OTTO 25 台双臂机器人接管退货分拣：背后 3.5 亿欧元 AI 投入
退货是电商最难自动化的一环，因为下一个包裹里是什么，没人知道。
10 月 28 日，德国零售集团 OTTO 与斯图加特的物理 AI 公司 Sereact 宣布，在 OTTO 集团位于波兰的物流中心分两阶段部署 AI 控制的双臂机器人，专攻退货的抓取、识别、定级与分流。
第一阶段上 10 套双臂系统。视第一阶段结果，第二阶段再加 15 台机械臂，合计 25 台。第二阶段是有条件追加，不是既定承诺。
这是一个共同开发项目，不是投产公告。OTTO 说得很清楚：只有第二阶段跑通，才会评估是否在整个物流网络铺开。
一、先十台再十五台
官方新闻稿里有一处口径差，值得先说。
提要部分写的是「最多 25 台 AI 控制的双臂机器人」，正文的表述是「先部署 10 套双臂系统，第二阶段再加 15 台机械臂」。前者按「台」计，后者按「套」与「臂」分别计，两者并不严格等价。
本文按正文表述：10 套系统起步，后续追加 15 台臂。
节奏也是刻意设计的。两个阶段之间不是简单复制，每一阶段都会产出运营反馈，用来改进系统、适配大规模退货处理的要求。OTTO 集团供应链管理副总裁 Martin Umland 的说法是，这个项目让它「在真实规模上」看清物理 AI 能走多远。
真实规模这个词有分量。退货中心的难，不在于单件难抓，而在于输入的分布不可预测：今天是一批连衣裙，明天是一箱鞋，后天是缺了原包装的小家电。
二、没有目录的场景
传统仓库自动化的前提是「知道来的是什么」。SKU 有编码、有尺寸、有固定包装，机器人按预设程序动作。
退货把这三个前提全打破了。商品回来时是褶皱的、被重新装袋的、原包装缺失的，而且多品类零售商的商品结构每周都在变。
Sereact 的解法是 Cortex 模型：不做逐 SKU 教学，不依赖固定商品目录，直接对从未见过的物体做泛化，实时判断怎么抓、什么状态、往哪条线分流。
Sereact 首席执行官、联合创始人 Ralf Gulde 的比喻很直接：一个只认识昨天目录的机器人，在退货中心没什么用；Cortex 必须应付下一个包裹里出来的任何东西。
这句话背后是一个产品判断。在退货场景里，模型的价值不在于对已知商品有多准，而在于对未知商品的失败率有多低。这两件事的优化路径完全不同。
三、在仿真里练手
训练链路建在英伟达的物理 AI 栈上。
第一步是 Isaac Sim 与 Isaac Lab：把产线上的真实拣选扩成数千个仿真变体，让同一件商品在虚拟环境里出现不同姿态、不同遮挡。第二步是 Cosmos 世界模型，重渲染衣物的褶皱状态、包装形态、材质与光照。第三步是在 Blackwell GPU 上对新的策略做后训练，再用留出的测试样本验证，通过后才上线。
官方的说法是，机器人在某件商品上卡住时，修复可以作为一次经过验证的更新在几天内回到产线，而不是几周。
这条链路的意义不在技术栈本身，而在迭代速度。退货的品类结构随季节变化，如果每次换季都要重新采集数据、重新标注、重新训练，项目在经济上就不成立。
一周前的 10 月 21 日，Sereact 还与英伟达、Nebius、CEVA Logistics、Zalando 宣布，在 CEVA 的履约中心为 Zalando 的退货处理搭了同一套闭环训练链路。同一个模型、同一种「几天而非几周」的更新节奏，说明这不是一次孤立的演示。
四、按结果买单
商业模型是 RaaS，机器人即服务。
Sereact 负责运营与维护，OTTO 不为设备付一次性采购款。对零售集团来说，这把资本开支换成了运营支出，也把技术风险部分转移给了供应商。
人的位置没有被删除，但工作内容变了。员工从重复抓取与搬运，转为监督、异常处理与最终质量判定——官方特意强调，这些环节依赖经验与判断。
这套说法在仓储自动化里很常见。真正决定成败的是比例：一个班次里，多少件能无人处理，多少件必须人工兜底。这个比例官方没给。
Sereact 的体量也值得放进来对照。公司在 2026 年完成 1.16 亿美元 B 轮，客户名单包括 OTTO、Zalando、IKEA、DHL、Rohlik、Arvato、alza.cz、BMW、Mercedes-Benz、Daimler Truck 共 10 家。OTTO 不是它的第一个零售客户，这单更像场景加深，而不是新客拓展。
同样没给的还有：吞吐量、分拣准确率、单台成本、合同金额、正式投产日期。缺了这几项，任何关于「效率提升多少」的推算都是外部猜测。
五、3.5 亿怎么算
3.5 亿欧元是 OTTO 集团的中期技术与 AI 投入承诺，不是这个项目的预算，也不全是给机器人的钱。
把它和项目放在一起看，能读出另一层意思：退货自动化在 OTTO 的优先级不低，但它仍处在「验证」科目下，而不是「扩张」科目下。10 台先跑，跑通了再加 15 台，跑通了才谈全网复制。
这也解释了为什么是 RaaS。如果一次性买 25 台设备，试点失败就是资产减值；按服务付费，失败最多是一段合同期。
对卖家来说，这件事的关联比看上去近。退货处理的速度与定级，直接决定了退款时效、二次销售比例和逆向物流成本。如果机器人能把「开箱—判定—上架」压缩到小时级，二手与折扣渠道的流转效率会跟着变。
真正的考验不在发布会。等到圣诞旺季后的退货高峰，25 台机器能不能在品类混杂、包装残缺的输入下保持稳定，才是这套方案能否走出波兰那个物流中心的关键。
到那时，「在真实规模上」这句话，才会有可验证的答案。
六、参考资料
- Otto Group 与 Sereact 联合公告（GlobeNewswire）：《Otto Group and Sereact Bring NVIDIA-Powered Physical AI to Returns Processing》
- Yahoo Finance：《Otto Group and Sereact Bring NVIDIA-Powered Physical AI to Returns Processing》
- AI Frontier Post：《Otto Group puts AI robots on its returns line: 25 Sereact systems to grasp, grade and sort what shoppers send back》
- The World of AI：《Otto Group and Sereact Bring NVIDIA-Powered Physical AI to Returns Processing》
- Ava：《Otto Group and Sereact to Deploy Up to 25 NVIDIA-Powered Robots for Returns Processing》
- Things of Business：《Otto Group and Sereact Bring NVIDIA-Powered Physical AI to Returns Processing》