这些只是自动化即将到来的预兆。亚马逊也间接暗示了这一点。「不断变化的工作环境」本可以很容易地替换成「自动化」这个词，而「熄灯」是未被言明的终极目标。
撰文 | 吴昕
这是亚马逊2000多亿美元网购业务的心脏。
全球175个物流中心、每天20多万台不同机器人负责交付超过3.5 亿种不同产品，每年分拣包裹总数高达数十亿。
而从客户下单到按响客户门铃，亚马逊 Prime 服务的最快记录是……坐好……3分钟！
亚马逊追求速度几乎痴迷，以至于包裹从传送带上掉下来以至于几个小时内都无法追踪到，或者（更糟糕地）被送到错误目的地甚至被毁损，都不啻于噩梦。
这也是为什么你会在仓库中能见到长达４.７米的发那科六轴机器人 M-2000iA ，地球上最大机械臂之一 Robo-Stow ，还有以轻型摩托车速度在地板上运行的移动机器人。
当然，「锱铢必较」的亚马逊很少提及一笔账。当人力成本占大多数仓库平均运营预算的65%、仓库员工流动率超过35%，培训成本却是普通工人年工资2倍时，考虑到物流行业利润率低，只要自动化一部分订单作业，省下的预算数字都极为可观。
从收购 Kiva 到随后大规模部署机器人，再到发布无人机，亚马逊已经走上了自己的自动化道路，每一步都令人瞩目。
最近，他们又推出 10 亿美元的亚马逊工业创新基金，通过直接投资新兴技术，解决自动化过程中最棘手问题。首批得到投资的五家企业中，每一家都拥有一种特殊技术，可能对亚马逊仓库运作带来价值。
0１ 扩张与成本
一转眼，Kiva 已经代表十年前的最新技术。Kiva 的美妙之处「让货找人」，将经典串行过程转换为大规模并行处理引擎。
但最重要贡献还是提出了一个全新导航和控制系统，关键是还不昂贵：
多亏功能强大但价格低廉的电子设备出现（如无线系统、制导传感器、嵌入式处理器），以及多智能体系统和控制理论领域的新算法，不需要购买最好的电机、齿轮箱来保证机器人的可靠性，将条形码贴纸贴在地板上，为机器人配备摄像头和传感器，它们即可在控制系统引导下直线行驶，避免相互碰撞。
Kiva 的美妙之处「让货找人」，但最重要贡献还是提出了一个全新导航和控制系统，还不昂贵。
不过，很少有人注意道2012年收购 kiva 时，亚马逊的仓库远没有今天这么多。
智库税收和经济政策研究所（Institute on Taxation and Economic Policy)的数据显示，2011年，亚马逊只对居住在五个州的消费者征收销售税。也就是说，亚马逊只在这些州经营办公室和仓库。
根据当时法律，电商只需在有实体（比如仓库或办公室）存在的州征收销售税，亚马逊没有大规模建立配送中心。
2018年，美国最高法院对 Wayfair 案的裁决改变了这一局面。裁决赋予各州要求在线零售商征收销售税的权利，无论他们是否在给定的州有实体存在。亚马逊等大型电商也开始建造许多新仓库。
2022年1月，向公司出租设备的公司 BigRentz 一项新分析显示，亚马逊不仅拥有全美最大仓储面积，其配送中心多集中在消费者密集地区附近。其中，仓库面积最多的10个州中，有8个位居人口最多的州，「人口中心和亚马逊仓库位置之间，似乎存在很强的相关性。」
与此同时，沃尔玛和塔吉特正在利用他们的数千家商店，通过提供在线订单当日送达，在自己的游戏中击败亚马逊。亚马逊也不再将仓库藏在工业区，让「仓库进城」，在美国各城市和郊区开设 1000多家小型配送中心，使网上购物速度与快速跑到商店一样快。
所有这些都在驱使 Kiva 持续进化。除了让「进城」的仓库单位面积可以容纳更多的货品，以有利可图，也要降低新中心的建设成本和时间。
2019年，Kiva 后裔——Pegasus 、Xanthus 公开露面。同样身披橘色，Pegasus 只有手提箱大小，19厘米高，比小型号的 Kiva 还要矮。多出来空间可以用来储存更多东西，力气也比 Kiva 大，可举起560公斤货物。
