全流程无人仓的软件集成与智慧升级——访原力灵机产品总监李帅

头部广 告

AI技术快速发展与应用，正在推动智能无人仓真正落地。原力灵机无人仓解决方案突破了传统物流自动化技术的局限，融汇系统软件、数字孪生、AI大脑、物流机器人等核心技术，实现无人仓的自主运维、自主优化的智能化升级。

本刊记者 江宏

随着AI技术加快落地应用，无人仓越来越受到关注。2026年3月，国家发展改革委发布了国内首个智能无人仓行业标准——《无人仓通用技术要求》（WB/T 1147—2026），其中针对现存的不同厂商自动化设备接口不统一、集成难度大、缺少统一规范等行业痛点问题，在多设备接口协议、跨厂商协同等方面做出明确规定。这将对无人仓建设突破“信息孤岛”等问题起到推动作用。

题眼广 告

目前，行业中多家企业都推出了仓储智能化解决方案。其中，原力灵机作为一家通用具身大模型公司，于2025年3月创立，其核心团队汇聚了一批深耕人工智能领域多年的资深骨干。今年6月，原力灵机宣布，通过股权并购方式，完成与Atomix（原力聚合）的合并，正在全力推进具身智能的大规模落地。而Atomix的物流业务始于2016年，推出了物流机器人调度业务系统河图、物流机器人系统解决方案、四向穿梭车等核心物流设备。今年7月，原力灵机在北京举办了ACTION 2026开发者大会，发布通用具身基础模型DM0.5、通用机器人本体Apex，以及面向开发者的规模化应用平台DexDev（含DFOL2.0、MaaS、DexOS三件套），并展示面向真实场景的解决方案Ferrata的最新落地进展。

李帅

原力灵机产品总监

本期专题中，原力灵机产品总监李帅接受本刊书面采访，详细解读无人仓的核心本质、实现难点与关键技术。他认为，智能物流仓储行业正在从“人工替代、硬件无人”向“软件智能、系统自驱”转型，进一步实现仓库的无人值守、自主运维、持续智能进化。

记者：很多仓库都号称“无人仓”，全流程无人仓离不开软件系统。请您通俗解读一下什么是无人仓？其实现难点有哪些？

李帅：我们认为，真正的“无人仓”，并不是仓库里一个人都没有，也不是简单地用机器人把人替换掉，而是仓库能在尽可能少的人工干预下，实现从感知、决策、执行到反馈的自主闭环。

今天行业里很多所谓的“无人仓”，其实已经实现很高程度的自动化。比如，四向车实现密集存储，AMR/AGV承担柔性搬运，输送线完成连续输送，提升机负责跨层转运，机械臂执行码垛和抓取，再通过 WMS、WES、WCS、RCS 等软件系统进行任务管理和设备调度。这些装备与系统在业务稳定、规则明确的情况下，已经可以做到非常高效，不过是靠固定程序执行的。

然而，这样的高度自动化，并不等于真正意义上的自主运行。真正的挑战发生在“不确定性”出现时。比如，突然要处理一批系统没有见过的异形商品；软包发生变形，导致机械臂连续抓取失败；某台设备临时故障，原本分配给它的任务需要重新安排；订单结构突然变化，导致某个工作站拥堵；或者商品实际状态与系统记录不一致。传统自动化物流系统当然能够感知很多异常，也能够通过预设规则进行处理，但是当问题超出既定规则边界之后，通常仍然需要工程师或现场人员介入。

通用具身基础模型DM0.5

所以，我们认为下一代无人仓真正需要解决的，不是“有没有机器人”，而是仓库面对变化和异常时，能不能自己理解发生了什么、重新做出决策，并组织不同设备继续完成任务。这也是实现无人仓最难的地方。

记者：要解决以上难点问题，需要哪些核心技术支撑？

李帅：第一是感知。系统不仅要知道设备在哪里、库存在哪里，还要理解商品形态、现场环境、设备状态以及作业过程中正在发生什么，把物理世界真正数字化。

第二是决策。仓库每天面对大量动态变量，包括订单、SKU、库存、设备状态、任务优先级和异常情况。过去大量决策依靠预定义规则，未来需要进一步走向模型驱动的动态决策。

第三是异构协同。真实仓库从来不是一台机器人的独角戏，而是四向车、AMR、输送线、提升机、机械臂、具身机器人等设备与人工共同工作的复杂系统。真正困难的不是让其中某一台设备更聪明，而是让系统理解每一种执行能力的边界，并把合适的任务动态分配给合适的执行单元。

