2026年9月21日，韩国CJ Logistics宣布与Physical AI企业RLWRLD深化战略合作，双方将共同开发面向物流行业的Robot Foundation Model（RFM，机器人基础模型），并在真实物流中心开展技术验证。此次合作是在双方2025年首次签署协议并开展股权投资后的进一步升级，目标已经从单纯技术研究转向面向快递、履约和冷链等业务场景的实际应用和商业化。

所谓RFM，是让机器人能够同时理解视觉、语言、语音和各种传感器数据，并根据现实环境自主判断下一步动作的基础AI模型。传统工业机器人通常按照预先编程好的动作执行固定任务，如果货物的位置、包装尺寸或者摆放状态发生变化，往往需要重新调试；Physical AI则希望让机器人获得更加通用的环境理解和操作能力，使其能够处理物流现场大量非标准化对象。

根据双方规划，CJ Logistics将提供其在快递、履约中心和冷链业务中积累的运营数据、实际场景和自动化需求，并参与设计性能标准和测试体系；RLWRLD负责RFM和Physical AI软件的开发。双方首先计划在快递枢纽及分拨中心进行PoC，其中一个具体任务是让机器人调整包裹方向，使运单标签朝上。虽然这一动作看似简单，但由于纸箱尺寸、重量、材质和摆放方式差异巨大，对于机器人视觉理解和双手精细操作能力要求较高。

双方还计划采集和训练更多精细手部动作数据，使模型未来能够扩展到拣选、分拣、检测等物流任务。目前CJ Logistics已经在韩国京畿道龙仁Yangji的Olive Young物流中心部署两台双臂人形机器人，用于包装环节中的缓冲材料投放，并计划逐步扩展应用工序。此次与RLWRLD合作，实际上是在现有机器人硬件之外进一步建设“机器人通用大脑”。

CJ Logistics在2025年已经与RLWRLD签署物流RFM联合开发协议，并参与后者Seed 2轮股权投资；与此同时，公司还与Rainbow Robotics、ROBOTIS等机器人企业建立合作，形成其所谓“物流AI联盟”。这说明大型物流企业在自动化战略上正在发生变化：过去更多直接采购输送线、分拣设备或机器人，而现在开始主动参与AI模型、机器人控制和Physical AI生态建设。

这一趋势对自动化搬运行业具有较大影响。AMR、无人叉车和传统机器人过去主要依赖规则化调度，而基础模型如果能够提高机器人对动态环境的理解能力，未来自动化系统有可能处理更复杂的货物和更加不确定的任务。尤其在电商和快递场景中，SKU和包装形态极其多样，完全依赖固定程序实现自动化一直存在局限。

物流业下一阶段的自动化竞争，很可能不再只是“部署多少台机器人”，而是谁能够让机器人真正理解现场并快速学习新的任务。CJ Logistics与RLWRLD此次合作，就是这一变化的一个典型信号。