各大展会的传送带前，挤满了围观具身智能的人。

大半年来的各类科技展会和短视频里，有一个具身公司最津津乐道的场景：机械臂识别、抓取、翻面，把一个个软包和纸箱送上传送带。很吸睛，也几乎承载了外界对具身智能大规模落地的全部想象。

可只要把镜头从灯光闪烁的展台，移到真实的物流仓库，气氛立刻就变了。

这是一个万亿级的实体产业，管理者每天盘算的都是最硬核的账：每小时吞吐多少、投资多久回本、系统宕机一次赔多少、能不能接住既有的自动化设备。仓库是一套高并发、多设备严丝合缝咬合的物理巨系统，任何一个环节卡顿一下，都可能让整条供应链停摆。

供包这道工序，目标单一、环境规整，用成熟的机器视觉方案就能解决得不错，它确实也是具身落地的第一站，但从这里到真正接管一座仓库，还隔着十万八千里。

排队想进仓库的机器人很多。但要知道进场到底有多难，最有发言权的不是排队的人，而是已经在里面的人。

 仓库里的实战 

Atomix 是一家 AI 原生的柔性仓储解决方案商，物理世界的家底很厚：设备落地全球 20 多个国家、超过 500 个项目，日均出货 60 万件以上，自研的托盘四向车销量做到全球第二。

从 2018 年起步，Atomix 为一家全球领先的服饰零售品牌，在上海、新加坡、韩国先后落地了三个大型仓储项目。这三个仓库连起来看，几乎就是一部机器人真正走进仓库的实战编年史。

在上海 DC，Atomix 用机器人混合调度加 3D 立体空间调度，让三类、800 多台机器人同场协同，日均拣选超过 42 万件，整仓流程全自动化、线上线下打通。更关键的是，这套系统是随着客户业务暴增一步步扩容出来的——如今它已经是全球规模最大、最复杂、调度难度最高的机器人协同系统之一。

在韩国 DC 一体仓，四向车、潜伏机器人、提升机、3D AGV、机械臂这五类异构设备，被塞进同一套调度系统里混编作业。不同协议的硬件第一次真正打通，实现了深度协同。

新加坡一体仓走的是第三条路：不推翻任何既有体系，一套系统同时扛起门店配送和电商履约，在不同订单场景之间随时切换。

三个仓库讲的是同一件事：客户要的从来不是几台机器人，也不是一个模型，而是整座仓库的系统效率——设备被连起来，非标被吃下去，存量被盘活。

这样的案例为什么稀缺？因为想进仓库的机器人，都绕不开这个行业最难的三道墙。

 三道高墙 

第一道墙，是存量。 全球约 80% 的仓库还没有任何自动化；而在中国，智能仓储市场规模早已突破千亿，大量设备正在服役，新建需求趋于饱和。

真正的难题是老仓改造——老的WMS（仓库管理系统）、输送线、AGV 早已各就各位，为换一套新系统停产的代价，往往远高于上马某项单点新技术的收益。这个行业没有"推倒重来"这个选项，智能化只能长在厚重的存量地基上。

第二道墙，是弹性。 物流的时间波动极其剧烈。2025 年双 11，快递单日峰值冲到 7.77 亿件，约是平日的 1.4 倍。系统既要扛得住洪峰，又不能为了几天高峰常年养着一大堆闲置产能。

设备得能按任务增减，路径得能随订单变，一出异常，人得随时插进流程。刚性系统在这里活不下去。上海仓从最初的摸索一路长到 800 台规模，靠的正是这种弹性——随业务生长，而不是一次性建死。

第三道墙，是长尾。 过去十几年，传统自动化已经把托盘搬运、标准箱存取这些确定性任务解决得很漂亮，但上架、拆零、软包抓取、异形件分拣，至今还高度依赖人。

这些环节千仓千面，动线、SKU 特性、订单结构差异极大，没有哪一款"万能机器人"能通吃。上海仓每天要在繁杂的鞋服 SKU 和软包非标品里精准拣出 42 万件，啃的就是这块最硬的骨头。

