Warp成立于2021年,旨在通过其技术驱动的托运商、承运商和仓库网络,帮助企业简化物流供应链并降低成本。
如今,该公司希望通过使用机器人实现仓库网络自动化,进一步提升供应链效率。
Warp联合创始人兼首席执行官Daniel Sokolovsky向TechCrunch表示,Warp一直在寻找为客户提高物流效率的方法,其客户包括沃尔玛、Gopuff和HelloFresh等企业。随着人工智能技术的进步,公司认为自动化领域存在更多机遇。
Sokolovsky说,Warp无法对供应链中的长途货运或短程配送环节进行自动化改造,因此正专注于可能改变的领域:仓库内部工作流程。
Warp首先在洛杉矶的测试仓库中安装摄像头,利用计算机视觉技术将数据转换为虚拟仓库以开始实验。
"我们实际上创建了洛杉矶设施的数字孪生或仿真环境,"Sokolovsky说。"基本上就是开始各种尝试。老实说,很多时候就是在想,如果我们这样做会怎样?如果我们那样做会怎样?如果我们做其他事情会怎样?"
他们最初的想法之一是训练人形机器人使用传统托盘搬运车,但这个方案没有成功。随后Warp开始尝试使用现成的机器人,并加装一些额外技术,取得了成功。
"我们将非常复杂的物流问题分解成许多易于理解、系统可识别和系统可处理的组件,"Sokolovsky说。"现在我们正在使用AI,无论是语音、文本、邮件、电话还是机器人技术形式,确保我们能够卸载、存储和重新装载货物。我们实际上认为可以继续推进这项工作,在不增加人员的情况下尽快实现我们的目标。"
Warp联合创始人兼首席营收官Troy Lester表示,这些机器人将帮助Warp的底层仓库合作伙伴获得优势,同时有助于降低人工成本。除了洛杉矶测试设施外,公司并不直接拥有网络中的仓库。
"他们一直向我们抱怨人员配置问题,"Lester说。"在这些设施中工作的员工也不喜欢这种工作。所以我认为有机会赋能这些企业使用机器人套件,这不仅有助于改善我们的网络,也能帮助他们与其他公司的业务变得更好。"
Warp筹集了1000万美元的A轮融资来支持这一最新发展。该轮融资由Up.Partners和Blue Bear Capital共同领投。
Warp正在测试机器人的几个不同版本,并雄心勃勃地声称将在今年开始部署。
Sokolovsky表示,Warp的洛杉矶测试设施已完全实现自动化,公司计划首先在其核心网络的仓库——洛杉矶、芝加哥、新泽西、达拉斯和迈阿密——开始部署这些机器人。Warp目前不打算在其中心网络之外销售这项技术,因为这为Warp及其底层仓库合作伙伴提供了竞争优势。
"我们不是简单地说,嘿,我们只是一家机器人公司、AI公司,为这个潜在概念花钱,而是说,不,我们实际上是一家物流公司,一直在真正影响和服务我们的客户,"Sokolovsky说。"在过去几年中,我们已经开发出了一个令人惊叹的系统和生态系统,使我们能够部署这些自动化技术。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。