核心要点
先看结论——该做什么、什么时候做：
- 2026年7月10日前，在班次最忙的那个作业区做一周任务结构审计：记录每一次40到200米的推车搬运，含距离、开始时间、滞留时长，算出搬运占人工小时的比重。判定线：低于15%，不必做车队测算。
- 2026年7月31日前，连续四周测月台到达间隔，同时记录卡车预约间隔的均值与标准差。标准差超过均值的40%，先把预约排程修好，再谈机器人。
- 2026年8月31日前，把一个区从按批放活改成连续放活：一台车、一个目的地、一个时间窗，释放间隔不超过15分钟，对比改造前后每车行走分钟数，目标在不添任何设备的情况下降20%。
- 2026年9月30日前，把上自动化的触发条件写进文件：搬运占比不低于15%、月台间隔波动低于40%、按峰值周测算的车队利用率过65%，三条同时满足才启动。
- 2026年12月31日前，任何租赁合同都要挂一条书面的人工介入率承诺（每百次任务的例外数），并约定实测值超过承诺值一倍时可在90天内退出。
亚马逊6月5日在英国达特福德举行的“交付未来”活动上发布新一代 Proteus 仓储机器人，搭载 AI 对话式控制，仓库员工无需编程即可用自然语言下达指令。现款 Proteus 仅能在码头区域运行，搬运约400公斤推车；新款可在仓库任意区域作业并自主规划路线。亚马逊承诺到2027年通过其欧洲配送网络投入约100亿欧元，新版 Proteus 计划于明年上半年部署。同期 DHL 与马士基正推进人形机器人与自主移动机器人（AMR）试点，第三方物流自动化竞赛升温。
详细拆解
先说一个我习惯用的看法：把仓库想成一个有屋顶的队列。托盘到月台，等收货，等上架任务，等拣货，等打包，等车。每一台卖进这栋楼的机器人，本质上都是在缩短其中某一段等待；而它们失败的原因几乎总是一样——它缩短的那一段，并不是队伍里最长的那一段。
6月5日，亚马逊在英国达特福德的“交付未来”活动上发布新一代 Proteus。现款只能跑月台区域，搬约400公斤的推车；新款可以在仓库任何区域作业，自己规划路线；员工用自然语言下指令，不用写代码。亚马逊承诺到2027年为其欧洲配送网络投入约100亿欧元，新版 Proteus 排期在明年上半年部署。
我看到的报道把它当成一次能力发布，这没错；也把它当成一次人力替代，这基本不对。它底下其实是一个“约束卡在哪一段”的故事。而且亚马逊不卖这台机器人给你，所以你能真正抄走的，恰恰是那个不是机器人的部分。
把这次发布拆成会改变流程的部分，剩下的都是新闻稿。三个属性要紧。作业包络：从只在月台，变成全仓，意味着它可以被排到上架和补货任务上，而不只是卸车。自主性：自己规划路线，意味着调度从一条固定的、类传送带的路径，变成一个实时的分配问题。接口：自然语言指令，意味着操作员的活从编程变成把要求说清楚。
同样要紧的是那份没给的清单。载重没变，还是约400公斤，这是推车级别，不是整托重货，也不是集装箱。速度没给。可用率没给。任何一个欧洲仓里的车队规模没给。系统能接住多少种任务类型也没给。拿系统的方式读，这份缺席清单才是新闻，因为每一个未知数都站在回收期的分母上。
把模型搭起来。一个仓库车队就是一组服务器，工单是到达。利用率等于到达量乘服务时间，再除以车队能力。包络的变化只做了一件事：它扩大了车队可以接的到达集合。只在月台作业的机器，只能被派去干月台的活，而月台的活是脉冲式的，跟着卡车预约一波一波来。包络一放宽，波谷就能用上架和补货填上。这是利用率修复，而利用率是唯一能让这笔资本开支算得过来的变量。
