在日本东京以东约40公里的千叶港，有着一座超12万平方米的“物流蚁巢”。约2600台机器人像蚂蚁一样在楼层间搬运货架，人类员工则像“系统协作者”，和机器一起每天完成约60万件商品的进出库。

　　这是亚马逊千叶港运营中心（Fulfillment Center）。7月1日，《每日经济新闻》记者实地探访了亚马逊这座亚洲重要物流枢纽。作为全球最大电商企业之一，亚马逊正在这里测试一套“人机共生”的新解法。

　　事实上，将机器人投放至仓储物流场景执行分拣工作已并非新鲜事。但相比于国内企业，亚马逊在推进机器人与人类协作的过程中，显得既“疯狂”又谨慎。

　　亚马逊全球机器人业务相关负责人Xavier透露，经过多年发展，亚马逊机器人数量实现了指数级增长——2013年仅部署了1000个机器人，如今，亚马逊的第100万台机器人最近向日本的一个运营中心进行了交付。当记者提问是否会向第三方公司销售机器人时，Xavier给出明确回答：“对于机器人部门来说，亚马逊是我们如此大的客户，所以我们现在仅仅专注于亚马逊自身的物流场景。”

　　2024年，京东物流推出了“智狼货到人解决方案”。在技术加持下，上架效率提升5倍，拣货效率提升3倍以上；今年，京东物流的这套相关解决方案已经直接在全球开售。字节跳动近日也频频传出消息，旗下机器人团队正推进机器人量产来服务于抖音电商仓等字节自己的业务。

　　对于亚马逊、京东、抖音电商这样拥有“巨无霸”体量的电商企业来说，其竞争早已从过往聚焦营销玩法、服务体验的单一较量延伸至了对于供应链与物流领域的精细化管理。谁能以供应链效率、物流履约能力筑造新竞争壁垒，谁就将重塑行业竞争格局。

　　本土化协同与成本的平衡之道

　　亚马逊机器人的制造模式，从一开始就打上了“协同”的烙印。

　　“13年前当我们推出亚马逊机器人业务时，就非常注重打造这些系统的长期可靠性和集成系统的一致性。”亚马逊全球机器人业务相关负责人Xavier在接受《每日经济新闻》记者采访时表示，基于这一目标，团队做出了一个关键决策——将制造环节安置在设计师和创新者身边，让设计团队与制造团队在同一地点工作。

　　这种模式直接影响了供应链的布局。

　　据Xavier介绍，公司在美国马萨诸塞州波士顿地区设有多个地点，由于制造与设计紧密结合，几乎全部的零部件都选择本地采购。“这样能够对我们想要的组件类型提供反馈，并且保证制造团队与设计团队的高效协作。”最终，所有机器人系统都在美国建造，再部署到全球各地。

　　当被问及是否比较过美国与日本、中国的制造成本时，Xavier的回答坦诚而直接。“当然，我们一直在评估市场现实。”他说，亚马逊的成本计算不止于单位成本，“改进生命周期的机会成本也是重要因素”，迭代速度有多快，系统的下一个版本能以多快的速度推向市场，这些都会纳入考量。

　　与此同时，亚马逊并未将制造体系完全封闭。Xavier提到，公司旗下的“亚马逊产业创新基金”是一项规模达10亿美元（约合人民币72亿元）的投资基金，面向各种规模的企业。通过这样的合作，吸纳全球创新成果，为自身制造体系注入外部活力。

　　从基础模型到复杂系统

　　在技术研发上，亚马逊机器人当前表现出更多的务实风格。

　　亚马逊最近推出了新生成式AI（人工智能）基础模型DeepFleet，“基础模型可以应用于任何系统，这是众所周知的”。Xavier在接受《每日经济新闻》记者采访时表示，目前DeepFleet的焦点清晰而具体——协调大规模移动机器人。

　　“我们在每个设施中都有数千个移动机器人，协调它们如何移动和互操作是目前的重点。”

