11月5日，菜鸟在香港智慧港开了一场面向AI与具身智能产业的合作发布会。会上宣布两件事：向产业伙伴开放全球仓网，把生产级的物流仓变成“AI及具身智能物流实景训练集群”；同时推出“科技出海三日达”，承接机器人、AI算力设备从样机测试到海外运营的全链路供应链。近百家产业链企业到场，菜鸟与多家AI及具身智能企业达成首批合作。
如果只把它读成“物流公司又上线了一项新服务”，会漏掉重点。这场发布真正给出的，是物理AI眼下最缺、又最难自建的两样东西：足够真实的作业场景，和足够可靠的跨境交付。而这两样恰好长在同一张网络上。
瓶颈不在机器人，在两次“交接”
数字AI的迭代靠数据和算力，物理AI的迭代只能靠场景。企业自建仿真环境的成本高、周期长，且难以还原真实业务中的复杂工况——这句判断在发布会上被反复提起，也构成了菜鸟开放仓网的直接理由。
真实仓库的难点非常具体。货物从一条传送带转移到另一处，从杂乱堆放变成可以继续流转的状态，至今仍要人工抓取、整理、装卸；商品品种变多、单批次规模变小之后，同一个工位面对的物品更杂，纸箱、软袋和不规则包装需要不同的抓取方式，机器还要判断有没有拿对、会不会掉件、跟不跟得上前后工序的速度。现场讨论里，有人把这类环节叫作“断点”：设备与设备之间剩下的那一小段人工，恰恰是效率损失最大的地方。
也正因如此，菜鸟这次给出的三级任务划分更像是部署路径，而不是产品目录：基础级的供包、贴单先上，中程的拆零分拣再上，长程的拼箱与复杂拆码垛最后上。机器人可以先改造一个工位，其余流程照旧运行，验证效果后再决定扩面。目前这些任务已在快递、电商、快消、汽配场景开展试点。
衡量标准也随之改变。一次抓取失败往往要靠人工重新摆货，若同类异常反复发生，省下的操作时间会被异常处理吃掉。梅卡曼德创始人兼CEO邵天兰在现场提出的三个指标——平均无需人工干预的时间、现场部署所需的人员与成本、客户的投资回报——把技术能力和经营结果连在了一起。昆腾动力创始人兼CEO李强的说法更直白：客户在最忙的时候愿不愿意依靠机器人，是它从试用走向生产工具的一道门槛。
菜鸟的位置：同时是用户、运营商和交付方
开放仓网之所以值得单独讨论，是因为提供场景的一方通常只是“房东”，而菜鸟在这件事里同时扮演三个角色：它自己就是用机器人干活的使用方，是仓网的运营方，也是给第三方做自动化集成的交付方。这意味着它可以把作业要求提出来，可以提供不同业务环境，还能参与设备与既有仓储流程的衔接。
支撑这三重角色的是存量：数百万平方米的生产级实景仓网；过去五年在海外交付1100个大型自动化实施项目，并在25个以上国家具备本地运营与科技集成经验；物流科技产品已落地27个国家和地区、累计超过800个合作项目。这些项目的价值不在于数字好看，而在于机器人进仓不是从零布线，而是接入一套已经跑熟的现场流程与调度系统。
中国供应链的复杂度同样是资产。多国家、多业态、多规则，贯通国内揽收、跨境干线和海外履约，长期承载海量多规格SKU，并持续应对大促高并发与订单波动——这些正是仿真环境最难还原的部分。此次对外开放的场景覆盖仓储拣选、智能导航配送、高空巡检、安防运维、航空物流、汽配管理等作业领域，规模上已经超出了一家企业自建试验场的量级。
出海那一段，决定了产业化的天花板
训练解决的是“能不能干”，交付解决的是“出不出得去”。硬件出海最容易被低估的恰恰是后半段：样机要赶上展会档期，一批设备要在海外仓连续工作，坏了要有人修、要有备件，任何一环延误都直接变成客户的停机时间。
菜鸟这次把能力拆成三张网来对位：全球快线面向研发测试、客户演示、小批量补货这类高时效、低确定性的需求，用多式联运做弹性发运；全球空运针对AI算力设备、控制系统和核心模组这类大件、高值、超重货型，提供门到门、预约派送、上楼入位、拆箱交接的白手套交付；全球仓网则承担区域备货、多国分仓、本地配送，把直客销售、代理分销和售后备件放进同一套管理体系。
“三日达”这个命名本身就是策略。过去十余年，“全球三日达”“全球五日达”已经在电商包裹上建立起时效预期，现在把这套承诺平移到科技出海，客户理解成本几乎为零。而一个可核对的商业信号是：熊伟提到，消费级机器人等成熟科技品类已占菜鸟国际收入约10%，该板块今年收入实现翻倍增长。需求已经落在财报口径里，不完全是战略叙事。
AI的故事正在换一个讲法。过去几年，行业谈论AI，焦点在大模型参数、算力规模和生成能力，那是一套运行在云端和屏幕里的逻辑。但当智能开始需要“动手”去改变物理世界时，游戏规则变了。物理AI——或者说具身智能——的核心命题不再是“能不能生成”，而是“能不能在真实、开放、持续变化的环境中可靠地执行动作”。数字AI处理的是信息，物理AI处理的是“信息—环境—动作”之间的复杂联动。一台仓储机器人晚200毫秒做避障决策，代价可能不是一条错误的回答，而是一次碰撞、一次停机。
