Chapter 6: 물류·창고·이커머스 — 대규모 자율화의 실험장

6.1 왜 물류가 피지컬AI의 실험장인가

피지컬AI라는 단어가 마케팅 슬로건이 아닌 매일의 현장 운영 지표로 측정되는 곳이 어디인가를 묻는다면, 답은 단연 물류·창고·이커머스다. 지난 5년간 어떤 산업도 이만큼 빠르게, 이만큼 큰 규모로 자율 시스템을 라인에 투입하지 않았다. McKinsey 분석을 종합하면 물류·창고 자동화 시장은 연평균 15% 성장해 2030년 $550억에 도달하며, AMR(자율 이동 로봇)과 AGV(무인 운반 로봇) 부문은 그 안에서도 연 20%+ 의 고속 성장을 이어가고 있다 ^[12]. 창고 운영비는 자동화로 최대 40% 절감되고 주문 처리 속도는 300%까지 향상된다는 동일 보고서의 수치는, 이 분야가 단순 시연이 아닌 본격 ROI 회수기에 들어섰다는 신호다.

물류가 피지컬AI의 실험장이 된 이유는 세 가지 본질적 특성에서 비롯된다. 첫째, 대량 반복 작업이다. 한 창고가 하루에 수십만~수백만 건의 피킹·분류·이동을 수행하므로 단일 작업당 수 초만 단축해도 하루 단위로 어마어마한 가치가 누적된다. 둘째, 빠른 피드백 루프다. 라인이 매일 가동되므로 개선·실패의 데이터가 실시간으로 쌓이고, 학습 데이터셋이 자연스럽게 자가 생성된다. 셋째, 명확한 KPI다. picks/hour, 정확도, 가동률 같은 단순 지표로 ROI를 즉시 계산할 수 있어 경영진의 의사결정이 빠르다.

세 번째 특성이 화장품 ODM과의 연결고리다. 코스맥스 같은 다품종·소량 SKU 환경은 의외로 이커머스 풀필먼트와 구조적 공통점을 가진다. 수천 종의 SKU, 잦은 신규 제품 투입, 손바닥에 들어가는 작은 단위 패키징, 시간당 수백~수천 개 단위의 박스 처리. 이 챕터의 목표는 단순히 Amazon과 Ocado가 무엇을 했는가를 정리하는 것이 아니라, 그들이 먼저 풀어낸 문제가 화장품 충전·포장 라인에서 다시 등장하는 양상을 짚어 두는 것이다.

6.2 Amazon Robotics — 100만 로봇의 교훈

물류 피지컬AI의 표준을 사실상 한 회사가 정의해 왔다. Amazon Robotics다. 시작점은 2012년 Kiva Systems 인수($775M)다. 당시 Kiva의 오렌지색 격자 로봇은 "선반을 사람에게 가져가는(goods-to-person)" 패러다임을 전자상거래 풀필먼트의 표준으로 만들었다. 그로부터 13년이 흘러 2025년 7월, Amazon은 전 세계 풀필먼트 센터에 배치된 로봇 수가 100만 대를 돌파했다고 공식 발표했다 [Amazon Robotics, 2025a]. 이 숫자가 갖는 의미는 단순한 자랑이 아니다 — 단일 운영자가 100만 대 로봇을 매일 조율하면서 만들어내는 데이터·소프트웨어·운영 노하우의 누적이 다른 어떤 경쟁사도 단기간에 따라잡기 어려운 진입장벽을 형성한다.

Sequoia — 다음 세대 풀필먼트 시스템

2025년 Amazon이 공개한 차세대 통합 시스템 Sequoia는 AI·로보틱스·컴퓨터 비전을 단일 스택으로 묶어 풀필먼트 센터의 운영 방정식을 다시 썼다 [Amazon Robotics, 2025a]. 핵심 정량 효과는 다음과 같다:

• 재고 식별·저장 속도 75% 향상
• 주문 처리 시간 25% 단축
• 저장 밀도 +40% (㎡당 120개 제품)
• 시간당 30,000개 분류 (루이지애나 슈리브포트 시설)
• 3천만 개 재고 관리 단일 시설

루이지애나 슈리브포트의 5층·300만 평방피트 시설이 Sequoia의 첫 대규모 배포지로, 8종 이상의 로봇(Sparrow·Robin·Cardinal·Proteus 등)이 단일 오케스트레이션 레이어 아래 협업한다. 25%의 처리시간 단축이라는 숫자는 평범해 보이지만, Amazon 규모에서는 연간 수억 건의 주문에 적용되어 누적 효과가 막대하다.