第四是异常闭环和持续学习，这也是最关键的。真正的无人仓不能假设异常不存在，而应该具备处理异常的能力。系统需要识别异常、调整任务，必要时引入人工远程介入，并把人工接管和处理过程沉淀为数据，让相同问题下一次尽可能由系统自主解决。

因此，我们理解的无人仓，需要的是AI、具身智能、智能调度、机器人、自动化设备以及数字化系统的系统级融合，而不是某一种单点技术。这也是原力灵机与Atomix正在探索的方向。

记者：针对传统仓储自动化系统普遍存在的短板，原力灵机可以提供怎样的无人仓解决方案？

李帅：原力灵机主打“软件驱动、可以自我诊断和自我优化”的智慧无人仓，目前在运行逻辑和实际能力上均实现突破。

我们推出的Ferrata具身多智能体混合作业系统，核心思路并不是用具身机器人替换仓库里所有传统自动化设备，而是按照任务复杂度，把不同任务交给最合适的执行主体。对于高频、标准、确定性强的任务，继续交给四向车、AMR、输送线等成熟的自动化设备，以保证吞吐量、稳定性和成本优势；对于异形件、软包、随机摆放以及不断变化的SKU等长尾任务，引入具身智能解决；对于当前模型仍无法可靠处理的极端异常，则由人工远程介入兜底。

在这个体系中，AI更重要的价值是，成为仓库的智能决策和任务编排能力——理解订单、商品、任务难度和设备实时状态，在传统自动化物流设备、具身机器人与人工之间动态分配任务。

通用机器人本体Apex

同时，人工介入也不再只是“救火”。每一次接管、重试和异常处理都可以被结构化记录，逐步沉淀为模型继续学习的数据，让越来越多的长尾问题从“需要人工处理”变成“系统可以自主处理”。

我们认为，无人仓的终局并不是“消灭所有人”，也不是“所有设备都变成具身机器人”，而是形成一个确定性任务高度自动化、不确定性任务逐步具身化、复杂异常有人兜底、整个系统能够持续学习和进化的自主仓库。

概括来讲，原力灵机希望解决的，正是从“自动化仓库”走向“自主仓库”的最后一段路。

记者：原力灵机的方案和市面上普通的无人仓相比，最本质的区别在哪里？

李帅：本质区别不在“有没有机器人”，而在于系统有没有形成“感知—决策—执行—反馈”的闭环。

市面上绝大多数无人仓，本质上是“单机自动化＋规则调度”，具体表现在：机器替代人的手，但“大脑”还是一张规则表。WMS下单、WCS按固定规则派单、设备去执行，感知和决策之间是没有反馈的。设备出现故障时，调度系统其实知道，如故障码会上报、报警也会响，但“知道”不等于“会处理”：故障设备手里压着的任务怎么办、其负责的区域由谁顶上、恢复之后负载如何重新平衡，这些全是写死的逻辑，轻则区域效率骤降，重则整条线需等人工介入。当遇到大促订单翻几倍的时候，固定规则顾头不顾尾，一个通道堵死、其他通道闲着，这是目前仓储作业中的常态。

我们的做法是把这条回路补全：系统实时感知每台设备、每个货位、每条通道的状态，基于全局状态做决策，执行结果再反馈回模型。设备故障发生时，秒级感知、任务自动重派、区域自动接管；针对通道拥堵，提前预判、主动规避。一句话：传统无人仓是“听指令的工人”，我们的无人仓是“有判断力的管理者”。

记者：原力灵机一直强调“系统级软件集成”，这一块具体解决了行业什么问题？

李帅：系统级软件集成是智能化的地基，这层不打透，后面的AI决策、数字孪生等都是空中楼阁。

行业里大部分系统是“长”出来的，不是“设计”出来的：WMS买一家的、AGV调度买一家的、输送线控制又一家、能耗管理可能还是另外一家，四五套系统各管各的。问题不只是接口多，更麻烦的是语义不统一——同一个货位、同一个任务状态，各个系统的定义和理解都不一样。带来的结果就是：数据成为孤岛，想跨系统做分析根本查不了；响应是串行的，等到几个系统协调好，问题早就扩大了；扩展也难，加一种设备要动好几套系统。

