当无人机越来越多地出现在仓库货架之间，它所承担的角色正在发生变化。从早期需要人工遥控的条码扫描工具，到能够在黑灯环境自主起飞、导航、读取库存、返回充电并将异常数据直接发送给WMS，仓库盘点无人机已经成为内部物流自动化中一个相对独立的技术分支。2026年以来，包括Corvus Robotics、Verity、Gather AI、EYESEE、Infinium Robotics、B GARAGE以及德国doks. innovation等企业都在这一市场推进不同技术路线，仓库盘点无人机由过去零散的PoC概念验证进入多仓复制阶段的趋势正在变得越来越清晰。

其根本驱动力并不是“用无人机替代人工”这么简单，而是仓库长期存在一个结构性问题：WMS记录的是理论库存，而货架上存在的是真实物理库存。叉车每完成一次入库、移库、补货或者拣选，都可能产生新的库存位置变化，如果操作人员漏扫条码、放错货位、标签损坏或者系统录入错误，数字世界与物理世界就会逐渐偏离。传统解决办法是周期盘点，但高位货架盘点通常需要工作人员使用前移式叉车、拣选车或升降设备逐层读取标签，不但速度慢，而且占用叉车和人员，还涉及高空作业风险，因此大量仓库只能半年、季度甚至一年进行一次大范围实物盘点。

仓库盘点正在从“人工任务”变成“持续感知”

Corvus Robotics目前采用的是高度自主化路线。其Corvus One依靠机载AI、计算机视觉和自主导航，在没有GPS的仓库内部自主定位，无需操作员驾驶，也不需要大规模安装定位信标或反光标记。无人机能够自行起飞、扫描货架、返回基座充电，然后继续执行任务，并通过API把实际库存与WMS数据进行比较。公司2026年又推出能够在最低约-20°F，也就是约-29℃环境运行的冷链版本，使这一技术进一步进入冷冻仓库。

其商业化规模也在扩大。美国大型酒类分销商Southern Glazer's Wine & Spirits在不到18个月内，将Corvus系统扩展到9个配送中心，部署超过40架无人机，累计执行超过5000次飞行，并验证出3.5万多个库存差异。过去按季度进行的储备库存核验提高至大约每两周一次，每周还能够释放约60至70个人工工时用于处理更高价值的库存问题。GNC在两个配送中心部署Corvus One后，完整库存覆盖频率从每年约2至4次提高到10至12次，一个月可以检查约3.1万个货位；工业电缆及连接产品企业LAPP USA则把原来一年大约两次的完整库存检查提高到26次，相当于盘点覆盖频率提高13倍，其库存团队也由5人调整到2人，其余员工被重新安排到拣选和生产等岗位。第三方物流企业Staci Americas则已经进一步发展到“黑灯盘点”，部分仓库在工作人员离开后的6至8小时内由无人机自主执行扫描，系统在早班人员到达前把异常信息发送至WMS，企业披露应用后的库存准确率提高到99.8%至99.9%左右。

这些案例说明，仓库盘点无人机真正改变的并不是“谁来扫码”，而是库存数据产生的频率。过去企业可能每季度甚至每半年才重新确认一次实物库存，而现在越来越多仓库开始尝试每周、每天甚至利用夜间时段持续扫描。盘点由一个阶段性项目，开始转向持续运行的数据采集流程。

Corvus、Verity、Gather AI等正在形成不同技术路线

另一家重要企业是瑞士Verity。Verity创始人Raffaello D'Andrea同时也是Kiva Systems联合创始人，后者被亚马逊收购后发展成为Amazon Robotics的重要基础。Verity很早便将自主飞行技术引入仓储盘点，目前的解决方案通过无人机自主读取托盘条码、采集照片和三维数据，再与WMS进行比对。IKEA是这一领域最具代表性的早期大规模用户之一，双方合作开发自主库存检查系统，让多架无人机在人离开后自动从充电站起飞，对高位货架进行扫描，然后自动返回充电。

全球物流企业Maersk也选择了Verity，其早期项目在美国迈阿密仓库展开，通过API把无人机系统直接与WMS连接。Maersk公布的项目结果显示，库存人员人工扫描和寻找商品的工作量下降约90%，管理人员处理库存差异所需时间下降约50%，随后公司制定了向更多美国仓储设施扩展的计划。Verity在欧洲还有一个颇有代表性的审计场景，DSV位于荷兰Tholen的仓库为Scholl提供物流服务，过去进行年度Wall-to-Wall全仓盘点时，需要暂停仓库运营、增加临时人员，并花费数天检查近1.2万个托盘位置；采用Verity无人机后，盘点可以转移到非运营时段完成，相关直接库存成本据披露下降约50%，更重要的是这一方式获得了独立审计机构认可。

这说明盘点无人机正在跨越另一个门槛——从内部运营工具进入财务审计和合规领域。一旦无人机采集的图片、时间戳、条码记录以及位置数据能够形成可靠证据链，它产生的数据价值就不再局限于“找到货物”，还可以用于库存资产确认、客户纠纷处理以及第三方审计。

