AI 供应链与物流自动化深度研究

核心结论

• AI 供应链与物流自动化是少数已经跨过“演示型 AI”阶段、进入真实预算科目的 AI 垂直赛道。它直接挂接在企业已经存在的支出项上：供应链计划软件订阅、WMS/TMS/可视化软件、仓储自动化资本开支、维护服务、运输调度与履约外包合同，而不是单纯依赖“未来愿景预算”。Kinaxis、Manhattan Associates、Descartes、WiseTech、AutoStore、Kardex、Daifuku、KION、Symbotic 都已披露出 SaaS、设备、服务、订单、积压订单或部署扩张的实证数据。

• 已经产生真实收入、且收入确定性最高的场景，集中在“闭环决策+可量化 ROI”的环节。最成熟的是需求预测与供应链计划、库存与补货优化、WMS/TMS、货运可视化与 ETA、仓库执行与拣选优化、标准化仓储机器人/ASRS、包裹分拣自动化、运输路由与网络调度。因为这些场景能直接影响库存、服务水平、仓内人工、履约时效和运输成本，并且可通过合同续费、部署节点或项目验收计费。

• 仍处于试点、概念验证、低价竞争或“内部效率工具”阶段的场景也很清楚。包括：多数 ERP/云厂商的供应链 Copilot、纯可视化不闭环的“控制塔仪表盘”、仓库人形机器人、开放道路自动驾驶卡车的大规模商用、低密度最后一公里配送机器人、无人机在非特定高频场景中的普及，以及许多没有披露 ARR/部署数的 AI 原生供应链创业公司。

• 利润池短期内更可能留在“拥有工作流、数据、客户关系和实施能力的垂直平台公司”，而不是通用云基础设施。云厂商提供底座，但供应链的真正决策权和付费点，仍掌握在 Kinaxis、Manhattan、Descartes、WiseTech、SAP、Oracle、Blue Yonder、RELEX、o9 这类贴近计划、执行和跨企业协同的系统里。

• 物流公司和快递公司更多是 AI 的“利润率受益者”，不是最优的软件收入受益者”。DHL、C.H. Robinson、FedEx、UPS、Uber Freight、GXO、XPO 等的 AI 主要体现在报价、调度、客服、网络平衡、仓内用工、货损和异常管理效率提升；其中 C.H. Robinson 和 Uber Freight 的外部平台化程度更高，但大部分收入仍是运力/外包/服务合同，而不是独立出售的高毛利 AI 软件。

• AI 对供应链最先带来的，不是“彻底重构全球供应链网络”，而是四类硬结果：预测更准、库存更低、缺货更少、仓运人工与异常处理成本更低；只有当企业同时拥有网络、订单和数据主导权时，AI 才会进一步推动节点重构、微履约布局、库网平衡和运输模式切换。Amazon、Walmart、JD Logistics、MercadoLibre、Coupang 属于最可能把 AI 用到网络重构层面的公司。

• 仓储机器人已经不是概念，而是明确的收入池；但赛道内部差异极大。标准化、模块化、易复制、软件附着度高的公司更容易形成高毛利与复购，例如 AutoStore、Kardex、Locus Robotics；高度定制、强集成、长实施的公司虽然项目额更大，但收入确认、回款和毛利波动也更大，例如大型系统集成与综合自动化项目。

• 真正的“平台型赢家”并不多。在软件侧，更接近平台型的是 Manhattan、Descartes、WiseTech、Kinaxis、SAP、Oracle、Blue Yonder；在物理自动化与网络侧，更接近平台型的是 Symbotic、AutoStore、Kardex、DHL、JD Logistics、Amazon Robotics、Walmart。它们共同特点是：跨仓/跨节点/跨客户的数据闭环，加上较高的切换成本与实施依赖。

• AI 原生挑战者主要冲击的是传统计划软件、可视化工具、人工调度和人工经纪，而不是一夜之间取代 ERP。o9、RELEX、Aera、project44、Shippeo、Flexport、Uber Freight、Locus Robotics、Exotec、Geek+ 等正在吃掉传统预算，但真正能长期留存的挑战者，必须证明三件事：上线速度、ROI 回收期、客户扩张。

