从生产车间到仓库：AMR和AGV的部署方式

在移动机器人领域，最具揭示性的统计数据并非市场预测，而是部署数量。亚马逊已公开证实，其在超过300个设施组成的网络中运营着超过100万台机器人，这使得这家单一零售商成为了全球最大的移动机器人制造商和运营商。 而在另一端，一家美国家族经营的第三方物流服务商本周宣布，将在两个仓库中正式投入使用一支由24台协作式移动机器人组成的车队。 在这两个极端之间，正是自主移动机器人（AMR）和自动导引车（AGV）实际投入应用的完整实践图景。 对于采购负责人而言，本文的启示很简单：部署模式，而非产品宣传册，才能告诉你这些机器真正擅长什么，而经过验证的实际应用案例如今已覆盖三大洲的每个主要工业领域。

这是我们关于AMR和AGV资产类别的十篇基础系列文章中的第三篇。第一篇文章阐述了技术基础，包括基础设施引导式车辆与通过同步定位与建图（SLAM）导航的机器人之间的区别。第二篇文章梳理了买家可纳入候选名单的六大车辆类别。 今天，我们将从分类学转向应用领域，探讨这些设备部署在哪些地方、谁在进行大规模部署，以及这些部署案例能为您的业务运营提供哪些参考。

主要行业

经核实的部署记录显示，四大行业占据主导地位：电子商务及第三方物流仓储、汽车制造、电子产品生产，以及涵盖电池和光伏工厂的新能源供应链。

仓储与物流是核心市场。国际机器人联合会

(IFR)作为该行业的首要统计机构报告称，运输和物流机器人是专业服务机器人中规模最大的类别，2024年全球销量达102,900台，同比增长14%。 该机构还记录显示，采用“机器人即服务”（RaaS）订阅模式（即租赁而非购买整支机器人车队）的业务增长了42%。这一点对本文尤为重要，因为租赁模式带来的经济效益正促使小型仓库进入这个曾仅属于行业巨头的市场。 Geek+是一家在香港上市的仓储机器人专业公司，其上市文件称其为全球营收规模最大的AMR仓储履约服务提供商。该公司报告称，2025年营收达3,171百万人民币（约合443百万美元），同比增长31.6%， 这一增长主要得益于仓储履约系统的部署。

汽车制造是第二大支柱，也是历史最悠久的一支。 AGV（自动导引车）诞生于工厂的物料输送路线，汽车制造商至今仍是导引车及其自动驾驶后继产品的最大用户。本文后文从巴伐利亚到天津、重庆的部署案例均来自汽车行业，因为该行业的车队规模最大，且运营纪律最为严格。

电子和新能源行业构成第三和第四大支柱，其中中国企业的占比尤为突出。 总部位于杭州的制造商Hikrobot——一家行业联盟将其评为2025年移动机器人市场份额全球第一的企业——披露称，其2万多家客户涵盖汽车、电子、光伏、锂电池、第三方物流、 电子商务、服装、制药和烟草等行业，仅其可再生能源领域的业务就已超过500个项目，出货量突破10,000台。 用于搬运晶圆盒和电池电芯的洁净室专用移动机器人，是增长最快的细分市场之一，因为其搬运的货物价值高，且作业环境不适合人工操作。

具体应用示例

在这些行业中，部署主要集中于一组可重复的任务模式，而决定哪种车辆类别能发挥其价值的关键在于任务本身，而非行业。

最常见的仓库模式是“货到人”拣货，即货架搬运机器人将库存货箱运送到固定位置的拣货员面前。这是亚马逊在2012年收购Kiva Systems后实现规模化的模式，也是Geek+构建其营收基础的模式。 第二种仓库模式是点对点的托盘和纸箱运输，机器人负责在拣货区、打包台和出库分拣区之间运送订单托盘； Robust.AI本周为物流服务商O'Neill宣布的24台机器人部署方案正是涵盖这一领域的，该方案集系统指导的拣选、运输和移动分拣于一体，计划于2026年第四季度投入运营，且无需固定基础设施。

