الملخص
- الملايين من الروبوتات التي نشرتها أمازون تشكل دليلًا مقنعًا على نطاق تصنيع وتشغيل الأسطول، ولكن ليس على مليون عامل مستقل قابل للتبادل. معظم الأسطول ينقل الرفوف أو الحاويات أو الطرود داخل مرافق منظمة؛ والمهام الصعبة للانتقاء والتخزين على مستوى العناصر لا تزال تستخدم مرشحات الأهلية والمحاولات المتكررة والنقل البشري وعمليات النشر المحدودة.
- أفضل الأدلة العامة على المهام تأتي من الأبحاث الإنتاجية وليس من إعلانات الإطلاق. أدى تصنيف الانتقاء المُتعلم من روبن إلى تقليل الإخفاقات مقارنة بمرجع استكشافي في اختبارات واسعة النطاق. نجحت تجربة فولكان بيك في 90.9% من محاولات الاستخراج، لكن 4,690 فقط من أصل 6,561 طلبًا مخصصًا، أي حوالي 71.5%، أسفرت عن استخراج روبوتي ناجح بعد مراعاة تأجيلات التخطيط والإخفاقات الأخرى.
- الادعاءات على مستوى المبنى واعدة لكنها لا تمثل بعد اقتصادًا روبوتيًا نقيًا. تستهدف أمازون تحسينًا بنسبة 25% في تكلفة الخدمة لتصميمها في شريفبورت، بينما لا تكشف مستنداتها بشكل منفصل عن نفقات الاستثمار في الروبوتات أو الإهلاك أو الطاقة أو الصيانة أو العمالة الاستردادية أو التوفير لكل عنصر. أمازون مطور وعميل رئيسي في نفس الوقت، لذا تظل المقارنات الإنتاجية المستقلة نادرة.
- سرد العمل هو نقل للعمل وليس مجرد إلغاء. الروبوتات تلغي كيلومترات من المشي وبعض الرفع، مع خلق مهام الصيانة والمراقبة الأرضية وإدارة الاستثناءات والهندسة، وربما زيادة الوتيرة في المحطات البشرية. مزاعم السلامة تتطلب نفس الانضباط: الآليات المريحة مقنعة، لكن مقارنات الشركة بين المواقع الروبوتية وغير الروبوتية هي ملاحظات، ولا يزال المنظمون يطلبون ضوابط مريحة شاملة.
في يونيو 2025، استقبل مركز معالجة الطلبات التابع لـ أمازون في اليابان المليون روبوت للشركة. هذا الإنجاز جاء بعد 13 عامًا من شراء أمازون لـ Kiva Systems، ومن الصعب تجاهله. مليون آلة مادية منتشرة في أكثر من 300 منشأة ليست قصة مختبر. هذا يعني أن التوريد والتصنيع والشحن وقطع الغيار والتغطية اللاسلكية وبرامج الأسطول وإعداد الأرضيات والصيانة والعمليات اليومية كلها نجت من الاتصال بشبكة واسعة بشكل استثنائي.إعلان أمازون عن هذا الإنجازهو دليل موثوق على أن روبوتات المستودعات أصبحت بنية تحتية عادية داخل الشركة.
هذا ليس دليلاً على أن مليون روبوت يمكنهم تنفيذ مليون طلب بمفردهم.
هذا التمييز مهم لأن رقم أمازون يجمع آلات ذات وظائف ومستويات استقلالية مختلفة جدًا. وحدة القيادة الناضجة Hercules تتبع شبكة منظمة، ترفع حاوية وتأتي بها إلى عامل. Proteus ينقل عربات ذات عجلات في مساحات مشتركة مع الأشخاص. Robin يأخذ الطرود من كومة ويضعها على وحدات متحركة. Sparrow يتعامل مع العناصر الفردية. Cardinal يفرز الطرود الأثقل. Sequoia ليس روبوتًا واحدًا بل نظام مخزون متكامل. Vulcan يستخدم استشعار القوة للعمل داخل أرفف قماشية مزدحمة. بعضها يعمل في أسطول واسع؛ البعض الآخر نُشر فقط في مبنى واحد أو في حفنة من خلايا العمل؛ وآخرون ما زالوا بحاجة إلى نشر أوسع.
الطريقة الصادقة لتقييم Amazon Robotics هي تتبع العمل وليس الأسماء. أي مهمة تدخل؟ أي حالة يجب الحفاظ عليها؟ أي جزء من الحالات العادية ينجح؟ ماذا يحدث للعنصر والطلب وبقية المبنى عندما ترفض الآلة أو تسقط أو تتعطل أو تفقد معايرتها أو تتوقف؟ وكم من الاهتمام البشري مطلوب قبل أن تعود العملية إلى طبيعتها؟
شركة تابعة مبنية حول عميل داخلي
Amazon Robotics LLC هي الخليفة المؤسسي لـ Kiva Systems، شركة مناولة المواد في نورث ريدينغ، ماساتشوستس، التي وافقت أمازون على شرائها في مارس 2012 مقابل حوالي 775 مليون دولار نقدًا.إعلان الاستحواذ الأصلي من أمازونأوضح بوضوح الجاذبية: Kiva تجلب المنتجات إلى الموظفين للانتقاء والتعبئة والتخزين. سجل مستند لاحق من أمازون أن الاستحواذ اكتمل في مايو 2012؛ ساهمت Kiva بمبيعات قدرها 61 مليون دولار وخسارة تشغيل قدرها 62 مليون دولار من الاستحواذ حتى نهاية تلك السنة، وهو تذكير مبكر بأن النظام المفيد والمورد المستقل المربح ليسا نفس الشيء.
الحدود القانونية والمنتج قد تصبح ضبابية لأن أمازون تصف العمليات الروبوتية من خلال غرف الأخبار وصفحات البحث ومواقع التوظيف على مستوى أمازون. الشركة المعنية هنا هي تكنولوجيا معالجة الطلبات المنبثقة من Kiva، والتي تقع حول البحث والتصنيع في ماساتشوستس وتنشر في عمليات أمازون. ليس هذا هو AWS، على الرغم من أن أمازون تدعي أن البنية التحتية لـ AWS تخزن وتعالج البيانات الناتجة عن أجهزة الاستشعار والكاميرات وآلات الروبوتات. ليس هذا هو المركبات الذاتية القيادة من Zoox أو طائرات التوصيل من Prime Air أو الروبوت المنزلي Astro أو جميع شركات الروبوتات التي استثمرت فيها أمازون.