　　他解释道，这些移动机器人包括用于搬运大型库存的Hercules驱动装置、用于单个包裹移动的Pegasus，以及能在开放空间中移动和操作的自主机器人Proteus。未来，随着系统间互操作性的提升，DeepFleet或许会有更多的应用场景。

　　在机器人系统本身的发展上，随着亚马逊第100万台机器人的交付，系统复杂性也在同步提升。

　　“一开始我们只有三种系统。”Xavier回忆道，后来逐渐引入了机械臂、分拣系统、识别系统等各类核心系统。以最新的Vulcan为例，这是一款具备触觉感知的机器人手臂，“它能感知，不只是操作”，这样的系统造价不菲。相比之下，即便是移动驱动器，虽然也很复杂，但也比用于搬运大型库存的Hercules驱动装置简单得多。

　　对于当下火热的大语言模型，亚马逊的态度保持理性。

　　“在物理世界中，你不能只依赖大语言模型，它不理解物理世界。”Xavier分析道，但这并不意味着大语言模型毫无价值。“你可以尝试训练一个机器人做一千件事，但如果在它面前放一根香蕉，它可能会滑倒，大语言模型可以帮助解决这类问题。”

　　他进一步指出，亚马逊的思路是结合多个系统，而非依赖单一模型。“很多人相信他们可以从大语言模型构建一切，但我们在以不同的方式尝试。”比如Vulcan（具备触觉感知的机器人手臂），在研发时就开始收集触摸、压力和力矩数据，这些信息会为其他领域提供参考，而所有这些数据都需要协同起来进行预测。

　　这种务实还体现在对技术应用边界的清醒认知上。Xavier表示，公司聚焦的是能产生现实影响的领域：“操作AI基础模型、协调大规模机器人队伍的基础模型，这些是AI技术今天可以在现实世界中产生影响的实际领域。”

　　暂不对外销售机器人系统与产品

　　在业务边界和未来方向上，亚马逊机器人的选择同样清晰——以服务内部需求为核心，同时不放弃长期技术探索。

　　“我们经常被问到这个问题。”当被问及是否会向第三方公司销售机器人时，Xavier露出笑意，随后他给出了明确答案：“对于机器人部门来说，亚马逊是我们如此大的客户，所以我们现在只专注于此。”这一选择，让团队能够集中精力满足自身庞大的物流需求，避免了业务分散可能带来的资源损耗。

　　对于像Vulcan手臂这样造价高昂的系统，其研发逻辑也并非单纯追求技术先进。“当我们制定提案向业务部门解释为什么要部署系统时，有很多因素会影响决策。”Xavier告诉《每日经济新闻》记者，服务成本（即交付材料的成本）固然关键，但还有更多维度需要考量。

　　“我们需要考虑场地安全。如果业务要增长，需要满足客户需求，但要以可持续的方式。”他解释道，自动化是满足客户需求增长的必要手段，但设计理念绝非用机器替代人类，而是找到人与机器的结合方式，创造增值空间。这种模式，被Xavier认为是“当前及未来唯一的答案”。

　　在人形机器人等领域，亚马逊的探索则保持着长期视角。“我们在人形机器人方面进行了投资，并在运营中测试人形机器人。”Xavier透露，双足机器人作为复杂系统，目前仍处于早期阶段。“我们不关注形态，而是关注移动性和操作能力的结合。”他强调，双足机器人能做一些其他移动操作器做不到的事情，确实值得研究，但这是长期课题，核心是它究竟能解决什么问题。

　　对于曾尝试收购的iRobot，Xavier也厘清了业务边界：“iRobot是消费类机器人，而亚马逊机器人部门专注于工业机器人。”尽管同属亚马逊，会共享想法（如DeepFleet使用亚马逊云科技技术），但两者聚焦的领域截然不同。

　　此外，对于中国机器人的发展，Xavier表示“我们一直很关注”，他称从构建方式中学到了很多，包括什么是有效和无效。但他也强调，亚马逊更关注客户需求，“就像亚马逊收购的很多企业，专注于为自己的客户提供解决方案。”