• 收入弹性最大的细分赛道并不是最“炫”的赛道，而是最容易复制的赛道。我更看重：AI 供应链计划、库存补货、WMS/TMS 控制层、货运与可视化平台、可复制的仓储机器人/ASRS，而不是人形机器人、纯概念数字孪生、无规模订单支撑的末端配送机器人。

• 利润率最好的赛道依然是软件和标准化硬件软件一体化平台。Descartes FY2026 调整后 EBITDA 利润率约 45%，AutoStore Q1 2026 调整后 EBITDA 利润率 44%，WiseTech FY25 EBITDA margin 约 49% 报告口径/53% 扣除 e2open 并购费用口径，Manhattan 与 Kinaxis 也都表现出高质量订阅增长和较强经营杠杆。

• 资本开支最重、回款最慢、实施周期最长的，集中在大型仓储自动化、综合分拣、深度系统集成、冷链自动化和高复杂行业定制项目。这也是为什么很多公司“技术很好”，但财务弹性不如预期：利润留给了安装、调试、售后与项目风险准备，而不是纯软件。

• 未来 12–24 个月的核心催化剂，主要不是新的大模型发布，而是五类运营数据。包括：ARR/RPO/云订阅增长、积压订单与系统部署数、机器人上线与复购仓库数、库存周转与履约成本改善、客户是否从“试点”转为“多节点扩张”。最大的风险则是客户资本开支放缓、项目延期、硬件可靠性、客户集中、AI 功能被 ERP/平台免费内置，以及通胀/劳动力/需求周期变化导致自动化 ROI 降低。

产业链全景与利润池

五阶段判定框架

为避免把“发布产品”和“赚到钱”混为一谈，本文用五阶段框架来判断商业化质量：

成熟公司的共同特征，是已经从“功能展示”跨到“收入确认与规模复制”。例如，Kinaxis 披露 ARR 增长 20%、RPO 接近 10 亿美元；Manhattan 披露 2025 年云订阅收入 4.081 亿美元；Descartes FY2026 服务收入 6.772 亿美元；AutoStore 持续披露订单、积压与高毛利；Symbotic 披露系统部署数升至 70。

产业链全景图

利润池到底会留在哪

我的判断是：

第一，利润池不会主要留在云厂商。Google Cloud、Microsoft、Oracle、SAP 都在加速推出 AI agent、supply chain twin、Copilot，但从当前付费路径看，客户仍主要为“业务结果”而不是“模型调用”付费。Oracle 甚至明确将部分 AI agents 作为 Fusion 应用的一部分推出，而非单独收取高额增量许可证；Microsoft Dynamics 365 Supply Chain 也在强调 Copilot 嵌入和工作流增强。

第二，利润池更可能沉淀在两类垂直主体。一类是拥有核心工作流和跨企业数据网络的软件平台，如 Descartes、WiseTech、Manhattan、Kinaxis。另一类是把硬件、控制软件、实施和维护打包并标准化的自动化平台，如 AutoStore、Kardex、Symbotic。前者靠订阅和高黏性续费，后者靠系统销售+软件+维护+扩容。

第三，物流运营商更像是“把 AI 转成利润率”的再分配者。DHL Group 在合同物流里过去三年投入超 10 亿欧元自动化，部署 7,500 多台机器人、20 多万台智能设备和 80 多万个 IoT 传感器，超过 90% 仓库具备自动化或数字化解决方案，这会提升产能弹性、合同续签与服务质量，但披露口径仍主要是合同物流利润和服务能力，而不是单独的 AI 软件收入。CH Robinson、FedEx、Uber Freight 也大致如此。

商业模式与成本结构

AI 供应链如何收费

哪种商业模式最适合长期投资

长期更优的模式，是订阅软件 + 可复制硬件平台 + 高复购维护，而不是完全依赖一次性项目收入。最典型的是四类：

其一，高黏性的执行/网络软件。Descartes FY2026 收入 7.29 亿美元，其中服务收入 6.772 亿美元、调整后 EBITDA 利润率 45%；Kinaxis FY2025 ARR 增长 20%、RPO 接近 10 亿美元；WiseTech FY25 CargoWise 收入 6.822 亿美元、99% 为经常性收入。

