不训练就能分拣没见过的退货：Zalando 在德国和波兰的两座履约中心，把 RaaS 用在了最脏的环节
退货是时尚电商里最难标准化的一环——包装不规范、褶皱、形态随机。Sereact 的双臂机器人在两座欧洲履约中心上岗，靠的不是预训练，是「没见过也能抓」；交付方式也不是卖设备，而是按服务收钱。
- 落地事实：物理 AI 公司 Sereact、时尚电商 Zalando 与物流企业 CEVA Logistics 联合宣布，AI 驱动的退货自动化系统已在德国格雷文与波兰希维博津两处关键履约中心正式投入运营，由 Sereact 的 Cortex 平台支撑，双臂机器人执行。
- 技术口径：系统对此前从未见过的物品动态识别、抓取与分拣，无需针对特定商品做预训练，也不依赖预先设定的商品集合。
- 交付模式：以 RaaS（机器人即服务） 模式交付，被三方称为这项战略合作的第一个运营里程碑，目标是逐步推广至 Zalando 的整个欧洲物流网络。
- 资本关系：2026 年 7 月 Zalando 作为战略投资者参与了 Sereact 的 B 轮融资——在这条链路里，Zalando 同时是投资方与甲方。
- 判断：这个案例真正稀缺的不是「机器人会分拣」，而是三个条件同时成立：选最脏最难的环节、用按服务计费而不是卖设备、让客户同时成为股东。前两条是能力问题，第三条是欧洲工业自动化新公司常见的破局路径。
三方联合公布的内容不长：Sereact 提供物理 AI 平台 Cortex，Zalando 提供业务量与场景，CEVA Logistics 提供履约中心与运营。系统已经在德国格雷文和波兰希维博津两处关键履约中心投入实际运营，用双臂机器人自主处理退回的时尚商品。三方把这件事称为整个欧洲范围内扩大退货自动化这一计划的第一个运营里程碑。
技术上只有一句话值得反复读：系统能够对此前从未见过的物品进行分类——动态识别、抓取、分拣，不需要针对特定商品进行训练，也不需要预先设定商品集合。Sereact 首席执行官兼联合创始人拉尔夫·古尔德博士的原话被引述为：「如果一个系统只能处理它曾经见过的商品，那它在退货业务中根本无法运作。」
判断：这句话不是营销修辞，是退货场景的真实约束。退货件不像新品，没有统一包装、没有固定朝向、没有稳定形态，任何依赖「预先枚举 SKU」的方案都会在真实业务量下失效。所以把它当作一次「零样本泛化」的工业侧验证，比当作一次「又落地了」的新闻更有价值。
难度最高：退回商品往往包装不佳、形态凌乱，每一件的状态都不同。传统机器人预先编程的方式在这里基本无法应对，换一批货就要重新教一遍。
账最难算：CEVA 合同物流高级副总裁克里斯·沃尔顿的说法是，退货处理面临「极端的运营特性和规模、不可预测的数量、人工质检、季节性波动、价值衰减，以及不成比例的高单位成本」。
把这两条放在一起看，会发现选择退货作为切入点是一个反常的决定。通常的落地策略是先挑最标准化的环节——上料、搬运、码垛——把成功率和节拍做漂亮，再往难处走。而退货恰好反过来：形态最随机、批量最不稳定、验收标准最难写。判断：这背后是一个典型的商业判断——越是没人愿意碰的环节，一旦做通，替代性越低，定价权越强。CEVA 方面的表述也很直白：把退货从「成本驱动因素」转变为「可控的高性能服务」。这句话的落点是「可控」二字，说明甲方买的不是机器，是把一件不可控的事情变成可控。
机器人即服务这四个字被用得很滥，很多项目只做到了「设备按月租」。这个案例里，RaaS 的含义更接近责任转移：Sereact 承担系统的运行结果，CEVA 按服务采购，Zalando 拿到的是可控的退货处理能力。判断：这类模式能不能成立，取决于三件事——场景的业务量是否稳定到可以摊薄固定成本、系统的失败模式是否可被远程处理、以及责任边界在合同里有没有写清。公告里这三条都没有展开。
但有一条可以确认：Zalando 同时是股东与客户。作为股东，它有意愿提供真实业务量和容忍早期波动；作为客户，它能拿到其他客户拿不到的配合度。判断：这种双重身份是欧洲工业科技公司常见的破局路径——先由战略投资人提供第一个规模化场景，把系统跑稳，再拿着可验证的结果去谈第二个、第三个客户。代价是第一阶段的数据和口碑都打上了单一客户的印记，扩客时反而要额外证明「这不是定制项目」。
国内这两年机器人服务化的路径，主要压在文旅商演、门店运营、导览接待这类场景上，交付形态是「按天租」或者「按场次租」。而这条欧洲案例落在仓储履约的最末一段，形态是「按结果服务」。两者表面上都是不卖设备，实质上对能力的要求不一样。
判断：表演型租赁的失败是可以被观众容忍的——一段动作没做完，现场补一个解释就过去了。履约型服务的失败是直接变成成本的：一件退货分拣错了，后面要重新走一遍流程。这也是为什么退货自动化的合同条款会比演出租赁复杂得多。如果国内的服务化租赁要往「替人干活」的方向走，真正需要补的不是机器人本体，而是故障响应时间、责任划分和赔付标准这三份文件。
还有一条观察值得记下来：这条消息在中文侧是 10 月 16 日才由财经媒体成篇转述的，而事件本身发生在 10 月 12 日。四天的时间差说明一件事——欧洲仓储物流场景下的机器人落地，目前还处在中国读者需要靠二手转述才能获知的阶段。判断：对于做机器人二次开发和场景集成的一方来说，这个时间差本身就是机会：谁能更早把这类案例的做法翻译成可复用的交付模板，谁就能在客户提出「国外是怎么做的」这类问题时接得住。