与 Kiva 负责运输吊舱不同，Pegasus 主要用于包装好的包裹分拣。它被设计成一个可以添加不同附件的通用基础，当「头上」添加传送带后，机器人可在地板矩形孔引导下，找到对应邮政编码所在溜槽，用传送带将包裹滑下溜槽，后者会连接到送货卡车。整个过程大概只要两分钟。
Pegasus 是亚马逊的新型仓库机器人之一，顶部装有传送带，用于公司的分拣设施。
Xanthus 是 Pegasus 继任者， 也是一个全新设计。作为通用平台，添加 XanthusTote 单元，Xanthus 即可以移动叠加的黄色「托特袋」，将物品从拣选转移到包装环节。添加 x-drive 单元后，Xanthus 和 Pegasus 一样，可将包裹送到到对应邮政编码溜槽。
亚马逊可能尝试利用 Xanthus 两个功能，简化流程，整合履行和分拣中心。
Xanthus 是亚马逊后来推出的两款新机器人之一，它可以配备不同的模块，如传送带和堆叠的托特袋（黄色），以执行各种任务。
值得注意的是，从现成的直流电机到定制的滚珠丝杠，据说最初的 Kiva 大约有 900 多个零件。Kiva 继任者的零件数量更少，成本更低，也更易于维护。例如，Pegasus 零部件数量只有其一半；Xanthus 零件数量只有其三分之一，成本是最初 Kiva 的一半。这些也使得建立新的履行中心更容易和快速，既不需要一堆传送带，还能显著降低分类错误。
作为亚马逊的竞争对手，英国在线杂货商 Ocado 技术演变也遵循了类似的线路。
例如，Ocado 最新推出的600系列，也是目前世界上最轻的机器人，一半以上组件都是 3D 打印。比该公司目前这一代机器人轻五倍，更灵活，对电池功率要求也更低。它们可以在几周而不是几个月内以较低的成本安装，使在城市地区建立「微型」履行中心变得可行。
被工作人员称为蜂巢的 Ocado 分拣中心内，数千台机器人用最快速度和最少人工完成订单。
0２ 灵活与协作
目前，亚马逊机器人与人类员工在物理上是分开的，除了一个高度结构化站点，员工仅以一种或两种非常特定的方式与机器人交互。例如东西从吊舱里掉出来，或者机器人坏了。
亚马逊认为，完全自动化的仓库至少还需要 10 年的时间。在此之前，人类和机器人最好能在仓库中协同合作——适应彼此的优势，也能提高宝贵的空间利用效率。因此，他们对增进人机协作的新技术非常感兴趣。
幸运的是，环境结构化、任务多重复且容错的仓库，再次成为 3D 视觉感知技术「唾手可得的果实。」
早在2018年，亚马逊就收购了专注于在人类附近移动货物的机器人初创公司 Canvas Technology。公司 3D 摄像头和导航技术使移动机器人无需依赖先前地图即可运行，这些机器人还能不断更新共享地图，在动态环境中安全行驶在人群中。
Canvas 提供了 Pegasus、Xanthus 更多自主性所需的秘诀，它们能超越预定义的仓库障碍，与员工协作完成一些任务。
除了移动机器人，亚马逊也在尝试提高叉车的自主和安全性。
很多人都还记得2020年亚马逊高调收购自动驾驶汽车公司Zoox ，其技术可用于叉车。但少有人注意到收购 Canvas 后 不久，亚马逊曾与与一家小到几乎很少有人知道的法国公司 Balyo 签署了一份七年协议。
双方约定，如果亚马逊在七年内购买高达 3 亿欧元（3.46 亿美元）的 Balyo 产品，将有权通过认股权证以当前价格收购这家机器人制造商高达 29% 的股票。
Balyo 提供低成本的叉车改造方案。安装自动化叉车套件的标准叉车（叉车、托盘堆垛机、前移式叉车等）可以借助短程激光雷达更好地「看见」，在仓库周围独立移动，根据需要拾取、移动和运送托盘。还可以根据生成地图在工作区内精确定位，与人类安全合作。
亚马逊已与法国公司 Baylo 合作，帮助其部分配送中心实现自动化
最近，作为「人机协作」最新技术风向，亚马逊工业创新基金投资了以色列机器人公司 Bionic HIVE，也是该批投资中唯一一家来自美国以外的公司。
这家公司的机器人很魔性，马斯克曾在推特上对此感慨「the robot future is coming。」