其二，标准化硬件平台。AutoStore Q1 2026 毛利率 72.7%、调整后 EBITDA 利润率 44%，说明标准化架构和伙伴渠道可以把自动化硬件做成较高质量的工业科技业务；Kardex 2025 也实现近 10 亿欧元 bookings 与超过 1 亿欧元 EBIT。

其三，强网络型软件+交易混合收费。WiseTech、Descartes、Uber Freight、C.H. Robinson 这类公司利用跨企业交易和运力网络，让 AI 提升定价、匹配和异常管理效率。只是其中 Uber Freight/CHRW 的收入仍更多体现为服务费与经纪利润，而不是纯订阅。

其四，内生网络运营商的平台外溢。DHL、JD Logistics、Amazon、Walmart、MercadoLibre 这类公司最容易把 AI 从内部效率工具变成对外可卖的履约、仓配、供应链服务，但由于财报口径大多不单独拆分，其投资判断更适合围绕合同物流利润率、仓库利用率、外部客户扩张来做。

AI 最容易降低与创造的价值

最容易被降低的成本主要有四类：库存持有成本、仓内直接人工、运输空驶/低装载率成本、客服与异常处理的后台人工成本。CH Robinson 已经披露 AI agents 完成超过 300 万项 shipping tasks，配合 Lean AI 转型推动费用下降与利润率改善；Uber Freight 的 AI 物流网络则已经有超过 16 亿美元货量通过 AI 物流基础设施运行。

最容易创造的新增收入则不是“卖一个聊天机器人”，而是三种更具体的东西：更高的订单接单能力、更短的履约时效带来的高价值合同、更强的跨境/关务/可视化软件渗透。WiseTech 对大型全球货代的 rollout、Descartes 的从合规到海关到 TMS 的交叉销售、Symbotic 向 Walmart 延展到 micro-fulfillment 方案，都符合这一逻辑。

不同客户类型的 AI 预算会花到哪里

这与 MHI 调查反映的企业优先级相吻合：库存可视化、预测分析、云化与自动化持续位于高优先级；Gartner 也把 autonomous operations、agentic AI 视为领先供应链的近期重点。

情景预测

基准情景是当前最合理的主线。它既不假设“自动仓一夜普及”，也不低估劳动力与关税环境对供应链再设计的推动。DHL、Walmart、Amazon、JD Logistics 的公开动作都说明：企业正在从单点提效走向网络级协同，但资本开支依然要求 ROI 可验证。

细分赛道判断

赛道矩阵

下表对用户列出的重点赛道逐一给出压缩结论。评分为 5 分制，越高代表投资吸引力越强。

最值得优先研究的五个细分赛道

AI 供应链计划与库存优化：因为这类软件最容易证明“库存下降、服务水平不降、现金流改善”，也是大型企业最愿意持续续费的模块。Kinaxis、RELEX、o9 的订单与 go-live 迹象都说明，这一赛道已越过“只讲故事”的阶段。

AI WMS/TMS 与跨企业执行网络：Manhattan、Descartes、WiseTech 是最典型的“软件利润池留存者”。客户一旦把仓、运、关务或执行网络运行在这些系统上，替换成本非常高。

标准化仓储自动化平台：AutoStore、Kardex、部分 Locus 模式更优，因为它们能够把硬件做成相对可复制的“平台销售”，而不是无穷无尽的非标工程。

AI 货运经纪与运输编排：真正改造对象不是 trucking 本身，而是人工报价、人工调度、邮件协同和异常处置。CH Robinson 和 Uber Freight 是最值得看其“AI 是否变利润”的代表。

