亚马逊在欧洲部署新款AI仓库机器人，作为120亿美元投资计划的一部分

详细拆解

120亿美元是所有人都会重复的那个数，也是这条消息里最没用的一个数。亚马逊讲的是在欧洲的履约中心铺开新一代AI仓储机器人，属于该区域120亿美元投资计划的一部分；新一代用计算机视觉和机器学习做拣选、分拣和包装，比上一代更快也更准。我看到这类消息的本能不是去反驳它，是去给它建模。把它想成一个队列：订单按某个速率到达，拣选包装能力按某个速率服务，中间那条等待的队伍悄悄变成了你对客户的时效承诺。有意思的问题从来不是机器人有多快，而是机器人动了这个队列里的哪个服务台，以及尾部变成什么样。

这条消息里躺着两条性能声明，一条说速度，一条说准确率，两条都是比较级：比上一代更快、更准。快多少、准多少，在多长的窗口上测的，在什么商品结构上测的，对照的又是什么基线班次方案？一个没有基线的比较级不是能进预算的数，它只是一个方向。我不跟这个方向抬杠，我跟任何把比较级形容词直接填进表格单元格、然后管它叫节省的人抬杠。

我这辈子大部分时间在读自动化的商业论证，它们的形状很少变：资本开支那个数很精确，性能那个数很模糊，因为资本开支是财务批过的，性能是运营希望达成的。这种不对称不算不诚实，只是这类材料天然的写法。它意味着把它变成决策的活儿落在我身上，而顺序不能错：先量化，再谈优化。

先把队列画出来。订单到达一个履约仓，速率按小时、按天、按季节都是起伏的。它们被下放到地面，拣选、分拣、打包、做舱单，然后等一个由别人的时刻表决定的承运商截单时间。每一个环节都是一个服务台，有自己的平均服务时间和自己的波动。只要到达率稍微接近服务率，等待队列就不是对你周期时长的小修正，而是周期时长的大部分。人们在新闻稿里读到吞吐量数字的时候，最容易忘的就是这一层。

瓶颈在哪儿？几乎从来不在机器那儿。在我看过的仓里，约束通常在机器人上游，在订单下放或者在上料口；或者在下游，在打包台，或者在那个晚上六点不管你包裹做没做完都要走的承运商截单上。给一个不是约束的服务台加产能，对端到端周期时长一点作用都没有。它确实能减少堆在这个服务台前面的在制品，这挺好看，但对客户一点用都没有，而后者更要紧。

所以这条消息里那两条声明得分开钉死。速度这条：我要的是订单下放到发运的周期时长，中位数和九十五分位，在确定的商品结构上，改前改后各测一次。不是某个服务台每小时拣多少件，那是局部指标，而且只要挑商品就很容易做得好看。准确率这条：我要的是每一万件的错拣错分率，同样改前改后各测一次，还要问清楚这个统计含不含系统自己抓出来的错，因为一个会自我纠正的分类器，完全可以只统计它修好的那部分，然后报出一个非常漂亮的低错误率。

那么这到底替你换了什么？如果你是用欧洲履约伙伴的进出口方，别人买了机器人，你自己的仓一点没变。变的是你接下来要谈的那份报价的形状，以及你能拿什么服务水平去卡他。你买的不是机器人，你买的是周期时长和准确率；有用的动作是把这两样都写成带数字的合同条款，而不是带形容词的宣传语。

钱这块我来拆一下，因为120亿美元本身几乎不告诉你任何东西。假设——这些假设请记下来，每一条你都应该跟我吵——这笔投资里有四分之一是机器人和自动化，而不是厂房、土地和系统，那就是30亿美元。假设它落在一百个欧洲仓上，每个仓3000万美元。假设五年使用年限、直线折旧，每个仓每年600万美元。假设每个仓一年发3000万件。那么每件摊到的折旧是0.20美元。

把运营成本并排放上去。假设人工拣选包装的变动成本是每件0.35美元，自动化单元的变动成本是每件0.15美元，含电费、维保、备件，以及那个不管厂商提不提都得有人付钱的远程监管。一年3000万件时，自动化的总成本是0.15加0.20，正好0.35美元，投资刚好打平，一分钱没省。一年6000万件时，折旧摊薄到0.10美元，总成本0.25美元，每件省0.10美元，每个仓每年600万美元。一年1500万件时，折旧摊到0.40美元，总成本0.55美元，每件反而比人工多花0.20美元。