和常见的那些仅在地面移动的机器人不同，SqUID 机器人具有三维移动能力，在 AI 算法引擎支持下，可滑上天花板高货架，背负十几公斤的货品顺杆滑到地面，自主导航将货物运到指定地方。
配备摄像头和传感器，SqUID 借用算法引擎对包裹进行分类、选择和放置，还能在人员和货物之间安全移动。机器人舰队具有三维移动能力，行动灵活。一个关键性区别在于，SqUID 自主机器人舰队通过智能算法引擎协调和控制，能将多个操作串联起来，并加以简化。它们并非专门为机器人工作环境而设计，而是可以适应仓库现有基础设施、货架和箱盒，与仓库工人一起工作。
除了BionicHIVE，亚马逊工业创新基金还投资了致力于人机协作的 Mantis Robotics 。
他们正在开发一种触觉机械臂，使用传感器来检测人员何时接近并减慢或停止操作，并不以此牺牲工作效率，也不需要安全围栏的区隔。据该公司称，该机器人可以降低总拥有成本并在数小时内完成部署。
随着 AMR 和 AGV 等自主解决方案在仓库中变得越来越普遍，库存跟踪又成了一个问题。
有调查显示，美国 43% 的企业不跟踪库存或使用手动系统进行跟踪，导致库存准确性经常受到负面影响。仓库管理系统专家 Peoplevox 2017 年的一项调查发现，34% 的企业延迟发货是因为他们无意中出售了没有库存的产品。
这也是为什么亚马逊工业创新基金投资了 Vimaan 。他们开发了一个计算机视觉平台，用于整个仓库的产品跟踪和管理——包括接收、拣选、存储和包装和运输。
专有硬件可以采集一些关键信息，从条形码到到期日、序列号等，并在物品从仓库转移到商店或单个客户时进行实时跟踪。这样客户就能准确知道产品在哪里，并实时捕捉错误和差异。
例如，如果顾客对丢失的物品提出索赔，零售商可以立即看到发生了什么，以及顾客说的是否属实。
Vimaan最近推出的 PickTRACK ，通过安装在现有 MHE（如叉车或拣货机）上的一套传感器和摄像头，机器可以近乎实时地观察和跟踪库存。方案可以支持轻松集成到现有工作流程中，几乎不需要改建基础设施和对员工进行培训。
0３ 工伤与安全
时钟总是在亚马逊承诺的交货时间上滴答作响。机器人将拣货员的平均生产力从每小时大约 100 件物品提高到300 或 400 件。
每 11 秒扫描一次新商品的及格频率，意味着重复和快速的运动增加了身体磨损和撕裂的几率。而这一切又可能会因 8 英尺高的搁架而变得复杂：
存放物品的人应该将轻型产品放在吊舱的顶部或底部，将重型产品放在胸部和膝盖之间。但是，当工作进行得如此之快且处于压力之下时，他们不可能总能坚持这一点。这就导致接收端的拣货员有时不得不顺着梯子将重物搬运下来，受伤概率也因此更高。
传送带将货品送达后，员工扫描它们并将其置于吊舱上部存储塔的口袋中。
事实上，除了高涨的运输成本，另一个可能对持续增长构成威胁的是亚马逊仓库报告的受伤人数。
2019年，大西洋月刊的一份调查报告显示，亚马逊对速度的痴迷已将仓库变成了伤害工厂。在调查报道中心网站 revealnews 获得的记录中，大多数受伤率最高的仓库都部署了机器人。文章写道，「记录显示，五年前亚马逊在加利福尼亚州特雷西推出机器人后，那里的重伤率几乎翻了两番，从 2015 年的每 100 名工人 2.9 人增加到 2018 年的 11.3 人。」
2022年4月，美国战略组织中心发布的研究报告中表示，2021年，亚马逊物流仓库每100名员工中，就发生了6.8宗重伤事故。而在美国物流仓库行业，每100名员工发生了3.3宗严重工伤。换言之，亚马逊严重工伤率是同行两倍。
这也暗示亚马逊在病假和工人保险费用方面的支出是昂贵的。亚马逊 CEO Andy Jassy 曾在致股东的信中承诺，将改善工人的安全，重点关注对拉伤、扭伤、跌倒和重复性应力损伤的减少，这一计划包括 「在员工以危险方式移动时，他们的可穿戴设备会作出提醒。」
这正是现年53岁、保险巨头AIG的前理赔部负责人 Eric Martinez 创建 Modjoul 获得亚马逊工业创新基金青睐的原因。