هذه الجهود قد تتبادل الموظفين أو الخدمات أو الأبحاث، لكنها لا تحول أسطول المستودعات إلى منتج تجاري واحد.
الحدود العميل مهمة بنفس القدر. تاريخيًا، كانت Kiva تبيع أنظمة المستودعات لشركات خارجية. تحت أمازون، كان العميل الأساسي للنشر هو أمازون نفسه. لا يوجد كتالوج عام لـ Amazon Robotics بسعر لكل وحدة أو اشتراك برامج أو اتفاقية مستوى خدمة أو رقم احتفاظ العملاء.رسالة المساهمين لعام 2025 من Andy Jassyتشير إلى أن أمازون ستستكشف حلولًا روبوتية للعملاء الصناعيين والمستهلكين حيث يمكنها استخدام نطاقها وعائداتها التشغيلية. المستقبل البسيط مهم. إنه يصف خيارًا، وليس نشاطًا تجاريًا روبوتيًا خارجيًا قائمًا.
هذا الهيكل يعطي Amazon Robotics ميزة يتمناها معظم الموردين. يمكن لمهندسيها مراقبة أحجام هائلة، وتعديل المبنى، وتغيير البرامج في المراحل المبكرة، وجمع بيانات الفشل، والاحتفاظ بالتوفير داخل الشركة الأم. كما أنه يضعف الأدلة التقليدية. المورد والمشتري يتشاركان الإدارة، ومواقع الاختبار تنتمي لنفس مجموعة الشركات، ولا يتعين على أي من الطرفين نشر عائد على الاستثمار عن بعد. يمكن لأمازون تمويل نظام يحسن شبكة التجزئة بأكملها حتى لو بدت الشركة التابعة غير جذابة كشركة معدات مستقلة. مشغل مستودع خارجي لا يمكنه افتراض نفس الاقتصاد.
الطلب هو الوحدة المهمة
العميل يرى طلبًا. المستودع يرى سلسلة من انتقالات الحالة.
يجب تحديد المخزون الوارد وطرحه للبيع. يتم وضع عنصر في التخزين، وتسجيل موقعه، ويجب توزيع نسخ كافية عبر الشبكة. عندما يصل طلب، يختار البرنامج موقع المعالجة ويخصص المخزون. تتحرك حاوية تخزين أو حاوية إلى محطة. يتم سحب العنصر الصحيح والتحقق منه ووضعه في حاوية. يتم تعبئته ووضع العلامات عليه وفرزه ودمجه مع أعمال أخرى وإرساله إلى الرصيف المناسب. تتحرك العربات إلى مناطق التحميل؛ تغادر الشاحنات في الوقت المحدد. كل نقل يجب أن يحافظ على الهوية والكمية والوجهة والحالة الفعلية.
آلات أمازون تؤتمت أجزاء من هذه السلسلة. الجزء الأقدم والأوسع هو نقل البضائع إلى الشخص. وحدات القيادة تمر تحت الحاويات المتحركة، ترفعها وتأتي بها إلى محطات ثابتة. لم يعد الإنسان يمشي في الممرات للبحث عن العنصر. هذا إلغاء هائل للمشي، لكن محطة العمل لا تزال بحاجة إلى شخص لتحديد المنتج والإمساك به ومسحه. النظام يحول عمل المشي إلى عمل انتقاء أو تخزين ثابت، حيث يتحكم البرنامج في قائمة الانتظار.
الجزء التالي هو حركة الطرود. يستخدم Robin و Cardinal الرؤية والشفط والأذرع الصناعية لنقل الطرود المعبأة بالفعل. Proteus ينقل العربات المحملة. هذه المهام أكثر تقييدًا من العثور على عنصر تجزئة معين، ناعم، عاكس أو هش على رف مزدحم. تلقى الطرد بالفعل شكلًا وملصق تغليف؛ تقدم العربة واجهة ميكانيكية قياسية. التوحيد ليس خدعة. هذه هي الطريقة التي تُبنى بها الأتمتة الصناعية الموثوقة. لكن هذا يعني أن العدد الكبير من الطرود لا يمكن نقله إلى البراعة على مستوى العناصر.
الجزء الأصعب هو التعامل مع مخزون التجزئة نفسه. يمكن لأمازون تخزين معجون الأسنان والكتب والألعاب في أكياس والكابلات والزجاجات والصناديق الخفيفة والملابس القابلة للتشوه في حاويات متجاورة. تصل العناصر في عبوات جديدة، تتداخل، تخفي أسطحها المفيدة وتتحرك تحت التلامس. الأيدي البشرية تستخدم اللمس والتنسيق بكلتا اليدين والارتجال المنطقي دون بناء نموذج ثلاثي الأبعاد صريح. الروبوت يحتاج إلى إدراك وجهاز نهاية وحركة بدون تصادم وحدود قوة وسلوكيات استرداد وقرار بشأن متى لا يحاول.
لهذا السبب فإن ادعاء أمازون بأن الروبوتات تلعب دورًا في تحقيق 75% من طلبات العملاء ليس معدل استقلالية بنسبة 75%. وحدة القيادة يمكنها مساعدة طلب لا يزال الشخص ينتقيه ويتحقق منه ويعبئه. الادعاء يوضح الانتشار عبر الشبكة، وليس جزء العمل أو القرارات الملغاة. بالنسبة للمشتري أو المشغل أو صانع السياسات، المقامات المفيدة هي المهام المنجزة والتدخلات لكل مهمة والعناصر التالفة ووقت الاسترداد ودقائق العمل والتكلفة الإجمالية لكل طلب صحيح.
النقل ناضج، لكن الأرضية نظام
أسطول الوحدات المتحركة هو أنجح نجاح إنتاجي لـ Amazon Robotics. بحلول عام 2022، أعلنت أمازون عن أكثر من 520,000 وحدة قيادة؛ وبحلول منتصف 2025، تجاوز إجمالي الروبوتات المليون. على هذا النطاق، لم تعد القدرة ذات الصلة هي ما إذا كان الروبوت يمكنه متابعة مسار. بل هي ما إذا كانت آلاف الروبوتات والحاويات والمحطات تستمر في الحركة دون تحويل اضطراب محلي إلى تأخير على مستوى المبنى.