第二个变化更微妙，也是我会划重点的地方。对话式控制没有取消程序员，它把“把要求写清楚”这件事，挪给了最懂那道工序的人。这是真收益，同时开了一个新的失效模式：模糊的指令会产生模糊的例外。一台能听懂“把这些放到那边去”的机器，会以某个比率把货放到错误的“那边”，而每一次都是一次人工介入——有人走过去、纠正、记录。决定这套东西成不成的指标不是每小时任务数，是每百次任务的人工介入次数。
所以我不认为这篇里最有意思的数字是100亿欧元。100亿是一家公司在“约束是资本、学习曲线可以花钱买”的时候会花的钱。对其他人，约束根本不在这里。
谁先疼，取决于任务结构，不取决于公司大小，而这个区别在大多数评论里被说丢了。一家自营配送中心的大进口商，入库是单品规整的——整车、预约稳定、整托收货——它的任务结构里，推车搬运占的人工小时很大。这种作业本季度就能用一份租约加一次排程改造，把包络逻辑抄过来，有没有机器人都行。一家中型的第三方物流，接四十个供应商的多品规入库、预约还老是跳票，同样的楼，完全不同的到达分布。它的推车距离更短、频次更高、例外更多，瓶颈在月台，不在通道。机器人修不好一个月台。
没有自有仓、用公共设施的进出口商，在这里是旁观者，而他们该搞清楚自己在旁观什么。生产率的好处如果落地，表现方式是操作费涨得慢一点，不是降价。那是一到三年的效应，在任何一次单独报价里都看不见。
时间上，人最容易把日历排错。试点的信号比产品先到。亚马逊自己欧洲仓的部署排在2027年上半年，意思是“这东西在规模上到底行不行”的运营数据，最早也要到2027年底才有，第三方买得到更晚。动得更早的是劳动力市场。一个地区里每一个像样的自动化试点，都会在设备装上去之前先收紧愿意干搬运班次的人，因为预期跑得比设备快。如果你的站点跟大型履约网络抢同一批人，你的工资线在2026年就开始动，不是2027年。
有一件事我没看到有人写：任务的颗粒度。一台会自己规划路线的机器人，只跟它拿到的工单一样好。如果你的仓储管理系统按批放活——这里是整车的货，这里是这个订单全部的拣选——机器就是在一个它没得选的批次里做优化，路径规划只买到了行走时间，别的什么也没有。真正值钱的收益，来自把工单放到更细的颗粒上：一台车、一个目的地、一个时间窗，连续释放。这是软件和流程的改动，成本是一个车队的零头，甚至根本不需要机器人。而这才是一家把自己的入库结构围着自动化重做过的公司，真正可以搬走的那部分经验。
算一遍，假设都算我的。假设一个中型配送中心，现场60个人；再假设，这是我的假设、不是原文数字，其中20%的小时花在40到200米的推车搬运上，不含拣货和打包。那是12个全职人力在做纯运输。假设一台租赁设备全年总成本相当于1.5个全职人力，这也是我的假设；再假设一台能顶掉这12个里的3个，在七成利用率下，还是我的假设。
省下3个、付出1.5个，净剩1.5个，这是好情况。把搬运占比换成12%：7.2个人力，一台只顶掉1.8个，净剩0.3个，那是穿着商业计划书外衣的噪音。临界点落在15%左右，而这个占比你用一块写字板加一只秒表，一周就量得出来。没有哪家供应商会替你量，因为对多数站点，量出来的答案是没到线。
坑是买能力，而不是买约束的解除。这个错误有两个常见版本。一个是月台流程还没理顺就租车队，结果是机器人在车流波谷里闲着，回收期永远关不上。另一个是以为一个能听懂大白话的系统，也能接住大白话里的例外；它接不住，而监督成本会落到你最有经验的那个班组长头上，那恰恰是你最不能抽走的人。
按这个顺序量：人工小时里推车搬运占多少、单次搬运多少米、月台到达间隔有多宽、你现有自动化设备的人工介入率是多少。四个数，一周。搬运占比过15%，且月台到达间隔稳定到可以据此排程，这就是一个排程问题，本季度就能动手。过不了，诚实的答案是这台机器不是你的瓶颈，钱应该花在入库流程里队列真正最长的那一段。先把队列量化，再去买那台据说能把它缩短的机器。
↑ 返回核心要点