Sparrow — 2억 개 SKU를 인식하는 피킹 팔

Sequoia 안에서 가장 어려운 문제, 즉 "표준화되지 않은 다양한 형태·소재의 개별 제품을 잡아 옮기는" 일을 담당하는 로봇이 Sparrow다 [Amazon Robotics, 2025b]. Sparrow는 컴퓨터 비전과 흡착 컵 + 7개 액추에이터 조합으로 Amazon 재고의 65%에 해당하는 2억 개 이상의 고유 제품을 인식·피킹한다. 파일럿 단계에서 불량률을 65% 감소시켰고, Sequoia 컨테이너 시스템과 통합되어 운용된다. 한계도 분명하다 — 나머지 35%(불규칙 형태·유연 소재 제품)는 여전히 사람의 손이 필요하다. 이 35%가 다음 세대 매니퓰레이션 연구의 표적이 되고 있다.

Proteus — 사람과 같은 공간을 공유하는 자율 로봇

2024년 공식 도입된 Proteus는 Amazon 최초의 완전 자율 모바일 로봇으로, 케이지 없이 사람과 같은 공간에서 작동한다 ^[1]. 고정밀 LiDAR, 동적 안전 버블, 초록색 빔 안전 경고 시스템을 탑재하여 GoCart(포장 카트)를 아웃바운드 도크까지 자율 운반한다. Amazon은 AMR 도입으로 운영 비용이 25% 감소했다고 보고했다. Proteus가 의미 있는 이유는 단순한 효율 수치 때문이 아니라, 인간-로봇 공존 공간이라는 안전 패러다임을 처음으로 대규모 운영 환경에 검증해 보였기 때문이다. 케이지를 없애면 라인 재배치가 자유로워지고, 공간 효율이 올라가며, 무엇보다 신규 작업자가 로봇을 위협이 아닌 동료로 인식하게 된다.

Digit 휴머노이드 — 다음 단계의 실험

Amazon은 2024년부터 Agility Robotics의 Digit 휴머노이드를 자사 풀필먼트 센터에 투입해 시범 운영 중이다. 이는 Sequoia·Sparrow·Proteus가 만들어 낸 고도로 정렬된(structured) 환경을 넘어, 휴머노이드가 일반 작업자처럼 임의 환경에서 작동할 수 있는가를 검증하는 단계다. 100만 로봇의 운영 경험이 쌓인 회사가 다음 베팅을 휴머노이드에 거는 이유는 명확하다 — 잘 정렬된 라인은 거의 다 자동화됐고, 남은 35%는 결국 사람의 형태에 맞춰진 환경(계단·문·임의 적재물)을 상대해야 한다.

100만 대에서 얻은 교훈

Amazon이 100만 로봇 운영을 통해 얻은 교훈을 세 가지로 압축하면 다음과 같다:

1. 하드웨어 다양성을 단일 오케스트레이션 레이어로 묶어야 한다. 8종 이상의 이질적 로봇을 한 시설에서 협업시키려면 벤더-비종속적 소프트웨어 레이어가 핵심이다.
2. 점진적 배치가 빅뱅 도입을 이긴다. Kiva 인수 후 13년간 Amazon은 한 번에 모든 시설을 자동화하지 않았고, 시설별·라인별로 단계적 통합을 거쳤다.
3. "피킹은 풀린 문제"가 아니다. Sparrow의 65% 커버리지는 인상적이지만, 나머지 35%가 ROI의 진짜 전쟁터다.

