一期 10 台、二期最多 25 台，上线日期和绩效一概不说：德国零售巨头的退货仓，先买了一个「可以不算账」的试点
德国零售巨头在波兰的一个物流中心，先上 10 台双臂机器人处理退货，跑得好再加到 25 台。合同金额、上线日期、绩效指标，三项全部不披露。RaaS 本来是为了让客户更容易说「yes」，这一次却连「账怎么算」都没给。
- 事件：Otto Group 与 Sereact 2026-10-28 宣布，在德国零售集团位于波兰的一处物流中心部署最多 25 台 AI 双臂机器人，处理退货的分拣与检查。
- 分期节奏：一期先上 10 台；二期视一期表现，最多增至 25 台。分期部署，不是一次性铺满。
- 为什么难：退货商品形状、包装、状态各不相同，可能是破损的、重新包装过的、或者干脆没有原包装——这与正向仓「同类同规格」的拣选逻辑完全不同。
- 技术栈：Sereact 的 Cortex 底座系统让机械臂无需逐件编程即可识别与操作；策略训练在 NVIDIA Isaac Sim、Isaac Lab、Cosmos 的仿真环境中完成，再迁到真机。
- 商业模式：RaaS，由 Sereact 负责运营这些机器人。合同金额、经常性服务费、首批系统开始常规运营的日期、绩效数字——四项全部未披露。
- 已有先例：10 月初 Sereact 与 Zalando、CEVA Logistics 在德国和波兰的物流中心已有双臂系统投入实际运行，本次 Otto 是另一个新项目。
把这次部署里最反常的一件事先说出来：一个 RaaS 项目，连「按什么算钱」都没公布。
机器人即服务（RaaS）的全部意义，是把客户的一次性资本开支换成按使用量或按结果付费的经常性支出，从而把「买不买」这个高门槛决策，降级成「用不用」这个低门槛决策。这个模式要成立，前提是计费口径必须清楚——按台月、按件、按班次，总得有一个。
Otto Group 和 Sereact 这次给出的信息是：一期 10 台，二期最多 25 台，波兰的一个物流中心，处理退货。合同金额不披露，经常性服务费不披露，什么时候正式上线不披露，跑得怎么样也不披露。
判断：这不是媒体漏问，是刻意留白。一个已经签了合同、定了台数、定了场地的项目，唯独不公布时间和结果，说明这个阶段的定位是「技术可行性验证」，不是「经济性验证」。对客户来说，这一期要回答的问题是「机器人能不能处理这些乱七八糟的退货」，而不是「处理一件退货比人便宜多少」。
正向仓的拣选，商品是标准化的：同一个 SKU、同样的包装、同样的重量，机器人抓一万次都是同一个动作。这是过去十年仓储自动化能吃下的那块市场。
退货仓是反面。退回来的东西可能是拆过的、压坏的、缺件的、换了包装的，甚至可能是别的商品装错了盒子。形状不规则、状态不确定、SKU 高度混杂——这三个特征叠加，把传统的位置固定式自动化全部排除掉了。
这也解释了为什么退货处理至今仍是劳动密集型环节。它不是「搬运」问题，是「判断」问题：这件东西还能不能二次销售？该退回供应商还是报废？该重新包装还是原样上架？
| 维度 | 正向仓拣选 | 退货仓处理 |
|---|---|---|
| 商品状态 | 标准化、包装完整 | 拆封、破损、换包装、缺件均可能出现 |
| SKU 混杂度 | 按订单批次组织，可控 | 高度混杂，无批次规律 |
| 核心动作 | 定位 + 抓取 + 投放 | 识别 + 状态判断 + 分类 + 再包装 |
| 自动化难点 | 节拍与准确率 | 长尾物体的泛化判断 |
| 现有自动化程度 | 较高 | 低，大量依赖人工 |
判断：Sereact 的 Cortex 打的正是「无需逐件编程」这一点。如果这个能力成立，它解决的不是效率问题，是「上线成本」问题——传统自动化每上一个新 SKU 都要工程师重新示教、重新调参，退货仓的 SKU 波动太大，这个成本会把整笔投资拖垮。Cortex 若真能做到「看到就能抓」，退货仓才第一次具备了自动化的经济前提。