跨境物流与关务/数据网络：全球贸易政策和关税波动，使跨境可视化、报关、关务与协调的价值上升。WiseTech 和 Descartes 的平台位置非常强。

标的总表与分层

优先覆盖样本总表

下表优先覆盖最具研究价值的代表性样本；对未披露或当前公开口径不足的字段，明确标注“未披露/需进一步验证”。

平台型赢家、AI原生挑战者、卖铲人、伪受益者、被冲击者

平台型赢家：Manhattan、Descartes、WiseTech、Kinaxis、SAP、Oracle、DHL、JD Logistics、Amazon、Walmart。它们共同拥有流程入口、跨节点数据、客户关系和执行闭环。

AI 原生挑战者：o9、RELEX、Aera、project44、Uber Freight、Locus Robotics、Exotec。它们最容易抢走传统计划软件、控制塔、经纪和人工仓储的预算。

卖铲人：Zebra、Cognex、Samsara、Honeywell、Rockwell/ABB/Keyence/Omron 一类感知层与工业边缘基础设施提供商。它们受益于自动化密度增加，但 AI 叙事大多通过设备迭代和软件附加，而不是直接享受物流 SaaS 估值。

伪受益或至少“证据仍薄”的一类公司/主题：大量只发布“Copilot/Agent”而没有单独价格、订单或客户扩张证据的 ERP/云功能；多数人形机器人仓储叙事；很多无人配送车/无人机故事；以及没有披露 ARR/部署数的供应链 AI 创业公司。

被冲击者：最危险的不是大型快递或高端 4PL，而是低差异化的人工报价经纪、人工调度、低端 WMS/TMS、本地化弱系统集成和低附加值仓储外包。公开市场上，这类资产很多没有单独披露 AI 曝光，因此我更建议按商业模式而非按单个股票名称来识别。CH Robinson 的 Lean AI 与 Uber Freight 的 AI logistics network，实际上已经在证明这一替代路径。

重点上市公司深度分析

Symbotic

Symbotic 是当前最直接的 AI 仓储自动化纯受益标的。它的商业模式不是卖“机器人概念”，而是卖整套 AI 驱动的仓储自动化系统、软件与部署服务。Q2 FY2026 收入 6.76 亿美元，同比增长 23%，调整后 EBITDA 7,800 万美元，部署系统数增至 70。公司与 Walmart 在 2025 年签署的交易与新协议，潜在可增加超过 50 亿美元未来 backlog，并新增 400 套 micro-fulfillment 相关系统机会。优点是订单大、行业替代空间广、平台控制力强；缺点是客户集中、项目交付与会计确认风险高。当前市值约 63 亿美元，P/E 仍无意义，市场更关注非 Walmart 客户扩张速度。结论上，Symbotic 属于 高弹性、高集中、高执行风险 的 A/B 交界标的。

Manhattan Associates

Manhattan 是 AI WMS/TMS/OMS 领域最优质的上市软件平台之一。FY2025 云订阅收入达 4.081 亿美元，高于 2024 年的 3.372 亿美元；Q4 2025 总收入 2.704 亿美元，云订阅收入 1.086 亿美元。它最大的优势在于：收入是实打实的云订阅，而不是“先做咨询再看看能否留住”。AI 对 Manhattan 的意义，一方面是提高仓内执行、劳动力、路由和库存编排能力，另一方面更重要的是强化客户换系统的难度和续费意愿。其商业化阶段已处于 规模化部署；主要风险是宏观环境放缓新签云订单，以及 ERP/平台厂商持续下沉。以当前约 82 亿美元市值和约 38 倍 PE 看，属于 高确定性、估值不便宜 的平台型赢家。

Kinaxis

Kinaxis 是 供应链计划软件里最直接的 AI 商业化标的之一。公司 FY2025 Q4 SaaS 收入增长 19%，FY2025 全年 SaaS 收入增长 17%，ARR 增长 20%，RPO 接近 10 亿美元，调整后 EBITDA margin 升至 25%。这说明两件事：第一，AI 计划并不是“概念功能”，而是客户愿意持续付费的核心系统；第二，随着新客户上云和老客户扩模块，盈利杠杆正在兑现。Kinaxis 的壁垒来自复杂约束规划模型、行业模板和实施经验，而不是简单的 LLM。它的主要风险在于大项目销售周期长、实施难度高、客户变更管理影响成单速度。整体上，Kinaxis 是 高确定性、高毛利、较强护城河 的 A 类候选。

