Amazon Robotics: миллион машин и то, что флот всё ещё не умеет

Кратко

• Миллион развёрнутых роботов Amazon — весомое доказательство производственного и эксплуатационного масштаба, но не миллиона взаимозаменяемых автономных работников. Большая часть парка перемещает стеллажи, контейнеры или упаковки внутри структурированных помещений; сложный отбор и размещение отдельных товаров по-прежнему опираются на фильтры пригодности, повторы, передачу человеку и более узкие внедрения.
• Лучшие открытые данные о работе систем дают производственные исследования, а не анонсы запусков. Обученный алгоритм выбора захвата Robin сократил число отказов относительно эвристической базы в крупных испытаниях на флоте. В испытании Vulcan Pick успехом завершились 90,9 % попыток извлечения, однако только 4 690 из 6 561 назначенных запросов — около 71,5 % — дошли до успешного роботизированного извлечения с учётом откладываний на этапе планирования и прочих отказов.
• Заявления об экономике целого здания обнадёживают, но о чистой экономике робототехники говорить рано. Amazon ставит целью снижение стоимости обслуживания заказа на 25 % в проекте в Шривпорте, однако отчётность компании не раскрывает отдельно капитальные затраты на робототехнику, амортизацию, энергию, обслуживание, восстановительный труд и экономию на единицу товара. Amazon одновременно выступает разработчиком и основным заказчиком, поэтому независимых производственных сравнений по-прежнему мало.
• История с трудом — это перенос работы, а не простое её исчезновение. Роботы убирают километры ходьбы и часть подъёмов, но создают работу по обслуживанию, мониторингу зон, разбору исключений и инженерному сопровождению, а также могут повышать темп на рабочих местах людей. Заявления о безопасности требуют той же дисциплины: эргономические меры заслуживают доверия, но сравнения площадок с роботами и без них, которые приводит компания, носят наблюдательный характер, а регуляторы по-прежнему требуют широких мер эргономического контроля.

В июне 2025 года центр исполнения заказов Amazon в Японии получил миллионного робота компании. Этот рубеж был пройден через 13 лет после покупки Amazon компании Kiva Systems, и отмахнуться от него трудно. Миллион физических машин, развёрнутых более чем на 300 объектах, — это не лабораторная история. Это значит, что закупки, производство, зарядка, запчасти, беспроводное покрытие, ПО для управления флотом, подготовка полов, обслуживание и повседневная эксплуатация выдержали проверку необычно масштабной сетью.Анонс этого рубежа, опубликованный Amazon, — убедительное доказательство того, что складская робототехника стала внутри компании обычной инфраструктурой.

Но это не доказательство того, что миллион роботов способен самостоятельно исполнить миллион заказов.

Это различие важно, потому что цифра Amazon объединяет машины с очень разными задачами и уровнями самостоятельности. Зрелый приводной модуль Hercules движется по структурированной сетке, поднимает мобильный стеллаж и подвозит его к сотруднику. Proteus перемещает тележки в пространстве, где находятся люди. Robin берёт упаковки из стопки и кладёт их на мобильные приводы. Sparrow работает с отдельными товарами. Cardinal сортирует более тяжёлые посылки. Sequoia — это вообще не один робот, а интегрированная система хранения. Vulcan использует силомоментное очувствление, чтобы работать в плотно заполненных тканевых стеллажах.

Одни системы работают на значительной части парка; другие живут в одном здании или в нескольких рабочих ячейках; третьи ещё ждут широкого развёртывания.

Поэтому честный способ оценивать Amazon Robotics — следить за работой, а не за названиями. Какая задача поступает на вход? Какое состояние должно быть сохранено? Какая доля обычных случаев доводится до конца? Что происходит с товаром, заказом и остальным зданием, когда машина отказывается, роняет предмет, застревает, теряет калибровку или останавливается? И сколько человеческого внимания требуется, прежде чем операция вернётся в норму?

Дочерняя компания, заточенная под внутреннего заказчика

Amazon Robotics LLC — корпоративный потомок Kiva Systems, компании по обработке материалов из Норт-Ридинга, штат Массачусетс, которую Amazon согласилась приобрести в марте 2012 года примерно за 775 млн долларов наличными. Впервоначальном анонсе сделкиAmazon объясняла привлекательность прямо: Kiva подвозила товары к сотрудникам для комплектации, упаковки и размещения на хранение. В более поздней отчётности Amazon зафиксировано, что сделка закрылась в мае 2012 года; до конца года Kiva принесла 61 млн долларов выручки и 62 млн долларов операционного убытка с момента приобретения — раннее напоминание о том, что полезная система и прибыльный самостоятельный вендор — не одно и то же.

Правовые и продуктовые границы могут размываться, потому что Amazon описывает робототехническое направление через общеамазоновские пресс-центры, страницы исследований и сайты вакансий. Релевантный для этой статьи бизнес — технология фулфилмента, унаследованная от Kiva: исследования и производство в Массачусетсе, развёртывание в операциях Amazon. Это не AWS, хотя Amazon говорит, что инфраструктура AWS хранит и обрабатывает данные, которые генерируют датчики, камеры и машины роботов. Это не беспилотные автомобили Zoox, не дроны доставки Prime Air, не домашний робот Astro и не каждая робототехническая компания, в которую Amazon инвестировала.