6.3 Ocado — 처음부터 완전 자율화로 설계된 창고

Amazon이 기존 창고를 점진적으로 로봇화한 길이라면, Ocado는 정반대 길을 걸었다. 영국 식료품 이커머스 기업으로 출발한 Ocado는 2002년 창업 시점부터 "창고는 처음부터 로봇을 위해 설계해야 한다"는 신념을 고수했고, 그 결과물이 오늘날 전 세계 식료품 자동화의 표준이 된 Customer Fulfillment Center(CFC) Grid 시스템이다 ^[14].

Grid 시스템 — 3차원 큐브 위의 안무

Ocado CFC의 핵심은 거대한 3차원 큐브 그리드다. 이 그리드 위를 수천 대의 로봇이 동시에 이동하면서, 각 로봇은 자기 아래 쌓인 bin들을 들어 올려 피킹 스테이션으로 배달한다. 정량 성능은 다음과 같다 ^[14]:

• 50개 상품 장바구니를 5분 이내에 피킹 완료
• 수동 피킹(60~80개/시간) 대비 약 10배 생산성
• OCADEX/Pick 로봇 팔: 이론적 630개/시간, 50대 이상 운영
• 정확도 99.9% 이상

5분 안에 50개를 피킹한다는 것은 직관적으로 와닿지 않을 수 있는데, 핵심은 "로봇이 사람에게 오는 것이 아니라, 상품이 로봇에게 온다"는 구조 전환에 있다. 사람이 통로를 걸어 다니며 선반을 뒤지는 시간을 0으로 만들면, 단위 시간당 처리량이 단번에 한 자릿수 곱해진다.

식료품 물류의 특수성

식료품은 일반 이커머스보다 자동화하기 까다로운 카테고리다. 신선도 관리(냉장·냉동·실온 다중 온도대), 상품 형태의 다양성(병·박스·비닐·신선 농산물), 유효기간 추적(FIFO 출고 강제), 취급 강건성(달걀·과일은 충격에 약함). Ocado는 이 모든 제약을 Grid 안에 흡수했다 — bin 단위로 온도대를 분리하고, 데이터베이스로 expiry를 추적하고, 가속·감속 프로파일을 상품별로 차등 적용한다. 결과적으로 다른 어느 식료품 풀필먼트 시스템보다 상품 손상률을 최저로 유지한다.

기술 라이선싱이라는 비즈니스 모델

Ocado가 흥미로운 또 한 가지 이유는 비즈니스 모델이다. 자체 식료품 사업을 운영하면서 동시에 Ocado Smart Platform(OSP)이라는 라이선싱 비즈니스를 통해 Kroger(미국)·Casino(프랑스)·AEON(일본)·Sobeys(캐나다) 등 해외 대형 리테일러에 동일 Grid 기술을 판매한다. 즉 자사 운영을 R&D 실험장으로 삼아 검증한 기술을 B2B 자산으로 전환한 사례다. 화장품 ODM 입장에서 이 모델은 시사적이다 — 코스맥스가 자사 공장에서 검증한 자동화 노하우를 글로벌 브랜드사에 "공정 라이선싱" 형태로 판매하는 가능성을 상상할 수 있다.

Grid 모델의 한계

Grid의 강점은 동시에 한계이기도 하다. 초기 구축 비용이 매우 높고, 기존 창고를 레트로핏하기 어려우며, 식료품 외 카테고리(특히 대형 SKU·비표준 형상)로 확장할 때마다 별도 설계가 필요하다. 이 빈틈을 메우는 것이 다음 절의 AutoStore와 같은 큐브형 그리드 표준화 솔루션이다.

AutoStore — 그리드의 표준화·대중화

노르웨이의 AutoStore는 같은 큐브 그리드 패러다임을 일반 이커머스·산업 창고에 표준 모듈로 풀어냈다 ^[4]. 2025년 기준 글로벌 1,850개 이상 설치, 99.7% 업타임(파트너사 Kardex 운영 기준 99.94%), 수동 대비 4배 저장 밀도를 달성한다. 2025년 가을 출시된 R5 Pro 로봇은 같은 처리량을 로봇 수 15% 감소로 달성하고, AutoCase(케이스 자동화), FlexBins(다중 bin 크기), CarouselAI(배치 최적화)가 포트폴리오에 추가되었다. 중규모 배포 기간이 6개월(경쟁사 12~18개월 대비)로 짧다는 점이 특히 ODM 규모에서 매력적이다.