Descartes

Descartes 是 物流软件平台中最强的“隐藏型复利资产”之一。FY2026 收入 7.29 亿美元，同比增长约 12%；服务收入 6.772 亿美元；毛利率 77%；调整后 EBITDA 3.295 亿美元，对应利润率约 45%。这类财务结构在物流科技里非常稀缺。Descartes 的关键不在单一 TMS 或 tracking，而在于其跨境关务、运输、可视化、合规和网络数据的组合能力。AI 对它的帮助主要是让异常管理、 ETA、承运商选择和合规自动化更强，但利润池本质上来自它已拥有的数据网络和客户工作流。它不是估值最低的公司，但属于 商业质量极高、平台属性极强 的典型。

WiseTech Global

WiseTech 在我看来是 全球跨境物流 AI/软件平台里最接近“操作系统”定位的公司之一。FY25 总收入 7.787 亿美元，同比增长 14%；CargoWise 收入 6.822 亿美元，99% 为经常性收入；Top 300 客户贡献了超过 70% 的 CargoWise 收入。到 2025 年底，公司已覆盖 57 家大型全球货代，之后又新增合同 rollout 至 59 家。其 AI 价值并不只体现在 GenAI，而是通过长期沉淀的跨境、关务、舱位、货代执行与协同数据，把“国际物流逻辑”产品化。真正的风险不是需求，而是治理争议、组织稳定性和个别大客户迁移噪音。整体判断：平台地位极强，护城河深，但治理折价不能忽视。

AutoStore

AutoStore 是 标准化仓储自动化里最值得研究的公司之一，因为它证明了仓储硬件也可以有接近软件的毛利结构。Q1 2026 收入 1.658 亿美元，同比增长 92.9%；订单 1.794 亿美元；积压订单 5.706 亿美元；毛利率 72.7%；调整后 EBITDA margin 44%。公司已在 63 个国家拥有约 1,850 套系统，服务约 1,300 个独立客户。其壁垒不是“机器人更炫”，而是网格化架构、安装速度、伙伴渠道和后续扩容便利性。最大风险是大客户延迟决策、 partner 渠道依赖和竞争对标准化 ASRS 的追赶。总体上，AutoStore 是 硬件自动化里商业模式最漂亮的一类。

Kardex

Kardex 是 被市场低估的欧洲中盘自动化受益者。FY2025 bookings 增长 24.1%，接近 10 亿欧元；收入 8.504 亿欧元；EBIT 首次超过 1 亿欧元。特别值得注意的是 Kardex AS Solutions 业务 bookings 增长 59.1%，这说明其在 AutoStore 生态、标准化系统和服务网络中的位置正在改善。Kardex 的优势在于介于大型集成商和纯设备商之间：既有一定标准化复制能力，又保留了服务与改造附着率。风险主要在工业周期和欧洲宏观。若从“预期差”角度看，Kardex 比很多更热门的机器人公司更值得深入。

KION 和 Dematic

KION 是 综合自动化与软件执行层的重要平台，其中 Dematic 是核心资产。2025 年 Supply Chain Solutions 收入 30.71 亿欧元，同比增长 4.4%；Q1 2025 该分部订单增长 17.8% 至 7.557 亿欧元。KION 把自己明确定位为“Supply Chain Solutions Company”，管理层也把 AI、自动化、数字化、劳动力短缺列为需求驱动。其优势是全球安装基础、服务能力和跨部分自动化到全自动化的产品梯度。短板是项目制业务天生存在毛利波动和执行风险。更适合作为 自动化周期与服务复苏的复合受益者，而不是纯软件估值逻辑。

