力边界的异常，再转给人工。

通过局部最优推导全局最优，每台设备都在服从全局。组织全局的是一套机器人多智能体分层作业系统：它把机器人、设备和人连成一张网，把一张订单拆成上百个动作，决定交给谁、何时交接、出错怎么补；设备增减更换，随时接入。

不只造机器人，更造系统、组织机器人——这是Atomix十年来一直在做的事。

也正是这种“组织”能力，2018年，还在旷视体系内的Atomix团队拿下优衣库上海自动化仓。国内几乎所有物流机器人与自动化公司参与竞标，团队历经五轮筛选才胜出——其方案从入库贯通到发货，对全仓机器人通盘考虑，正切中优衣库痛点。

落地并不顺利。带队的唐文斌回忆，仓库建成时技术目标只完成三成，团队又花半年把代码推倒重来，才把项目做完。这段经历练出了真本事，换来优衣库在全球的后续订单，也让团队坚定了两个认知：仓库效率取决于整体调度，而非单机性能；客户要买的不是机器人，而是实际效益。

沿着这一逻辑，团队形成了“4+1”产品框架：托盘四向车、料箱四向车、托盘AMR、料箱AMR四类标准硬件，加上统一软件平台Atomixer。后者以50多套自研算法统一调度设备、容器与订单，与硬件结合，成为系统化解题的杀手锏。

方向对了，积累就会产生复利。2024年从旷视独立为物流机器人公司时，Atomix已是业绩亮眼的全球行业新锐。

仓储场景中，设备越多，冲突、死锁、拥堵的概率呈几何级上升，调度规模因此是衡量能力的硬指标。如今，Atomix是全球首个实现单系统部署80台以上托盘四向车的公司，也是全球操盘50台以上超大型四向车项目最多的公司。

截至2025年底，Atomix已年营收近十亿元，业务覆盖20多个国家、近100个品牌，机器人年出货近1万台，托盘四向车销量全球第二，累计服务项目超500个，其中不少已成为行业范式。

比如，今年与联想为新加坡ST Logistics落地的项目：托盘四向车、托盘AMR、自动播种墙和具身机器人进入同一流程——自动化设备做高频、确定的存取搬运，具身机器人做需要识别与操作的环节，软件管任务拆分、交接与重排。

设备与设备、设备与人，各司其职，高效运转。技术不再是演示厅里的能力拼盘，而在同一条订单链上反复接受效率、稳定性与成本检验。

2026年6月5日，Atomix还再次能量升级：同由唐文斌创立的具身智能企业原力灵机，宣布通过股权并购与Atomix合并，并完成战略融资。阿里巴巴、华勤、上汽恒旭等产业资本，以及智谱、阶跃、商汤等大模型公司相继入局。

一边是具身智能核心落地场景中的规模化业绩与作业数据，一边是全球首个具身原生大模型DM0.5。合并让模型有了场景，也让场景有了模型，具身智能走进物理世界的任督二脉被打通，资本也是对此格外高看。

物流是一门规模巨大、利润却要一分一厘挤出来的生意。

2025年，全国社会物流总额368.2万亿元；社会物流总费用与GDP之比降至13.9%，首次低于14%，按国家行动方案，到2027年还要力争降至13.5%左右。同年，全国快递业务量达1989.5亿件，日均超5.4亿件。

规模如此，搬运、等待、错拣、停线的成本每降一点，都是可观的效率红利。这给具身智能企业带来巨大机遇，但仓储智能化至少要迈过三道坎。

第一道是存量。仓储是秩序早已建立的行业，设备、系统、作业规范自成体系，新建仓需求趋于饱和。一方面，有研究估计全球约80%的仓库尚无任何自动化；另一方面，2024年中国智能仓储市场规模已约1760亿元，大量设备正在服役。

与之对应，是大量老仓库要新改造，大量仓库已经配置WMS、输送线、AGV和立体货架，停产换系统的代价往往高于技术收益。新方案首先要接住存量资产，在不停摆的前提下逐步升级。行业没有“推倒重来”的选项，智能化只能在存量之上生长。