Gather AI则采用不同路线，它更强调AI视觉和库存数据平台，而不是把竞争重点全部放在专用无人机硬件上。无人机采集条码、批次、有效期、箱数和货位图像，AI平台再将视觉结果与WMS进行核对并发现异常。GEODIS的一项应用数据显示，过去4名人工工作一个班次大约可以扫描800个货位，采用Gather AI后，单架无人机可以扫描约1200个位置，盘点时间减少约50%，整体生产效率提高约5倍。这类路线说明仓库盘点无人机正在逐渐形成两层市场：一层是无人机、导航、充电和传感器组成的物理机器人平台；另一层则是计算机视觉、OCR、库存异常识别、WMS接口和数据分析平台。未来真正有价值的企业未必单纯依靠“造一架更好的无人机”，而是能够把两层连接起来。

从专用无人机到“软件+数据+机器人平台”

法国EYESEE则是欧洲另一条重要技术路线，其系统最早由Hardis Group与专业无人机企业Squadrone System联合开发，后来由Darwin Drones推动国际化。EYESEE无人机能够自动读取最高约20米货架上的一维和二维条码，系统由无人机、平板应用和EYESEE Cloud组成，并可以与WMS或ERP交换数据，公开客户包括L'Oréal、DHL、Bayer和Volvo Trucks等。L'Oréal早期应用EYESEE就是一个典型案例，其法国物流中心拥有约2.5万个托盘货位，传统年度库存检查需要十多台高空设备参与，引入无人机后，完成相关库存工作的时间减少约三分之二，而且不再需要为了年度盘点连续关闭物流中心数天。

值得注意的是，Darwin Drones在2026年推出新的EYESEE Air后，又进一步提出“hardware-agnostic”，即弱化对单一专用无人机硬件的绑定，将核心能力转向自主飞行软件、数据采集以及库存管理平台。这个变化本身就说明，仓库无人机行业正在从硬件竞争向“软件+数据+机器人平台”竞争发展。

德国doks. innovation则源于由Fraunhofer IML参与的InventAIRy研究项目，其思路是利用自动化机器人和无人机完成库存数据采集、分析、可视化和存档。InventAIRy XL等方案曾采用无人机与移动机器人组合，由机器人提供移动基础平台，无人机负责垂直方向扫描高位货架，从而试图兼顾续航和高位数据采集能力。新加坡Infinium Robotics采用的方案更加特别，其Infinium Scan把无人机与地面移动机器人通过系留方式组合起来，由地面机器人提供持续供电和移动能力，无人机负责升降并读取不同高度货位，因此避免传统小型无人机十几分钟后必须返回充电的问题。该系统可以读取条码、二维码并利用视觉AI进行箱数识别，公开应用涉及Chevron Oronite以及Coca-Cola Europacific Partners等企业。

美国B GARAGE则开发专门针对仓库环境的全自主无人机，其方案包括自主无人机、自动换电和数据传输基站以及库存管理软件，企业强调不需要人工飞手、预先地图、定位信标或货架标记，并采用RaaS，也就是Robot-as-a-Service订阅模式降低用户初始投资。不同企业在导航、供电、充电方式、数据架构和商业模式上差异明显，这说明仓库盘点无人机已经不是一个单一产品市场，而正在形成多个技术子路线。

无人机并非唯一答案，叉车视觉正在加入竞争

但仓库无人机行业并不是一条只有成功案例的单向发展路线，美国Vimaan的经历尤其值得关注。该公司从2017年至2022年长期采用无人机进行仓库库存采集，并表示曾在北美完成大量仓库飞行任务，但经过多年实际运营之后，Vimaan在2023年决定停止以无人机作为主要周期盘点设备，转而推出安装在叉车、拣选车等现有物料搬运设备上的StorTRACK计算机视觉系统。

Vimaan给出的原因非常具体：无人机续航时间有限，即使能够自动充电，也需要更多无人机才能完成大规模任务；飞行设备与人员同时存在于仓库通道具有潜在风险；无人机执行任务时还可能占用通道，影响叉车上架和拣选。这实际上提出了仓库无人机行业最重要的一个问题：无人机一定是库存数据采集的最佳机器人形态吗？

答案并不是所有场景都一样。在10米、15米甚至20米的高位货架区域，无人机具有非常明显的垂直机动优势，传统AMR和地面机器人无法直接接近高位标签，而让工作人员乘坐拣选车逐层扫描成本很高；在夜间、周末、冷库以及黑灯仓库中，无人机的优势更加突出。但是，如果仓库每天都有大量叉车沿同样路线运行，那么把视觉系统直接安装在叉车上，可能同样能够持续采集库存数据，而且无需增加新的飞行机器人。