公告里提到的技术栈有一处细节值得单独拎出来：策略训练用的是 NVIDIA 的 Isaac Sim、Isaac Lab 和 Cosmos，在仿真环境里训练完成后再部署到真机。
这不是可选项，是必需品。退货仓的长尾物体，你在现实里永远采不全——你没法为了训练一个模型，把过去三年所有退回来的奇葩商品都收集一遍。仿真能做的，是按物理规律生成大量「可能的形状与状态」，让策略在上真机之前先见过足够多的变化。
但仿真也有它的问题：仿真里抓得住，不等于真机上抓得住。布料、软包装、透明薄膜、反光表面，这几类物体在仿真里的物理建模至今不准。退货商品里恰好大量是这几类。
判断：这就是「一期 10 台」这个数字的真实含义。10 台不是一个小规模部署，是一个故意的样本量——足够覆盖这个仓的主要退货品类，又小到即使全线失败也不会造成运营事故。用 10 台去验证 25 台的可能性，这是个理性的工程决策。
Otto Group 是德国最大的零售集团之一，做的是邮购起家的多品牌电商。电商的退货率天然高于线下——服装品类尤其高，行业里普遍在两位数百分比。
退货对零售商是双重成本：一方面要付人工处理费，另一方面退货商品如果不能在窗口期内重新上架，就变成减值。所以退货仓的效率，直接连着毛利。
这解释了为什么这个项目选在波兰。波兰是欧洲的物流枢纽之一，人力成本低于德国本土，但同时也在快速上涨。放在波兰做，既能控制成本，又能提前验证「人力成本涨上来之后」的解法。
判断：Otto 选这个场景的顺序很讲究——先做退货，不做正向拣选。原因是正向拣选的自动化已经很成熟，用机器人替代的边际收益有限；而退货处理几乎全是人工，任何一点自动化都是净增量。换句话说，这不是一个「用机器人提升效率」的项目，是一个「用机器人进入一个此前无法自动化的环节」的项目。后者的战略价值大得多，风险也大得多——所以才要分两期。
公告之外还有两个背景值得记。
第一，10 月初 Sereact 与 Zalando、CEVA Logistics 宣布，双臂机器人系统已经在德国和波兰的物流中心投入实际运行。也就是说，Otto 这个项目不是 Sereact 的第一次退货仓部署，而是第三次（至少）同类落地。这一点很重要：它说明这家公司已经有了可复制的交付流程，而不是在做一个孤立的样板。
第二，Sereact 同期还宣布与 Teradyne Robotics 合作，把 Cortex 软件装进 Universal Robots 的机械臂。这是一步平台化的棋——把软件能力从自有整机上解耦，装到别人的硬件上卖。
判断：这两步合起来看，Sereact 走的是一条「先做项目、再做产品、最后做平台」的路径。项目（Otto、Zalando、CEVA）用来验证场景和积累数据；产品（Cortex + 双臂系统）用来标准化交付；平台（装进 UR 机械臂）用来扩大装机基数。这条路和国内很多具身公司「先做通用本体、再找场景」的顺序正好相反，风险更低，天花板也更低。
媒体对这类新闻的常规处理是：拿到台数就写「加速落地」，拿到客户名就写「再获大单」。这次两者都有，但最关键的四个数字一个都没有。
在这种情况下，唯一诚实的读法是把它当成一个阶段性信号，而不是一个商业成果。信号的内容是：欧洲最大的零售集团之一，愿意在一个真实运营的仓里，让机器人接手退货处理这个环节——哪怕只是 10 台，哪怕不给数字。
这个信号的强度，其实比台数更高。因为退货处理的容错率低于正向拣选：一件商品分错类，可能就直接报了废。愿意在这个环节做试点，说明客户对系统的判断能力有基本信心。
接下来真正该等的，不是二期那 15 台，而是第一个公开数字。退货处理自动化这件事，最终一定要落在一个数上——比如「单件处理成本下降百分之多少」，或者「退货上架周期从几天压到几小时」。这个数字出现之前，所有关于「具身智能进仓储」的说法，都还停在试点阶段。