各大展會的傳送帶前，擠滿了圍觀具身智能的人。

大半年來的各類科技展會和短視頻裏，有一個具身公司最津津樂道的場景：機械臂識別、抓取、翻面，把一個個軟包和紙箱送上傳送帶。很吸睛，也幾乎承載了外界對具身智能大規模落地的全部想象。

可只要把鏡頭從燈光閃爍的展台，移到真實的物流倉庫，氣氛立刻就變了。

這是一個萬億級的實體產業，管理者每天盤算的都是最硬核的賬：每小時吞吐多少、投資多久回本、系統宕機一次賠多少、能不能接住既有的自動化設備。倉庫是一套高併發、多設備嚴絲合縫咬合的物理巨系統，任何一個環節卡頓一下，都可能讓整條供應鏈停擺。

供包這道工序，目標單一、環境規整，用成熟的機器視覺方案就能解決得不錯，它確實也是具身落地的第一站，但從這裏到真正接管一座倉庫，還隔着十萬八千里。

排隊想進倉庫的機器人很多。但要知道進場到底有多難，最有發言權的不是排隊的人，而是已經在裏面的人。

 倉庫裏的實戰 

Atomix 是一家 AI 原生的柔性倉儲解決方案商，物理世界的家底很厚：設備落地全球 20 多個國家、超過 500 個項目，日均出貨 60 萬件以上，自研的托盤四向車銷量做到全球第二。

從 2018 年起步，Atomix 為一家全球領先的服飾零售品牌，在上海、新加坡、韓國先後落地了三個大型倉儲項目。這三個倉庫連起來看，幾乎就是一部機器人真正走進倉庫的實戰編年史。

在上海 DC，Atomix 用機器人混合調度加 3D 立體空間調度，讓三類、800 多台機器人同場協同，日均揀選超過 42 萬件，整倉流程全自動化、線上線下打通。更關鍵的是，這套系統是隨着客戶業務暴增一步步擴容出來的——如今它已經是全球規模最大、最複雜、調度難度最高的機器人協同系統之一。

在韓國 DC 一體倉，四向車、潛伏機器人、提升機、3D AGV、機械臂這五類異構設備，被塞進同一套調度系統裏混編作業。不同協議的硬件第一次真正打通，實現了深度協同。

新加坡一體倉走的是第三條路：不推翻任何既有體系，一套系統同時扛起門店配送和電商履約，在不同訂單場景之間隨時切換。

三個倉庫講的是同一件事：客戶要的從來不是幾台機器人，也不是一個模型，而是整座倉庫的系統效率——設備被連起來，非標被喫下去，存量被盤活。

這樣的案例為什麼稀缺？因為想進倉庫的機器人，都繞不開這個行業最難的三道牆。

 三道高牆 

第一道牆，是存量。 全球約 80% 的倉庫還沒有任何自動化；而在中國，智能倉儲市場規模早已突破千億，大量設備正在服役，新建需求趨於飽和。

真正的難題是老倉改造——老的WMS（倉庫管理系統）、輸送線、AGV 早已各就各位，為換一套新系統停產的代價，往往遠高於上馬某項單點新技術的收益。這個行業沒有"推倒重來"這個選項，智能化只能長在厚重的存量地基上。

第二道牆，是彈性。 物流的時間波動極其劇烈。2025 年雙 11，快遞單日峯值衝到 7.77 億件，約是平日的 1.4 倍。系統既要扛得住洪峯，又不能為了幾天高峯常年養着一大堆閒置產能。

設備得能按任務增減，路徑得能隨訂單變，一出異常，人得隨時插進流程。剛性系統在這裏活不下去。上海倉從最初的摸索一路長到 800 台規模，靠的正是這種彈性——隨業務生長，而不是一次性建死。

第三道牆，是長尾。 過去十幾年，傳統自動化已經把托盤搬運、標準箱存取這些確定性任務解決得很漂亮，但上架、拆零、軟包抓取、異形件分揀，至今還高度依賴人。

這些環節千倉千面，動線、SKU 特性、訂單結構差異極大，沒有哪一款"萬能機器人"能通喫。上海倉每天要在繁雜的鞋服 SKU 和軟包非標品裏精準揀出 42 萬件，啃的就是這塊最硬的骨頭。