6.4 DHL·JD.com·UPS·FedEx — 글로벌 규모의 자율화

Amazon과 Ocado가 풀필먼트 센터 내부 자동화의 양대 모델이라면, DHL·UPS·FedEx는 글로벌 운송 네트워크 전체의 AI 최적화에서 표본이 되고, JD.com은 중국 이커머스의 완전 자율 창고 모델을 보여 준다.

DHL Supply Chain — 8,000대 협력 로봇과 SOFTBOT 통합

DHL Supply Chain은 2024년 8,000대 이상의 협력 로봇을 글로벌 운영에 통합했다 ^[6]. 정량 효과는 창고 생산성 +35%, 주문 정확도 99.7%, 수요 예측 오류 -40%다. Boston Dynamics의 Stretch 로봇이 트레일러 언로딩에 배포되었으며, Robust.AI와 5년 전략 파트너십으로 멕시코부터 AMR 확산을 시작했다.

흥미로운 진화는 2026년에 발표된 SVT Robotics SOFTBOT 통합이다 ^[7]. 다양한 벤더의 로봇을 단일 플랫폼으로 통합하는 로봇 불가지론(robot-agnostic) 접근으로, 로봇 통합 배포 속도를 기존 커스텀 코딩 대비 12배 빠르게 달성했다. 이 흐름은 Amazon이 100만 로봇 운영에서 얻은 첫 번째 교훈("이종 하드웨어를 단일 오케스트레이션 레이어로 묶어야 한다")이 산업 전반의 표준 패턴으로 굳어지고 있음을 보여준다. BCG-Alpega 2026년 조사 결과 물류 서비스 제공업체의 60%가 AI-기존 시스템 통합을 향후 1~2년 최우선 투자 과제로 꼽은 것도 같은 맥락이다 ^[5].

JD.com Zhilang — 중국식 완전 자율 창고

중국 JD Logistics의 Zhilang(즈랑) 시스템은 2025년 상반기 베이징·광저우·청두·푸저우 등 주요 도시에 대규모 배포된 자체 개발 지능형 창고 솔루션이다 ^[10]. 처리·분류 로봇, 사다리 등반 로봇, 자동화 저장 스테이션이 통합되어 12m 층고를 최대로 활용한 고밀도 저장을 구현한다. 아시아 NO.1 쿤산 스마트 물류 파크는 하루 4.5백만 소포 처리 능력을 갖췄고, JD는 로봇 전선화 이후 현장 효율이 20% 향상됐다고 보고했다. 글로벌 20개 성·10개국 이상에 같은 모델을 수출 중이다.

JD.com 사례에서 주목할 점은 인건비 환경의 차이가 자동화 속도에 미치는 영향이다. 중국·미국·유럽이 동일한 핵심 기술(AMR·AS/RS·비전 피킹)을 사용해도, 인건비 곡선의 기울기가 다르면 ROI 임계점도 다르게 잡힌다. 한국의 인건비는 미국과 일본 사이에 위치하므로, 코스맥스의 자동화 ROI 모델은 양쪽을 모두 참조해야 한다.

UPS ORION — 1억 마일 줄인 라우팅 AI

물류 자동화는 창고 안에서만 일어나지 않는다. UPS의 ORION(On-Road Integrated Optimization and Navigation) 시스템은 AI 기반 배달 경로 최적화 플랫폼으로 다음을 달성했다 ^[15]:

• 연간 1,000만 갤런 연료 절약
• 배달 거리 1억 마일 감소
• 연간 비용 절감 $300~400M
• 일일 2천만+ 패키지, 12만 5천+ 차량 운영

라우팅이라는 평범해 보이는 문제도, 일일 12만 5천 대 차량 단위에서는 그야말로 NP-hard에 가까운 조합 최적화가 된다. ORION은 이 문제에 머신러닝과 운용과학을 결합해 매일 갱신되는 라우트를 만들어 낸다.

