GNC倉庫兩年部署實戰：4架Corvus無人機將缺貨訂單從數百筆控制至日均98筆

四旋翼在倉庫走道間穿梭的新常態

在印第安納州懷茨敦，GNC健康補充品倉庫的25萬平方英尺備用庫存區，每天都有4架小型無人機在70英寸寬的走道間往返穿梭。兩年來，這支無人機小隊每日掃描超過2,000個塑膠膜包覆的棧板，執行著過去由20人庫存小組手動完成的工作——而且做得更精確、更頻繁。

這套系統來自新創公司Corvus Robotics，專門開發室內自主飛行解決方案。自GNC導入後，最直接的成效是未出貨訂單從過去動輒數百筆，穩定降至每日約98筆。這個數字之所以關鍵，在於它直接反映了供應鏈的可靠性——庫存準確率越高，顧客收不到訂購商品的情況就越罕見。

從季度盤點到月度全查的轉變

GNC物流副總裁Bill Monk指出，無人機按預定路線飛行，每趟飛行涵蓋特定區域，耗時約25至30分鐘。原本25萬平方英尺的備用區只能季度盤點一次，如今升級為每月全面稽核。驚人的是，驗證無人機數據的人力僅需1至2人，相較於原有20人的盤點隊伍，後勤成本大幅下降。

Munk強調了這套系統瞄準的核心問題：「不知道貨在哪裡，就無法出貨。」過去庫存系統顯示某商品在B-14位置，員工實際找到的卻是相鄰格位，導致缺件訂單層出不窮。現在無人機每次飛行都能即時標記差異，將發現延遲從數月縮至數小時。

AI的雙層架構：機上與雲端的分工

Corvus Robotics創辦人暨執行長Jackie Wu披露了該系統的技術核心——兩套獨立AI運算流程：機上AI負責導航、定位與障礙物迴避；雲端AI則分析回傳飛行資料，協助GNC人員判斷優先處理順序。

這套架構充分利用了室內倉庫的優勢環境。史蒂文斯理工學院AI研究所所長Brendan Englot解釋，倉庫內光線恆定、缺乏外窗、場景日復一日相對穩定，使電腦視覺模型可針對單一建築深度調校，長期維持高性能——這與日光、天候、背景不斷變化的戶外飛行截然不同。

Englot也指出，藉由將複雜運算卸載至雲端，機上負荷減輕，機體更輕、電池耗損更少、續航時間更長，形成正向循環。

誤差的真相：無人機vs.人為輸入錯誤

一個細節最能說明這套系統的價值。某次無人機回報某備用庫位有600箱，GNC系統卻顯示60箱，全倉庫員工都認為無人機一定錯了十倍。實際上無人機是對的——員工在主檔輸入時少打了一個零。

這類人為輸入錯誤會在倉庫資料庫裡悄悄潛伏數月，直到手動盤點才被發現。無人機的日常飛行讓這種差異無所遁形。GNC目前只對無人機2%的報告進行人工抽查，兩年來每次抽查都驗證了無人機的準確性。

現實中的限制：塑膠膜的困境

系統的坦誠之處在於它對自身局限毫不隱瞞。走道寬度70英寸、無人機翼展46英寸，空間緊湊；感測器雖能穿透塑膠膜計數，但懸掛膜片仍可能捲入旋翼致使墜落。

GNC的解決方案不是技術改造，而是作業程序調整：員工被訓練在取箱後必須完全移除塑膠膜；每次飛行前走道需快速檢查。這類操作成本不會出現在廠商簡報，卻是真實部署的必要投入。此外，無人機僅適用備用庫存區，對已拆開的箱子無法查驗，Corvus以軟體層面的箱內估算功能補充此缺口。

工作轉型，而非簡單替代

原有20人庫存團隊面臨高離職率——班別不受歡迎，工作內容枯燥，在2,000個棧板中尋找錯放的箱子無異大海撈針。無人機上線後，多數員工轉調至客服部門或揀貨區庫存管理崗位，沒有人遭強行裁員。

GNC庫存控管資深專員Tammy Lacher說出了「AI替代」敘事中最被忽視的面向：「無人機負責計數，我們現在做更多調查性的工作。這讓工作少了很多磨人的地方。」計數的單調工作消失，分析的高階工作留下，員工反而更滿意。

成熟系統的標誌

GNC案例之所以不同於大多試點計畫，在於數字的分量——運行兩年、日均飛行、缺貨訂單從數百筆降至98筆、2%抽查率持續驗證。系統已從概念驗證進入常態運作。

Corvus與GNC找到的答案適用於所有室內無人機部署：系統必須配合倉庫實際節奏，而非強行改造流程。預期未來十年，類似系統將在每座認真運作的大型倉庫中普及。下一個觀察重點將是Amazon、Walmart或大型第三方物流業者（3PL）是否在2026年公開部署Corvus或競爭對手系統，那將標誌著倉庫無人機從利基應用正式升格為主流採購品項。