وحدة القيادة الحديثة تتلقى العمل من برنامج التخطيط المركزي مع الحفاظ على الاستشعار والتحكم المحلي.الوصف الحالي للأسطول من أمازونيشير إلى أن Hercules يستخدم كاميرا ثلاثية الأبعاد للتمييز بين الأشخاص والحاويات والروبوتات والأشياء الأخرى، ويقرأ علامات أرضية مشفرة للموقع، ويتلقى التوجيه العام من التخطيط المركزي. على أرضيات التخزين المقيدة، تقوم البيئة بجزء كبير من عمل الموثوقية: المسارات ممثلة كرسم بياني، والحاويات والمحطات لها أدوار معروفة، وعلامات الأرضية ترسخ التموضع، والوصول مقيد بشدة. Proteus يوسع المجال التشغيلي من خلال اكتشاف والتنقل حول الأشخاص أثناء نقل العربات، لكن أول عمل إنتاجي له ظل مقصورًا على مناطق أرصفة الشحن.
النطاق يقدم تفاعلات لا يمكن لتجربة روبوت واحد إظهارها. تتنافس الروبوتات على المسارات الضيقة والمحطات عالية الطلب. خلية حركة مسدودة يمكن أن تجبر العديد من المسارات على التمدد. الحاويات تصطف في طابور حتى لا يبقى المنتقي خاملاً. الشحن والوصول إلى الأرضية والصيانة يزيلان السعة. تأخيرات صغيرة يمكن أن تشكل موجات مرورية.
مشروع MIT لعام 2019 الذي تم بالتعاون مع Amazon Robotics يجعل عبء الاسترداد ملموسًا بشكل استثنائي.دراسته حول صحة الأرضيات الروبوتيةتصف المنتجات المتساقطة والانسكابات والوحدات المعطلة وعلامات الأرضية المتسخة. عندما تتعطل وحدة أو تمر فوق عائق، قد يضطر الموظفون إلى تقييد منطقة أكبر بكثير للدخول بأمان. هذا التقييد يمكن أن يسد ممرات مرورية قيمة، مما يزيد الازدحام ويزيد وقت خمول المحطات. المشروع كان موجودًا لأن الدعم التفاعلي وأفضل الممارسات غير الرسمية لم تكن قابلة للتوسع؛ كان المشغلون بحاجة إلى كشف مبكر وأولوية أفضل للتدخلات. تم إخفاء المعدلات والتكاليف الدقيقة، لذا فهي ليست تقرير توفر حالي. لكنها مع ذلك دليل قيم على أن استقلالية الأسطول تخلق عمل إشراف عادي خاص بها.
هاجمت أمازون الازدحام ببرامج متزايدة التعلم. نظام عام 2023 تنبأ بالتأخير من تاريخ الروبوتات والمسارات المخطط لها. في المحاكاة، أبلغ الباحثون عن زيادة بنسبة 4.4% في إنتاجية تخطيط المسار وخطأ تقدير وقت السفر أقل بنسبة 30% إلى 40% مقارنة بأساليب الإنتاج. هذه نتائج واعدة، لكن كلمةمحاكاةلها وزن: اختيارات مسار أفضل في إعادة التشغيل لا تؤسس تلقائيًا نفس المكسب تحت حركة المرور الفعلية في أوقات الذروة.
DeepFleet هو الخلف الأكثر طموحًا. تسميه أمازون نموذج أساس لتنسيق الروبوتات المتحركة وتقول إنه يحسن كفاءة مسار الأسطول بنسبة 10%.الورقة التقنيةجوهرية. تم تدريب أربع عائلات من النماذج على بيانات إنتاج فعلية، وأكبر الأمثلة استخدمت حوالي 700,000 إلى خمسة ملايين ساعة روبوت. اختبار تحقق منفصل غطى سبعة أيام على سبع أرضيات مستودع، والنماذج دحرجت المسارات 60 ثانية في المستقبل. أفضل بنية اعتمدت على المقياس: نموذج متمركز حول الروبوت بـ 97 مليون معلمة حقق أفضل النتائج في معظم مقاييس المسار، بينما ظل نموذج رسومي أصغر بكثير تنافسيًا.
لكن الورقة تقيم التنبؤ، وليس الادعاء التشغيلي العام بنسبة 10%. إنها تقيس مدى تشابه المسارات والازدحام المتوقع مع سلوك التحقق. إنها لا تنشر مقارنة موقع عشوائية تظهر وقت السفر وإنتاجية الطلبات والتدخلات والتكلفة قبل وبعد DeepFleet. قد تمتلك أمازون هذه الأدلة. الجمهور لا يمتلكها. لذا فإن قدرة النموذج مثبتة بقوة أكبر من نتيجة العميل على مستوى الأسطول.
التمييز مهم أيضًا للمرونة. يمكن لـ DeepFleet إبلاغ تخصيص المهام والتوجيه والمحاكاة؛ لا ينبغي وصفه باستخفاف كوحدة تحكم أمان منخفض المستوى لكل روبوت. التوقف في الوقت الحقيقي وحدود القوة وأقفال المعدات يجب أن تستمر في التصرف بأمان عندما يكون التنبؤ المتعلم خاطئًا أو البنية التحتية غير متاحة. تذكر أمازون أن AWS تساعد في تخزين ومعالجة البيانات الغنية للآلات، لكنها لا تنشر بنية كافية لاستنتاج حلقات التحكم التي تتطلب توفر السحابة. الاستنتاج المسؤول هو أن السحابة وبيانات الأسطول هي تبعيات أولية للتحليل وتطوير النموذج، بينما تظل حدود الفشل الدقيقة غير معلنة.
Robin يوضح كيف يبدو الدليل الإنتاجي الجيد
Robin، ذراع تفريد الطرود، يقدم أقوى دليل عام على أن Amazon Robotics يمكنها تحسين مهمة معالجة متكررة في الإنتاج. المهمة هي أخذ طرد من كومة غير منظمة على ناقل، ومسحه ووضعه على وحدة متحركة للفرز. تختلف الطرود في المواد وتوزيع الكتلة والرؤية؛ تختلف خلايا العمل أيضًا في تكوين الذراع وأداة الشفط.
قام باحثو أمازون بتدريب نموذج تعلم آلي ضحل لتصنيف القبضات المرشحة بناءً على النجاح المتوقع.ورقة الإنتاج لعام 2023تسمي الإخفاقات ذات الصلة: لا توجد خطة قابلة للتنفيذ، فقدان الطرد بعد القبض، والقبض العرضي على عناصر متعددة. هذا بالفعل إفصاح أفضل من إجمالي عدد الطرود لأنه يوضح ما يعنيه فشل المهمة.