把這三道牆推開，行業往哪走，也就清楚了。

 融合纔是終局 

倉儲智能化不靠單點技術一夜顛覆，而是一場長期的漸進式融合，這個過程大致分三步走：

第一步，單點替代。 用機器視覺和基礎抓取，在供包、單工位分揀這類標準環節替掉重複人力。門檻最低，天花板也最低——今天展會上的大多數演示，就停在這一步。

第二步，多設備協同。原本不同廠商的設備原本各自為政、互不兼容，這一步需要打通硬件與系統之間的協議孤島，讓具身機器人、輸送線、工作站和現場工人，在同一套任務邏輯下共享信息。

第三步，形成智能集群。 就像戰機編隊裏的"長機—僚機"：泛化能力強的具身大腦當"長機"，負責實時感知和複雜決策；傳統自動化設備當"僚機"，高效執行標準動作；人機各司其職。

在倉儲物流這個行業，最後的贏家大概率不是帶着機器人來"改造"行業的闖入者，而是能被行業接納、又反過來把它盤活的那個融合者。

順着這個邏輯倒推，能在這場融合裏真正站住腳的企業，必須同時握有四種能力：一是具身原生，不走傳統機器人的規則化老路；二是行業積累深，真懂倉儲場景和 Know-how；三是系統級協同，做得了多系統整合與大規模異構設備調度；四是本體與智能大腦深度適配。

四項能力都具備的玩家，行業裏屈指可數。Atomix 與原力靈機，正是這一趨勢下的自然選擇。

 給機器人的一根"安全繩" 

今年6月，Atomix與原力靈機完成合併。媒體用一場雙向奔赴來評價這場合併：模型找到了真實的數據土壤，數據也有了訓練的對象。這套思路在內部最終長成了一樣東西——「機器人多智能體分層作業系統」。

名字有點長，意思其實很樸素：不同的機器人分層分工、聽同一個指揮。

具身走進真實場景，最大的難題只有一個：只要機器人真進了生產線，就一定會撞上異常。機器人犯了錯，整個系統還轉不轉得下去？多智能體分層作業系統，就是圍繞這個問題設計的。

這套系統沒打算用具身機器人取代倉庫裏所有的自動化設備，而是把傳統自動化、具身機器人和人放進同一套作業體系，按任務的確定性和難度來分工。

規則清楚、高頻重複的活，照舊交給四向車、輸送設備和標準機器人；異形包裹、軟包裝，以及位置和姿態不斷變化的物體，交給搭載具身模型的機器人；超出機器人能力邊界的異常，再兜底給人工。

人工處理過程中產生的異常樣本還可以重新進入模型訓練，隨着同類問題被不斷學習，機器人的任務覆蓋範圍也會繼續擴大。

這套負責容錯、保護和任務流轉的機制，被原力靈機團隊叫作 Physical Harness——相當於給機器人繫上一根安全繩，用工程化的兜底手段，保證整個系統一直轉下去。

多智能體分層作業系統示意

目前，搭載 DM0.5 的機器人也已經進入某大型國際零售商的倉儲現場，與其他類型的機器人協同完成商品搬運和分揀，並在某大型 3C 製造商的工廠裏配合產線，承擔包裝和廢料回收工作。

 規模化的通行證 

1956 年，標準化集裝箱的出現徹底改變了全球貿易。它本身只是個普通的鐵盒子，但它第一次讓貨輪、港口、卡車和鐵路按同一套標準嚴密咬合運轉，重構了整個人類物流體系的吞吐效率。

今天的具身智能正站在完全相同的歷史拐點上。抓取一個包裹只是物理世界中的原子能力，但正如 Coding 之於大語言模型，Picking 就是具身智能接入物理世界的通用起點。

倉儲物流是具身智能規模化落地的第一個真實戰場。誰能在這個高併發的巨系統裏跑通多機協同、無損接管存量資產、算清商業賬，誰就握住了通往萬千工業場景的第一張通行證。

倉庫的大門已經打開了一條縫。排隊進場的機器人很多，但這個行業最終留下的，從來不是展台上演示最好看的那個，而是能把整座倉庫擰成一個高效系統的那個。

特別策劃