在刘明眼中，仓库远不止是一堆货架的集合，更像是一座永不停歇探索效率边界的实验室。

曾任职于亚马逊、Coupang的刘明，拥有十余年仓储管理经验。凭借对仓储领域的深度参与与洞察，他对"效率"这两个字有着超乎寻常的敏锐度——一套调度算法、一条路径规划、一次货位调整，这些看似微小的决策都能无声地改变成千上万件商品的流转节奏。

他常说，仓库其实是人类组织行为的缩影，里面有秩序、有协作，也有博弈。真正的挑战在于如何让这个庞大的体系自己变得聪明起来。

2016年，他离开大型企业的管理岗位，创立了牧星智能。那时中国电商正高速发展，仓储自动化设备层出不穷，但仓库运作依然高度依赖人工经验维持。机器人在跑，系统在算，却始终没人真正让"仓库自己做决策"。

刘明认为，行业真正缺乏的不是更快的机械臂，而是一个能够自我调度、自我优化的"大脑"——让仓库从自动化迈向智能化。

这个切入点，让牧星智能与行业内许多出身于机械、电控等领域的创业团队有着截然不同的基因。与那些专注硬件的团队相比，刘明团队选择挑战的方向，源于对仓储场景的深刻理解：用软硬件结合的方式，为各行各业的工厂和仓库提供智能高效的仓储解决方案。这也使牧星成为全球少数几个"先懂仓库、再做机器人"的智能仓储公司之一。

九年过去，牧星智能已在韩国、日本、澳大利亚、德国以及美国成功落地了分公司，其业务系统已成功覆盖全球50多个国家和地区，服务全球超200家客户，其中不乏可口可乐、雅马哈、Monde Nissin、朗德万斯等知名品牌企业或厂商。

更重要的是，牧星智能的海外业务贡献了八成以上的营收——这无疑是近年来中国科技公司浩浩荡荡出海征程中的成功代表。

牧星智能创始人刘明

以下为创投家与刘明对话全文，略有删减：

刘明：牧星智能是在2016年6月23号成立的。当时其实是个很自然的结果。

我以前在亚马逊工作。2012年，亚马逊收购了Kiva Systems，让我第一次真切地看到机器人应用在仓库之后带来的巨大改变，也感受到了机器人在仓储领域可以带来的巨大价值。

以前我们在中国的仓库，全靠人工加一点点自动化，而当我发现美国的机器人仓库效率能比我们人工做得更高。

这些事情对我冲击很大。我当时在亚马逊中国管的仓库，是全中国效率最好的，但我发现，有些美国仓库能超越我们，靠的就是机器人系统。那一刻我意识到，仓储行业可能会被彻底改变。

仓库的工作，其实是非常简单、枯燥、重复的。你每天拿着PDA跑货位，扫码、核对、走流程——人就像被电脑指挥的"机器人"。当时我就想，如果能把人从这种机械式劳动里解放出来，又能提高效率，这一定是件很有价值的事。

所以，2016年我选择创业，聚焦在智能仓储、机器人仓储这个方向。我们团队有个特别的地方，是全球少数几个"先懂仓库、再做机器人"的团队，是真正干过仓库运营，知道客户要解决的问题是什么，客户要的是更高效、更经济的仓库运营方式。

刘明：其实区别非常大。从"机器人"本身看，研发重心在硬件的稳定性、精度、成本、续航等。但仓储的目标是运营更高效、成本更低。所以这其中，真正的核心不在机器人，而是要解决仓库的问题。

我们从仓库出来，对仓库系统的理解是深入骨髓里的。我们知道仓库从收货、上架、拣货、分播、出货的每一个环节是什么逻辑，知道不同仓型（比如电商、线边仓、成品仓）的差别。

传统的自动化仓库系统是"一个系统配一套设备"，而到了机器人仓库，每次任务分配、路径规划、复位的计算，都是动态的、实时优化的。你得同时考虑几十台、上百台机器人怎么协同，工作任务的顺序怎么排，怎样才能实现整体效率最优。这背后是算法，是系统级的调度逻辑，不是单个机器人的问题。