Daifuku

Daifuku 是 全球自动化设备与分拣系统巨头中财务质量最稳的一类。FY2025 orders 6726 亿日元，sales 6607 亿日元，同比增长 2.6%，operating income 1008 亿日元，同比增长 24.4%，经营利润率升至 15.3%。管理层特别指出，cleanroom systems 的需求受 AI 半导体投资拉动。换句话说，Daifuku 实际上同时受益于 AI 数据中心/半导体与物流自动化两条主线。它的风险仍是大型项目周期和全球制造业资本开支波动，但相对多数工程型公司，其订单、项目管理和盈利纪律更强。

Zebra Technologies

Zebra 更像是 AI 物流卖铲人，而不是最纯粹的物流软件/机器人公司。2025 年公司先后完成对 Photoneo 和 Elo 的收购，其中 Photoneo 交易额约 6,200 万美元，用于增强 3D machine vision；Elo 交易额约 13.03 亿美元，用于扩大自助与前线工作流。对物流与仓储自动化来说，Zebra 的价值在于扫描、RFID、移动终端、视觉、边缘数据采集，是许多 AI 仓库和执行系统的感知层。市值约 124 亿美元、PE 约 31 倍，估值不算便宜，但相较纯软件又带有工业周期属性。更适合视作 自动化渗透率提升的上游基础设施受益者。

GXO Logistics

GXO 是 AI 更容易转化成利润率而不是软件收入的典型。公司 FY2025 创纪录收入，并且连续第三年新业务 wins 超过 10 亿美元。GXO 的差异化在于：它不是自己卖机器人，而是帮助客户把自动化和运营结合成合同物流方案，因此 AI 与自动化能提升招投标竞争力、站点效率和续约能力。公司也在试点 humanoid robots，但数量仍很少，说明这一方向还在验证期。GXO 更值得看“自动化站点占比、仓内效率、合同质量”而非单独 AI 收入。它是 运营平台受益者，不是 AI 软件直收款公司。

XPO

XPO 的逻辑是 用数据科学和机器学习改善 LTL 网络效率。公司公开强调其 proprietary software 与 XPO Smart 智能工具；外部摘要也提到 2025 年 revenue 约 82 亿美元以及 technology-led productivity。问题在于，XPO 的 AI 更像是改善 operating ratio、班线布局和服务水平，而不是带来 SaaS 化的额外收入。当前市值约 239 亿美元、PE 接近 69 倍，市场在很大程度上已经反映了“持续优化带来估值重估”的预期。因此，XPO 属于 改善逻辑真实，但短期估值已不算便宜 的案例。

C.H. Robinson

CHRW 是 AI 货运经纪最值得跟的上市样本。公司在 2025 年披露，其生成式 AI agents 已完成超过 300 万项 shipping tasks，且这些模型基于每年约 3,700 万票 shipment 的数据训练。Reuters 进一步指出，AI 已帮助其自动化报价、预约、跟踪等任务，并伴随费用下降和利润率改善。CHRW 的关键不是“AI 产品能不能卖”，而是 AI 是否正在压缩人工经纪成本并提升份额；从这个角度看，它已经提供了相当强的实证。当前市值约 205 亿美元，前瞻预期已经明显改善，但仍具备在周期复苏时进一步释放利润的可能。

J.B. Hunt

J.B. Hunt 的 J.B. Hunt 360 平台说明 传统运输公司也在做平台化升级。FY2025 revenue 为 120 亿美元，operating income 8.651 亿美元。公司持续强调其在线 multimodal marketplace 通过 J.B. Hunt 360 帮助 shippers 和 carriers 匹配负载并提高效率。问题在于，JBHT 的财务贡献主要仍来自运输与物流服务，而不是独立 AI 软件收入，因此需要把它看作 平台增强型运输公司。如果未来 freight 周期复苏，J.B. Hunt 360 的数字化能力确实可能放大利润弹性，但短期并不属于最高确定性的 AI 纯受益者。

DHL Group

DHL Group 是 最强的全球合同物流平台受益者之一。公司在 2025 年年报中明确披露，过去三年在合同物流内投资自动化超过 10 亿欧元，全球部署了 7,500 多台机器人、20 多万台智能设备和 80 多万个 IoT 传感器，超过 90% 仓库配备自动化或数字化解决方案。它还在尝试 agentic AI 来处理调度、状态查询和紧急订单协调。这些披露非常关键，因为它说明 DHL 的 AI 已经不是实验室项目，而是全球规模化运营基础设施的一部分。对投资而言，DHL 的价值更体现在 利润率韧性、签单能力和合同物流护城河。