第二道是弹性。2025年“双11”期间，快递单日峰值达7.77亿件，约为日常的1.4倍。这要求仓库能够按任务增减设备、调整路径，并让人工在异常和峰值时进入流程。系统因此必须有弹性，既要扛住峰值，又不能为峰值常年养着冗余产能。

第三道是长尾。托盘搬运、标准箱存取已有成熟方案，上架、拆零、软包抓取、异形件分拣等环节却仍大量依赖人工，但它们变化频繁，需求却千仓千面，动线、SKU和订单结构差异极大，没有哪种万能机器人能通吃，一些环节机器人成本也更昂贵。

因此，仓储智能化大致要经历三个阶段：先是单点替代人工；再是多设备协同，让机器人、输送线、工作站和人共享同一套任务逻辑；最后是“长机—僚机”式智能集群——泛化能力强的智能体负责决策，专用设备执行标准动作，人机协同各有章法。

这意味着，仓储智能化的终局更可能是融合，而非颠覆。

仓储自治不会突然到来。它更可能沿着单点自动化、多设备协同、分层智能作业逐步演进。终点也未必是彻底无人，而是仓库能够围绕订单目标自主分配资源、处理异常，并在人机之间选择更经济可靠的方案。

正如大模型没有推翻软件行业，而是嵌入既有开发体系，把效率放大了一个量级。仓储同理，决定成败的不是单点效果，而是多机协同调度能力，以及与存量设施的融合效率。检验标准只有一条：能否真正改变作业方式，并产生效益。

由此倒推，能走向终局的企业，至少要同时具备四种能力：一是具身原生，而非沿用传统机器人的规则化路径；二是行业积累深厚，真懂仓储场景与know-how；三是系统级协同，能做多系统整合与多机调度；四是本体与智能大脑深度适配。

目前，四者兼备的玩家屈指可数，Atomix是其中最具代表性的一家。

Atomix的路径之所以更接近终局，源于创始人的认知。

唐文斌毕业于清华姚班，是旷视联合创始人。2016年，他在旷视内部发起机器人与仓储业务。深入调研后，团队没有先造机器人，而是从调度切入，先后服务天猫超市、宝洁、富士康、优衣库等客户，并于2019年发布机器人集群调度中枢“河图”——一套贯通规划、仿真、实施、运营全流程的操作系统。

唐文斌把它比作：机器人乐队的指挥。

有了调度，再补硬件。2024年7月，这块业务从旷视剥离，成为独立运营的物流机器人公司Atomix。有了硬件，再补模型。2025年3月，唐文斌与范浩强、周而进、汪天才等旷视旧部创立原力灵机，专攻具身模型。

一年多后两者合并，四种能力就此补齐。

先场景、再设备、后模型，与行业“先模型、再找场景”的主流路径几乎相反。好处是，模型从一开始就长在仓库里，而不是空有聪明、却进不了仓库。

仓库的矛盾在于：标准箱、托盘和固定路线，适合规则清晰的专用设备；软包、异形件、杂乱堆叠和频繁变化的SKU，需要视觉感知、空间理解与动作泛化能力。全交给具身机器人，成本高且浪费智能；只用专用设备，长尾环节又会把柔性压回人工。

合并后的解法，是原力灵机的机器人多智能体分层作业系统。

它把作业拆成三层：标准任务交给低成本、高稳定的自动化设备；长尾任务交给搭载DM系列模型的具身机器人；超出能力边界的，流转给人工。并设双层兜底：执行受阻先由人远程接管，仍无法完成再转人工作业。

支撑它的是一套完整技术栈。2026年2月发布的DM0，覆盖灵巧操作、环境导航与全身控制，兼容8类本体，精度达亚毫米级；7月发布的DM0.5，参数量翻倍至4B，训练数据约15万小时，其中真机数据约5万小时。

其中，河图与Atomixer负责确定性调度，DM模型负责感知与泛化，分层作业系统则把业务目标翻译成任务分配、设备交接、异常处置与数据回流。

说到底，这是以分而治之求得技术与经济的平衡：模型只在最需要泛化处发力，不让昂贵的具身能力耗在简单搬运上；成熟的搬运任务，继续沿用客户已有方案。

这种实事求是的各个击破与系统组合，对客户而言，就是简单、好执行、划算。

唐文斌将其概括为：简单任务简单做。

优衣库的持续选择，是这套能力最集中的检验场。从2018年的上海仓起步，Atomix已为优衣库在中国（上海DC）、东南亚（新加坡DC+EC一体仓）、韩国（韩国DC一体仓一期、二期）落地三个大型仓储项目。