Эти проекты могут обмениваться людьми, услугами или исследованиями, но они не превращают складской флот в единый коммерческий продукт.

Не менее важна граница заказчика. Исторически Kiva продавала складские системы внешним компаниям. Под управлением Amazon значимым заказчиком развёртываний стал в первую очередь сам Amazon. Публичного каталога Amazon Robotics с ценой за привод, подпиской на ПО, соглашением об уровне сервиса или показателем удержания клиентов не существует. Вписьме акционерам за 2025 годЭнди Джасси говорит, что Amazon будет изучать робототехнические решения для промышленных и потребительских клиентов там, где сможет использовать свой масштаб и обратную связь от эксплуатации. Будущее время здесь важно: описана опция, а не сложившийся внешний робототехнический бизнес.

Такая структура даёт Amazon Robotics преимущество, которому позавидовали бы большинство вендоров. Её инженеры видят огромные объёмы, могут менять здание, дорабатывать вышестоящее ПО, собирать данные об отказах и оставлять экономию внутри материнской компании. Но она же ослабляет обычные доказательства. Поставщик и покупатель имеют общее руководство, испытательные площадки принадлежат одной корпоративной группе, и ни одна сторона не обязана публиковать расчёт возврата на инвестиции по независимым рыночным условиям.

Amazon может рационально финансировать систему, которая улучшает всю розничную сеть, даже если дочерняя компания выглядела бы непривлекательно как самостоятельный производитель оборудования. Внешний оператор склада не может предполагать ту же экономику.

Единица, которая имеет значение, — заказ

Клиент видит один заказ. Склад видит цепочку переходов состояния.

Входящие товары должны быть идентифицированы и подготовлены к продаже. Товар размещается в хранилище, его местоположение фиксируется, а достаточное число копий должно быть распределено по сети. Когда приходит заказ, ПО выбирает площадку исполнения и распределяет запасы. Стеллаж или контейнер едет к станции. Нужный товар извлекается, проверяется и помещается в контейнер-накопитель. Его упаковывают, маркируют, сортируют, консолидируют с другой работой и отправляют на нужный док. Тележки движутся к зонам погрузки; грузовики уходят вовремя. Каждая передача должна сохранять идентичность, количество, пункт назначения и физическое состояние.

Машины Amazon автоматизируют фрагменты этой цепочки. Самый старый и широкий фрагмент — транспортировка «товар к человеку». Приводные модули заезжают под мобильные стеллажи, поднимают их и подвозят к стационарным станциям. Человеку больше не нужно ходить по проходам в поисках товара. Это колоссальное сокращение перемещений, но на рабочем месте по-прежнему нужен человек, который идентифицирует продукт, берёт его и сканирует. Система превращает работу с ходьбой в стационарную работу по комплектации или размещению, а очередью управляет ПО.

Следующий фрагмент — перемещение упаковок. Robin и Cardinal используют зрение, вакуумные захваты и промышленные манипуляторы, чтобы перемещать уже упакованные товары. Proteus перемещает загруженные тележки. Это более ограниченные задачи, чем поиск конкретного мягкого, отражающего или хрупкого товара на плотно заполненной полке. Посылка уже получила форму упаковки и этикетку; тележка представляет собой стандартный механический интерфейс. Стандартизация — не уловка. Именно так строится надёжная промышленная автоматизация. Но это значит, что высокий показатель обработанных упаковок нельзя переносить на ловкость работы с отдельными товарами.

Сложнейший фрагмент — манипуляции с самим розничным запасом. Amazon может хранить зубную пасту, книги, игрушки в пакетах, кабели, бутылки, световые короба и деформируемую одежду в соседних ячейках. Объекты поступают в новой упаковке, перекрывают друг друга, прячут полезные поверхности и смещаются при контакте. Человеческие руки используют осязание, координацию обеих рук и здравую импровизацию, не строя явной трёхмерной модели. Роботу нужны восприятие, рабочий орган, бесконфликтное движение, ограничения усилия, поведение восстановления и решение о том, когда не стоит пытаться.

Именно поэтому заявление Amazon о том, что роботы участвуют в исполнении 75 % заказов клиентов, — это не 75 % автономности. Приводной модуль может участвовать в заказе, который человек всё равно комплектует, проверяет и упаковывает. Это утверждение демонстрирует охват сети, а не долю убранного труда или решений. Для покупателя, оператора или политика полезные знаменатели — выполненные задачи, вмешательства на задачу, повреждённые товары, время восстановления, трудоминуты и полная стоимость одного корректного заказа.

Транспорт зрелый, но пол — это система

Парк мобильных приводов — самый очевидный производственный успех Amazon Robotics. К 2022 году Amazon сообщала о более чем 520 000 приводных модулей; к середине 2025 года общее число роботов превысило миллион. При таком масштабе значимая способность уже не в том, может ли один робот следовать маршруту. Вопрос в том, продолжают ли тысячи роботов, стеллажей и станций двигаться, не превращая локальный сбой в задержку всего здания.