JD Logistics

JD Logistics 是 中国与中东区域最值得跟踪的网络型平台之一。Reuters 披露，JD Logistics 目前在中国拥有 3,600 多个自营仓库，且已经在沙特推出 JoyExpress，自营快递模式首次向海外扩展。其核心优势不是单个机器人，而是订单、仓网、配送和零售协同形成的数据闭环。与 Amazon、Walmart 类似，JDL 的 AI 价值很大程度上会先体现在履约效率、库存与配送密度，而不是单独 AI 收入行。对港股投资者而言，它是 平台型受益者，直收软件属性弱于美股 SaaS 龙头。

竞争格局、估值、风险与研究清单

竞争格局的核心判断

仓储自动化领域，Symbotic 更偏大体量、高吞吐、端到端系统；AutoStore 强在标准化 cube storage 与高毛利；Kardex 处于标准系统和服务网络的甜区；KION/Dematic、Daifuku、Honeywell 更偏大型集成与综合交付；Locus、Geek+、Exotec 更强调柔性和 AMR/机器人系统。客户真正看重的通常不是单一硬件性能，而是 ROI 回收期、系统可靠性、上线速度和后续维保能力。

供应链软件领域，Manhattan、Kinaxis、Descartes、WiseTech 分别卡住了仓内执行、计划、物流网络、跨境关务等核心工作流；SAP、Oracle、Blue Yonder 正在靠 ERP/应用套件和 AI agents 向上整合；o9、RELEX、Aera 则试图在计划和决策智能层抢预算。未来胜出的，不是“模型最强”的公司，而是 谁掌握了客户长期运行的工作流和真实数据。

物流运营商领域，UPS、FedEx、DHL、Maersk、DSV、CHRW、GXO、XPO、JD Logistics 的分化在于：谁只是把 AI 用来降成本，谁能把它外化为更强的合同能力、网络效应和平台数据服务。DHL、CHRW、JD Logistics、Uber Freight 在这方面更值得跟。

公司分层与投资优先级

评分模型

我建议沿用你给出的权重，并将评分对象聚焦在重点上市公司：

这个排名的逻辑很简单： 直接 AI 收入暴露度 和 数据/客户/运营壁垒 最重要，其次才是估值。也就是说，AI 供应链研究里最危险的误区，是先看“AI 热度”再看“财务验证”；正确顺序应当反过来。以上排名基于前文商业化证据、部署/订阅数据和估值口径综合判断，而不是短期股价表现。

商业化风险反向评分

估值与市场预期

已经较充分反映 AI 供应链预期的公司：Manhattan、Descartes、WiseTech、部分 Symbotic、部分 XPO。前者因为高质量订阅属性被明确给予高估值；后者则因为市场已经把持续改善与平台化故事计入较高乘数。

可能仍存在预期差的公司：Kardex、DHL、CHRW、部分 KION、部分 JD Logistics。原因并不是它们没有 AI，而是市场仍主要按传统工业/物流框架看待，尚未充分把自动化、数据网络和执行平台化能力计入。

“好平台但估值太贵”的典型：Manhattan、Descartes、WiseTech。 “收入或订单真实增长、但估值尚未完全溢价”的典型：Kardex、DHL、Daifuku、部分 CHRW。 “AI 叙事强但财务验证不足”的典型：Serve、Aurora、许多未披露 ARR 的控制塔/机器人创业公司。

风险分析

真正需要持续警惕的风险，不是“AI 不会发生”，而是以下六个更具体的问题：

其一，ROI 验证不足。尤其在微履约、无人配送、人形机器人和数字孪生领域，容易出现功能很惊艳、实际 payback 很弱。

其二，项目实施与收入确认风险。硬件自动化公司最怕部署延期、客户现场改造复杂、软件与设备联调不顺。Symbotic 的历史会计与内部控制问题、KION/Daifuku/大型项目业务的天然波动，都说明这一点。

