仓储分拣员

美国仓储业的工资单就业,一条为跨期比较而设计的月度序列。就业从 2019 年 6 月的 122.49 万升至 2022 年 11 月的 188.08 万,再到 2026 年 6 月的 184.58 万 —— 三年半内下降不足 2%。这个平台期存在混杂因素:疫情后电商增速回归本身就会让这条线走平,与机器人无关。它是全行业口径,不代表任何单一运营商;而一个走平的总数,完全可以是自动化站点减人、其他地方加人的结果。

招聘、人数、工时或职责出现可验证变化。权重最高 —— 但因果归因仍需论证,不能默认。

只涉及亚马逊,Vulcan 也只点名了两个站点(斯波坎、汉堡)—— 公司没有说它在任一站点承担了多大比例的拣选。同一则公告里大部分内容是计划而非部署:能听自然语言指令的新一代 Proteus「目前在亚马逊实验室内试点」,欧洲部署计划在 2027 上半年;STARK 在巴塞罗那试点,计划 2027 年前扩到欧洲 15 个站点。负责搬运料车(而非拣选)的初代 Proteus,公司称已部署在美国 25 个履约中心。2.5 万是计划中「未来几年」欧洲履约人员的增长,不是招聘人数,也没有具体时间表。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

中国,来自公司自己的港交所披露。网络为 1600 余个自营仓加 2000 余个第三方云仓,总管理面积超 3400 万平方米。「20 余个」只统计一套特定系统 —— 其自研「货到人」方案,公司称该方案在 2025 年进入全国复制阶段 —— 因此它不能用来衡量整个网络的自动化程度,其他仓使用的是别的设备。同一份公告还披露超过 1000 台无人车已在配送站与配送区之间的接驳环节常态化运营,并在英国投运首个海外自动化仓。这些数字旁边没有给出任何用工数据。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

Amazon 全球履约网络;公司自报。机器人数量是车队规模,不是关于总人数的陈述。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

北美。公司自己的页面说,商品发货前会经过成像通道,Project P.I. 用计算机视觉检测缺陷(比如书的封面弯折);员工复核被标出的商品,决定每件能否折价转售、捐赠或另作他用;该模型已在多个配送中心帮助加强人工检查。这是一家公司关于发货前检查(而非收货)的自述;没有给出人手或时间的数字。

企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。

仓储仍在大规模招人,仍然不需要学历,但你进入的这份工作已经和十年前描述的不同:走得少了,更多时间站在工位上按系统设定的节奏干,例外处理更多。把它当成一个入口,在那里的时候搞懂自动化到底怎么运作,并瞄准自动化建筑创造出来的技术员和班组长岗位。

你对现场实际运作的理解,就是自动化创造出的技术员和主管岗位所需的资格,早转过去的操作员通常过得不错。拣选本身是最可能进一步变化的任务,所以如果你的角色只有这一项,在下一代机械臂到来之前动,而不是之后。

调整职责

成为修机器人的那个人

自动化建筑需要技术员和车队操作员,付给他们的比拣货员多,而且偏好本来就熟悉现场的人。

保住并强化

升到班组长和班次运营

总得有人来跑班次、管理例外和人员、并为数字负责。随着现场自动化,这项工作在增长。

跨行业转型

转与仓库相邻的技术工种

电工、维修装配工和制冷技工都短缺,每个自动化设施都需要他们在场。学徒期有薪,而且这门手艺比任何一个雇主都长久。

它们拿走了走路和大部分搬运,并且在少数几个具名的站点,机器人现在承担了部分拣选。它们没有拿走例外处理、入库验货,以及让机器人本身持续运转的工作,而这些岗位随着建筑自动化而增长了。诚实的图景是:每个包裹对应的人更少,每个人做的工作更需要理解系统,而剩下的拣选任务是接下来最可能改变的。如果你在仓库工作,问题不是要不要离开,而是往哪个新岗位走。

信号是资本,不是能力。这种替代跟着投资决策走,所以它在一个站点突然发生,在隔壁完全不发生 —— 去问你这栋楼有没有改造排期,那一个事实比任何机器人发布都更能决定结果。

在仓内搬运货物 —— 标为「正在自动化」的那一项,「货到人」机器人是靠围绕机器人重建整栋楼来解决它的。拣货本身仍主要由人做,因为从杂乱中抓取任意物体依然很难 —— 而那是全站最可能在下次评估前已经变了的一项任务。

这是一份真实的工作,但对替代来说是个很差的答案。一支机器人车队需要的技术员远少于它挤掉的拣货员;而工厂一边喊缺人,一边不给「把现有操作工培养成技术员」出钱。自己掏钱之前,先问雇主愿意为什么买单。