شمل التقييم عدة طبقات مفيدة. تم تدريب النموذج على أكثر من 394,000 قبضة. في مقارنة تحقق على حوالي 179,000 مقدمة عشوائية في الإنتاج، زاد الترتيب المتعلم من نجاح القبض من 95.02% إلى 96.20%. هذا التغيير بنسبة 1.18 نقطة مئوية قلل الإخفاقات بنسبة 23.7%، مثال جيد على أهمية مكاسب الموثوقية التي تبدو صغيرة عند ملايين التكرارات اليومية. اختبار A/B أوسع للأسطول وزع حوالي 1.16 مليون قبضة بين كل من ستة أساليب ترتيب؛ حققت البنية المتعلمة الأعلى أداءً 93.73% نجاح مقابل 92.28% لإرشاد القبض المركزي. الطريقة المنشورة تعاملت أيضًا مع أكثر من 200 مليون مقدمة بمعدل نجاح مذكور 98% خلال فترة تقييم الورقة.
هذا الدليل ليس مثاليًا. أمازون كتبت الورقة وشغلت الأسطول. رقم 98% غير مصحوب بدفتر أستاذ كامل للتكاليف أو المحاولات أو التدخلات، وجداول مختلفة تغطي طرقًا وعينات مختلفة. القبض الناجح ليس طلب العميل بأكمله. لكن الورقة تقدم تعريفات المهام والمعايير وأحجام العينات ومقارنات إنتاج فعلية. إنها تدعم ادعاء ضيقًا وقويًا: اختيار القبض المتعلم قلل من إخفاقات نظام معالجة الطرود الناضج بالفعل.
Robin يوضح أيضًا كيف تتكون الموثوقية. معدل فشل 2% يبدو ممتازًا حتى يُطبق على خمسة ملايين محاولة يوميًا؛ هذا يعني 100,000 محاولة أولى فاشلة إذا كان كل فشل يتوافق مباشرة مع محاولة. عمليًا، بعض الإخفاقات يمكن إعادة المحاولة أو توجيهها إلى عملية أخرى، لذا فإن هذه الحسابات ليست عددًا للطلبات المتأخرة للعملاء. إنه تذكير بأن الأتمتة عالية الحجم يجب أن تُصمم حول الاسترداد، ولا تُحتفى بها عند نقطة عمل الحالة العادية.
بحلول عام 2024، صرحت أمازون لوكالة أسوشيتد برس أن Robin يعمل في عشرات المستودعات وأجرى ثلاثة مليارات قبضة. نفسالمقابلة المبلغ عنها بشكل مستقلأشارت إلى أن أنظمة أخرى مسماة كانت لا تزال قيد الاختبار أو غير منشورة على نطاق واسع. نضج الأسطول غير متساوٍ حتى داخل نفس المحفظة.
التعامل مع العناصر يكشف فجوة الاستقلالية
Sparrow مصمم لنقل المنتجات الفردية بين الحاويات؛ Cardinal يرفع ويفرز طرودًا يصل وزنها إلى 50 رطلاً؛ Sequoia يجمع بين الروبوتات المتحركة والبوابات والأذرع والمخزون في حاويات ومحطات عمل بشرية. معًا، توسع هذه الأنظمة الأتمتة إلى ما بعد النقل. الدليل العام لكل منها له قوة مختلفة.
تدعي أمازون أن نسخة حالية من Sparrow يمكنها التعامل مع أكثر من 200 مليون منتج فريد. هذا ادعاء تغطية، وليس معدل نجاح. لا يشير إلى عدد المرات التي ينهي فيها الذراع حركة مطلوبة، أو أي جزء يرفض، أو كيف يتم أخذ عينات من مزيج المنتجات، أو عدد المحاولات المسموح بها، أو عدد المرات التي يحل فيها الشخص حالة المخزون. من المعقول أن إدراك Sparrow له نطاق كتالوج واسع: بيانات ARMBench العامة من أمازون بُنيت من أكثر من 235,000 نشاط التقاط ووضع على أكثر من 190,000 كائن فريد. لكن ARMBench يكشف أيضًا القيود غير المحلولة. اكتشاف العيوب الأساسي الخاص به لم يسترجع سوى 34% من عيوب صورة الالتقاط المتعدد بمعدل إيجابي كاذب 5%، بينما كان استرجاع عيوب الطرد 73%.
هذا المعيار يقيس نموذجًا، وليس منتج Sparrow الحالي، لكنه يوضح لماذا قد يكون اكتشاف نتيجة سيئة نادرة أصعب من تنفيذ حركة عادية.
Cardinal أسهل في الفهم. يختار طردًا من شلال، ويقرأ ملصقه ويضعه في العربة الصحيحة. الشفط الهوائي والصندوق المسمى يجعلان هذا ممكنًا، بينما حد المناولة 50 رطلاً يستهدف عملاً ذا قيمة مريحة واضحة. ومع ذلك، لم تنشر أمازون نجاح مهام Cardinal أو التوفر أو التدخلات لكل ألف طرد أو التكلفة المقارنة. إعلان نموذج أولي ونشر مسمى دليل على نظام يعمل، لكنه غير كافٍ لتقييم موثوقيته في الإنتاج.
Sequoia يرفع الادعاء من روبوت إلى عملية مبنى. في أول نشره في هيوستن، قالت أمازون إن المخزون الوارد يمكن تحديده وتخزينه بشكل أسرع بنسبة 75%، ويمكن للطلب المرور عبر مركز المعالجة بشكل أسرع بنسبة 25%. منشأة شريفبورت توسع التصميم: أكثر من ثلاثة ملايين قدم مربع، تخزين لأكثر من 30 مليون عنصر، آلاف الروبوتات المتحركة، أذرع روبوتية و 2,500 موظف عند السعة الكاملة.تقرير أمازون عن شريفبورتيشير إلى أنه يستهدف تحسينًا بنسبة 25% في تكلفة الخدمة خلال فترات الذروة.
هذه التصريحات مهمة لأنها تتعلق بالمخزون والتكلفة، وليس فقط سرعة المكونات. كما أنها أهداف ومقارنات تم الإبلاغ عنها من قبل المورد. أمازون لا تنشر منشأة الأساس أو نافذة القياس أو الاستخدام أو الإهلاك أو مساهمة وضع المخزون الإقليمي أو البرامج أو التعبئة أو تخطيط العمل والروبوتات بشكل منفصل. Sequoia قيم بالضبط لأن هذه القطع تعمل معًا، لكن هذا التكامل يجعل الإسناد صعبًا. الادعاء الصحيح هو أن أمازون لديها تصميم أتمتة جاد على مستوى الموقع بأهداف تشغيلية صريحة، وليس أن الروبوتات وحدها قد خفضت بالفعل تكلفة كل طلب بمقدار الربع.
