图片来源：AutoStore
仓库里的“无人化”并不是再增加几台机器人就能实现。
AutoStore 发布的 2026 年秋季产品组合，试图解决自动化仓库仍然依赖人工的几个顽固环节：不同尺寸商品需要分流、整箱和单件拣选无法共用流程、机器人拣选成本过高、系统设计依赖经验，以及设备维护仍按固定周期进行。
新产品横跨硬件与软件。FlexBinsPort、AutoCase、Pio Pal 和 VersaAI 负责把更多实际作业纳入自动化系统；CubeExplore、CubeStudio、CubeFleet 和 CubeAnalytics 则覆盖项目投资、系统设计、运营分析与维护。
AutoStore 将这条路线称为从 automation 走向 autonomy——从执行预设动作的自动化，走向可以基于实时数据持续调整的自主履约。
但“走向”很重要。此次发布并不意味着仓库已经能够完全关灯运行，而是通过减少异常、人工交接与固定维护，把“黑灯仓库”从概念拆解成一组可以逐步部署的产品能力。
新产品分别解决什么问题
| 产品 | 所在环节 | 主要作用 | 发布或应用状态 |
|---|---|---|---|
| FlexBinsPort | 工作站 | 在同一端口处理不同高度料箱 | 2026 年第四季度发布 |
| AutoCase | 整箱作业 | 同一系统支持整箱与单件拣选 | 已有客户运行，增强功能 2027 年第一季度提供 |
| Pio Pal | 机器人拣选 | 以服务模式向中小企业提供自动拣选 | 已在客户现场运行 |
| VersaAI | 单件拣选 | 扩展机械臂拣选、入库与盘点场景 | 支持更多新旧系统配置 |
| CubeExplore | 投资规划 | 用生成式 AI 辅助测算 ROI 和业务方案 | 新增能力 |
| CubeStudio | 系统设计 | AI 辅助配置比较、仿真与验证 | 增强能力 |
| CubeFleet | 维护管理 | 汇总告警、指导与工单，按使用情况维护 | 新增能力 |
| CubeAnalytics | 跨站运营 | 多站点视图与 AI 生成的设备摘要 | 增强能力 |
这些产品共同依托 CubeVerse 云环境和 AutoStore Intelligence。前者连接 AutoStore 应用、合作伙伴与第三方系统，后者利用全球实际仓库中的运行数据与模拟数据，优化路径、流量和设备管理。
FlexBinsPort：让商品尺寸不再决定作业流程
传统 AutoStore 系统将商品放在网格中的料箱内，由顶部机器人取出并送到工作站。问题在于，鞋盒、电子配件、药品和工业零件尺寸差异很大。如果一个工作站只能处理固定高度料箱，仓库就需要增加端口、拆分流程，或者在下游重新合并订单。
FlexBinsPort 可以在同一工作站处理 220、330 和 425 毫米的标准料箱，也支持用于 AutoCase 的 330 和 425 毫米整箱料箱。托盘会根据机器人送达的料箱高度自动调整，让不同尺寸料箱按订单需要连续出现。
AutoStore 估计，这种混合料箱设计可以把存储空间利用率提高 10%至 15%，同时减少分流与订单合并所需的人工。官方技术规格显示，它处理 330 毫米料箱时，最高吞吐能力约为每小时 400至 435 箱，具体取决于系统层数。
这项产品真正改善的并不只是端口速度，而是仓库设计的刚性。企业可以根据 SKU 尺寸选择合适料箱，而不必为了统一工作流让所有商品使用同一尺寸容器。
FlexBinsPort 计划在 2026 年第四季度发布。它还需要仓库采用 FlexBins 混合料箱网格，因此并非所有现有系统都能直接获得完整收益。
AutoCase：把整箱和单件流放进一个系统
仓库履约通常包含两种流程：面向消费者订单的单件拣选，以及面向门店补货或批量配送的整箱作业。两套流程分离会产生额外的输送、缓存和人工交接。
AutoCase 试图让整箱和单件拣选在同一个 AutoStore 网格中运行。它将在 2027 年第一季度支持最高 600×400 毫米的行业标准箱体，并允许多个 AutoCase 工作站同时处理同一任务组。
多工位并行意味着包装或码垛环节不必等待单个工作站顺序完成全部箱体，可以获得更连续的整箱流。相关能力将随第一季度软件版本直接提供，以减少额外集成工作。
AutoCase 已经在瑞典 Nowaste Logistics 和挪威 Komplett 的现场环境中运行。这比实验室演示更有参考价值，但新增箱体尺寸与并行调度能力仍需等待 2027 年版本在更多仓库验证。
Pio Pal：把机器人拣选变成服务
机械臂单件拣选过去更适合订单量大、SKU 相对稳定的大型仓库。对成长型企业而言，机器人设备、视觉系统、集成和维护形成了较高的前期门槛。
Pio Pal 通过 Robotics-as-a-Service 模式降低一次性投入，让规模较小的企业也能使用自动拣选。AutoStore 表示，在订单已经预拣选的情况下，Pio Pal 工作站每小时最多可以完成 540 条订单行；新的预拣选能力可以在不增加人工的情况下把性能提高最多三倍。
单行订单是一个重要切入点。AutoStore 称，这类订单通常占消费者电商订单的 40%至 60%。如果机器人能够先处理大量只包含一种商品的订单，人工就可以集中应对多品类、易碎品和异常件。
