亚马逊第100万台机器人落地日本仓库，同时发布DeepFleet模型，称机器人车队行驶时间缩短10%

亚马逊运营网络中的机器人数量突破100万台。亚马逊机器人业务副总裁Scott Dresser在2025年7月1日发布于公司新闻中心的文章中写道，第100万台机器人已交付日本的一处运营中心，加入了在全球300多个设施中工作的机器人车队。亚马逊在同一篇文章中发布了DeepFleet，这是一款协调仓内机器人移动的生成式AI基础模型，公司称其将使机器人车队的行驶时间改善10%。

增速可观。亚马逊在2023年10月18日表示，与员工协同工作的机器人已超过75万台。两次披露之间约20个月新增25万台，增幅约33%（MEKAWIRE计算）。亚马逊未披露机器人按类型的构成、单个设施的数量以及投入金额。以100万台除以300个设施，每个设施平均最多约3300台（MEKAWIRE计算），由于公司只说设施数量在300个以上，该数字为上限。

亚马逊把DeepFleet比作仓库地面的交通管理系统。模型预测机器人如何移动、拥堵会在哪里形成，从而规划绕开瓶颈的路径。亚马逊称，模型使用Amazon SageMaker等AWS工具，以公司自有的库存移动数据训练而成，并在运行中持续学习。按公司的说法，机器人跑得更快意味着订单处理更快、运营成本更低。7月31日发布的第二季度业绩中，亚马逊再次提到DeepFleet让其100万台以上机器人找到更优路径、减少瓶颈，行驶效率提升10%。

技术细节于8月11日公布。亚马逊机器人应用科学高级经理Joey Durham在Amazon Science博客及arXiv论文中介绍，团队使用来自运营中心和分拣中心的数百万小时数据，比较了四种架构。以单台机器人为中心、同时编码其最近的30台机器人、100个网格单元和100个物体的模型参数量为9700万，整体表现最佳。参数量8.4亿的机器人与地面联合模型在时间类指标上得分最高，参数量1300万的图模型以较小规模取得了不错的结果，而把地面网格当作像素处理的图像类模型效果不佳。训练数据越多效果越好，这是其被称为基础模型的依据。近期用途是预测拥堵，长期目标是由模型把具体取货任务分配给机器人。

亚马逊自2012年起在履约网络中使用机器人。目前车队包括可搬运最多1250磅库存的Hercules驱动单元、用精密传送带运送单件包裹的Pegasus，以及亚马逊称为首款能在人员周围安全工作的全自主移动机器人Proteus。2024年10月，亚马逊在美国路易斯安那州什里夫波特启用一座五层、面积超过300万平方英尺的新一代中心，机器人数量为此前设计的10倍。公司称该中心履约处理时间最多缩短25%，并预计旺季服务成本改善25%。亚马逊在第二季度业绩中还介绍了首款结合视觉与触觉的机器人Vulcan。

外部供应商无一达到这一规模。2025年7月在港交所上市的极智嘉（2590）8月29日公布中期业绩，称已在40多个国家和地区部署超过6.6万台机器人，上半年收入10.25亿元人民币，同比增长31.0%。美国Symbotic于8月6日公布，2025财年第三季度收入5.92亿美元，同比增长26%。挪威AutoStore于8月14日表示，已为约1250家客户安装约1750套系统，但第二季度收入下降13.1%至1.339亿美元。旗下拥有优傲机器人（Universal Robots）和MiR的泰瑞达机器人业务第二季度收入为7500万美元。

对中国供应链而言，这一消息的意义在于数据而非硬件。极智嘉、海柔创新、快仓等中国仓储机器人企业的设备分布在众多客户现场，每个客户的数据权属各不相同，难以像亚马逊那样把数十万台机器人的轨迹集中起来训练一个模型。中国企业在硬件成本和交付速度上有优势，但如果行业竞争转向车队级AI，数据汇聚能力将成为新的门槛。亚马逊在用工问题上表示，自2019年以来已为70多万名员工提供技能培训，新一代设施需要多30%的可靠性、维护和工程岗位人员。

悬而未决的是衡量方式。10%是亚马逊自报数字，公司未公布基准、测量所在设施以及旺季能否维持。arXiv论文称模型基于数十万台机器人的移动数据训练，说明DeepFleet尚未覆盖全部车队。亚马逊也未说明是否会通过AWS向其他仓储运营商提供该模型。

接下来值得关注的是2025年10月下旬亚马逊第三季度业绩、行驶时间改善能否体现为吞吐量的第四季度旺季，以及DeepFleet能否从拥堵预测走向任务分配。