Modjoul 开发了一种可穿戴技术，一条带有六个传感器的腰带，通过加速度计、陀螺仪和磁力计来测量员工在白天的活动，并在这些活动可能造成伤害时发出嗡嗡的警告声。
触觉反馈不仅提醒员工在执行搬举重箱等任务时正确的姿势，还会将收集的数据与员工和主管共享，用于培训以减少或消除工伤。
Modjoul 正在使用可穿戴设备来减少工人的伤害，并确保人们在某些环境中使用正确的防护装备。
有意思的是，就在亚马逊对改善工人安全的工业可穿戴设备展开投资之际，Modjoul 的竞争对手 StrongArm Technologies 也筹集了5,000万美元用于扩张，沃尔玛则是该公司的客户。
随着业务规模的扩大，Modjoul 也在收集更多环境数据方面，以求更多发展空间，比如声音是否高到需要耳塞，或灯光是否有导致员工绊倒和摔倒的危险。
0４ 圣杯
「Kiva 们」没有配备机械臂，它们只能将货架或箱子送给员工拣选和包装。亚马逊同时也在实验巨型机械臂，以替代人工。
2021年，亚马逊物流中心开始启用 Robin。虽然外表仍是传统工业机械臂，但视觉系统赋予 Robin 灵活应对变化世界的能力。
它知道周围有什么物品——不同大小的盒子、软包装、放在其他信封上的信封——并决定想要哪一个并抓住它，交给移动机器人送至对应邮编的斜槽，无需人工编码每一个动作步骤。
Robin 使用吸盘从传送带上拾取包裹，交给移动机器人投递到邮编对应的沟槽。虽然 Robin 看起来很像工业中使用的其他机械臂，但它的视觉系统使它能够以完全不同的方式看待世界并做出反应。
从能够识别边缘和平面等简单元素的预训练模型开始，研发人员慢慢地教会 Robin 如何识别可以处理的各种包裹。每个包裹都是一个学习机会，每台机器人都为整个团队贡献了更好的经验。
短短六个月内， Robin 感知系统无法挑选的包裹数量减少了一半，感知系统所犯的错误也减少了 10 倍。
目前，Robin 部署的数量很少，亚马逊履行中心仅运营了几十台。不过，开发人员正在获得真实世界经验，并利用这些经验进一步完善该技术，将感知系统扩展到更多机械臂上。
其实，一直以来，亚马逊都在坚持不懈地追求仓库机器人技术的圣杯。年复一年，亚马逊和 KUKA 等老牌企业为初创公司和学术团队举办机器人挑战赛，以创造能够识别、拾取和存放货物的机器人。
为什么不用机械臂和夹具继续自动执行分拣和打包的工作？仓库为什么不能像黑灯工厂一样运作呢？
由于产品大小、形状包括质地千差万别，摆放方式各有不同（例如，土豆不能压在鸡蛋上），长期以来，机械手臂的拣选效率一直无法击败人类对手。深度学习的出现让巨头们看到曙光。被赋予认知技能和对空间的理解能力后，结合了3D 摄像头和软件的机械臂可以在复杂环境中更准确、更一致地运行。
最为常见的应用是从货箱中拾取单个物品并放到包装中。与几年前相比，机械手能够操纵和抓取更多物品，速度也有所提高，使许多行业公司能够实现提高生产力的目标。
四年前，机器人拣选解决方案可以处理 60% 到 70% 的 SKU ，据说，现在可以处理 90% 以上的日常商品和时尚商品。最成功的是化妆品——因为它们装在小盒子里，重量轻且易于抓握。
目前，亚马逊已经测试不同供应商的技术，这些技术可能有一天会用于拣货。但他们也承认，还没有找到一种实际方法来经验地理解机器人如何拾取数百万种不同的可变形物品，例如毛绒玩具、宠物玩具。机器人也很难防止果酱罐滑倒和破裂，或者，从拿起橡皮擦无缝切换到抓取平板电视或桶装啤酒。
尽管存在挑战，但亚马逊也决定资助外部团队研究，而不是主办挑战赛。贝索斯也曾表示，机器人抓取问题将在未来十年内得到解决。
许多行业专家预计，该技术将在未来十到十五年成熟。但一些物流和机器人专家认为，某些类型的亚马逊商品可能会早几年被机器人挑选出来。
2017年，Ocado公司尝试机器人抓取。无论大小或形状如何，两只手都能够抓住人造水果而不会压碎或掉落它们。最近，Ocado 将推出 On-grid Robotic Pick。据说这些手臂能挑选成千上万种不同形状、大小、重量和易碎性产品，并以媲美人类精确度和准确性将它们装入袋子。0５ 熄灯