Современный приводной модуль получает работу от центрального планирующего ПО, сохраняя локальное восприятие и управление. Втекущем описании флотаAmazon говорится, что Hercules использует трёхмерную камеру, чтобы отличать людей, стеллажи, роботов и другие объекты, считывает закодированные маркеры на полу для определения положения, а общее направление получает от центрального планирования. На закрытых зонах хранения большую часть работы по надёжности берёт на себя среда: пути представлены графом, роли стеллажей и станций известны, маркеры на полу закрепляют локализацию, а доступ строго ограничен. Proteus расширяет область работы: он чувствует людей и объезжает их, перемещая тележки, но его первая производственная задача оставалась ограниченной зонами исходящих доков.

Масштаб порождает взаимодействия, которых не видно в демонстрации одного робота. Роботы конкурируют за узкие пути и востребованные станции. Заблокированная ячейка движения может удлинить множество маршрутов. Стеллажи выстраиваются в очередь, чтобы комплектовщик не простаивал. Зарядка, доступ к зонам и обслуживание выводят мощности из эксплуатации. Небольшие задержки могут складываться в волны заторов.

Проект MIT 2019 года, выполненный совместно с Amazon Robotics, делает бремя восстановления необычно конкретным. Висследовании здоровья роботизированного полаописаны упавшие товары, пролитые жидкости, вышедшие из строя приводы и загрязнённые маркеры на полу. Когда привод отказывает или наезжает на препятствие, сотрудникам, возможно, приходится ограничивать гораздо большую зону, чтобы безопасно туда войти. Это ограничение может перекрывать ценные пути движения, усиливать заторы и увеличивать простой станций. Проект существовал потому, что реактивная поддержка и неформальные практики не масштабировались; операторам требовалось более раннее обнаружение и лучшая приоритизация вмешательств. Точные показатели и затраты были замаскированы, так что это не актуальный отчёт о доступности. Но это ценное доказательство того, что автономия флота создаёт собственную обычную работу по надзору.

Amazon борется с заторами с помощью всё более обучаемого ПО. Система 2023 года прогнозировала задержки по истории роботов и запланированным траекториям. В симуляции исследователи сообщили о пропускной способности планирования путей на 4,4 % выше и об ошибке оценки времени движения на 30–40 % ниже, чем у производственных методов. Это обнадёживающие результаты, но слово «симуляция» имеет вес: более удачный выбор маршрутов на воспроизведённых данных сам по себе не переносится в такой же выигрыш в живом трафике пиковой нагрузки.

DeepFleet — более амбициозный преемник. Amazon называет его фундаментальной моделью для координации мобильных роботов и говорит, что он повышает эффективность движения флота на 10 %.Техническая статьясолидная. Четыре семейства моделей обучались на реальных производственных данных, причём самые крупные примеры использовали от примерно 700 000 до пяти миллионов робото-часов. На отложенном тесте, охватившем семь дней на семи складских этажах, модели разворачивали траектории на 60 секунд вперёд. Лучшая архитектура зависела от метрики: модель с 97 миллионами параметров, ориентированная на робота, показала лучший результат по большинству траекторных метрик, а значительно меньшая графовая модель оставалась конкурентоспособной.

Но статья оценивает прогнозирование, а не публичное заявление об операционном эффекте в 10 %. Она измеряет, насколько предсказанные траектории и заторы совпадают с поведением на отложенных данных. Она не публикует рандомизированное по площадкам сравнение, показывающее время движения, пропускную способность по заказам, вмешательства и затраты до и после DeepFleet. Amazon, возможно, располагает такими доказательствами. Публика — нет. Поэтому возможности модели подтверждены убедительнее, чем результат для сети в целом.

Это различие важно и для устойчивости. DeepFleet может помогать с назначением задач, маршрутизацией и симуляцией; его не следует небрежно называть низкоуровневым контроллером безопасности каждого робота. Остановка в реальном времени, ограничения усилия и аппаратные блокировки должны продолжать работать безопасно, когда обученный прогноз ошибочен или инфраструктура недоступна. Amazon говорит, что AWS помогает хранить и обрабатывать насыщенные данные машин, но не публикует достаточно архитектурных деталей, чтобы понять, какие контуры управления требуют доступности облака.

Ответственный вывод: облако и данные флота — вышестоящие зависимости для анализа и разработки моделей, а точная граница отказов остаётся нераскрытой.

Robin показывает, как выглядит хорошее производственное свидетельство

Манипулятор для разделения упаковок Robin даёт самые сильные открытые свидетельства того, что Amazon Robotics способна улучшать повторяющуюся задачу манипуляции в производстве. Задача — взять одну посылку из неупорядоченной стопки на конвейере, отсканировать её и положить на мобильный привод для сортировки. Посылки различаются материалом, распределением массы и видимостью; рабочие ячейки различаются конфигурацией манипулятора и вакуумного захвата.

Исследователи Amazon обучили модель машинного обучения небольшой глубины ранжировать кандидатов на захват по прогнозируемому успеху. Впроизводственной статье 2023 годаназваны соответствующие отказы: нет выполнимого плана, потеря посылки после захвата и случайный захват нескольких предметов. Это уже лучше, чем общее число обработанных упаковок, потому что показывает, что означает сбой задачи.