托盘四向车密集存储解决方案

通过自研的一套统一平台，原力灵机将设备、货位、订单、任务、能耗、异常等全部建到同一个数据底座上，采用同一套标准。这不是简单的接口对接，是数据模型和事件机制的打通。比如，以前四向车在某个货位取货失败，这个信息到调度层就断了，WMS并不知道这个货位已经不能用，下次照样往那儿派单，反复重试，直到人工发现。现在这个事件会被秒级推给所有相关模块：WCS标记货位异常、暂停派单，孪生引擎同步状态，AI决策层评估要不要调整周边调度，运维模块自动生成工单。因此，唯有数据打通，系统才能“像一个整体一样思考和行动”。

记者：区别于传统固定程序调度，原力灵机的AI决策大脑是怎么让仓库“活起来”的？

李帅：传统调度的本质就是“贪心＋规则”：来了订单，按“最近优先、先到先得”分配。理想状态下没问题，但仓库从来不是理想状态——高峰期10台车同时跑，5台车挤向同一个区域，通道一堵，比派远一点的车还慢。规则调度只看局部最优，看不到全局，更不会预测。

我们的AI大脑是在调度层之上加了一层智能决策层，把任务分配当成一个动态优化问题来解：输入订单优先级、每台车的位置和电量、通道拥堵预测、提升机队列长度，输出一个全局代价最小的方案。

举个小例子：A车离得近，但电量只剩20%，马上要充电；B车离得远一点，但满电，路径还通畅，AI大脑会派B车。AI大脑还会学习仓库的潮汐规律（如哪个时段哪个区域任务密，哪条通道容易堵），从而提前预判，主动绕开，同时做负载均衡和寿命、能耗的多目标权衡：大促期间效率权重拉高，平时更看重寿命和能耗。

简单而言，规则调度是“定死的”，AI调度是“会跟着业务跑的”——仓库的吞吐天花板不是设备数量决定的，是调度质量决定的。

记者：无人仓的“自我诊断”能力，具体是怎么实现的？

李帅：传统运维有两种模式：坏了再修——故障已经造成停机损失；或者定期巡检——按周期查一遍，难以发现渐变型的劣化。

我们的自主诊断是“数据监测＋智能分析”的一套组合拳。传感器数据实时上传，监控分三个层面：一是部件级，比如电机的电流、温度、振动；二是子系统级，比如一台车整体的运行状态；三是整仓系统级，即各设备之间协同配合是否正常。数据不仅实时看，还要存下来做追踪，将历史运行数据和维护记录串起来，作为后续判断和决策的依据——比如当电机电流、振动出现异常波动，系统马上能捕捉到，提前标记出来，不必等到真的出现故障。利用这套组合拳，从而支撑起整个智能运维体系。

记者：当诊断出问题后，系统如何完成“自我优化”，真正实现无人干预迭代？

李帅：诊断是发现问题，优化是解决问题，核心是形成闭环：发现问题→根因分析→策略调整→效果验证→持续迭代。可自主调整的维度有四个：

一是货位优化：分析每个SKU的存取频率和关联性，高频SKU自动挪到离提升机近的货位，关联SKU放同层同区，空闲时段自动执行、不用停机。某项目就是靠这一方法将平均存取路径缩短约18%。

二是调度策略优化：发现某台提升机早高峰排队严重，旁边那台利用率却只有40%，就会把任务自动切过去，实现渐进式调整、持续验证。

三是智能充电：按订单预测安排充电窗口，预测到单量不大，就让低电量车去充电；预测到高峰要来，则提前将电量充满，既不耽误作业，也不会出现高峰期运力不足的情况。

四是参数自调优：某个弯道定位偏差频繁，自动把该段速度降下来，平衡精度和效率。

需要说明的是，自主优化有边界：参数级、策略级的调整，实现全自动；涉及安全或者大规模变更的调整，需要先仿真验证、再人工审批放行。“无人干预”指的是日常迭代无人干预，重大变更仍然人来把关——这是工程上的严谨，不是噱头。