FedEx — 분류·라우팅·예측 우회의 통합

FedEx도 같은 흐름에 있다. 2025년 보고된 핵심 수치 ^[8]:

• 라우팅 최적화로 배송 시간 -20%, 연료 -15%
• AI 분류 로봇 1,300개/시간, 정확도 99%+
• 선택 허브 운영비 -25%
• AI 라벨 교정 월 14만 3천 건
• 2025년 1월 멤피스 폭풍 전 입고량 40% 사전 우회

특히 마지막의 "예측 우회" 사례가 흥미롭다 — 기상 예측과 물류 흐름 모델을 결합해 폭풍이 도착하기 며칠 전에 패키지를 다른 허브로 미리 분산시키는 방식이다. 물리 인프라(허브·트럭·항공기)는 그대로지만, 위에 얹은 AI가 같은 물리 자산을 훨씬 더 탄력적으로 사용하게 만든다.

6.5 전문 로봇 기업들의 역할

Amazon·Ocado·DHL이 자체 R&D 또는 인수로 자동화를 내재화한 길이라면, 대부분의 일반 물류·리테일 기업은 전문 로봇 기업의 솔루션을 도입한다. 이 영역에서 현재 의미 있는 플레이어는 다음과 같다.

Locus Robotics — 60억 건의 피킹 누적

Locus Robotics는 워커-어시스트(worker-assist) AMR 모델의 대표 주자다. 2025년 4월 누적 50억 건 피킹을 달성했고(2024년 10월 40억 건 이후 단 24주만에 10억 추가), 같은 해 10월 60억 건을 돌파했다 ^[11]. DHL Supply Chain 단독으로 10억 건을 처리했으며, DHL 사이트에서 피킹 생산성이 30~180% 향상됐다. 작업자 훈련 시간이 80% 감소한 것도 주목할 만한 부수 효과다 — AMR이 작업자를 "안내"하는 모델이라 신규 인력의 학습 곡선이 크게 짧아진다.

GreyOrange Ranger — Google Cloud 기반 강화학습

GreyOrange의 Ranger AMR은 GreyMatter 오케스트레이션 플랫폼과 결합되어 작업자 피킹 생산성을 3~5배 향상시킨다. H&M은 Ranger 배포 후 하루 10만 건 이상 주문 처리가 가능해졌다 ^[9]. 2025년 Google Cloud와 협력해 강화학습 기반 AMR 내비게이션 최적화를 구축했고, AMR 배포 시간을 80% 단축했다.

Mujin — TruckBot과 MujinOS

일본계 Mujin은 2025년 $233M 시리즈 D를 유치하고 MujinOS 통합 산업 자동화 플랫폼을 확장했다 ^[13]. TruckBot은 시간당 1,000개 박스 처리 능력으로 트레일러 언로딩 자동화의 표준이 됐고, Robotic Case Picking·팔레타이징·빈 피킹·창고 실행 시스템(WES)이 단일 OS로 통합된다.

Symbotic — 풀스택 AS/RS

Symbotic(상장사 SYM)은 Walmart의 핵심 자동화 파트너로, 풀스택 AS/RS와 자체 로봇·소프트웨어를 결합한 통합 솔루션을 제공한다. 풀필먼트 센터를 통째로 설계하는 모델이라 단일 계약 규모가 크고, Walmart·Target·Albertsons 등 미국 대형 리테일러가 주요 고객이다.

플랫폼 vs 전문 솔루션 — 어느 쪽을 선택할 것인가

코스맥스 같은 ODM이 자동화 파트너를 고를 때 마주치는 첫 갈림길이 플랫폼(NVIDIA·Siemens·Rockwell) 위에 자체 로봇 통합을 짓느냐, 아니면 전문 솔루션(Symbotic·Mujin·AutoStore)을 통째로 도입하느냐다. 일반 원칙은 다음과 같다:

• 표준 공정·중간 규모: 전문 솔루션이 빠르고 ROI가 명확하다(AutoStore 6개월 배포 사례).
• 다품종·맞춤 공정·대규모: 플랫폼 위에 자체 통합이 장기적으로 유연하다(Amazon·Ocado 모델).
• 혼합 환경: SOFTBOT 같은 robot-agnostic 미들웨어로 단계적 전환(DHL 모델).

코스맥스의 다품종 SKU 환경은 두 번째에 가깝지만, 시작점은 첫 번째 모델로 잡고 점진적으로 두 번째로 이동하는 것이 현실적이다.

