【MIT】2025人工智能在仓储领域中的应用状况研究报告

麻省理工学院智能物流系统实验室（MIT Intelligent Logistics Systems Lab）与Mecalux公司近日发布了一份名为《2025年全球供应链领导者对人工智能在仓储领域经济和劳动力影响的洞察》的报告。这份报告通过对2000多名经验丰富的供应链和仓储专业人士的全球调查，评估了人工智能和机器学习（AI/ML）在仓储操作中的当前状态、投资模式、挑战、劳动力影响和未来展望。报告揭示了超过四分之三的组织在过去一年中增加了AI/ML的使用，并且大多数预计预算将进一步增加，显示出AI在提供切实回报方面的成熟度和影响力。报告中包含了关于AI/ML在仓储领域应用的深入分析和关键发现，为理解AI如何塑造现代供应链提供了宝贵的视角。

在2025年，人工智能（AI）和机器学习（ML）在仓储领域的应用已经达到了一个新的成熟度水平。超过80%的组织在过去一年中增加了AI/ML的使用，而且大多数预计预算将进一步增加。典型的投资回报期仅为两到三年，表明AI正在提供实实在在的回报，而不仅仅是投机价值。生成性AI作为物流领域的下一个前沿，正在加速流程设计、文档编制和决策制定。自动化的人文方面也在积极演变：生产力和工作满意度同时上升，这是由新角色、培训和技能提升推动的。

仓储行业正从自动化走向智能化，数据和算法补充了人类的专业知识。下一个竞争优势将属于那些将AI视为不仅仅是一个项目，而是一个嵌入式、可衡量的能力，能够更快地将洞察力转化为行动的人。在当前状态下，近90%的仓库现在运营的自动化水平超出了基本流程。57.5%的组织运营在高级或完全自动化成熟度水平；只有11.7%仍然主要手动操作。完全自动化在收入更高、站点更多、员工更多的大型企业中最常见。

在AI/ML投资和投资回报方面，大多数公司将11-30%的仓库技术预算用于AI/ML。典型的投资回报期是2-3年。主要投资驱动因素包括成本节省、客户需求、劳动力可用性、质量、安全、可持续性和竞争压力。投资回报主要通过库存优化、提高吞吐量、降低劳动力成本、减少错误、节省能源和提高客户满意度等可衡量的、以绩效为驱动的结果来衡量。

在AI/ML实施挑战和推动因素方面，采用的主要障碍是技术专长（48.6%）、系统集成（47.7%）、数据质量和可用性（46.2%）和实施成本（46.1%）。加快采用的关键推动因素包括更好的工具/平台（55.5%）、更多的内部专长（53.7%）、更大的预算（51.9%）、清晰的路线图（50%）和外部顾问（43%）。

在AI/ML对劳动力的影响方面，积极的劳动力趋势占主导地位：77.5%的组织的生产力上升，75.4%的工作满意度上升，76.4%的培训要求上升，55.8%的劳动力规模增加。AI正在创造而不是取代工作：AI/ML工程师（60.1%）、自动化专家（58%）、流程改进专家（51.9%）和数据科学家（40%）。

在AI/ML实施前景和优先事项方面，92.1%的公司正在实施或计划在不久的将来实施AI项目。只有1.7%没有计划；6.2%已经有了广泛的实施。87%预计在未来2-3年内将增加AI预算（50.3%略有增加，36.7%显著增加）。主要投资目标是提高效率（47.9%）和创新（31.1%），其次是降低成本（10.5%）和差异化竞争（10%）。

在主导方法和技术方面，当今最有价值方法：生成性AI（70.3%）、预测性ML（58.4%）、计算机视觉（49.8%）、强化学习（45.9%）和NLP（42.5%）。生成性AI的顶级应用：自动化文档/报告（55%）、布局优化（53.6%）、流程设计（53.3%）和代码生成（52.5%）。

在对未来AI/ML实施的展望中，企业正从预测转向决策，这表明了对智能决策和生成能力的重视。预计在未来两到三年内，87%的组织计划增加AI/ML资金，其中50.3%预计略有增加，36.7%预计显著增加。这些资金的主要目标是提高效率（47.9%）和创新（31.1%），其次是降低成本（10.5%）和差异化竞争（10%）。当被问及哪些AI能力将对未来产生最大影响时，受访者将自动化决策排在第一位（平均排名2.35），其次是预测分析（2.62）、机器人流程自动化（2.69）、计算机视觉（3.33）和自然语言处理（4.06）。这一排名反映了行业关注的成熟度：组织现在希望授权系统在受控参数内自主学习、推荐甚至做出决策。

在技术方面，仓库现在由多种AI和ML方法驱动，每种方法在优化性能方面都发挥着独特的作用。受访者认为几种AI/ML技术目前提供了最大的价值。生成性AI作为最具影响力的技术脱颖而出（70.3%的受访者将其列为前三名），其次是用于预测的ML（58.4%）、计算机视觉（49.8%）、强化学习（45.9%）、自然语言处理（42.5%）和深度学习（33.1%）。当专注于生成性AI时，受访者看到了直接与仓库运营相关的一系列有前景的应用。根据我们的受访者，最有希望的应用是自动化文档和报告（55%）、仓库布局优化（53.6%）、流程设计（53.3%）、自动化系统的代码生成（52.5%）、自然语言界面（39.3%）和情景规划与模拟（32.3%）。这些结果表明，生成性工具不仅限于创意任务——它们已经在帮助工程师和经理简化复杂流程、减少行政工作量并加速系统配置。

实现这些技术的全面潜力至关重要的是集成和数据基础。大多数组织依赖API连接（57.5%）、第三方集成平台（56.3%）和定制开发（54.3%）将AI工具与现有系统集成。然而，近一半（46%）仍然依赖手动数据传输，12.6%报告没有集成，表明许多公司仍在弥合先进算法与遗留基础设施之间的差距。在数据方面，仓库管理系统（WMS）仍然是主要的信息来源（67.7%），其次是企业资源规划（ERP）系统（61.2%）和物联网（IoT）传感器（51.8%）。手动数据输入（39.1%）和第三方数据源（25.5%）也很常见。这种混合突显了进步和挑战：AI需要一致的、高质量的数据流才能发挥最佳性能，许多组织仍在现代化这些管道的过程中。

这篇文章的灵感来自于MIT Intelligent Logistics Systems Lab和Mecalux联合发布的《2025年人工智能在仓储领域中的应用状况研究报告》。除了这份报告，还有一些同类型的报告也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。