Оценка имела несколько полезных слоёв. Модель обучалась более чем на 394 000 захватах. В одном валидационном сравнении примерно на 179 000 случайных производственных подач обученное ранжирование повысило успешность захвата с 95,02 % до 96,20 %. Это изменение на 1,18 процентного пункта сократило отказы на 23,7 % — хороший пример того, почему, казалось бы, небольшие выигрыши в надёжности имеют значение при миллионах повторений в день.

Более крупный A/B-тест на флоте выделил примерно по 1,16 млн захватов на каждый из шести подходов к ранжированию; сильнейшая обученная конфигурация достигла 93,73 % успеха против 92,28 % у эвристики «хватай из центра». Развёрнутый метод к моменту оценки в статье обработал также более 200 млн подач с заявленной успешностью 98 %.

Эти свидетельства не идеальны: статью написал Amazon, и он же эксплуатировал флот. Заголовочные 98 % не сопровождаются полным учётом затрат, повторов и вмешательств, а разные таблицы охватывают разные методы и выборки. Успешный захват — это ещё не весь заказ клиента. Тем не менее статья даёт определения задач, базовые линии, размеры выборок и реальные производственные сравнения. Она поддерживает узкое, сильное утверждение: обученный выбор захвата сделал так, что уже зрелая система обработки упаковок стала реже отказывать.

Robin также показывает, как надёжность накапливается. Частота отказов в 2 % звучит отлично, пока не применишь её к пяти миллионам попыток в день: это означало бы 100 000 неудачных первых попыток, если бы каждый отказ соответствовал одной попытке. На практике часть отказов можно повторить или направить в другой процесс, так что эта арифметика — не счёт задержанных клиентских посылок. Это напоминание, что высокообъёмную автоматизацию нужно проектировать вокруг восстановления, а не праздновать в точке, где работает средний случай.

К 2024 году Amazon сообщила Associated Press, что Robin работает на десятках складов и совершил три миллиарда захватов. В том женезависимо подготовленном интервьюговорилось, что другие поименованные системы всё ещё проходят испытания или не развёрнуты широко. Зрелость флота, таким образом, неравномерна даже внутри одного портфеля.

Работа с товарами вскрывает разрыв в автономности

Sparrow спроектирован для перемещения отдельных товаров между контейнерами; Cardinal поднимает и сортирует упаковки весом до 50 фунтов; Sequoia объединяет мобильных роботов, порталы, манипуляторы, контейнерное хранение и рабочие места людей. Вместе эти системы расширяют автоматизацию за пределы транспорта. Открытые свидетельства по каждой из них имеют разную силу.

Amazon говорит, что текущая версия Sparrow может работать с более чем 200 миллионами уникальных товаров. Это заявление об охвате, а не о проценте успеха. Оно не сообщает, как часто манипулятор доводит до конца запрошенное перемещение, какую долю он отклоняет, как формируется выборка товарного ассортимента, сколько повторов разрешено и как часто человек исправляет состояние запасов. Правдоподобно, что восприятие Sparrow имеет широкий охват каталога: публичный набор данных ARMBench построен на основе более чем 235 000 операций «возьми и положи» с более чем 190 000 уникальных объектов. Но ARMBench вскрывает и нерешённые края.

Его базовый детектор дефектов распознал лишь 34 % дефектов двойного захвата на изображениях при 5 % ложных срабатываний, а распознавание дефектов упаковки составило 73 %. Этот бенчмарк измеряет модель, а не текущий продукт Sparrow, однако показывает, почему обнаружить редкий плохой исход может быть труднее, чем совершить обычное перемещение.

Cardinal понять проще. Он выбирает посылку из жёлоба, считывает её этикетку и кладёт в нужную тележку. Воздушная присоска и маркированная коробка делают задачу решаемой, а предел в 50 фунтов нацелен на работу с очевидной эргономической ценностью. Тем не менее Amazon не публиковала успешность задач Cardinal, его доступность, число вмешательств на тысячу посылок или сравнительную стоимость. Анонс прототипа и названное развёртывание — свидетельство работающей системы, но этого недостаточно, чтобы оценить её производственную надёжность.

Sequoia переносит заявление с робота на процесс в здании. При первом развёртывании в Хьюстоне Amazon заявила, что входящие товары можно идентифицировать и размещать на хранение до 75 % быстрее, а заказ может проходить через центр исполнения до 25 % быстрее. Объект в Шривпорте масштабирует конструкцию: более трёх миллионов квадратных футов, хранение более чем 30 миллионов товаров, тысячи мобильных роботов, манипуляторы и 2 500 сотрудников при полном выходе на мощность. Вматериале о ШривпортеAmazon говорит, что стремится к снижению стоимости обслуживания заказа на 25 % в пиковые периоды.

Эти заявления значимы, потому что касаются запасов и затрат, а не только скорости компонентов. Но это также цели и сравнения в изложении самого вендора. Amazon не публикует отдельно базовый объект, окно измерений, загрузку, амортизацию или вклад регионального размещения запасов, ПО, упаковки, планирования труда и робототехники. Sequoia ценна именно тем, что эти части работают вместе, но из-за интеграции атрибуция затруднена. Корректное утверждение состоит в том, что у Amazon есть серьёзная конструкция автоматизации целого объекта с явными операционными целями, а не в том, что одни роботы уже сократили стоимость каждого заказа на четверть.