在工厂车间，典型的应用模式是生产线旁补货：按准时制和装配顺序将零部件送至装配工位。牵引车负责处理高吞吐量的小型零部件，单元载荷搬运车搬运料箱和托盘，而更重的平台机器人则可搬运重达一吨的子组件。 第二种工厂模式是生产车间与仓库之间的托盘运输，这越来越由自动叉车来处理——正如我们之前的文章所指出的，自动叉车是近年来推出最多的车辆类别之一。 第三种日益普及的模式是混合车队调度，即通过中央交通控制系统，在共享路线上协调不同制造商生产的牵引车编队、平台机器人和叉车。

除四大行业之外，医院使用牵引式机器人运输餐食、床单和药品；制药和烟草分销商也

这些行业受监管且对可追溯性极为重视，已成为托盘搬运车队的可靠用户。

中国部署案例

中国是最具参考价值的部署战场，因为它兼具全球最大的制造业基地和全球最具活力的机器人供应商生态系统。一家制造商的披露数据最能体现这一规模： Hikrobot于2026年7月宣布，其移动机器人的累计产量已突破20万台，且第二十万台仅用了两年时间便完成生产，而第一十万台则耗时八年。无论人们对这些自报数据持何种保留态度，这种增速本身就是最引人注目的故事。

该公司披露的两项汽车行业部署案例，生动展现了这一规模在实际中的应用场景。总部位于天津的一汽丰田合资企业，运营着超过2,000台Hikrobot移动机器人，这堪称全球已披露的最大规模单一生产基地工业机器人车队之一。 在重庆的长安汽车，单个项目就投入了687台机器人投入运营，该公司称此次部署使制造效率提高了20%，生产线成本降低了20%。 这些数据虽为制造商自报，应视为趋势性参考而非经审计的结论，但其机队规模与中国更广泛的市场数据相吻合：中国移动机器人产业联盟统计显示，2026年上半年全球共发布96款新型移动机器人产品，其中81%来自中国企业。

买家应注意的一个趋势是，中国汽车行业的移动机器人部署跳过了西方工厂常会滞留的试点项目阶段。在签订合同时，机器人机队规模就已确定为数百台，集成周期压缩至数月，且这些机器人被视为生产线设备，而非创新实验。这

采购策略是中国供应商能够开出极具竞争力的报价的原因之一：他们将工程成本摊销到庞大的单笔订单中。

全球部署案例

西方的标杆部署案例同样具有借鉴意义，它们涵盖了两种主要的应用模式。

在仓储领域，亚马逊仍是标杆案例。其于2025年年中宣布的第100万台机器人已交付至日本的一家履行中心，目前该机器人车队已在300多个设施中投入运营。相比这一头条数字，有三个细节更为关键。 首先，这支机器人车队是异构的：“赫拉克勒斯”（Hercules）机型可搬运重达1,250磅（约567千克）的库存货舱，“佩加索斯”（Pegasus）机型在传送带上运输单个包裹，而作为该公司首款全自动机器人，“普罗透斯”（Proteus）则能在开放区域自由穿行于员工之间，而非仅限于围栏内。 其次，该车队目前由“DeepFleet”进行协调——这是一种生成式人工智能（AI）交通模型，亚马逊表示它能将机器人的行进时间缩短10%，这提醒我们，软件协调正是成熟部署中获取下一阶段效率提升的关键所在。 第三，该公司报告称，其最新的机器人履行中心在可靠性、维护和工程岗位上需要增加30%的员工，这量化了一个所有采购方都应纳入预算的现实：移动机器人并非取代劳动力，而是促使劳动力进行技能转型。

在制造业领域，宝马集团的雷根斯堡工厂是混合车队协调管理的最鲜明的公开案例。该工厂运行着近50列自动化牵引列车和140多台“智能运输机器人”——这些与弗劳恩霍夫物料流与物流研究所联合开发的平板运输车，可承载重达一吨的零部件。 它们共同在每个工作日完成约10,000次零部件配送，为每57秒生产一辆汽车的装配线提供支持。

该车队将不同制造商生产的自动化和自动驾驶车辆整合到一个基于云的交通控制系统之下，而该工厂正逐步将自动驾驶堆高机和叉车接入同一网络。对于买家而言，雷根斯堡的案例表明，真正的价值在于协调层，而非任何单个车辆。