记者：落地到真实项目中，原力灵机这套智能化方案给客户带来了哪些价值？

李帅：比如，我们实施的实际项目中，某客户企业的仓储面积约6500平方米，部署有近百台存储及搬运机器人，在引入智能系统之前，日吞吐量4万箱左右；在智能仓储上线后，日吞吐量稳定在8万箱以上，提升超过50%，仓储空间利用率也提升30%，作业人员节约30%以上。

此外，系统容错能力也大幅提升。以前一台车故障，系统会报警，但只会机械地避开新任务——已经派出去的任务和其负责的区域就会停摆，影响是小时级的；现在则是秒级感知、自动重派、其他车接管，影响降到分钟级。大促期间近100台机器人连轴转，局部小故障都被系统自动消化了，作业基本不受影响，还能快速修复。大促履约的订单量是平时的2至3倍，我们提前在孪生体里跑仿真、调货位和调度策略，取得很好的效果，客户评价的原话是“从来没有这么从容地扛过大促”。

记者：目前，全行业众多企业都在做AI和数字孪生，原力灵机的核心壁垒和差异化竞争力是什么？

李帅：行业同质化确实严重，各家都在讲AI调度、数字孪生、智能运维，PPT看着都差不多，但落地见真章。我们的技术护城河体现在三个方面：

第一，AI基因。我们前身是旷视科技，视觉和深度学习的底子是原生的——设备健康模型、调度优化、异常检测，都是真正的深度学习模型，不是写几个if-else就叫AI。

料箱密集存储解决方案

第二，全栈自研。从四向车硬件到TES、孪生引擎、AI决策层，整条链路都是自研的，意味着“算法×设备×场景”可以联合优化：设备端的运动学参数、电池衰减规律、故障模式是我们自己设计的数据；软件端没有断点，改一个调度策略，一个团队就能闭环搞定。而传统集成商的模式并不相同，往往设备买A家的、WCS买B家的、数字孪生系统买C家的，一旦出现问题就会互相推诿，很难彻底实现数据打通。

第三，工程化积累。算法可以抄，但“算法×设备×场景”联合优化的know-how抄不走，比如不同温度下电池衰减规律不同，不同地面材质对定位精度影响不同，不同品类对货位策略要求不同，这些都是通过多个项目实践与经验积累才摸索出来的。

记者：您认为仓储自动化的下一个升级方向是什么？原力灵机后续的技术迭代重点在哪里？

李帅：仓储物流行业的自动化、智能化升级，正在从“硬件替代人”转向“软件驱动系统自主运转＋具身应用”。过去十年解决的是“体力”问题，以机器换人；未来五至十年，要解决“脑力”问题，即系统自驱，再加上具身智能进一步“换人”，让人从“操作者”变成“监督者”。

原力灵机的技术迭代重点，主要有五个方向：

一是将自诊断、自优化的闭环做深，从“提示人去修”进化到“系统自己判断、自己调整、自己验证”，目标是无人值守运维。

二是强化预测能力，设备健康预警从现在的提前3至5天，做到周级甚至月级。

三是多仓协同，将集群调度策略做深，综合提升机器人的作业场景覆盖率和整体效率。

四是引入具身技术，降低作业人员密度。

五是引入大模型。我们积累了大量的项目经验和知识库，可以把这些沉淀成AI服务。比如，运维人员直接与系统对话：“最近3号仓效率为什么降了？”系统用自然语言回答，并给出分析过程和优化建议。这个方向我们已经开始在做原型验证。

我的判断是：仓储自动化的终局不是一个没有人的仓库，而是一个能自己思考、自己决策、自己进化、具身智能深度参与的仓库。我们正在朝着这个方向前行。

专题目录

主持人/本刊记者 罗丹

• 全流程无人仓的软件集成与智慧升级——访原力灵机产品总监李帅（ 本刊记者 江宏）
  

———— 物流技术与应用融媒 ————

编辑、排版：王茜

本文内容源自，有删改。

欢迎文末分享、点赞、在看！转载请联系后台。

广告宣传