所以我们说，牧星智能是"做仓库的人里最懂机器人、做机器人的人里最懂仓库的"。我们做的是围绕整个仓库流程、软件系统、算法逻辑，去实现整体最优的智能仓储系统。

刘明：其实每个案例之间都不太具备可比性，因为仓库类型太多了。比如有线边仓、成品仓、流通业仓、电商仓、直播仓、海外仓，每种场景的需求完全不一样。

我举个最典型的电商仓的例子吧。它的订单量大、SKU多、时效要求高。过去人工拣货是一个个订单拣，每次走一大圈。为了提效，他们后来改成多订单一起拣，比如一次拣60个订单，这样单位行走距离内的拣选密度提高了，但问题是，后面分播环节就卡死了。

因为你一次拣回来几百件商品，要再分回每个订单，这时候就要靠人到"播种墙"前人工分播。墙太小，走动距离短，效率低；墙太大，又走太多路，整体效率反而下降。这就是多因子响应的问题，一个环节快了，另一个环节可能慢。

那我们是解决的呢？我们在2024年推出了3D Sorter Max，这是一个全新的分播设备，可以自动识别、自动分播，不用人跑着"播种"。这样一来，拣货环节就能一次性放大，比如从60个订单提升到500个订单一拣，效率能提升两三倍。

前后流程打通以后，整个仓库的效率、拣选密度、人工占比全部优化。这种提效不是靠增加设备，而是靠算法设计和系统协调。

所以我经常说，牧星智能的核心不是卖设备，而是交付一个能高效运转的仓库。设备只是实现手段，背后的系统、算法、调度逻辑，才是真正的灵魂。

刘明：是的，我们整个软件系统的底层逻辑就是模块化。为什么？因为仓库场景太多，客户的需求差异非常大。你要每个客户都重新开发一套软件，那就是"非标产品"，成本高、交付慢、稳定性也差。

我们做的是一个"积木式"的系统。我们把仓库操作拆解成上百个模块，比如拣货策略、路径规划、任务分配、货位优化、设备接口等等。

大概80%的功能是标准化的，可以直接复用，剩下20%根据客户场景进行轻定制。就像搭积木一样，不同客户我们帮他选哪些模块、怎么组合。这样一来，既能快速交付，又能保证系统稳定。

更重要的是，这个模块化平台背后是一个统一的数据逻辑。每个模块产生的数据都能互通，算法能实时调用整个仓库的状态数据来优化决策。我们内部叫它"低代码智能仓储平台"，你可以理解为仓储领域的操作系统。

客户看到的只是"我用了牧星的系统"，但其实背后是一整套经过上百次迭代的底层架构，这是我们能同时支撑全球几百个仓库的关键。

刘明：AI其实我们早就在用了。现在外界热的是大模型，但在仓储领域，AI更多是"自决策"。比如系统会根据实时订单、库存、机器人状态，自动计算最优的任务分配方案，甚至会在季节变化、促销周期变化的时候，系统会自动调整策略。

举个简单例子：到了夏天，雨伞、墨镜是热销品，系统会自动把它们调到离拣选面更近的位置；到了冬天，又会自动换成棉服、手套。这个逻辑不是人去手动配置，而是系统通过历史数据分析和规则学习，自动完成、修正，这就是AI在仓储里最实用的体现。

至于人形机器人，我个人非常看好。现在大家都在讲人形机器人能炒菜、能打螺丝，但我认为最容易落地、最产生商业价值的场景是仓库。

因为仓库的场景相对标准化、环境可控。比如分播环节，人形机器人可以自动识别商品、抓取、放置；如果出现卡顿或异常，还能自主处理。我们其实已经布局，预计明年会公布一些新进展。

未来几年，你会看到人形机器人和轮式机器人在仓库里协同作业，真正做到"人形机器人+算法仓储系统"的融合。这将是仓储领域下一阶段的变革。

来源：https://www.tmtpost.com/7732082.html