موقع ناشفيل الذي زارته أسوشيتد برس يعطي قياس نشر مفيد: بعد أقل من عامين من بدء عمل Cardinal و Proteus، قالت أمازون إن 70% من عناصر المبنى تم شحنها عبر هذا النظام الروبوتي. مرة أخرى، "عبر" لا تعني "لم يلمسه شخص". هذا يوضح أن مسار الإنتاج يمكنه حمل معظم حجم الموقع دون الحاجة إلى حل جميع مشاكل التعامل مع العناصر.
رفض فولكان مهم مثل نجاحاته
Vulcan هو أفضل مكان لفحص الفجوة بين قدرة النموذج وموثوقية المنتج لأن أمازون نشرت عملاً مفصلاً بشكل استثنائي حول التخزين والانتقاء من حاويات قماشية مزدحمة.
نظام التخزين يجمع بين الرؤية المجسمة والتجزئة المتعلمة واستشعار القوة والأجهزة الخاصة بالمهمة. آلية تحرك أشرطة احتجاز مرنة. ماسك يمسك بالعنصر الوارد. شفرة قابلة للتمديد تحرك الأشياء داخل الحاوية لخلق مساحة. هذا التفكيك مهم: بدلاً من طلب يد متعددة الاستخدامات لتقليد كل حركة بشرية، يحول النظام الفعل الماهر إلى مهام فرعية محكومة.
فيورقة النشر لعام 2025، كان النظام قد أجرى أكثر من 500,000 تخزين. قام الباحثون بتحليل 100,000 محاولة حديثة عن كثب، وتم التحقق من النتائج من قبل معلقين بشريين. تجاوز النجاح الإجمالي 85%. في مارس 2025، حققت الروبوتات متوسط 224 وحدة في الساعة مقابل 243 للبشر العاملين في نفس الطابق، أي أقل بنحو 7.8%. أشار اختبار A/B منفصل في خلية عمل إلى أن اختيار المخاطر المتعلم حسن المعدل بحوالي 7% مقارنة بعنصر تحكم تكراري، على الرغم من أن المعاملة غطت 227 حاوية مقابل 695 للتحكم. هدف النظام كان أكثر تطلبًا: 300 وحدة في الساعة، 80% من العناصر، أكثر من 20 ساعة يوميًا، سبعة أيام في الأسبوع.
تفاصيل الإخفاقات أكثر كشفًا من الرقم الإجمالي. دورة فاشلة قد تترك العنصر بأمان في الماسك لمحاولة أخرى، بتكلفة وقت. نتيجة أسوأ تسقط عنصرًا أو تخلق ضررًا يتطلب تدخلًا بشريًا. تصف الورقة عناصر صلبة تمنع الشفرة، منتجات قابلة للتشوه تنقل القوة بشكل سيئ، عناصر تعلق بحواف الحاويات، كتب تنحني ضد الجيران، صناديق خفيفة تُسحق بقوة إحكام ثابتة، وأشياء أو أشرطة احتجاز تُترك في أوضاع خطرة. التقديرات القائمة فقط على الإدراك قلت المساحة المتاحة بمتوسط 36 ملم، مع انحراف معياري 40 ملم. قدم التلامس معلومات مفيدة، لكن اللمس وحده قد يفوت لعبة ناعمة تنحني خارج المساحة المستهدفة.
يستنتج الباحثون أن العيوب تستحق اهتمامًا غير متناسب لأنها تخلق عمل استرداد بدلاً من مجرد إهدار دورة.
Vulcan Pick يوفر درسًا أوضح في المقامات. يستخرج عنصرًا مطلوبًا من حاوية مزدحمة، مستخدمًا الصور لتقرير ما إذا كان العنصر قابلًا للتحديد وغير معاق ومتحرك ومناسب للشفط. إذا كانت أشياء كثيرة جدًا تمنعه أو لا توجد قبضة آمنة، يتم إرسال الطلب إلى محطة يدوية. إذا فشلت محاولة الانتقاء بشكل متكرر، يتولى شخص المسؤولية.
ورقة النشر الميدانيغطت مستودعًا نشطًا، في البداية نظام استخراج واحد ولاحقًا اثنان، يعملان حوالي ست ساعات يومي عمل من أكتوبر 2024 إلى مارس 2025. أكثر من 12,000 طلب مر عبر المحطة في الفترة الأوسع. الإحصائيات التفصيلية من يناير إلى مارس تغطي 6,561 طلبًا مخصصًا. حاول الروبوت 5,157 عملية استخراج عناصر ونجح في 4,690، مما أنتج نجاح الاستخراج المبلغ عنه 90.9%. لكن 1,246 طلبًا لم يكن لديها أي محاولة استخراج لأن التخطيط فشل، وتشير الورقة إلى أن 19.4% من الطلبات تم رفضها في المحطة بسبب إخفاقات تخطيط الأشرطة أو الانتقاء وإرسالها إلى محطات يدوية. مقاسة مقابل جميع الطلبات المخصصة، كانت عمليات الاستخراج الروبوتية الناجحة حوالي 71.5%.
لا أحد المقامين احتيالي. نجاح المحاولة يخبر المهندس ما إذا كان الإجراء المختار يعمل. إكمال الطلب المخصص يخبر المشغل مقدار العمل الذي تمتصه الخلية فعليًا. مشتري الإنتاج يحتاج إلى كليهما، بالإضافة إلى وقت الدورة والأضرار والدقائق البشرية وأداء الذروة والتوفر. "أكثر من 90% نجاح" بدون تغطية سيبالغ في الاستقلالية؛ "71.5% من النهاية إلى النهاية" بدون ملاحظة الإحالات المتعمدة لأسباب السلامة سيقلل من قيمة رفض العمل الخطير.
تصميم استرداد النظام معقول. يبلغ عن النجاح أو الفشل لبرنامج المستودع حتى يمكن إعادة تعيين العمل. إخفاقاته ملموسة: شفط ضعيف، مسارات استخراج رديئة، تصادمات مع الأشرطة أو حواف الحاوية أو القضبان المعدنية، عناصر خاطئة أو متعددة، منتجات متساقطة، أخطاء معايرة، انقطاعات اتصال برمجية، وأضرار بأكواب الشفط. قام المهندسون بتحسين التوفر على مدى ستة أشهر، لكن لم يتم الإفصاح عن نسبة توفر نهائية.