6.6 물류 자율화가 화장품 공장에 주는 시사점

지금까지 본 모든 사례를 코스맥스 임원실의 관점으로 다시 정리하면, 핵심 메시지는 한 줄로 요약된다 — "표준화된 pick-and-place는 이미 해결된 문제다. 남은 35%가 ODM의 진짜 기회다."

화장품 충전·포장 vs 물류 피킹의 구조적 유사성

화장품 ODM의 충전·포장 라인은 표면적으로 물류 피킹과 달라 보이지만, 단위 작업으로 분해하면 의외로 동형적이다:

핵심은 다섯 단위 모두 Amazon Sparrow·Ocado OCADEX·Mujin TruckBot이 이미 운영 검증을 끝낸 작업이라는 점이다. 즉 화장품 공장이 새로운 알고리즘을 발명할 필요가 없다 — 이미 검증된 도구를 화장품 컨텍스트에 재구성하면 된다.

코스맥스가 활용할 수 있는 세 가지 경로

1. Worker-assist AMR 도입 (단기, 6~12개월). Locus Robotics·GreyOrange 모델을 코스맥스 인천·평택 공장의 자재·반제품 이송에 즉시 적용 가능하다. 작업자 훈련 시간 80% 감소·생산성 30~180% 향상이라는 DHL 사례 수치가 직접 이식된다. 라인 재배치·시설 확장 없이 한 시설당 30~50대 단위로 단계적 도입이 합리적이다.

1. AutoStore형 그리드 자동 저장 (중기, 12~24개월). 화장품 ODM 특성상 수천 SKU의 반제품·완제품 보관이 늘 병목이다. AutoStore의 6개월 배포·4배 저장 밀도·99.7% 업타임은 코스맥스 규모에서 충분히 ROI 정당화가 가능한 수치다. 신축·증축 시 우선 적용.

1. Sparrow형 비전 피킹 + Audi형 edge QC 통합 (중장기, 24~36개월). 충전·포장 라인에 비전 기반 결함 검사(2장 Audi 사례)와 비전 기반 피킹(Sparrow)을 통합한 셀을 시범 도입한다. Sparrow의 65% 커버리지는 화장품의 표준 용기 60~70%에 직접 대응하므로, 시작점이 매우 명확하다.

Amazon의 "다음 베팅"에서 배울 점

Amazon이 100만 로봇 위에 휴머노이드를 얹는 다음 베팅을 하고 있다는 사실은, 코스맥스 입장에서도 모니터링 가치가 크다. 2026년 시점에서 휴머노이드는 충전·포장 표준 공정에는 ROI가 정당화되지 않지만, 연구소(배합 개발) 영역이나 신제품 시제 라인처럼 고도로 비표준화된 영역에서는 다른 어떤 자동화보다 잠재력이 높다. 이는 5장에서 다룬 제약·화학 연구자동화의 흐름과도 정확히 일치한다.

한 가지 경고 — AI는 아직 측정 가능한 가치를 만들지 못하고 있다

마지막으로 경계할 것이 있다. BCG-Alpega 2026년 1월 조사(180개 이상 전문가)에 따르면, 물류 서비스 제공업체의 40%가 파일럿을 넘어섰지만 단 10%만이 핵심 운영에 AI를 규모화했고, 단 13%만이 측정 가능한 AI 가치를 보고한다 ^[5]. 불확실한 ROI와 내부 역량 부족이 도입의 가장 큰 장벽이다. 이 수치가 의미하는 바는 분명하다 — 자동화 도구가 성숙해도 조직 역량(데이터 인프라·운영 노하우·변화관리)이 따라오지 않으면 가치 실현이 안 된다. 코스맥스가 도구 도입과 동시에 현장 운영팀의 디지털 리터러시·데이터 분석 역량에 투자해야 하는 이유다.

핵심 메시지를 다시 한 줄로: 물류 자율화는 코스맥스에 "검증된 도구를 재구성"하는 기회를 주지만, 이 기회를 잡는 것은 결국 도구가 아니라 사람이다. 이 흐름은 다음 챕터(식품·음료 제조)에서 다른 산업 컨텍스트로 이어진다.

