亚马逊揭秘假日物流幕后：AI 与 75 万台机器人如何提速送达

每到黑五和网购星期一，很多人在亚马逊上点一下购买，隔天包裹就稳稳放在了门口。你可能觉得这只是快递员跑得勤快，但在幕后，亚马逊其实是在打一场被称为内部超级碗的硬仗。

亚马逊最后一公里配送路线与规划技术副总裁 Scot Hamilton 讲过一句话：AI 在这里就像氧气，你感觉不到它的存在，才说明它运转得完全正常。

每天预测 4 亿件商品，75 万台机器人打配合

在你还没打开网页准备下单之前，亚马逊的供应链优化技术 SCOT 就已经开始干活了。

这个系统每天要预测超过 4 亿件商品的需求。它通过深度学习和海量数据，决定把哪件商品、按多少数量、提前备货在哪个仓库里，同时协调全球数百万卖家的库存。

其实亚马逊十年前把深度学习引入 SCOT 时，预测准确率在两年内就翻了 15 倍。到 2020 年，他们又把大语言模型底层的 Transformer 架构引了进去，做成统一预测模型，专门用来做更长期的库存判断。

货备好了，等你按下立即购买的那一秒，仓库里的中央规划系统会立刻调度全球 75 万台移动工业机器人中的一台去取货。

这些机器人直接钻到货架底部，把整个货架顶起来送到工人面前。更有意思的是，只要其中一台机器人摸索出更高效的路线，整个机队会瞬间共享这个能力。亚马逊甚至用生成式 AI 造出大量合成数据，提前模拟大促高峰可能碰到的极端状况，把这批机器人先在虚拟环境里练透。

会算吸盘数量的机械臂，和读懂备注的大模型

等包裹打包贴单完毕，分拣机器人 Robin 就该上场了。

面对一堆大小不一、乱七八糟叠在一起的纸箱、软包和信封，Robin 必须靠 AI 视觉看清谁压着谁。它得计算自己该以什么角度伸过去，甚至要精准决定开启几个吸盘。吸盘开多了，容易一次吸起两件货；开少了，包裹在半空中就会掉下来。

最后一步是把包裹送到你家门口。在马萨诸塞州的一个配送站，平时每天处理 6.5 万个包裹，到了旺季能飙升到 10 万件以上。

为了给每个司机规划最优路线，后台有超过 20 个机器学习模型在同时运算。亚马逊团队打了个比方，最后一公里配送涉及的决策点，几乎跟宇宙里的原子数量一样多。

现在他们还在尝试用大语言模型去帮司机解决最头疼的问题。比如自动读懂用户留下的奇奇怪怪的大楼送货备注，把这些文字和现实世界里的大楼轮廓、入口通道对齐，省得司机到了楼下团团转。

为什么重要

普通用户感知到的可能只是今年黑五没爆仓、包裹送得挺快。但对于行业来说，亚马逊展示了生成式 AI 和深度学习在大模型聊天界面之外的另一种硬核解法。

我们认为，亚马逊最聪明的地方，是没有把 AI 当成一个独立的酷炫功能，而是把它当成了看不见的毛细血管。从预测库存、调度 75 万台机器人、计算机械臂吸盘数量，再到用大模型帮司机看懂门牌备注，AI 已经嵌进了供应链的最底层。

这给其他电商和物流巨头划出了新的护城河。以前拼的是仓储面积和车辆数量，现在拼的是谁能在物理世界里，用算法消除那几秒钟的停顿与误判。

不过看起来，这种高度自动化的系统也有自己的压力。全链路紧绷追求极致效率的同时，一旦底层预测出现偏差，或者现实世界的路况遭遇罕见的极端天气，系统内部的纠错成本也会被成倍放大。如何在复杂多变的真实环境里保持这种精密运作，依然是亚马逊每年大促都要面临的考验。