这一变化也正在推动无人机与叉车从“替代关系”转向“协同关系”。Corvus Robotics目前除了Corvus One无人机之外，又推出Corvus Trident叉车端AI系统，其思路就是让无人机采集“静态库存”，让叉车采集“移动中的库存”，最后把两种数据合并。传统盘点过程中，叉车、前移式叉车以及高位拣选车经常需要承担把工作人员送到高货位进行检查的辅助任务，这不仅占用价值更高的搬运设备，还增加人员高空作业以及仓库人车混行风险。无人机完成高位库存扫描之后，叉车可以更多回归托盘搬运、上架、补货和订单拣选等核心任务，而无人机本身又无法完成货物移动，如果无人机发现某个托盘放错位置，最终仍需要叉车、自动叉车或者AMR进行纠正。

因此，未来仓库更可能形成“无人机负责看、叉车负责搬、WMS负责管理”的协同体系。真正值得关注的趋势，并不是简单的“无人机替代人工”，而是仓库开始建立新的机器感知层。过去WMS知道的是“系统认为货物在哪里”，叉车执行的是“把货物搬到哪里”，工作人员负责确认“货物实际上在哪里”；现在无人机、叉车视觉系统、固定摄像头、RFID以及AMR可以持续验证现实世界，WMS第一次有机会不断获得真实物理仓库的反馈。盘点正在从一项周期性的工作变成一种持续的数据流，未来可能不再存在传统意义上“每半年进行一次全面盘点”，而是每天、每班甚至每一次货物移动后，系统都能够重新确认实物库存。无人机的战略价值也将由“节约几个盘点工人”转向为仓库数字孪生提供真实世界数据。

对中国的启发：机会不只在“造一架无人机”

这一趋势对于中国市场尤其具有启发意义。中国拥有全球规模最大的制造业体系，同时拥有庞大的电商仓库、制造业零部件仓库、汽车及动力电池工厂、冷链仓库、医药仓库、保税仓和第三方物流园区；另一方面，中国还是全球最大的民用无人机产业基地以及最大的工业车辆生产国之一。理论上，中国同时具备发展仓库无人机最重要的三个产业条件：无人机制造能力、叉车和移动机器人产业链，以及庞大的仓储应用场景。

但从目前全球公开商业项目看，在“自主仓库盘点无人机”这一非常具体的细分领域，形成鲜明国际品牌和大规模公开案例的企业主要仍集中在美国、瑞士、法国、新加坡和德国。中国企业在消费级无人机、工业无人机、无人机供应链和制造成本方面具有明显优势，但将这些能力转换成成熟的仓库库存解决方案，还有很大的产品化空间。

首先，中国企业不应简单地把一架现有无人机加上扫码枪，就定义为“仓库盘点无人机”。Corvus、Verity等领先方案真正的技术门槛已经转向GPS拒止环境下的自主导航、货架级定位、复杂标签识别、自动充换电、多机调度、WMS接口和异常数据处理，真正卖给客户的不是飞行器，而是“库存准确率”。其次，WMS和ERP集成能力可能比无人机本身更加重要。中国仓库同时使用SAP、Oracle、Infor、Manhattan，以及大量国产WMS、MES和ERP系统，如果无人机只是输出一堆图片，仍需要人工寻找异常，其价值有限，真正成熟的系统必须能够告诉管理人员哪个货位应该有什么、实际有什么、差异是什么、什么时候发生，并最好直接形成处理任务。

中国叉车企业同样有机会进入这个市场。中国已经形成全球最大的叉车产业体系，如果把摄像头、AI视觉和定位模块安装在每天运行的叉车上，让车辆在正常搬运过程中同步采集货架库存，再由无人机补充叉车难以覆盖的高位区域，可能比单纯复制欧美无人机方案更符合中国仓库的成本结构。未来甚至可以形成“无人机+人工叉车+无人叉车+AMR+WMS”的一体化库存感知体系。

冷链和审计则可能成为两个值得重点突破的场景。Corvus已经专门开发-20°F级别的冷库版本，核心原因并不仅是盘点效率，而是减少人员长时间进入低温环境。中国拥有庞大的食品冷链、医药冷链以及生鲜仓储体系，如果无人机能够在低温仓库完成夜间自主盘点，其安全价值和人工替代价值可能比普通常温仓更高。另一方面，L'Oréal、DSV与Scholl的案例说明，当无人机盘点结果可以被审计机构接受时，这项技术就由“仓库工具”进入企业财务和资产管理系统。对于拥有数十个甚至上百个仓库的大型制造集团而言，这可能形成一个远高于无人机硬件本身价值的软件和数据服务市场。

更重要的是，中国企业需要认识到，这个行业最终可能不会被称为“仓库盘点无人机行业”。随着Corvus把无人机与叉车视觉结合、Gather AI强化库存AI平台、EYESEE向硬件无关的软件架构演进，而Vimaan干脆从无人机转向叉车搭载视觉设备，行业真正争夺的已经不是“谁能造出一架会扫码的飞机”，而是谁能够以最低成本、最高频率获得仓库真实库存数据，并把这些数据变成可以直接驱动物流运营的决策。

无人机只是目前解决这一问题非常有效的一种机器人形态。从这个角度看，中国企业真正面对的机会远大于盘点无人机本身：谁能够把无人机、叉车、AMR、固定视觉设备和WMS连接成一个持续感知现实仓库的系统，谁就有可能掌握下一代智能仓库最核心的数据入口之一。