Объект в Нашвилле, который посетила Associated Press, даёт полезный показатель развёртывания: менее чем через два года после начала работы Cardinal и Proteus Amazon сообщила, что 70 % товаров здания отгружаются через эту роботизированную систему. И снова: «через» не значит «без прикосновения человека». Но это показывает, что производственный путь способен пропускать большую часть объёма площадки, не требуя решения всех задач обработки товаров.

Отказы Vulcan не менее важны, чем его успехи

Vulcan — лучший объект для изучения разрыва между возможностями модели и надёжностью продукта, потому что Amazon опубликовала необычно детальные работы и о размещении, и об извлечении товаров из плотно заполненных тканевых контейнеров.

Система размещения сочетает стереозрение, обученную сегментацию, силомоментное очувствление и специализированное оборудование. Один механизм сдвигает эластичные удерживающие ленты. Захват удерживает поступающий товар. Выдвижное лезвие сдвигает объекты внутри ячейки, чтобы освободить место. Такое разложение важно: вместо того чтобы заставлять универсальную руку имитировать каждое движение человека, система превращает одно ловкое действие в контролируемые подзадачи.

Встатье о развёртывании 2025 годасистема выполнила более 500 000 операций размещения. Исследователи детально проанализировали 100 000 недавних попыток, а результаты подтвердили люди-разметчики. Общий успех превысил 85 %. В марте 2025 года роботы размещали в среднем 224 единицы в час против 243 у людей на том же этаже — примерно на 7,8 % меньше. Отдельный A/B-тест на одной рабочей ячейке показал, что обученный выбор риска повышает темп примерно на 7 % относительно частотной контрольной группы, хотя экспериментальная группа охватывала 227 контейнеров против 695 в контроле. Целевой показатель системы был жёстче: 300 единиц в час, 80 % товаров, более 20 часов в сутки, семь дней в неделю.

Детали отказов говорят больше, чем заголовочная цифра. Неудачный цикл может оставить товар в безопасности в захвате для новой попытки — это стоит времени. Худший исход — падение товара или повреждение, требующее вмешательства человека. В статье описаны жёсткие предметы, блокирующие лезвие, деформируемые товары, плохо передающие усилие, предметы, застревающие о края ячеек, книги, складывающиеся на соседние, световые короба, раздавленные фиксированным усилием прижима, и объекты или удерживающие ленты, оставленные в небезопасных положениях.

Оценки только по данным восприятия занижали доступное пространство в среднем на 36 миллиметров при стандартном отклонении 40 миллиметров. Контакт давал полезную информацию, но одного осязания могло не хватить, когда мягкая игрушка выгибалась за пределы целевого пространства. Исследователи заключают, что дефекты заслуживают непропорционального внимания, потому что они создают восстановительную работу, а не просто тратят цикл.

Vulcan Pick даёт ещё более чистый урок о знаменателях. Он извлекает запрошенный товар из плотно заполненного контейнера, используя изображения, чтобы решить, идентифицируется ли товар, не перекрыт ли он, можно ли его сдвинуть и подходит ли он для вакуумного захвата. Если слишком много объектов мешают ему или безопасного захвата не существует, запрос отправляется на ручную станцию. Если попытка захвата многократно не удаётся, работу берёт на себя человек.

Статья о полевом развёртыванииохватывает один действующий склад, сначала одну систему извлечения, затем две, работавшие примерно по шесть часов в будние дни с октября 2024 по март 2025 года. За более широкий период через станцию прошло более 12 000 запросов. Детальная статистика за январь–март охватывает 6 561 назначенный запрос. Робот совершил 5 157 попыток извлечения товара и добился успеха в 4 690 случаях, что и даёт заявленные 90,9 % успешности извлечения. Но для 1 246 запросов попытки извлечения не было вовсе из-за сбоев планирования, а в статье говорится, что 19,4 % запросов были отклонены на станции из-за отказов планирования захвата или лент и отправлены на ручные станции. В пересчёте на все назначенные запросы успешные роботизированные извлечения составили около 71,5 %.

Ни один из знаменателей не является подтасовкой. Успешность попыток говорит инженеру, работает ли выбранное действие. Доля выполненных назначенных запросов говорит оператору, сколько работы ячейка реально поглощает. Производственному покупателю нужны оба показателя, плюс время цикла, повреждения, трудоминуты, пиковая производительность и доступность. Формулировка «более 90 % успеха» без охвата завысила бы автономность; «71,5 % сквозной успешности» без упоминания намеренных откладываний из соображений безопасности занизила бы ценность отказа от рискованной работы.

Схема восстановления системы разумна. Она сообщает об успехе или отказе в складское ПО, чтобы работу можно было переназначить. Её отказы конкретны: слабый вакуум, неудачные траектории извлечения, столкновения с лентами, краями ячеек или металлическими перекладинами, не тот или сразу несколько товаров, упавшие продукты, ошибки калибровки, сбои программной связи и повреждения присоски. За шесть месяцев инженеры улучшили доступность, но итоговый процент аптайма не раскрыт.

