AI 接管整座仓库：极智嘉 24/7 自主智能仓计划，福建企业能照做的四步
一、先说结论
11 月 3 日，量子位报道了极智嘉（Geek+）正式亮出的《24/7 自主智能仓计划》：目标不是再卖几台机器人，而是让 AI 接管整座仓的调度与运营，实现 7×24 小时自主运行、在真实业务里持续学习。对福建企业来说，价值不在「要不要买人形机器人」，而在它点破了仓储信息化下一步的分水岭——竞争焦点从「单机效率」转到「整仓自主决策」。
结论很直接：短期内别追硬件，先把数据底座和异常台账做扎实。所谓「仓库大脑」，本质是把订单、库存、设备、工作站纳入同一套运行状态体系，再让 AI 做诊断、决策、执行和复盘。这套东西，不买一台新机器人也能先做一半，而这一半恰恰决定了以后上自动化能不能跑满产能。下文厂商数字均注明「官方披露/媒体口径」，只作参照，不作为选型承诺。
二、这次到底变了什么
计划分三步：打通全流程（让具身智能接手复杂拣选等长期依赖人工的环节）、强化智能闭环（AI 从发现问题走向自主决策、动态调整）、规模化落地。技术侧是自研 Gravity 统一具身智能框架与 Gravity 4D 具身世界模型，加上通用人形机器人 Gino 1 和无人拣选工作站；系统侧由 RMS（机器人调度）、WES（业务执行）、IOP（运营分析）支撑，再叠加监控、数据分析、部署配置三类 AI Agent，形成「洞察—诊断—决策—执行—学习」闭环（官方披露/媒体口径）。
| 维度 | 过去的仓储自动化 | 这次提的自主智能仓 |
|---|---|---|
| 优化对象 | 单点作业：搬运、存储、路径 | 整仓统一决策：订单、库存、机器人、机械臂、工作站 |
| 系统关系 | 调度、业务、报表各管一摊，各有各的目标 | 统一运行状态体系，RMS/WES/IOP 协同 |
| 异常处置 | 靠资深仓管现场排查 | 监控 Agent 识别、分析 Agent 追因、配置 Agent 落地 |
| 运行时段 | 受人工班次限制，夜班履约压力大 | 7×24 自主运行，夜间与波峰持续履约 |
| 能力积累 | 经验留在人脑里，换人就断档 | 运营结果回流，调度层面分钟级调整、策略按天迭代 |
| 衡量指标 | 单机效率、单点节拍 | 异常自主处理率、复杂工况吞吐稳定性、连续运行时长、故障后自主恢复效率 |
两个可核对的参照：在施耐德电气上海物流中心的试点中，无人拣选工作站的拣选效率达到人工的 2 倍、准确率超过 99.99%（官方披露/媒体口径）；厂商规模侧为连续 7 年 AMR 市占率第一、覆盖 40 多个国家和地区、超 1000 家客户、累计部署机器人超 8.1 万台（官方披露/媒体口径）。这些是特定试点与厂商自述口径，不是通用保证，看的时候要打折。真正值得福建企业带走的，是那四个衡量指标，而不是发布会上最亮眼的那台机器人。
三、福建企业真正能用在哪
- 泉州、晋江的鞋服与箱包仓：SKU 多、换季波峰陡、退货二次上架频繁。最值钱的不是搬得更快，而是「陌生物品不用逐个训练也能判断怎么抓」和异常自动重排——把换季挑拣、退货归位这两类高频异常先做成规则库，见效比换设备快。
- 厦门、福州的跨境电商与保税仓：多平台订单集中在夜间和大促，人工夜班最难排。7×24 自主运行对应的是履约连续性，先要打通的是 OMS 与 WMS 的订单波形同步，而不是先上机器人。
- 漳州、宁德的食品与水产预制菜仓：批次、效期、冷链温区要求严。全仓统一状态体系正好能把批次策略、效期预警、先进先出编排成可执行规则，也方便对账与追溯。
- 福州、厦门的 3C 与电子元器件分销仓：料箱、托盘、货架多种存储形态并存，标准化搬运作业占比高，是最适合先让 AMR 跑满、再看整仓调度的场景。
- 本地 IT 部门与系统集成商：就算三年内不采购任何机器人，「统一状态模型 + 异常知识库 + 指标基线」这三件事现在就能做，且是以后所有自动化投入的地基。这也是中小企业在这轮里最现实、最不烧钱的机会。
四、可照做的四步
第一步，摸家底。 用两周拉出三张表：SKU 与包装形态清单、近 12 个月订单波形（日峰值、夜班占比）、异常台账（卡料、错拣、设备故障、临时改单各多少次、当时怎么处理）。没有这张台账，后面所有「智能」都是空转。
第二步，通数据。 把 ERP、OMS、WMS 与设备侧接口对齐成一套状态字典：订单状态、库存状态、任务状态、设备状态用同一套编码和同一时钟。目标只有一个——任何一个时刻，系统能回答「这票货、这台车、这个工作站现在是什么状态」。
第三步，选一个闭环做试点。 别整仓铺开，挑一个高频、可度量、错了能兜底的异常场景（例如错拣复核或波峰任务重排），人和系统双跑四周，人做决策、系统给建议，逐条比对两者结果。
第四步，定指标再验收。 用四个口径设门槛：异常自主处理率、复杂工况下吞吐稳定性、连续运行时长、故障后自主恢复效率。达标再扩第二个场景，不达标就退回第二步查数据，而不是加设备。
五、三个坑
坑一：把「无人仓」当成一次性设备采购。 计划里反复讲「越干越聪明」，能力来自运营结果持续回流，不是验收那天就满配。预算里若只算硬件、不算数据治理和持续调优，大概率建完还得靠老师傅盯夜班。
坑二：直接拿厂商试点数字套自己的仓。 「效率 2 倍、准确率 99.99%」是特定品类、特定流程下的试点口径（官方披露/媒体口径）。鞋服退货仓和标品料箱仓根本不是一回事，必须先用自己的异常台账算出基线再谈提升。
坑三：系统各自为政，又没有回退机制。 调度优化路径、业务优化订单、报表只做统计，看着都合理，合起来却没有整仓视角。更危险的是 AI 决策失误时没有一键退回人工的开关——自主程度越高，越要先把「停机、回滚、人工接管」写进 SOP。
六、什么时候上、什么时候别上
可以上： SKU 相对稳定但单量大；夜班或大促波峰明显、人工排班本就吃紧；已有 WMS 与条码/RFID，主数据基本干净；异常类型能枚举、有台账。这类仓先做数据底座和单场景试点，投入产出最说得清。
先别上： 日均单量小、现有设备都跑不满；SKU 天天变且包装无标准；台账还靠纸单和 Excel、连物料编码都没统一；场地租约短、布局半年一改。这时候先补齐主数据、条码、异常台账，比谈「仓库大脑」实在得多。要不要现在采购硬件，等四条指标基线跑出来再定，别被发布会节奏带着走。
一句话收尾：AI 当厂长的前提，是先有一本能被系统读懂的仓库账本。