الوصف العام للنشر من أمازون في مايو 2025 أشار إلى أن مشروعًا تجريبيًا شمل ستة روبوتات Vulcan Stow في سبوكان، مع إصدار تجريبي مخطط لـ 30 روبوتًا آخر هناك ونشر أوسع في ألمانيا. تصريحاتها الأخيرة تشير إلى أن توسعًا أوسع في أوروبا والولايات المتحدة قادم. هذا تقدم حقيقي من خلية واحدة، لكنه لا يزال أصغر بعدة مراتب من أسطول القيادة. Vulcan يثبت أن التعامل مع العناصر الغني بالتلامس قد عبر عتبة الإنتاج. لكنه لا يثبت أن التعامل العام مع العناصر قد وصل إلى نطاق شبكة غير مراقب.
الإشراف لا يختفي؛ إنه يغير شكله
الأتمتة تزيل العمل بالكتل وتضيفه بالقطع. أسطول القيادة يزيل المشي والنقل اليدوي للرفوف. Proteus قد يزيل دفع العربات الثقيلة. Robin و Cardinal يزيلان الرفع المتكرر للطرود. Sequoia يقدم المخزون بين منتصف الفخذ ومنتصف الصدر، مما يقلل الانحناء المنتظم والتمدد فوق الرأس. Vulcan مخصص عمدًا للصفوف العالية والمنخفضة من الحاويات، تاركًا الصفوف الوسطى الأسهل والعناصر الصعبة للأشخاص.
العمل المضاف موزع بين صيانة الموثوقية وهندسة التحكم والتنظيف والمراقبة الأرضية والمعايرة ووصف البيانات ومعالجة الاستثناءات وتسوية المخزون وفحوصات الجودة. بعض الأدوار عالية المهارة وأفضل أجرًا. تدعي أمازون أن تصميمها في شريفبورت يتطلب 30% موظفين إضافيين في أدوار الموثوقية والصيانة والهندسة مقارنة بمنشأة سابقة، بينما يجمع تدريبها بين الفصول الدراسية و 2,000 ساعة تدريب أثناء العمل. هذه مسارات مفيدة. لكنها لا تثبت أن كل منتقي منقول يمكنه أو سيتوجه إليها، ولا أن الوظائف التقنية المضافة تطابق الوظائف الروتينية الملغاة عددًا أو موقعًا أو سهولة الوصول.
هناك أيضًا عمل مخفي في المقاييس. علق بشريون على 100,000 نتيجة لـ Vulcan Stow. المشغلون يلتقطون عناصر لا تستطيع الآلة تحديدها. محطة يدوية تمتص إحالات Vulcan Pick. فرق الصيانة تصلح أكواب الشفط والمعايرة. مراقبون أرضيون يدخلون مناطق مقيدة لاستعادة الوحدات المعطلة والمنتجات المتساقطة. محللو مشاكل المخزون يسوون العنصر الفعلي مع سجل البرنامج بعد نقل خاطئ. النظام قد يقلل التلامس المباشر مع زيادة أهمية التلامس المتبقي.
قد تتغير وتيرة العمل البشري أيضًا. نقل البضائع إلى الشخص يزيل المشي لكنه يوفر عملًا مستمرًا لمنتقي ثابت. هذا قد يزيد الوقت الإنتاجي ويقلل الحركة البدنية مع تركيز التكرار. تحقيق عام 2024 من لجنة الصحة والتعليم والمعاشات بمجلس الشيوخ ذكر أن دراسة داخلية لأمازون حول عمال ينتقون عناصر من أرفف روبوتية ربطت زيادة التكرار باحتمالية إصابات الظهر وحددت 1,940 حركة في نوبة عمل مدتها عشر ساعات كحد أعلى. اعترضت أمازون على تفسير اللجنة، وذكرت أن التدخل المقترح كان غير فعال، وأكدت أن سجل السلامة الخاص بها تحسن بينما تسارع التوصيل.تقرير أسوشيتد برسيعرض الجانبين.
هذا الخلاف يمنع ادعاء بسيطًا بأن الروبوتات تجعل مكان العمل آمنًا أو خطيرًا. تذكر أمازون أن المواقع الروبوتية كانت لديها معدلات حوادث قابلة للتسجيل ومع أيام عمل ضائعة أقل من المواقع غير الروبوتية في عام 2022، وتحديث السلامة لعام 2025يشير إلى أن معدلها القابل للتسجيل العالمي انخفض بنسبة 43% ومعدل أيام العمل الضائعة بنسبة 70% من 2019 إلى 2025. لكن مقارنات المواقع ليست عشوائية. المباني الروبوتية قد تختلف في العمر ومزيج المنتجات والتخطيط والموظفين والإدارة. تحسينات الشبكة بأكملها تشمل العديد من التدخلات إلى جانب الروبوتات.
الملف التنظيمي يظهر أن المخاطر المريحة لا تزال كبيرة.اتفاق ديسمبر 2024 مع OSHAحل قضايا شملت عشر منشآت وطلب تقييم مخاطر على مستوى الشركة والموقع، وتدريبًا، ومشاريع تجريبية للضوابط الهندسية، ومراجعة مستمرة في المنشآت الخاضعة للولاية الفيدرالية. تضمنت الضوابط المدرجة محطات عمل قابلة للتعديل، وناقلات، ومحطات تعبئة معاد تصميمها، وعربات، وتناوب المحطات، وليس فقط الروبوتات. المعيار العملي إذن هو الآلية بالإضافة إلى النتيجة المقاسة: إظهار أن آلة تزيل حركة خطرة، ثم إظهار أن التعرض للإصابة يقل دون أن يعيد الإيقاع أو عملية أخرى خلقه في مكان آخر.
من المرجح أن ينخفض الطلب على العمالة حتى لو استمرت أمازون في التوظيف. تقرير لنيويورك تايمز عام 2025 استنادًا إلى وثائق استراتيجية داخلية أشار إلى أن فريق الروبوتات في أمازون قدر أن الأتمتة قد تتجنب أكثر من 600,000 توظيف مستقبلي في الولايات المتحدة بحلول 2033 مع زيادة الحجم. هذا لا يعادل تسريح 600,000 عامل حالي. ردت أمازون بأن الأرقام تعكس وجهة نظر فريق ولا تمثل استراتيجية التوظيف الشاملة. التوقع الدقيق قد يتغير؛ النية الاقتصادية أقل غموضًا. النظام الذي يقلل التكلفة لكل عنصر بتقليل دقائق العمل من المفترض أن يحتاج إلى عدد أقل من الأشخاص مقارنة ببديل غير مؤتمت عند نفس الحجم.