该方案已经在挪威服装品牌 Famme 运行，更多客户计划于 2027 年第一季度采用。服务模式降低了采购门槛，但长期成本仍取决于订单量、机器人利用率、服务费用和可处理 SKU 的比例。
VersaAI：自动化的不只是“拿起商品”
机器人拣选的难点并不只在机械臂能否抓住商品。入库端需要把商品放入料箱，拣选后需要扫描条码，库存还要持续核验。
AutoStore 正在扩展自动化商品入箱、工作站直接扫码和机器人循环盘点，让自动拣选覆盖抓取动作前后的流程。VersaAI 也将支持更多 AutoStore 配置，可用于新建系统和既有系统。
这体现了自主履约的一个核心逻辑：单点自动化速度再高，如果前后环节仍依赖人工等待，整个系统的吞吐量就不会同比提高。真正的自动化需要把入库、存储、拣选、验证、包装和维护连接起来。
CubeExplore 与 CubeStudio：AI 先进入投资和设计环节
AutoStore 这次的 AI 软件并不只用于运营仓库，也用于决定仓库是否值得建设。
CubeExplore 是一项由生成式 AI 支持的投资回报建模工具。它结合运营基准与可比较项目数据，帮助合作伙伴和潜在客户测算系统规模、长期成本节省和 ROI 情景。
CubeStudio 则把 AI 带入具体设计。设计者可以在云端共同建立系统方案、运行仿真、比较不同配置，并获得模块建议。目标是在设备采购与施工前发现容量、吞吐和布局问题。
这类工具可能缩短方案设计周期，也能让更多项目使用统一基准。但企业不能把供应商生成的 ROI 当成独立结论。订单增长、人工成本、峰值需求、设备折旧和利用率假设只要稍有变化，回收期就可能明显不同。
更稳健的用法是把生成式 AI 当作情景分析工具：保留输入假设，比较悲观、基准和乐观情景，再让客户、集成商与财务团队共同审核，而不是由模型替代投资决策。
CubeFleet：维护从固定日历转向设备实际状态
高度自动化的仓库对停机非常敏感。一个工作站、升降机构或关键机器人故障，可能迅速在订单队列中形成拥堵。
CubeFleet 把维护告警、处理指导和工单创建放入统一视图，可以覆盖单一仓库或多个站点。它利用 CubeAnalytics 的实时运行数据和预设维护阈值，在设备需要维护时提前通知运营团队，而不是只根据固定周期安排保养。
AutoStore 估计，这种方式可以减少 35%至 45%的计划外停机。需要注意的是，这是厂商对潜在效果的估算，实际结果会受到设备年龄、仓库环境、备件供应和维护团队响应速度影响。
CubeAnalytics 同时增加多站点视图和 AI 生成的设备摘要，帮助总部快速识别需要关注的仓库。对拥有多个配送中心的企业而言，这可能比单个机器人效率提升更重要，因为它让维护经验与异常模式能够跨站点复用。
“黑灯仓库”仍然需要处理现实世界的异常
AutoStore 首席产品官 Parth Joshi 表示，走向黑灯履约不是一次巨大跳跃，而是一系列实际改进。这个表述比“完全无人仓库”更接近当前技术状态。
仓储环境存在大量长尾异常：包装破损、条码不可读、商品尺寸与数据库不符、机械臂无法稳定抓取、退货状态不明，以及上游到货延迟。机器人最擅长处理可重复流程，而异常越多，系统对人工判断的需求越高。
所以真正有意义的指标不只是自动化率，还包括：无需人工介入完成的订单比例、每类异常的发生频率、恢复时间、设备利用率，以及人工从重复搬运转向异常处理后是否真正提高了整体效率。
这也说明“黑灯”不是简单取消仓库人员。短期内更现实的变化是岗位结构重组：直接搬运与固定拣选减少，系统监控、设备维护、流程设计、数据质量和异常处理变得更重要。
AutoStore 正从设备公司变成履约操作系统
AutoStore 过去的竞争优势是立方体存储网格和在网格顶部运行的机器人。2026 年的产品路线表明，公司正在把价值向整个系统生命周期延伸：建设前帮助测算和设计，运行中调度机器人与机械臂，运行后监控性能和维护。
硬件决定仓库能够执行哪些动作，软件决定这些动作如何组合、何时执行，以及怎样持续改进。CubeVerse 和 AutoStore Intelligence 的战略意义，就在于把全球约 2000 套系统产生的经验沉淀为统一的软件与数据能力。
这也是仓储自动化行业下一阶段的竞争方向。客户不会只比较单台机器人速度，而会比较整套系统能覆盖多少流程、需要多少人工交接、异常能否快速恢复，以及软件是否能够在不扩建网格的情况下持续提高吞吐量。
AutoStore 的秋季发布还没有实现完全自主履约，但它把通往自主履约的路线变得更具体：先减少尺寸和流程差异造成的人工例外，再用 AI 改善设计、调度与维护，最后让系统承担更多实时决策。
仓库真正“关灯”的那一天可能仍然很远，但减少每一次不必要的人工作业，已经是一门可以量化的生意。
原始报道： Robotics & Automation News：AutoStore expands hardware and AI software portfolio
官方发布： AutoStore：Fall 2026 Product Announcement
产品资料： AutoStore：FlexBinsPort