新兴应用场景

部署的前沿正朝着三个明显的方向推进。第一是操纵。我们之前的文章曾记载，复合机器人——即配备机械臂的移动底座或完整的轮式类人形躯干——在2026年上半年以41款新品发布量成为最大的新品类别。 这一新品浪潮现已席卷生产车间：Hikrobot透露，其自有制造基地中正在对轮式类人机器人和四足机器人进行测试，用于装卸、拣选和运输任务。那些原本仅能搬运物品的机器，正在学习如何触碰物品。

第二个发展方向是小规模机队、订阅式定价的部署模式。国际机器人联合会（IFR）公布的“机器人即服务（RaaS）”42%的增长数据，以及本周O'Neill公司签订的24台机器人合同（该合同明确采用基于绩效的租赁模式），都指向同一个结论： 准入门槛已从七位数的资本项目，降至中型仓库可在部门层面批准的月度运营支出。

第三个方向是AI驱动的车队调度，这一趋势在规模的两端均有体现：亚马逊的DeepFleet拥有百万台机器人，而宝马的云端交通控制系统则协调着数百台机器人。 随着车队密度不断增加，制约因素正从车辆性能转向交通管理，因此，当今评估供应商的买家应至少将车队软件路线图与硬件规格给予同等重视。

部署就绪度视角

为了将部署案例转化为采购工具，我们针对上述四种经过验证的部署原型，依据采购方在投入资金前必须回答的五个问题进行了评分。 该框架为本报告所独创；其局限性在于，它是基于旗舰部署案例进行概括得出的，而这类案例从定义上讲，其资源配置通常优于典型的首个项目，因此应将其视为定位辅助工具，而非预测模型。

这四种原型分别是：超大型履约网络（亚马逊）、协调式工厂（宝马雷根斯堡工厂）、工期紧凑的中国工厂（一汽丰田和长安汽车）以及小型车队 RaaS 仓库（奥尼尔）。 这五个准备度问题涵盖任务可重复性、设施稳定性、集成深度、劳动力转型以及规模化意图。 评分详情见附表，但核心发现是：对于没有专职自动化工程团队的买家而言，“小型车队RaaS”原型是唯一可行的选择；而“协调式工厂”原型之所以能实现每台机器人最高的投资回报率，恰恰是因为它要求最深层次的集成。 那些未能将原型与组织状况相匹配、试图用奥尼尔规模的团队来实施“雷根斯堡式”协调项目的买家，占了业内不愿公开的停滞试点项目中的很大一部分。

表1：部署准备度分析框架

这些模式源自企业公开的部署案例：亚马逊新闻室（2025年6月）、宝马集团新闻稿（2024年10月）、Hikrobot客户披露信息（2026年7月）以及Robust.AI/奥尼尔物流公告（2026年7月）。旗舰部署项目所获资源通常比典型首期项目更为充裕；可将其作为定位参考

仅供参考，并非预测模型。

第二张参考表将主要行业与其主导任务模式及典型车辆类别进行了对应，将本文及前两篇文章的内容整合到一页中，供采购人员在内部传阅。

表 2：移动机器人的应用领域

数据来源包括国际机器人联合会（IFR）《2025年世界机器人报告》中的服务机器人统计数据，以及厂商自行披露的数字（这些数据未经独立审计）。

核心结论

部署记录向采购负责人清晰地传达了三点信息。首先，这一资产类别已在所有重要规模上得到验证——无论是租赁合同中的24台机器人，还是由中央AI控制的一百万台机器人，因此技术风险已不再是推迟采购的正当理由。 其次，部署模式之间的差异远大于机器人机型本身的差异，选择适合贵组织工程技术深度的部署模式，比在竞争对手的机器人品牌之间进行选择更为重要。第三，技术前沿正从移动转向操作，从硬件转向协调软件，这意味着在选择供应商时，除其他标准外，还应以其车队管理路线图作为重要评判依据。 明天的文章将探讨每位买家最终都会面临的下一步，并深入分析这些机器的实际成本——从官方定价到正在重塑市场准入门槛的租赁经济模式。

免责声明

本文仅供一般参考，不构成采购、投资或其他专业建议。数据源自公司披露信息，

行业协会统计数据，以及截至2026年7月28日信息截止日被认为可靠的新闻资料，其中注明了原始币种，并按参考汇率提供了近似美元（USD）折算值。归因于制造商的部署表现声明均为其自行报告，尚未经过独立审计。 读者在做出商业决策前，应直接向供应商核实最新数据和条款。