其中，上海仓采用机器人混合调度与3D立体空间调度，已有三类、800余台机器人协同作业，实现全仓流程自动化与线上线下一体化。这是目前全球仓储调度规模最大、最复杂，甚至可以说难度最高的机器人协同系统。

难度层层叠加：鞋服SKU繁多，精准拣选不易；销售波动大，补货需求随时变化；多类设备要统一管理，方案还要因地制宜——新加坡仓要一套系统同时支撑门店配送与电商履约，并快速切换；韩国仓要承接超大规模、高吞吐运营；中国仓则几乎集各种高难度于一身。

因此，优衣库项目的意义远不止规模：三重难度叠加下的集群调度，代表了多类型机器人协作的领先水平；新加坡一体仓一套系统兼顾门店与电商，是仓储柔性的直接证据；跨区域复制落地，则为“千仓千面、方案难以复制”的行业难题给出了优解。

更值得注意的是，优衣库项目并未“交付即结束”。Atomix仍在持续为其注入新能力、适配设备与系统，在自己创下的规模纪录上继续刷新纪录。

八年前，那个技术目标只完成三成的项目，是Atomix并不完美的开始；如今，它正以具身智能落地真实作业场景的全球领先水平，一步步逼近完美。

一个项目做了8年，依然未完待续。它证明了Atomix的能力，也印证了唐文斌和团队的判断：物流仓储的智能终局，不在单点智能，而在持续自治进化的系统。更说明，Atomix在客户那里赢得的，还有能力与认知之外的信任。

最近两年，人形机器人在流水线上打理包裹的视频屡屡刷屏。背后是，包括人形机器人公司在内，几乎所有具身智能企业都把物流仓储视为必争之地。

这不只关乎市场规模，更因为物流仓储是具身智能通往物理世界的最佳修炼场。

唐文斌曾总结具身智能落地场景的四个要素：一要容忍错误，机器人做不到百分之百成功，必须有人兜底；二要容忍节拍；三要适度泛化，太专用就干不过非标自动化；四要长时间作业，否则算不出投资回报。

物流几乎完美契合这四个条件，甚至是唯一契合的场景：任务高频、结果可量化、环境相对结构化，又保留着大量改造重塑空间。做对一次拣选，价值直接体现在时效与成本上；做错一次，代价不大，原因还能被记录、复盘、再训练。

商业回报与数据回报，出自同一个现场。

拣选因此像是具身智能时代的“代码”：视觉、规划、控制与协同，被压缩进一个高频动作。合并之后，“场景—模型—数据”的飞轮转得更快：模型进仓，解决此前难以自动化的任务；系统记录成功、失败与人工接管；新数据回流训练，降低下一次部署成本，再进入更多仓库。部署规模不只是收入，也在转化为模型能力。

但这条路远未走完，公司自己很清醒。

唐文斌多次表示，具身智能远没到“ChatGPT时刻”，并给出苛刻的验收标准：所谓“被持续使用”，是每天开机至少十小时、连续两个月，一百台算起步，一千台才算扎实。以此衡量，今天能达标的场景寥寥无几。

这种克制反而让Atomix更被信任：看清不足，往往是创造价值的开始。

但从物流仓储通往物理世界的方向是清楚的。仓库里练出的识别、抓取、任务分解、多机协同与异常恢复能力，本质上属于整个物理世界，可逐步迁移到制造、零售、医疗乃至家庭服务。迁移不会一键完成，但真实生产中长出的可靠性与数据闭环，比实验室里的演示更能走进真实场景。

由此，物流仓储存在两个相互嵌套的终局：

一是仓库具备自主组织能力，围绕订单目标自行调度资源、应对变化、恢复运行；二是这种能力越过仓库围墙，让机器在更广阔的物理世界中感知、判断、行动与进化。

正如唐文斌在宣布合并时所说：

“跑通了这个闭环，就率先拿到了具身智能规模化落地的入场券，下一步，我们的目标是打造全球领先的通用具身大模型。”