其三，客户资本开支周期。仓储和自动化项目往往不是 OPEX 预算，而是综合 capex 决策。宏观、关税、库存周期变化会显著影响签约节奏。AutoStore 在 2025 年就曾提到宏观与地缘因素延长客户决策周期。

其四，ERP/平台内置化风险。SAP、Oracle、Microsoft 正在不断把 AI 功能嵌回自己的主应用。独立软件若只做“一个小助手”，而不掌握工作流和数据网络，长期很容易被压价。

其五，设备可靠性与维护成本风险。仓库是 24/7 场景，任何系统宕机都直接影响履约，硬件企业不能只讲 AI 精度，还要证明 MTBF、售后体系和备件保障。AutoStore、Kardex、Daifuku 之所以优于大量新创，不只是技术，而是可交付性。

其六，数据安全、跨企业数据共享和治理风险。供应链 AI 的强项来自跨企业协作，但这也意味着数据开放、权限、隐私和系统边界会成为真正的部署瓶颈。Celonis 与 SAP 的诉讼实际上就暴露了“谁拥有客户过程数据”这一关键问题。

最终结论

AI 供应链与物流自动化在 AI 产业链中的重要性，不在于它“最性感”，而在于它是少数已经用订单、ARR、RPO、backlog、机器人部署数和利润率改善证明自己能赚钱的物理 AI 赛道。

最值得关注的五个细分赛道是： 供应链计划与库存优化、WMS/TMS 与控制层软件、跨境物流数据网络、标准化仓储自动化平台、AI 货运经纪与运输编排。

最值得深入研究的十家上市公司是： Descartes、Manhattan、WiseTech、Kinaxis、AutoStore、Kardex、Symbotic、DHL Group、Daifuku、C.H. Robinson。

最值得跟踪的十家未上市公司是： RELEX、o9、Aera、project44、Locus Robotics、Exotec、Flexport、Geek+、Hai Robotics、Shippeo/Altana（后两者因公开财务不足，需重点再核验）。

最容易被市场误解的五个点： 不是所有 Copilot 都有收费权；不是所有控制塔都能形成闭环；不是所有机器人都能规模化；不是所有物流公司都能把 AI 变成外部产品；也不是所有“AI 物流”都值得给软件估值。

未来 6–12 个月最该跟踪的指标： Kinaxis 的 ARR/RPO、Manhattan 的 cloud subscription 与 RPO、Descartes 的 service revenue 与 EBITDA、WiseTech 的 LGFF rollout 进度、Symbotic 的部署系统数与非 Walmart 新单、AutoStore/Kardex 的 order intake 与 backlog、CHRW 的 AI tasks 与 operating expense、DHL/JD Logistics 的自动化仓渗透和新合同质量。

后续更窄的研究方向，我建议优先做两个专题，而不是继续横向铺太宽： 第一，仓储机器人与仓库执行软件耦合，即 Symbotic/AutoStore/Kardex/Locus/Exotec vs Manhattan/Dematic/WES/WCS； 第二，AI 控制塔与 AI TMS/货运经纪，即 Descartes/WiseTech/project44/CHRW/Uber Freight 的利润池归属。 这两个方向最容易把“AI 功能”区分为真正可收费产品，还是只是内部效率工具。

开放问题与局限

本报告已优先使用截至 2026 年 5 月 19 日 可获得的公开资料，但仍有几类信息存在天然不完整性： 一是很多公司不单独披露 “AI 相关收入” 或 “AI 对利润率贡献”； 二是大量未上市公司只披露融资、客户案例或部署数字，不披露 ARR/真实收入； 三是部分中国 A 股/港股中小自动化公司的最新订单、部署与海外渗透需要在中文年报和交易所公告中做进一步逐家核验； 四是个别估值判断只能基于最新市值、公开财务与商业模式推断，而非管理层显式给出。对这些部分，文中均已尽量用“未披露/需进一步验证”的思路处理，而没有强行填空。