В публичном описании развёртывания в мае 2025 года Amazon сообщила, что в пилотном проекте в Спокане участвуют шесть роботов Vulcan Stow, там запланирована бета ещё 30 машин, а затем более масштабное развёртывание в Германии. В последних заявлениях говорится о более широкой экспансии в Европе и США. Это реальный прогресс от одной ячейки, но масштаб остаётся на порядки меньше парка приводов. Vulcan доказывает, что работа с товарами при богатых контактах вышла в производство. Но не доказывает, что общая манипуляция товарами достигла безлюдного сетевого масштаба.

Надзор не исчезает — он меняет форму

Автоматизация убирает работу кусками и добавляет её фрагментами. Парк приводов убирает ходьбу и ручное перемещение стеллажей. Proteus может убрать толкание тяжёлых тележек. Robin и Cardinal убирают повторяющиеся подъёмы посылок. Sequoia подаёт товары на уровне от середины бедра до середины груди, сокращая регулярные приседания и потягивания вверх. Vulcan намеренно нацелен на верхние и нижние ряды контейнеров, оставляя людям более удобные средние ряды и трудные товары.

Добавленная работа распределяется между обслуживанием надёжности, инженерией управления, уборкой, мониторингом пола, калибровкой, разметкой данных, разбором исключений, сверкой запасов и проверками качества. Часть таких ролей — высококвалифицированные и лучше оплачиваемые. Amazon говорит, что проект в Шривпорте требует на 30 % больше сотрудников на ролях в области надёжности, обслуживания и инженерии, чем более ранний объект, а её программа ученичества сочетает занятия в классе с 2 000 часов обучения на рабочем месте. Это полезные траектории.

Но они не доказывают, что каждый высвобожденный комплектовщик может или сможет в них перейти, и что добавленные технические должности совпадают с убранными рутинными по количеству, расположению или доступности.

Есть и работа, скрытая внутри измерений. Люди-разметчики подтвердили 100 000 исходов Vulcan Stow. Операторы ловят товары, которые машина не может идентифицировать. Ручная станция поглощает откладывания Vulcan Pick. Бригады обслуживания чинят присоски и калибровку. Контролёры зон заходят в ограниченные области, чтобы эвакуировать вышедшие из строя приводы и упавшие товары. Специалисты по разрешению проблем с запасами сверяют физический товар с записью в ПО после неудачной передачи. Система может сократить число прямых касаний, повышая значимость оставшихся.

Может меняться и темп человеческого труда. Схема «товар к человеку» убирает ходьбу, но непрерывно подаёт работу стационарному комплектовщику. Это может повышать полезное время и сокращать физические перемещения, концентрируя при этом повторяемость. Расследование комитета Сената США по здравоохранению, образованию, труду и пенсиям (HELP) 2024 года сообщило, что внутреннее исследование Amazon о комплектовщиках, работающих с роботизированными стеллажными модулями, связало рост числа повторений с вероятностью травм спины и определило 1 940 движений за десятичасовую смену как верхний предел. Amazon оспорила трактовку комитета, заявила, что предложенное вмешательство неэффективно, и утверждала, что её показатели безопасности улучшились при ускорении доставки. Вматериале Associated Pressизложены обе позиции.

Этот спор не позволяет просто утверждать, что роботы либо делают рабочее место безопасным, либо опасным. Amazon сообщает, что в 2022 году на роботизированных площадках показатели регистрируемых инцидентов и инцидентов с потерей рабочего времени были ниже, чем на площадках без роботов, а вобновлении по безопасности за 2025 годговорится, что глобальный показатель регистрируемых инцидентов упал на 43 %, а показатель с потерей рабочего времени — на 70 % с 2019 по 2025 год. Но сравнения площадок не рандомизированы. Роботизированные здания могут отличаться возрастом, товарным ассортиментом, планировкой, укомплектованностью и управлением. Общесетевые улучшения включают множество вмешательств помимо роботов.

Регуляторная история показывает, что эргономический риск остаётся существенным.Мировое соглашение с OSHA в декабре 2024 годаурегулировало дела, связанные с десятью объектами, и потребовало оценки рисков на уровне корпорации и площадок, обучения, пилотных проектов инженерных мер контроля и постоянного пересмотра на объектах, подпадающих под федеральную юрисдикцию. Перечисленные меры включали регулируемые рабочие места, конвейеры, перепроектированные упаковочные станции, тележки и ротацию должностей, а не только роботов. Практический стандарт, следовательно, таков: механизм плюс измеренный результат. Сначала покажите, что машина убирает рискованное движение, затем покажите, что воздействие травмоопасных факторов снижается и темп или другой процесс не воссоздают его в другом месте.

Спрос на труд, вероятно, изменится, даже если Amazon продолжит нанимать. Основанный на внутренних стратегических документах отчёт New York Times за 2025 год сообщил, что робототехническая команда Amazon ожидает: автоматизация по мере роста объёмов позволит избежать более 600 000 будущих наймов в США к 2033 году. Это не то же самое, что увольнение 600 000 нынешних сотрудников. Amazon ответила, что цифры отражают позицию одной команды и не представляют всю её стратегию найма. Точный прогноз может измениться; экономический замысел менее загадочен.