一些亚马逊物流中心收货区设在一楼，有近百个挂车卸货码头。卸下的货物通过传送带送到楼上分拣。
卸载包裹是一项劳动密集型、体力消耗大且容易受伤的工作，还要经常承受极端温度，无论是亚马逊还是其他物流巨头都在积极寻求卸载自动化。
霍尼韦尔和西门子的方案可被归为一类：巨兽一样的机器人卸货机会开到拖车后面，利用机器学习来识别包裹，使用传送带将包裹舀起，送到「肚子里」。
西门子的机器人卸货机大约 10 分钟清空一辆拖拉机拖车，而一个人则需要长达一个小时才能移动这些箱子。霍尼韦尔表示，他们的设备能够以每小时 1,500 箱的速度卸载包裹。
霍尼韦尔的自动卸货装置。
另一类是足式机器人的方案。最近，亚马逊工业创新基金参与了双足机器人制造商 Agility Robotics B 轮融资。
外形上，他们的机器人 Digit 很容易让人想起波士顿动力的 Atlas 。Digit 身高略高于 5 英尺，怪异的后关节腿可让机器人向前、向后和侧向移动。看到人或障碍物时，Digit 会停下来，用手臂、手和脚保持平衡，还可以捡起和放下物体。
Agility Robotics 的双足机器人 Digit
目前，Digit 的业务重心是卸载货车、搬运箱子、管理货架等仓储工作。
目前，Digit 的业务重心也是卸载货车、搬运箱子、管理货架等仓储工作。其优越性不仅在于可以轻松地行走、爬楼梯（轮式机器人恐怕做不到）、在非结构化环境中导航、搬运包裹、堆放货物，滑入任何现有工作场所，还在于能与人类协作。在亚马逊看来，「这种为协作而生的机器人技术，确实独一无二。」
无独有偶，亚马逊的竞对 DHL 也采取了类似方案。他们和波士顿动力签订了1500万美元的合同，购买了 Stretch。DHL 打算让 Strech 从卡车卸货开始干起。
Stretch 本质上是一个移动底座上的巨大机械臂，机械臂有七个自由度和一个吸盘阵列，可以用来抓取和移动盒子（最大重量23 公斤）。除了配备「感知桅杆」，识别、抓取货箱，Stretch 的优势还在于，摆脱了传统机器人的移动性限制，可以进入更多工作场合。其方形底座结构可以承受自由旋转手臂带来的惯性，以及快速摆动沉重的箱子，而不需要像传统机器人那样固定在地板上。
无论是哪种自动化方案，要识别、抓取和转移大量箱盒，仍然充满挑战（当然，较之拣选单个货品的复杂性还是要小一些）。看看 Stretch 的真空抓手就知道，目前也只能处理表面平坦的箱子。
自动化打包技术，也是亚马逊近年来开始向少数几个仓库添加的新技术。例如，3D包装自动化意大利公司 CMC Srl 的 CMC CartonWrap 机器人。
机器能从连续折叠瓦楞纸中根据订单物品大小，量身定制纸板箱（无需使用一次性塑料衬垫），密封后还能直接贴上标签，送到码垛区。据说，每小时可以生产 600 到 700 个盒子，是人类包装工的 4 到 5 倍。
亚马逊已将它们安装在法兰克福、米兰、阿姆斯特丹等地的繁忙仓库中。这些机器有可能使每个地方实现超过 24 个工作岗位的自动化。
所有这些只是自动化即将到来的预兆。亚马逊也间接暗示了这一点。2019年，该公司宣布计划对包括仓库工人在内的 100,000 名美国员工进行培训。
在一份新闻稿中，亚马逊将「不断变化的工作环境」作为推动工作培训的动力。它本可以很容易地使用「自动化」这个词，而「熄灯」是未被言明的最终目标。
参考资料
https://www.bigrentz.com/blog/amazon-warehouses-locations
https://www.industrialinnovationfund.com/
https://www.theatlantic.com/technology/archive/2019/11/amazon-warehouse-reports-show-worker-injuries/602530/