这正是硬科技产业化最真实的门槛。技术从实验室走向生产线，横亘着两道现实关卡：机器人缺少足够复杂、贴近真实工况的训练与验证场地；成型后的AI硬件和机器人整机出海，缺少适配高价值精密设备的跨境履约体系。谁能同时接住这两个需求，谁就在事实上扮演了物理AI时代基础设施的角色。菜鸟在2026年11月5日香港智慧港发布会上给出的答案，正是沿着这条逻辑展开的：把全球仓网变成物理AI的实景训练集群，把跨境供应链能力升级为硬科技出海的交付通道。
物理AI需要一种数字世界不曾需要的基础设施。 数字AI的训练数据可以从互联网上抓取、复制、低成本复用；物理AI的模型则需要为特定场景专门采集的多模态数据，以及真实物理环境中的反复试错。行业普遍判断，物理AI技术未来十年有望带来10至50倍的效率提升，但这一前景的前提，是真实、多元、规模化的业务场景成为技术迭代的底座。
菜鸟的选择是将自己运营了十余年的全球仓网直接开放出来。数十个行业、上百种实景PoC验证场景，覆盖仓储拣选、智能导航配送、高空巡检、安防运维、航空物流、汽配管理等核心作业领域，供产业链伙伴开展真机训练、联合研发与业务验证。这些场景的稀缺性不在于“有仓库”，而在于其中同时包含着标准化的重复劳动与非标准化的长尾扰动：贴单供包、拆零分拣、拼箱、复杂拆码垛，任务的难度梯度构成了机器人从单点作业走向复杂场景的天然训练场。
菜鸟自身的硬件实践为这个训练场提供了可参照的“基准线”。首款自研攀爬机器人ZeeBot，在地面移动速度达到每秒4米，10秒可攀爬至5层楼高的货架，存储空间利用率提升40%，运行攀爬机器人的仓库整体人效可提升1倍。在香港eHub，攀爬机器人仓投入使用后，仓库整体利用率提升1.5倍，人工工作效率提升50%。自动化分拨侧的效率刻度同样清晰：与圆通联手打造的超级机器人分拨中心，350台AGV在2000平方米场地内昼夜作业，日均分拣超50万包裹，2.1万件/小时，平均速度超出行业25%；马德里上线的自研窄带分拣机，每小时处理约4000件，异形包裹分拣效率较人工提升超160%。这些数字的意义不在于“菜鸟自己有多快”，而在于它们标定了一个真实物流场景对物理AI的性能要求：精度、节拍、可靠性和异常处理能力，都必须在商业运营的约束下成立。
如果训练场解决的是“能不能用”，那么出海通道解决的就是“能不能变成生意”。 AI算力设备、具身智能整机及零部件属于典型的高货值精密硬件，其出海链条与普通电商包裹有本质区别：样机测试有时效窗口，上门部署需要入位能力，备件运维和退换返修要求逆向物流的精细化，关务合规的容错空间极小。菜鸟的应对是将全球快线、全球空运和全球仓网三大能力组合为“科技出海三日达”服务：快线承接样机演示和小批量测试的紧急交付，空运面向大件高值设备提供上门入位、拆箱交接等精细化交付，海外仓网络支撑区域备货、本地配送与备件管理。
支撑这套服务的实体底座，是菜鸟在18个国家和地区运营的70多个海外仓，以及2026年在美国、欧洲、中国香港等关键市场推进的规模化机器人仓库网络。菜鸟国际总裁熊伟将这一动作表述为一种能力平移：过去十余年“全球三日达”“全球五日达”在电商物流中沉淀的时效与稳定性，被延伸到AI及具身智能产业的跨境履约场景中。
两条线合在一起，构成的是一个闭环：实景训练验证降低硬科技企业的试错成本、缩短产业化周期；跨境交付网络让验证过的产品以可预期的节奏进入全球市场；而产业协同中沉淀的技术经验，又反过来驱动物流场景自身的自动化升级。这个闭环的独特之处在于，它不是在实验室和产线之间加一段“中试”，而是把商业运营中的真实物流网络同时当作训练基础设施和交付基础设施来使用。场景的所有者是产业方，训练和验证的成果也直接服务于产业方，基础设施的复用效率因此远高于专门搭建的封闭测试场。
放在更大的产业坐标中看，菜鸟押注的并不是某一个机器人品类或某一条自动化产线，而是物理AI产业化进程中一个更底层、也更难被替代的位置：谁掌握了真实场景的密度和跨境交付的确定性，谁就掌握了硬科技从技术到商品的“通过能力”。物理AI的产业化大幕刚刚拉开，效率提升的倍数级前景与落地路径的不确定性并存。在这种局面下，最稀缺的不是又一台机器人样机，而是一张能够同时承接训练、验证和规模化交付的全球网络。菜鸟正在做的，是把这张网络从“物流基础设施”重新定义为“硬科技产业化的基础设施”——这个定义能否成立，不取决于发布会的声量，而取决于接下来有多少硬科技企业的产品，真正跑在这张网络上，跑进全球市场。