참고문헌

1. Amazon Robotics (2024). Amazon Proteus: First Fully Autonomous Mobile Warehouse Robot. Amazon Press Release / The Robot Report. https://www.aboutamazon.com/news/operations/amazon-introduces-new-robotics-solutions
2. Amazon Robotics (2025a). Amazon Sequoia System: Next-Generation Fulfillment Center Robotics. Amazon Press Release / GeekWire. https://www.aboutamazon.com/news/operations/amazon-fulfillment-center-robotics-ai
3. Amazon Robotics (2025b). Amazon Sparrow: AI-Powered Item Picking Robotic Arm. Amazon Press Release / About Amazon. https://www.aboutamazon.com/news/operations/amazon-introduces-sparrow-a-state-of-the-art-robot-that-handles-millions-of-diverse-products
4. AutoStore (2025). AutoStore Grid System: 1,850+ Installations, 99.7% Uptime. AutoStore System Overview / Fall 2025 Launch. https://www.autostoresystem.com/
5. BCG and Alpega (2026). AI Is Already Moving the Logistics Industry Forward. BCG Report. https://www.bcg.com/publications/2026/ai-is-already-moving-the-logistics-industry-forward
6. DHL Supply Chain (2024). DHL Supply Chain Robotics & AI Innovation 2024: 8,000 Robots Worldwide. DHL Press Release. https://www.dhl.com/us-en/home/press/press-archive/2024/dhl-supply-chain-continues-to-innovate-with-orchestration-robotics-and-ai-in-2024.html
7. DHL Supply Chain and SVT Robotics (2026). DHL Supply Chain + SVT Robotics SOFTBOT: 12x Faster Robotics Integration. DHL Group Press Release. https://group.dhl.com/en/media-relations/press-releases/2026/dhl-supply-chain-accelerates-automation-deployments-with-stv-robotics-softbot-platform.html
8. FedEx (2025). FedEx AI-Powered Logistics: Sorting, Routing, and Disruption Management. FedEx Newsroom / Supply Chain Dive. https://newsroom.fedex.com/newsroom/asia-pacific/fedex-launches-ai-powered-sorting-robot-to-drive-smart-logistics
9. GreyOrange (2025). GreyOrange Ranger AMR Network: AI Orchestration and 3-5x Productivity. GreyOrange Press Release / Google Cloud Partnership. https://www.greyorange.com/press-release/greyorange-teams-with-google-cloud-on-breakthrough-warehouse-ai/
10. JD Logistics (2025). JD.com Zhilang: AI-Powered Intelligent Warehousing System. JD.com Investor Relations / JD Corporate Blog. https://ir.jd.com/news-releases/news-release-details/jdcom-announces-second-quarter-and-interim-2025-results
11. Locus Robotics (2025). Locus Robotics: 5 Billion Picks Milestone and Global AMR Deployment. Locus Robotics Press Release / Automated Warehouse. https://www.automatedwarehouseonline.com/locus-robotics-passes-5b-picks-warehouse-automation-adoption-accelerates/
12. LogisticsIQ (2025). Warehouse Automation Market to Reach $55B by 2030: E-Commerce and AMR Growth. LogisticsIQ Market Report / PR Newswire. https://www.prnewswire.com/news-releases/warehouse-automation-market-to-reach-55-billion-by-2030-driven-by-e-commerce-and-supply-chain-transformation---logisticsiq-302252709.html
13. Mujin (2025). Mujin TruckBot & MujinOS: Intelligent Robotics Platform for Logistics. Mujin Press Release / $233M Series D. https://mujin-corp.com/blog/2024-wrapup-robotics-automation-innovation/
14. Ocado Group (2025). Ocado Intelligent Automation: Grid-Based Customer Fulfillment Center. Ocado Group / Ocado Intelligent Automation. https://www.ocadogroup.com/solutions/fulfilment/customer-fulfilment-centres
15. UPS (2025). UPS ORION Route Optimization: 10M Gallons Fuel Saved Annually. UPS Investor Relations / TI Insight. https://ti-insight.com/briefs/upss-network-of-the-future/