الاقتصاد مرئي فقط عند الهوامش
Amazon Robotics ليس لها سعر عام، وأمازون لا تنشر روبوتات المستودعات كقطاع. هذا يجعل الحساب التقليدي للاقتصاد لكل وحدة مستحيلًا من البيانات العامة.
يجب أن يشمل البسط أكثر بكثير من الأجهزة الروبوتية. التكلفة الإجمالية الجادة ستعد إعادة تصميم المبنى، والحاويات والصناديق، والبوابات، والناقلات، ومحطات العمل، وعلامات الأرضية، والبنية التحتية اللاسلكية وتكنولوجيا المعلومات، وأنظمة السلامة، والتكامل مع المخزون وبرامج التحكم في المستودع، وتوقفات التركيب، والطاقة، والآلات الاحتياطية، والأجهزة الطرفية، والمعايرة، والصيانة الوقائية، والفنيين، وهندسة البرمجيات، والعمالة الاستثنائية، والمخزون التالف، وتكلفة السعة المحجوزة للذروات. الإهلاك مهم لأن النظام الثابت قد يكون مفيدًا تقنيًا مع أنه يصبح قديمًا اقتصاديًا مع تغير التخطيطات والعمليات.
جانب الفوائد يجب أن يحسب دقائق العمل الملغاة، مسافة السفر، إنتاجية المساحة الأرضية، كثافة التخزين، الإنتاجية، الدقة، تقليل التعرض للإصابة، توفر المخزون الأسرع، أوقات قطع الطلبات المتأخرة، وتجنب التوظيف الموسمي. التدفق الأسرع قد يزيد الإيرادات أو ولاء العملاء، وليس فقط تقليل النفقات. تحسين المسار المطبق على مئات الآلاف من الوحدات قد يكون قيمًا حتى لو لم يتغير عدد الموظفين. الرفض الموثوق قد يكون أرخص من قبضة جريئة تتلف عنصرًا وتفسد حالة المخزون.
مستندات أمازون المودعة تكشف فقط النطاق المحيط.نموذج 10-K لعام 2025يشير إلى أن النفقات الرأسمالية النقدية ارتفعت من 77.7 مليار دولار في 2024 إلى 128.3 مليار دولار في 2025، بشكل أساسي للبنية التحتية التكنولوجية، ومعظمها لنمو AWS، وإضافة سعة المعالجة. لا يفصل الروبوتات. تشمل تكلفة المعالجة الموظفين والمرافق والمعدات والإهلاك والإيجار والاستلام والتخزين والانتقاء والتعبئة ومعالجة الدفع وخدمة العملاء. تذكر الشركة أن ارتفاع تكلفة المعالجة في 2025 عكس نمو المبيعات والاستثمار في الشبكة، مقابلاً جزئيًا بكفاءات تشغيلية. لا شيء من هذا يعطي عائدًا على استثمار الروبوتات.
هدف شريفبورت بتحسين 25% في تكلفة الخدمة خلال الذروة هو إذن الادعاء التجاري الأكثر إثارة للاهتمام، لكنه يظل هدفًا للموقع بدون جسر تكلفة منشور. توقعات المحللين بتوفير مليارات الدولارات مستقبلاً هي سيناريوهات، وليست تدفقات نقدية ملحوظة. تعتمد على سرعة النشر والحجم والعمالة المتجنبة والاستخدام وما إذا كانت الأنظمة الجديدة تحقق أهداف الموثوقية الخاصة بها.
يمكن لأمازون تحمل منحنى تطوير طويل لأنها تلتقط التعلم عبر شبكة داخلية واسعة. Blue Jay يوضح مخاطر المحفظة. أُعلن في أكتوبر 2025 كنظام متعدد الأذرع لعمليات اليوم نفسه، ولم يعد مستخدمًا في فبراير 2026.صفحة أمازون الخاصة تسجل الآن التوقفوتذكر أن التكنولوجيا الأساسية ستستمر في مكان آخر. إيقاف نموذج أولي ليس فشلًا لاستراتيجية الروبوتات بأكملها؛ إنهاء المشاريع الضعيفة جزء من التطوير المسؤول. هذا يوضح لماذا لا يمكن لسرعة الإعلان والشكل المثير للاهتمام وطموح الأسطول أن تحل محل نتائج الإنتاج المستدامة.
لماذا لا يجب على معظم المستودعات نسخ أمازون
المشغل الخارجي الذي يختار الأتمتة يواجه قرارًا مختلفًا. يمكن لأمازون تصميم الأجهزة والبرامج والمباني وقواعد العمل معًا. لديها تكرار هائل، وبيانات طلب حصرية، وشبكة نشر أسيرة، ومنظمة هندسية قادرة على تحسين معدل فشل بنسبة 1%. بائع تجزئة إقليمي أو مزود لوجستيات خارجي قد يكون لديه عملاء متغيرون، ومساحات مستأجرة، وحجم أقل، وشهية قليلة لمكدس روبوتي مخصص.
البدائل الواقعية ليست "روبوتات أمازون أو أشخاص بلوحات قابضة". يمكن للمستودع إعادة تصميم التخزين والتعبئة ومسارات الانتقاء؛ استخدام الرافعات الشوكية أو الناقلات أو الانتقاء بالضوء؛ تركيب أنظمة مكوكية أو تخزين مكعب؛ نشر روبوتات متحركة مستقلة طرف ثالث في مبنى قائم؛ أتمتة إزالة التحميل من المنصات فقط أو الفرز أو التعبئة؛ أو الاحتفاظ بالعمل اليدوي حيث تجعل التباين رأس المال غير جذاب. الإجابة الصحيحة تعتمد على الإنتاجية وأبعاد المنتج وتقلب الطلب وعمر المبنى وتوفر العمالة وتكلفة التعطل.
المنافسون التجاريون يوفرون تباينًا مفيدًا.AutoStoreأبلغت عن أكثر من 1,950 نظامًا في أكثر من 65 دولة في نهاية 2025، تُباع من خلال نظام بيئي من الشركاء والمتكاملين.Symboticأفصحت عن حوالي 22.5 مليار دولار من الطلبات المتراكمة في تقريرها السنوي 2025، المرتبط بشكل كبير مع Walmart ومشروعها المشترك GreenBox، بالإضافة إلى التزامات دعم برمجية طويلة الأجل. هذه الشركات تكشف عقود العملاء والإيرادات لأن بيع الأتمتة هو عملها. Amazon Robotics تكشف النطاق التشغيلي لأن تحسين أمازون هو عملها. لا يوجد شكل دليل يثبت تلقائيًا تكنولوجيا متفوقة، لكنهما يجيبان على أسئلة تجارية مختلفة.
