国金证券报告指出，物流行业正成为具身智能机器人商业化的“爆款”场景。全球物流巨头GXO与Digit、Reflex、Apollo等机器人企业合作探索应用，Digit已实现商业化运营，Agility Robotics计划将产能扩大到10000台/年。Figure从开始在物流行业部署Helix以来，模型性能持续提升，训练数据量的增加显著提升了处理性能。美国仓储、物流和制造行业有超过100万个材料搬运岗位空缺。物流行业在终端用户、物流装备企业、机器人企业的共同推动下，正成为具身智能机器人最先实现大规模商业化的场景之一。

物流行业经过多年自动化升级，整体已有较高的自动化程度，尤其是仓储、传送、分拣等环节。物流装备公司产品持续迭代，推出了壁虎料箱机器人系统、自动播种机等进一步提高自动化程度的产品。但仍有大量环节需要人工参与，尤其是拆零拣选环节，在物流中心是作业成本最高、人力耗费最大、时间占用最多的工作，工作量约占整个仓储作业的40%以上。

目前通过“货到人”优化降低了拣选环节的人工作业量，但依旧依赖人工完成最终的拣选工作。在电商、定制化需求推动下，拣选环节的自动化作业受到SKU数量、产品包装等因素的影响，在大模型技术快速发展的情况下，未来通过机器人实现完全自动化拣选是大势所趋。

根据Agility Robotics数据，美国仓储、物流和制造行业有超过100万个材料搬运岗位空缺，机器人可以有效填充这些空缺。从招工难的角度出发，物流行业对机器人自动化的需求极为迫切。

Agility Robotics推出的Digit机器人已经经过了多次迭代，主要针对物流、制造业搬运场景。Digit采用难度更高的双足方案，2021年发布的研究基于Digit机器人应用使用强化学习方案，在模型未知的情况下实现了机器人在不同地面情况的稳定行走。

2024年6月，Digit在GXO工厂投入商业化运营，成为物流行业具身智能机器人的标志性事件。Agility Robotics自2020年就已实现量产，目前正计划将生产规模扩大到10000台/年。规模化产能的扩张反映了市场对物流机器人需求的信心。也有Reflex Robotics推出的轮式机器人解决方案，能够完成分拣、搬运、打包等物流行业常见工作内容，控制难度更低、部署速度更快。

Figure从开始在物流行业部署Helix以来，模型的性能有了明显提升，距离实际应用更进一步。性能提升主要来自于系统1（双模型中更小的视觉-运动策略模型）的针对性优化，Figure引入了用于记忆和感知的新模块，让控制策略更具情境感知能力且更稳健，使Helix能够随时间推移更好地感知周围环境状态，知晓自身操作情况。

训练数据量的增加显著提升了物流行业处理性能。另一方面，立体视觉、视觉记忆等架构特征的引入也进一步提升了模型性能。Figure的案例验证了“数据飞轮”逻辑在物流行业的可行性——更多机器人部署带来更多数据，数据训练优化模型，优化后的模型进一步提升机器人性能。

目前有越来越多的物流装备公司开始布局机器人领域，德马科技与鹿鸣机器人合作推动在智能工厂和物流场景测试和应用机器人。物流企业可以开放自己的产品作为机器人真机数据获取的训练场景，加速机器人产品向电商、物流企业进行应用获得更多训练数据。物流行业在终端用户、物流装备企业、机器人企业的共同推动下，有望成为具身智能机器人的“爆款”场景。

物流机器人商业化进展对比

指标	Digit（Agility Robotics）	Helix（Figure）	Reflex
形态	双足人形	人形	轮式
商业化进展	2024年GXO商业化运营	部署后性能持续提升	分拣/搬运/打包应用
产能目标	10000台/年	—	—
解决痛点	搬运、材料处理	通用物流操作	分拣/搬运/打包