规模这件事，一段话就说完了，而且它比标题值钱得多。同一台机器人、同一个仓、同一套软件，在一年6000万件时是明确的赢，在3000万件时不赚不亏，在1500万件时是亏。决定成败的变量不是技术，是单仓的吞吐量。稿子里说规模在物流自动化里提供竞争优势，这句话背后就是这套算术；在你断定别人行你也行之前，应该拿自己的量把它算一遍。

稿子另一半讲的是传统3PL面临更高的资本门槛，这同样能变成数字。就拿我假设的每个仓3000万美元来说。再假设一家中等规模的欧洲合同物流企业，年营收2亿欧元，营业利润率6%，也就是每年1200万欧元的利润。按这个价格自动化一个仓，要花掉整个集团两年半的利润。如果这家企业有十二个仓，这笔账根本凑不出来，这也正是为什么第三方领域的自动化大多只出现在一个旗舰仓里，别处没有。

准确率那一半有另一笔、而且常常更大的收益，也是我会先去抓的那笔。假设自动化之前错拣错分率是0.5%，之后是0.2%，我要说清楚这两个数都是我假设的，因为稿子里没给。再假设每一次错误成本18美元，把退回运费、重新拣选、重新发运、客服时间和那份报表上看不到的商誉都算进去。一年2000万件，0.3个百分点就是少六万次错误，按18美元算，每个仓一年就是100万多美元。这是真钱，而且它落到你损益表上的速度，比速度本身快得多。

下面这段才关系到你付多少钱。一家拿不出这笔资本开支的履约伙伴，它的成本曲线是挂在人工小时上的；挂在人工上的曲线，会随工资上涨、随每一次旺季溢价往上走。一家已经投下去的伙伴，成本曲线挂在折旧和维护上，更平，对旺季也远不那么敏感。去问你的伙伴，你在哪条曲线上。具体点说：要他把报价单里人工挂钩的科目和固定或摊销的科目拆开给你，再问旺季费率怎么变。他要是答不上来，你就是在人工曲线上，续约的时候应该照这个定价。

然后是我每次必问的问题：出了事谁兜底？机器人单元不会优雅地降级，它会直接停。这个仓在一个班次内能顶上多少人工产能，切换要多久，这套兜底按件算多少钱？自动化单元的可用率承诺是多少，没达到时的服务赔付是多少？因为自动化宕机导致错过承运商截单，这个成本谁承担，是写在合同里，还是写在你们的关系里？自动化抬高了顺境时的天花板，也压低了逆境时的地板，而你该去谈的正是那块地板。

如果你要在自己的运营里、或者在供应商那里试这个，就按实验来试。在同一个仓里挑一个区或者一个班次，再留一个可比的区或班次继续走现有流程。两个臂要在商品结构、每单件数、订单到达分布和人员配置上对齐。至少跑八周，因为任何自动化的前四周都被学习效应主导，它会让你看的那个臂要么被高估要么被冤枉。开始前把指标定义写死，书面的，跟那个将来要被这个结果考核的人一起写。

我会坚持要的度量，每一条都得带阈值而不是带愿望：含全部间接人工的每人工小时拣选件数，目标第八周比对照臂至少提升20%；订单下放到发运的周期时长，中位数与九十五分位，九十五分位不允许比对照臂更差；每一万件的错拣错分率，目标至少下降50%；自动化单元在运营时段内的可用率，下限95%；以及全成本的单件发运成本，这是唯一真正决定成败的那个。

把止损线写进商业论证那一份文件里。我的版本是：如果自动化臂的九十五分位周期时长连续两周差于对照臂，冻结推广；第六周末错拣率仍没有比对照片低30%以上，冻结；滚动一个月内单元在运营时段的可用率跌破92%，冻结；第八周全成本单件发运成本没有低于对照臂，哪怕只低一点点也算，否则冻结；如果异常队列不缩反增，立刻冻结，因为一个把错误做得更快的系统不叫改进。照证据停下来很便宜，等一个糟糕的旺季之后再停下来就不是了。

还有一个适用性问题是每一次部署都会跳过的。自动化处理的是一个范围：一段尺寸区间、一个重量上限、一组可接受的包装形态，以及对商品在料箱里怎么躺着的容忍度。把这个范围写成文字，然后拿你自己的商品主数据去跑一遍，算出一年里有多少件落在范围外。我见过这样的商业论证：机器人处理了八成的件，剩下那两成消耗的人工比整层楼原来用的还多，因为例外就是那些难搞的件，而难搞的件最花时间。如果范围外的件数占比超过10%到15%，先把残留的人工部分建模，再去相信任何标题数字。