Система, которая снижает стоимость единицы товара за счёт сокращения трудоминут, по замыслу требует меньше людей, чем неавтоматизированная альтернатива при том же объёме.

Экономика видна только по краям

У Amazon Robotics нет публичной цены, и Amazon не отчитывается о складской робототехнике как о сегменте. Это делает обычный расчёт юнит-экономики по открытым данным невозможным.

В затратную часть следует включать гораздо больше, чем аппаратное обеспечение роботов. Серьёзная полная стоимость учла бы перепроектирование здания, стеллажи и контейнеры, порталы, конвейеры, рабочие станции, маркеры на полу, беспроводную и вычислительную инфраструктуру, системы безопасности, интеграцию с ПО управления запасами и складом, простои при монтаже, энергию, резервные машины, рабочие органы, калибровку, профилактическое обслуживание, техников, разработку ПО, труд по разбору исключений, повреждённые запасы и стоимость резерва мощности под пиковые нагрузки.

Амортизация важна, потому что стационарная система может оставаться технически полезной, но экономически устаревать по мере изменения планировок и процессов.

В сторону выгод следует записывать сэкономленные трудоминуты, пройденное расстояние, производительность на площади пола, плотность хранения, пропускную способность, точность, меньшее воздействие травмоопасных факторов, более быструю доступность запасов, более позднее время отсечки заказов и отказ от сезонного найма. Более быстрый поток может увеличивать выручку или удержание клиентов, а не только сокращать расходы. Улучшение маршрутов, применённое к сотням тысяч приводов, может быть ценным, даже если штат не изменится. Надёжный отказ может обойтись дешевле, чем смелый захват, который повреждает товар и портит состояние запасов.

Отчётность Amazon раскрывает только окружающий масштаб. Вформе 10-K за 2025 годговорится, что денежные капитальные затраты выросли с 77,7 млрд долларов в 2024 году до 128,3 млрд долларов в 2025-м, в основном из-за технологической инфраструктуры — преимущественно роста AWS — и дополнительных мощностей фулфилмента. Робототехника там не выделена. Стоимость фулфилмента включает персонал, объекты, оборудование, амортизацию, аренду, приёмку, хранение, комплектацию, упаковку, обработку платежей и обслуживание клиентов. Компания говорит, что более высокая стоимость фулфилмента в 2025 году отражала рост продаж и инвестиции в сеть, частично компенсированные операционной эффективностью. Ничто из этого не даёт окупаемости роботов.

Поэтому цель в Шривпорте — снижение пиковой стоимости обслуживания заказа на 25 % — самое интересное раскрытое коммерческое заявление, но она остаётся целью площадки без опубликованной сверки затрат. Прогнозы аналитиков о миллиардах будущей экономии — это сценарии, а не наблюдаемые денежные потоки. Они зависят от скорости развёртывания, объёмов, сэкономленного труда, загрузки и того, достигнут ли новые системы своих целей по надёжности.

Amazon может позволить себе длинную кривую разработки, потому что собирает опыт в огромной внутренней сети. Blue Jay иллюстрирует портфельный риск. Анонсированный в октябре 2025 года как многорукая система для операций с доставкой в тот же день, к февралю 2026 года он уже не использовался. Насобственной странице Amazonтеперь зафиксирована остановка проекта и сказано, что базовая технология продолжит жить в другом виде. Остановка прототипа — не провал всей робототехнической стратегии; закрытие слабых проектов — часть ответственной разработки. Но это показывает, почему скорость анонсов, эффектный вид и амбиции по флоту не заменяют устойчивых производственных результатов.

Почему большинству складов не стоит копировать Amazon

Внешний оператор, выбирающий автоматизацию, сталкивается с другим решением. Amazon может проектировать оборудование, ПО, здания и правила труда как единое целое. У неё огромная повторяемость, собственные данные о спросе, сеть развёртывания внутри компании и инженерная организация, способная улучшить и 1 % отказов. Региональный ритейлер или 3PL-провайдер может иметь переменчивых клиентов, арендованные площади, меньшие объёмы и мало желания возиться с индивидуальным робототехническим стеком.

Реалистичная альтернатива — не «роботы Amazon или люди с планшетами». Склад может перепроектировать размещение товаров, упаковку и маршруты комплектации; использовать вилочные погрузчики, конвейеры или pick-to-light; установить челночные системы или системы кубического хранения; развернуть автономных мобильных роботов сторонних вендоров в существующем здании; автоматизировать только снятие с поддонов, сортировку или упаковку; либо сохранить ручной труд там, где изменчивость делает капитальные вложения непривлекательными.

Правильный ответ зависит от пропускной способности, габаритов товаров, волатильности спроса, срока жизни здания, доступности труда и цены простоя.

Коммерческие конкуренты дают полезный контраст.AutoStoreсообщила о более чем 1 950 системах в более чем 65 странах к концу 2025 года, продаваемых через экосистему партнёров и интеграторов.Symboticраскрыла портфель заказов примерно на 22,5 млрд долларов в годовом отчёте за 2025 год, во многом связанный с Walmart и её проектом GreenBox, а также долгосрочные обязательства по поддержке ПО. Эти компании раскрывают контракты с клиентами и выручку, потому что продажа автоматизации — их бизнес. Amazon Robotics раскрывает эксплуатационный масштаб, потому что улучшение Amazon — её бизнес. Ни одна форма свидетельств не доказывает автоматически лучшую технологию, но они отвечают на разные коммерческие вопросы.

