当数字化进化为数智化，就意味着大数据和人工智能的深度结合，同时，数据采集、数据通道建设、数据处理和分析，以及数据反馈控制等各个环节发展到了同等重要的位置，数据的闭环处理能力已然成为产业升级的必要条件，打造完整的数智化“神经系统”成为这个时代的“标志”。

时间追溯到2012年，亚马逊豪掷7.75亿美元收购了一家名为Kiva的仓库自动化公司，这家公司给亚马逊的仓库带来了一群“其貌不扬”的橙色机器人。

原本习惯了在仓库里奔波的工人们惊讶地发现：这些矮小机器人不知疲倦、找货快速且准确。

不仅物流行业，在制造工厂里，大量机器人和智能型设备也被普遍引进，有人断言：未来工厂一定是无人的“黑灯工厂”。

缺少工人的工厂，缺乏了“柔性”

诚然，在一些劳动强度大、危险性高、机械性、重复性的岗位中，机器人取代工人已经是大势所趋。

一方面企业招工也越来越难;另一方面，人员流动带来的培训成本高涨、成长期漫长等因素，造成了企业用人成本居高不下。

据统计，在我国节点物流花费中，仓内的物流费用在逐年递增，2019年就达到了1.9万亿元，2020年又将达到历史最高峰。其中，70%的费用为人工成本。

但如今的年轻劳动力更愿意选择外卖、网约车等平台，即便投身物流行业也不愿从事仓内搬运等高强度工作，这就无形中推动了物流的无人化进程。

根据另一组统计数据：国内物流机器人总数将从2019年的20万台增加至2023年的50万台，市场规模突破600亿元，这还是相对保守的估计。

此外，正如开头所言，人工作业在仓储物流中相比如各类机器人的效率实在是太低，因此各家企业都开始了从信息化的人工作业开始向无人化的纯自动化设备转变。

但只靠机器人真的可以解决所有问题吗?有些人给出了不同的答案。

在与国内智慧物流“新星”华清科盛的交谈中，镁客网得到了一个新的观点：人工在仓内物流中也是不可缺少的要素。

缺少了人力之后，工厂的物流就缺乏了“柔性”，面对新的业务时就很难做出最快的相应。

例如，当业务出现调整时，工人们可以根据实际情况进行运作，但机器人需要修改算法程序等一系列步骤，周期长。

另外，单纯的机器人很难应对复杂的场地环境和空间布局，一旦有新的货物出现，同样需要进行调整。

“没了人力，机器人其实一点都不灵活。”

在华清科盛的模式下，单纯自动化设备作业的“无人工厂”属于内部物流3.0版本，虽然相较于纯人力的物流提升了效率，但同时也忽视了人工在现实中的灵活可变。

机器人与人的“共舞”

或许有人会说，人工只是一种“妥协的方式”，在算法完善之后，机器人也能适应不同的环境。

但华清科盛告诉镁客网：人工和机器人一直都是平行互助的关系，两者不存在谁代替谁的说法。

当下，中国制造正在想中国智造升级，我们越来越清晰的意识到：单点的智能化、局部的改善无法达到资源配置最优，用机器人代替人工也只存在于特定的场景中，而人则是制造现场“柔性”最强的生产力。

他们将这种模式称作“物流资源的池化”，在这个“池子”里，无论是机器人、人力甚至是叉车，都属于仓库里的资源，管理者可以根据需求任意规划池内的资源。

相较于之前的物流3.0，这种“将人、车、器具、设施和场地等物流资源统筹管理”的物流模式被华清科盛称为“物流4.0”，是公司所有产品的核心。

与纯机器人的无人工厂相比，人工加入的最大的好处其实是在于解决了产线的柔性问题，同时兼顾了效率。

在池化的概念之下，这些资源没有区域界线和岗位束缚。换句话说：在人机混合的模式下，系统可以优化调度，人和机器都可以做自己擅长的事，既可以根据订单均衡分配工作任务，也可以预测波峰波谷提前调配资源。

从物流的本质来看，其实就是服务于用户的需求，追求效率和成本的一致性。用专业术语来形容，就是“降本、增效”。

在目前的大环境之下，机器人的出现确实能作为取代人力成本的最佳选择，同时提高了效率。但一味地追求“无人化”并不能得到最优解。

就如前文所说，人工可以根据现场的实际情况进行改变，但机器人却只能依据设置好的算法进行运行。

当然，这也从侧面反应出当下的现状：工厂的智能化依然处于初级阶段。

就好比运行在高速公路上的卡车司机们，他们或许很需要自动驾驶的辅助，但如果不能保障自动驾驶系统的稳定和安全运行，他们还是会选择手动驾驶。

内部物流需要一个“大脑”

因此，在工业4.0的理念下，数智化正成为智慧工厂发展的重点方向之一。这套“物流4.0”模型，最终也是遵循一套完整的物流运营系统，从而帮助管理者实现分析与决策的原则规划。

据华清科盛介绍，公司拥有loT软件平台和各种硬件产品，可以实现完成全局物流要素的数字化，再借助AI、数字孪生、大数据等技术，完成各种资源的数据分析、预测以及自主优化调度。

其中，最核心的平台是“数智化大脑Wisdom”。在这套平台之下，员工、车辆、场地、仓储设备、周转器具都被数字化，可以通过实时诊断分析和预测仿真完成自主配合和自动感知。

另外在工厂里，各类loT智能物流装备以及硬件模块也可以帮助企业最大程度提高效率。

值得一提的是，在华清科盛的整套系统里，人的价值被凸显了出来。新人可以快速成长并完成跨岗位的工作，成为“万能工”;同时也能实时绩效反馈，参与技能和流程的创新改善。

此前，亚马逊的工人们就一直抱怨自己被“困”在了仓库管理算法，如同一枚巨型机器上的零件，随时都可以取代。而华清科盛的Wisdom改变了这种状态，让人不再受困于重复性和机械性的日常操作，更有机会参与到创新和管理这些主观性价值发挥的工作中。

这也恰恰呼应了之前的理论：无论是工人还是机器人，其实背后都是依赖于整套系统的算法，只有整套“神经系统”高效运行，才能充分发挥人的柔性并进一步提高制造现场的智能化水平，同样能达到降本增效的作用。

结语

目前，华清科盛的这套理念已经覆盖了超过30个行业，服务超过300家客户，其中又以汽车行业客户居多。

在国内，汽车制造本来就属于智能制造的代表性行业，当智能制造遭遇传统物流，所体会的痛点也格外显著，自然非常容易接受这套运营模型的改造。

尤其在疫情之下，灵活配置的厂内物流对于保障制造企业柔性、提高市场反应能力进行起到至关重要的作用，华清科盛以数字科技优化物流全要素，像是为企业提供了一把“万能钥匙”。

回到开头讨论的话题：在一些场景中机器人应用是必然趋势，但不论未来如何发展，人都将是创造主体。一味地追求“无人化”并不是正确的选择，而应该充分利用数智化“神经系统”，做好资源要素的优化配置，从而实现最佳的物流运营状态。