边界我要说清楚，因为这类稿子通常就栽在这儿。计算机视觉系统是一个分类器。它有假阴性的尾巴，意思是它偶尔会很自信地错，而且错得看起来跟正确的读取一模一样，直到客户把箱子打开。它是在它见过的商品结构上训出来的，所以一个新供应商的包装、一个新的标签位置、一个季节性商品，都能在没人改一行代码的情况下把它拖垮。算法不消除瓶颈，它搬动瓶颈，通常搬到原先第二差的那个服务台。这些都不让它变成一个坏主意，但都让它成为一件需要你去埋点测量的东西，而不是一件需要你去相信的东西。

稿子里降低对人工依赖这一层也要仔细读。减少对人工的依赖是战略，而在欧洲，这个战略要走过协商程序、站点协议，以及一支对此有看法的员工队伍。我不会预测它在某个具体站点会怎么展开，也不会去引条文。我要说的是：连续性风险应该进你的供应商评估。去问协商的时间表长什么样，可比自动化站点的人员流失是多少，以及在灵活用工缓冲变小之后，旺季的补量方案是什么。一个更便宜的稳态，配上更薄的旺季缓冲，放在一整年里看，未必更便宜。

库存是真周期时长改善能让你赚两次的地方。如果订单下放到发运的时长真的降了，而且更重要的是波动降了，那么你欧洲备货点的补货提前期就缩短了，安全库存随提前期的平方根下降。假设日需求2,000件、标准差700，服务水平目标95%。补货提前期八天、标准差两天时，安全库存算出来大约6,400件；提前期四天、标准差一天时，大约3,200件。这是释放出来的营运资金，而且常常比操作环节省下的那点钱更大。

但要用更粗的尾巴再算一遍，因为自动化宕机是成块的，不是平滑的。平均提前期仍是四天，标准差设成三天，也就是一个季度里出几个糟糕周的样子。安全库存又涨回7,000件以上。平均值变好了，缓冲却变差了。这跟任何更快的运输方式是同一个坑：波动会把收益吃掉。任何人给你报提前期改善，都应该在同一个句子里问他标准差；他要是拿不出来，在证明相反之前，就假设它比现有流程更差。

合同条款决定你到底能拿到多少。要问订单截单时间定在几点，以及它是按下单、按收款、还是按库存占用来算。要问旺季怎么办：有没有附加费，什么触发，上限是基本费率的百分之多少。要问计费口径，因为按件、按订单行、按票三种口径会把你的SKU排出完全不同的顺序，而一个按订单行收费的伙伴没有任何动力帮你并单。要问一个你在淡季也真能达到的最低量承诺。还要问逐件带时间戳的扫描事件数据，不要周报表，没有时间戳你算不出分位数，没有分位数你就管不住尾部。

替代方案这块，清单要短，都要带价。你可以继续人工，转而去打真正的约束，那往往是订单下放的纪律或者打包台的布局，几乎不花钱。你可以改网络而不是改仓，跑更少但更大的节点，让每个节点都迈过上面那套算术要求的吞吐量门槛。你可以改对客户的承诺，这不花钱。你也可以把量分给两家，一家自动化一家不自动化，让自动化的那家用实力去挣它真正吃得下的量。不管选哪个，都要给回头路定价：多久能退出来、要花多少钱、合同期限是不是长过你对它的信心。

如果你是读这篇的第三方运营商而不是货主，上面那套算术不是判决，是排序问题。你不需要自动化一整个仓。你需要找到单位面积件数最高、商品结构最重复的那个区，只自动化那个区，因为打平与否取决于流过自动化资产的量，而不是流过整仓的量。如果资产负债表是硬约束，就租或者按量付费，别买，并且接受你买的是一份关于量的期权，而不是一次成本下降。然后把埋点做扎实，扎实到第一个区让你失望时，你能照证据放弃第二个区。

这条消息我带走的既不是120亿，也不是机器人，而是这个行业已经把自动化从试点那一栏挪到了规模化投产那一栏；这一挪，问题就从它行不行，变成了它在哪儿才划算。它在哪儿划算，取决于单仓吞吐量、取决于你的商品有多少落在机器的适用范围内、取决于改善的是波动还是只有均值。这是三个测量，不是三个观点，而这三个测量这个季度就能用你手上已有的数据跑出来。先量化，再谈优化。别的都是新闻稿。

↑ 返回核心要点

— 作者 拉维