Более широкий рынок растёт, не двигаясь по прямой. Interact Analysis оценила, что объём заказов на складскую автоматизацию в 2025 году вырос на 7 %, предупредив при этом, что более высокие цены на сталь и труд раздувают стоимость проектов, а базовый спрос остаётся осторожным. В том жеобзоре рынказначительная часть активности объясняется несколькими крупными инвестициями ритейлеров, включая Amazon и Walmart. Это согласуется с рынком, где автоматизация работает, но очень крупные интегрированные проекты по-прежнему выгодны владельцам с масштабом и капиталом.

Для транспортировки материалов на структурированной высокообъёмной площадке опыт Amazon — сильный аргумент. Для манипуляций с разнородными товарами покупателю следует требовать локальных испытаний на реальном каталоге с тестами пиковой нагрузки и старения. Приёмочные испытания должны измерять назначенные задачи, а не выбранные попытки; корректное завершение, а не движение; и восстановительный труд, а не только время цикла робота.

Более дешёвая модульная система, которая закрывает 60 % стабильного объёма и аккуратно отказывает, может оказаться лучше изощрённого манипулятора, нацеленного на 80 % охвата, если последний повреждает запасы или требует постоянного внимания специалистов.

Что изменило бы оценку

Amazon Robotics уже преодолела важнейший порог промышленной технологии: она полезна в производстве при исключительном масштабе. Парк приводов меняет геометрию склада и убирает огромные объёмы перемещений. Robin демонстрирует производственное обучение, которое измеримо снижает отказы при захвате упаковок. Sequoia показывает, как несколько систем можно компоновать вокруг потока запасов. Vulcan показывает, что работу с богатыми контактами, некогда считавшуюся непрактичной, теперь можно выполнять в действующем здании с похожей на человеческую скоростью на отдельных операциях.

Свидетельства не подтверждают полной автономии на уровне товаров, безлюдного фулфилмента или чистого внешнего бизнес-кейса. Самые продвинутые системы манипуляции всё ещё сужают задачу перед действием. Они классифицируют пригодность, предпочитают низкорисковые поверхности, повторяют попытки, откладывают сложные запросы и зависят от ручных станций. Это не критика грамотной инженерии. Это источник надёжности. Ошибкой было бы опускать эти границы, описывая успех.

Несколько раскрытий существенно улучшили бы оценку. Первое — учёт задач на уровне площадки: назначенные запросы, пригодные запросы, успех с первой попытки, итоговый успех, вмешательства людей, повреждения и минуты восстановления по системам и классам товаров. Второе — доступность в пиковые периоды, включая среднее время восстановления и труд, необходимый для поддержания работоспособности ячейки или этажа. Третье — сверка затрат для зрелого здания в стиле Sequoia с разделением робототехники, проектирования здания, ПО, размещения запасов и труда.

Четвёртое — исследование безопасности, которое прослеживает сопоставимые задачи до и после развёртывания и отслеживает как эргономическое воздействие, так и темп работы. Пятое — свидетельства внешнего платящего клиента, работающего без полного внутреннего аппарата поддержки Amazon.

Текущие события дают чёткие тесты. Amazon говорит, что оригинальный Proteus развёрнут в 25 центрах исполнения заказов в США, а следующее поколение, способное принимать задания на естественном языке и работать за пределами доковых зон, всё ещё проходит лабораторный пилот, с планами развёртывания в Европе в первой половине 2027 года.Анонс июня 2026 годасвязывает его с инвестициями в европейский фулфилмент на сумму более 10 млрд евро. Полезный будущий отчёт рассказал бы, как часто задания на естественном языке интерпретируются корректно, какое действие требует подтверждения, как система безопасно отказывает и сокращает ли интерфейс обучение или просто переносит настройку в новую форму.

Более крупная бета Vulcan и развёртывание на нескольких площадках должны показать, выдерживает ли измеренный успех другие запасы, операторов и условия на полу. DeepFleet со временем должен получить живые контролируемые результаты, связывающие прогноз с движением, заторами, пропускной способностью и восстановлением. Sequoia должна перейти от целевой стоимости к аудированной операционной истории. Заявленный интерес Amazon к обслуживанию внешних промышленных клиентов должен дать цену, контракт на поддержку и референс клиента, если это станет реальным бизнесом.

До тех пор справедливый вывод не в том, что склад решён, и не в том, что миллион машин — это хайп. Amazon Robotics индустриализировала более лёгкую половину автономности: структурированное движение, оркестрацию и всё более ограниченные манипуляции. Сейчас она работает над дорогой остаткой частью, где товар неудобен, полка заполнена, пол заблокирован, состояние ПО неверно или машине нужна помощь. Ценность следующих миллионов роботов будет зависеть не столько от их числа, сколько от того, как редко эти обычные исключения становятся чьей-то чужой чрезвычайной ситуацией.