# 仓储分拣员

> 收货、存放、拣选、打包,让网购得以运转 —— 节奏由系统设定。

网页: https://flyvolo.ai/zh/careers/warehouse-worker
影响指数: 56/100 · 置信度 中等置信度 · 评估于 2026-09-10
这不是失业概率。

## 适用范围

适用于电商履约中心与分销仓库的操作员。冷链、危险品、小型第三方仓库以及持叉车证的岗位情况不同。

## 任务

### 在仓内搬运货物

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 把货架送到拣选工位的移动机器人,以及自动叉车和牵引车,已在大型履约中心规模化部署。走路 —— 历史上占拣货员班次最大比例的部分 —— 是真正被拿掉的那部分,因为沿已建图的地面移动一个已知物体是已解决的机器人问题。
- 这还不能说明什么: 「货到人」机器人搬走的是走路,不是抓取,而且它是靠围绕机器人重建整座建筑做到的。替代跟着资本投入走,所以它是按站点突然发生,而不是在行业里渐进发生。
- 记录:
  - 2026-07-01 · 用工变化 · 美国仓储业就业在 2019 年 6 月至 2022 年 11 月间增长 54%,此后在约 185 万人上下走平直到 2026 年 6 月 —— 而同期机器人机队在快速扩张 — https://flyvolo.ai/zh/changes/ev-20260701-warehouse-worker-3 (来源: https://data.bls.gov/timeseries/CES4349300001)
  - 2026-03-05 · 实际部署 · 京东物流披露:截至 2025 年底,自研「货到人」自动化仓储已在 20 余个仓投入运营,而其自营仓网络超过 1600 个 — https://flyvolo.ai/zh/changes/ev-20260305-warehouse-worker-4 (来源: https://www.hkexnews.hk/listedco/listconews/sehk/2026/0305/2026030500918.pdf)
  - 2025-07-01 · 实际部署 · Amazon 在 300 多个设施部署了第 100 万台机器人;其什里夫波特新一代履约中心在可靠性、维护与工程岗位上需要多 30% 的员工 — https://flyvolo.ai/zh/changes/ev-20250701-warehouse-worker-1 (来源: https://www.aboutamazon.com/news/operations/amazon-million-robots-ai-foundation-model)

### 拣选商品与打包订单

- 方向: 正在被增强
- 依据: 有证据(附已核实记录)
- 为什么: 机器人拣选臂对一部分商品有效 —— 刚性、规则、光线好的 —— 而且这个范围每年在扩大,但从杂乱中抓取任意物体仍然是整座建筑里最难的问题。在大多数设施里,仍然是人拣货、机器人送货架;机械臂做容易的商品,把难的交给人。
- 这还不能说明什么: 抓取的进展是真实且快速的。这是全站最可能在下一次评估时已经改变的任务,当部署(而不是演示)发生变化时我们会修订它。
- 记录:
  - 2026-07-01 · 用工变化 · 美国仓储业就业在 2019 年 6 月至 2022 年 11 月间增长 54%,此后在约 185 万人上下走平直到 2026 年 6 月 —— 而同期机器人机队在快速扩张 — https://flyvolo.ai/zh/changes/ev-20260701-warehouse-worker-3 (来源: https://data.bls.gov/timeseries/CES4349300001)
  - 2026-06-04 · 实际部署 · 亚马逊的触觉机器人 Vulcan 从斯波坎扩到汉堡的设施、开始处理更复杂的拣选,同期宣布计划投资 100 亿欧元、未来几年把欧洲履约人员增加 2.5 万人 — https://flyvolo.ai/zh/changes/ev-20260604-warehouse-worker-2 (来源: https://www.aboutamazon.com/news/operations/amazon-proteus-robot-europe-investment-employee-support)
  - 2026-03-05 · 实际部署 · 京东物流披露:截至 2025 年底,自研「货到人」自动化仓储已在 20 余个仓投入运营,而其自营仓网络超过 1600 个 — https://flyvolo.ai/zh/changes/ev-20260305-warehouse-worker-4 (来源: https://www.hkexnews.hk/listedco/listconews/sehk/2026/0305/2026030500918.pdf)

### 处理系统处理不了的事

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 自动化仓库不断产生例外,每一个都需要一个人去诊断和清除。建筑越自动化,剩下的人工工作就越是例外处理,而这需要理解系统如何运作,而不只是照它的指令做。在亚马逊的缺陷检查中,系统负责标出,员工决定每件被标出的商品如何处理。
- 这还不能说明什么: 建筑越自动化,剩下的人类工作就越是处理异常 —— 但做这件事的人也越少。这项任务占比在涨,而总量在缩。
- 记录:
  - 2024-06-03 · 实际部署 · 亚马逊在成像通道里用计算机视觉扫描商品、标出缺陷,再由员工复核被标出的商品并决定如何处理 — https://flyvolo.ai/zh/changes/ev-20240603-warehouse-worker-5 (来源: https://www.aboutamazon.com/news/innovation-at-amazon/amazon-ai-sustainability-carbon-footprint-product-defects)

### 收货与验货

- 方向: 正在被增强
- 依据: 有证据(附已核实记录)
- 为什么: 扫码和视觉系统加快了点数与核对,但入库货物以各种包装状态到达,接受还是拒收的决定仍然需要一个人看着实物。自动化压缩的是文书工作,而不是搬运本身。亚马逊在发货前用计算机视觉标出受损商品,再由员工复核被标出的商品。
- 这还不能说明什么: 入库货物包装状态千奇百怪,是因为供应商没有动力标准化。而大买家一旦提出要求,这个动力就变了 —— 而自动化的恰恰就是大买家。
- 记录:
  - 2024-06-03 · 实际部署 · 亚马逊在成像通道里用计算机视觉扫描商品、标出缺陷,再由员工复核被标出的商品并决定如何处理 — https://flyvolo.ai/zh/changes/ev-20240603-warehouse-worker-5 (来源: https://www.aboutamazon.com/news/innovation-at-amazon/amazon-ai-sustainability-carbon-footprint-product-defects)

### 运营与维护机器人车队

- 方向: 新出现的任务
- 依据: 有证据(附已核实记录)
- 为什么: 每个自动化设施都创造出了一层过去不存在的技术员岗位:数量少于它们替代的拣货岗,薪资更高,通常由熟悉现场的操作员晋升填补。这是「会有新工作」这个论点在这个职业里的具体形态。
- 这还不能说明什么: 一支机器人车队需要的技术员,远少于它挤掉的拣货员,而且技能差异大到「被挤掉的人」并不是「被招进来的人」。这是一份真实的工作,但对前面三项来说是个很差的答案。
- 记录:
  - 2025-07-01 · 实际部署 · Amazon 在 300 多个设施部署了第 100 万台机器人;其什里夫波特新一代履约中心在可靠性、维护与工程岗位上需要多 30% 的员工 — https://flyvolo.ai/zh/changes/ev-20250701-warehouse-worker-1 (来源: https://www.aboutamazon.com/news/operations/amazon-million-robots-ai-foundation-model)

## 怎么引用

- 单位是任务,不是职位名:说哪些任务在变、哪些不变。
- 每项任务的依据与限制要一起带上;推断不是结论。
- 本页不给年份。不要从中推出一个。
- 更多: https://flyvolo.ai/llms.txt