السوق الأوسع ينمو دون اتباع خط مستقيم. قدرت Interact Analysis أن طلبيات أتمتة المستودعات ارتفعت بنسبة 7% في 2025، مع التحذير من أن ارتفاع تكاليف الفولاذ والعمالة ضخم قيمة المشاريع وأن الطلب الأساسي ظل حذرًا. نفستحديث السوقأرجع جزءًا كبيرًا من النشاط إلى عدد قليل من استثمارات التجزئة الكبيرة، بما في ذلك أمازون وWalmart. هذا يتوافق مع سوق تعمل فيه الأتمتة، لكن المشاريع المتكاملة الكبيرة جدًا لا تزال تفضل المالكين ذوي النطاق ورأس المال.
لنقل المواد في موقع منظم عالي الحجم، تجربة أمازون تدعم بقوة. للتعامل مع العناصر غير المتجانسة، يجب على المشتري طلب تجارب محلية على الكتالوج الفعلي، مع اختبارات الذروة والشيخوخة. يجب أن يقيس اختبار القبول المهام المخصصة، وليس المحاولات المختارة؛ الإكمال الصحيح، وليس الحركة؛ وعمالة الاسترداد، وليس فقط وقت دورة الروبوت. نظام معياري أقل تكلفة يتعامل مع 60% من الحجم الثابت ويفشل بشكل نظيف قد يتفوق على ذراع متطور يهدف إلى تغطية 80% إذا كان الأخير يتلف المخزون أو يتطلب اهتمامًا متخصصًا مستمرًا.
ما الذي سيغير الحكم
Amazon Robotics قد عبرت بالفعل أهم عتبة للتكنولوجيا الصناعية: إنها مفيدة في الإنتاج على نطاق استثنائي. أسطول القيادة يغير هندسة المستودع ويزيل كميات هائلة من المشي. Robin يظهر تعلمًا في الإنتاج يقلل بشكل قابل للقياس إخفاقات انتقاء الطرود. Sequoia يوضح كيف يمكن تركيب أنظمة متعددة حول تدفق المخزون. Vulcan يظهر أن العمل الغني بالتلامس الذي كان يُعتبر غير عملي يمكن الآن محاولته في مبنى تشغيلي بسرعة تشبه الإنسان في أعمال مختارة.
الأدلة لا تدعم استقلالية كاملة على مستوى العناصر، أو معالجة طلبات غير مراقبة، أو حالة عمل خارجية صافية. أقوى أنظمة المناولة لا تزال تقلل المهمة قبل التصرف. إنها تصنف الأهلية، وتفضل الأسطح منخفضة المخاطر، وتعاود المحاولة، وتؤجل الطلبات الصعبة، وتعتمد على المحطات اليدوية. هذا ليس انتقادًا للهندسة المتينة. إنه مصدر الموثوقية. الخطأ سيكون حذف هذه الحدود عند وصف النجاح.
العديد من الإفصاحات ستحسن الحكم بشكل ملموس. الأول هو محاسبة المهام على مستوى الموقع: الطلبات المخصصة، الطلبات المؤهلة، النجاح من المحاولة الأولى، النجاح في النهاية، التدخلات البشرية، الأضرار، ودقائق الاسترداد لكل نظام وفئة منتج. الثاني هو التوفر خلال الذروات، بما في ذلك متوسط وقت الاسترداد والعمالة المطلوبة للحفاظ على خلية عمل أو أرضية صحية. الثالث هو جسر تكلفة لمبنى ناضج من نوع Sequoia، يفصل الروبوتات والتصميم الإنشائي والبرامج ووضع المخزون والعمالة. الرابع هو دراسة سلامة تتبع مهام مماثلة قبل وبعد النشر وتتابع التعرض المريح ووتيرة العمل. الخامس هو دليل عميل خارجي يدفع ويعمل دون الجهاز الكامل للدعم الداخلي لأمازون.
التطورات الحالية تقدم اختبارات واضحة. تشير أمازون إلى أن Proteus الأصلي منشور في 25 مركز معالجة أمريكي، بينما الجيل التالي القادر على تلقي مهام باللغة الطبيعية والعمل خارج مناطق الأرصفة لا يزال في مرحلة تجربة مختبرية، مع نشر أوروبي مخطط له للنصف الأول من 2027.إعلان يونيو 2026يربطه بأكثر من 10 مليار يورو استثمار في معالجة الطلبات في أوروبا. تقرير مستقبلي مفيد سيقول كم مرة يتم تفسير المهام باللغة الطبيعية بشكل صحيح، وأي إجراء يتطلب تأكيدًا، وكيف يفشل النظام بأمان، وما إذا كانت الواجهة تقلل التدريب أو تنقل التكوين ببساطة إلى شكل جديد.
الإصدار التجريبي الأوسع لـ Vulcan ونشره متعدد المواقع يجب أن يظهرا ما إذا كان نجاحه المقاس يبقى مع مخزون مختلف ومشغلين وظروف أرضية مختلفة. DeepFleet يجب أن يصاحبه في النهاية نتائج مضبوطة على الهواء مباشرة تربط التنبؤ بالحركة والازدحام والإنتاجية والاسترداد. Sequoia يجب أن ينتقل من هدف التكلفة إلى سجل تشغيل مدقق. الاهتمام المعلن من أمازون بخدمة عملاء صناعيين خارجيين يجب أن ينتج سعرًا وعقد دعم ومرجع عميل إذا أصبح مشروعًا حقيقيًا.
حتى ذلك الحين، الاستنتاج الأكثر إنصافًا ليس أن المستودع قد حُل ولا أن ملايين الآلات هي ضجة. Amazon Robotics قد صنعت النصف الأسهل من الاستقلالية: الحركة المنظمة والتنسيق والمناولة المقيدة بشكل متزايد. إنها تعمل الآن على الباقي المكلف، حيث العنصر صعب والرف مزدحم والأرضية مسدودة وحالة البرنامج خاطئة أو الآلة بحاجة إلى مساعدة. قيمة المليون روبوت التالي ستعتمد بشكل أقل على عددها وأكثر على ندرة تحول هذه الاستثناءات العادية إلى حالة طارئة لشخص آخر.