把这三道墙推开，行业往哪走，也就清楚了。

 融合才是终局 

仓储智能化不靠单点技术一夜颠覆，而是一场长期的渐进式融合，这个过程大致分三步走：

第一步，单点替代。 用机器视觉和基础抓取，在供包、单工位分拣这类标准环节替掉重复人力。门槛最低，天花板也最低——今天展会上的大多数演示，就停在这一步。

第二步，多设备协同。原本不同厂商的设备原本各自为政、互不兼容，这一步需要打通硬件与系统之间的协议孤岛，让具身机器人、输送线、工作站和现场工人，在同一套任务逻辑下共享信息。

第三步，形成智能集群。 就像战机编队里的"长机—僚机"：泛化能力强的具身大脑当"长机"，负责实时感知和复杂决策；传统自动化设备当"僚机"，高效执行标准动作；人机各司其职。

在仓储物流这个行业，最后的赢家大概率不是带着机器人来"改造"行业的闯入者，而是能被行业接纳、又反过来把它盘活的那个融合者。

顺着这个逻辑倒推，能在这场融合里真正站住脚的企业，必须同时握有四种能力：一是具身原生，不走传统机器人的规则化老路；二是行业积累深，真懂仓储场景和 Know-how；三是系统级协同，做得了多系统整合与大规模异构设备调度；四是本体与智能大脑深度适配。

四项能力都具备的玩家，行业里屈指可数。Atomix 与原力灵机，正是这一趋势下的自然选择。

 给机器人的一根"安全绳" 

今年6月，Atomix与原力灵机完成合并。媒体用一场双向奔赴来评价这场合并：模型找到了真实的数据土壤，数据也有了训练的对象。这套思路在内部最终长成了一样东西——“机器人多智能体分层作业系统”。

名字有点长，意思其实很朴素：不同的机器人分层分工、听同一个指挥。

具身走进真实场景，最大的难题只有一个：只要机器人真进了生产线，就一定会撞上异常。机器人犯了错，整个系统还转不转得下去？多智能体分层作业系统，就是围绕这个问题设计的。

这套系统没打算用具身机器人取代仓库里所有的自动化设备，而是把传统自动化、具身机器人和人放进同一套作业体系，按任务的确定性和难度来分工。

规则清楚、高频重复的活，照旧交给四向车、输送设备和标准机器人；异形包裹、软包装，以及位置和姿态不断变化的物体，交给搭载具身模型的机器人；超出机器人能力边界的异常，再兜底给人工。

人工处理过程中产生的异常样本还可以重新进入模型训练，随着同类问题被不断学习，机器人的任务覆盖范围也会继续扩大。

这套负责容错、保护和任务流转的机制，被原力灵机团队叫作 Physical Harness——相当于给机器人系上一根安全绳，用工程化的兜底手段，保证整个系统一直转下去。

多智能体分层作业系统示意

目前，搭载 DM0.5 的机器人也已经进入某大型国际零售商的仓储现场，与其他类型的机器人协同完成商品搬运和分拣，并在某大型 3C 制造商的工厂里配合产线，承担包装和废料回收工作。

 规模化的通行证 

1956 年，标准化集装箱的出现彻底改变了全球贸易。它本身只是个普通的铁盒子，但它第一次让货轮、港口、卡车和铁路按同一套标准严密咬合运转，重构了整个人类物流体系的吞吐效率。

今天的具身智能正站在完全相同的历史拐点上。抓取一个包裹只是物理世界中的原子能力，但正如 Coding 之于大语言模型，Picking 就是具身智能接入物理世界的通用起点。

仓储物流是具身智能规模化落地的第一个真实战场。谁能在这个高并发的巨系统里跑通多机协同、无损接管存量资产、算清商业账，谁就握住了通往万千工业场景的第一张通行证。

仓库的大门已经打开了一条缝。排队进场的机器人很多，但这个行业最终留下的，从来不是展台上演示最好看的那个，而是能把整座仓库拧成一个高效系统的那个。

特别策划