波士顿动力Stretch卸货机器人已获DHL全球超1000台订单，其单机处理能力达800箱/小时。研究显示，装卸机器人与箱拣系统成本正趋近持平，且在安全与货损控制上具优势。当前技术仍受限于不规则货物处理，但数据协同正成为提升整体效能的关键突破口。
据www.supplychaindive.com报道，仓储装卸环节正成为自动化技术落地的最后关键场景，而卸货机器人成本已与主流箱拣机器人接近，部分场景下甚至可替代传统人工‘lumper’服务。
卸货自动化从“不可能任务”走向实用化
长期以来，装车与卸车被视作仓库自动化进程中“最难啃的骨头”。Persona AI商业战略负责人Michael Perry（前Dexterity及波士顿动力高管）指出，相比案例拣选机器人，装卸自动化因投资回报周期更长、适配条件更严苛，曾被多数企业判定为‘不现实或不可行’。但当前情况正在变化：在合理利用率下，装卸机器人与箱拣系统的实施成本已接近持平；且机器人在工伤风险、货物损毁及盗窃防控方面具有天然优势。
“这是一项高度依赖人力的工作，在很多情况下都要靠人工卸下拖车里的货物。”——Ken Barbour，咨询机构BRG零售绩效与供应链总监
DHL规模化落地Stretch，但非“一刀切”部署
2021年，波士顿动力推出专用物料搬运机器人Stretch，设计指标为每小时处理800箱、最大承重50磅（约22.7公斤）、单次充电续航8小时。DHL作为首批商业化合作伙伴，目前已签约在全球范围内部署超过1000台Stretch机器人。
不过，DHL供应链运营发展副总裁Omer Rashid强调，自动化改造绝非“一招鲜”：是否部署卸货机器人，需综合评估站点日均作业量、货品尺寸/形状/朝向、单件重量等十余项运营参数。“我们只在具备合适操作匹配度的站点部署卸货机器人”，Rashid在邮件中明确表示。目前DHL并未计划在北美所有仓库同步上线该设备。
技术瓶颈与现实适配并存
尽管前景可观，机器人仍面临实际限制：对不规则装载（如异形包装、超轻或超重货品）识别与处理能力不足。Rashid指出，优化前置流程——例如统一 inbound 货物入仓标准、规范托盘堆叠方式——能显著提升机器人运行稳定性与效率。
行业共识是，视觉识别精度、自主纠错能力及电池续航将持续升级，但Perry提醒：单纯提升机械性能（如更强负载）未必带来业务实质改善。“更强壮的机器人？当然会有。但这不会改变客户的核心业务逻辑。”
数据协同才是变革核心驱动力
Perry认为，真正推动变革的是数据整合能力——打通仓储各环节数据流，实现设备间信息共享，从而构建动态物料流动画像。例如，当系统预判某条运输线路卡车通常晚点，即可自动暂停对应订单的组货作业，优先处理其他订单，待车辆抵达后再完成剩余组装。“这需要把机器人、WMS、TMS乃至GPS轨迹数据缝合起来”，他解释道。
据公开信息，截至2023年底，全球仓储自动化市场中，拣选类机器人占比超65%，而装卸类仅占不足8%（MHI & Deloitte《2023年仓储机器人趋势报告》）。同期，DHL已在其欧洲12国、美国17个枢纽及亚太5个区域中心启动Stretch试点；亚马逊Kiva系统虽未直接用于装卸，但其AGV集群调度经验正被复用于码头接驳场景；京东物流2023年披露的“京慧”智能装卸系统已在天津亚一园区试运行，支持3吨以下厢式货车自动卸货，平均单次作业时间较人工缩短22%。
对中国供应链从业者而言，这一进展意味着：在劳动力结构性短缺持续加剧（中国制造业平均用工缺口率2023年达14.3%，人社部《2023年三季度人力资源市场供求状况分析》）、安全合规成本逐年上升背景下，卸货自动化已从“远期选项”进入“可行性评估窗口期”。尤其对中小型第三方物流商而言，以机器人替代外包lumper服务，可在3–5年内收回初期投入，并同步降低OSHA类工伤赔付与货损争议风险。
本文编译自海外媒体报道，由 SCI.AI 编辑团队整理发布。
