物理AI：超越‘机器换人’，亚马逊新增30%高技能岗位

物理AI正推动工业自动化进入新阶段，为制造业面临的成本上升、劳动力短缺和客户需求变化等挑战，提供了有力的解决方案。

自动化推动了第一次工业革命，且在当今的第四次工业革命中持续发展。虽然自动化早已是制造业的重要组成部分，但人工智能、视觉系统与机器人硬件的最新进展，正催生新一代‘更智能、更具适应性’的机器。

世界经济论坛发布的新白皮书《物理AI：赋能工业运营新时代》指出，这些技术发展拓展了机器人的作用边界，不仅能提升效率，还能为工厂车间带来更高的灵活性与抗风险能力。

此前，多数工业机器人是为在受控环境中执行固定、重复性任务而设计的，但这种情况正在改变。借助物理AI，机器人逐渐具备感知、学习并响应更复杂环境的能力，还能支持更广泛的任务类型。

这一变革恰逢关键时期。当前制造商面临着成本上涨、劳动力短缺、客户需求多变等多重挑战，经营环境日益复杂。要了解这一局面的形成原因，回顾工业机器人的进化历程，能为把握未来趋势提供重要背景。

01.工业机器人的演进

物理AI的应用是工业机器人长期进化的下一步。我们可能认为机器人是未来的产物，但最早的工业机器人可追溯到20世纪60年代。‘机器人（robot）’一词源于捷克语‘robota’，意为强制劳动。

早期工业机器人基于规则，通过明确编程执行高精度、高速度的重复性任务，但缺乏灵活性。这些系统已成为汽车和电子等行业的标配，这些行业受益于机器人带来的车间生产力提升。

对于低变量、高产量的任务，这类基于规则的机器人仍将发挥作用，其应用场景与能力也会持续进化。

如今，基于训练的机器人推动了物理AI的崛起。通过AI与机器学习，机器人可从模拟或真实场景经验中学习。

与前代不同，它们不再僵化遵循特定程序，能处理存在一定变量的任务，更适用于‘中等产量’甚至‘非重复性’生产任务。关键是，它们的训练可通过虚拟化实现，大幅缩短部署时间，并扩大可自动化任务的范围。

基于情境的机器人是智能自动化的下一阶段。与基于训练的机器人类似，它们配备感知工具，从高分辨率摄像头到触觉传感器，可实时‘观察’并解读所处环境。

支撑这些能力的核心是强大的AI基础模型，这类模型可通过自然语言提示生成输出，整合视觉、语言与动作以理解环境。它们能够把握自身所处的情境，‘思考’、自主决策，甚至进行规划。白皮书将这些技能的程度比作‘人类水平的任务直觉和规划能力’。

尽管这些机器人还远非电影中常见的人形外观，但其外形也在变化：四足机器人、人形机器人、移动机器人等多种形态相继出现，进一步拓展了机器人的应用范围。

需要强调的是，基于规则、基于训练和基于情境的这三种机器人技术仍将在制造业中发挥作用。作为多元化自动化策略的一部分，它们的部署将根据不同生产线与任务类型的需求进行定制。

02.为何物理AI与智能机器人是制造业的关键

对制造商而言，机器人技术的助力来得正是时候。

当前供应链依然脆弱，地缘政治紧张、原材料短缺、运输瓶颈等问题加剧了这一状况；市场不确定性让这些问题更加严重，对生产力、利润与抗风险能力构成威胁。

原材料成本、能源价格、薪资水平上涨，加上劳动力短缺与技能差距扩大，共同加剧了制造业的挑战。与此同时，客户需求也在升级：更强调定制化、更快交付速度与可持续性。

智能机器人连接数字世界与物理世界，通过提升运营灵活性实现上述目标，但制造商需将机器人技术纳入‘长期战略’，而非仅追求短期收益。

03.打造可驾驭机器人自动化的人才队伍

要实现这一转型，‘具备技能的劳动力’至关重要。根据世界经济论坛《2025年未来就业报告》，机器人与自主系统将成为岗位替代的主要来源。但正如最新物理AI白皮书所说，这种‘替代’并非‘岗位消失’，而是‘岗位转型’，与AI及其他数字化技术一样，机器人技术也将催生新的高技能岗位。

例如：机器操作员将成为机器人技术员，物流团队将协调移动机器人，维护团队将转向预测性维护，而制造工程师将专注于训练和优化人工智能和机器人系统。此外，自动化先前的人工岗位将释放人力，使其能够执行更有意义的任务。

要将智能机器人成功融入工作流程，需聚焦‘劳动力培养与持续学习’。技能再培训、技能提升以及长期劳动力规划，是确保智能机器人‘兑现价值’的关键，这不仅关乎企业利益，也具有社会意义。

04.物理AI的现实应用案例

尽管智能机器人领域仍处于发展初期，但早期采用者已展现出该技术的应用价值。

亚马逊在其300个配送中心部署了超过100万台机器人，与人类员工协作处理分拣、搬运、运输包裹等重复性任务；机器人包装线还能最大限度减少包装浪费，助力亚马逊实现可持续发展目标。

对这些系统的统筹管理，已在试点中取得显著成效：配送时间缩短，效率提升25%；对现场所有移动机器人的调度，使行驶效率提高10%；在测试站点，亚马逊还新增了30%的高技能岗位。

与此同时，电子代工厂商富士康正转型为其所谓的可扩展AI驱动机器人劳动力，以应对劳动力成本上涨与本地制造趋势。

该公司采用AI与数字孪生技术，模拟并自动化‘拧螺丝、插线缆’等精密任务，这些任务此前对传统基于规则的机器人而言颇具挑战。

数字孪生模拟使新系统的部署时间缩短40%；AI驱动机器人使生产周期缩短20%-30%，错误率降低25%；运营成本下降15%；总体而言，在复杂组装任务中，AI驱动机器人的成功率已高于人类。

05.制造商如何把握物理AI的价值

物理AI并非遥远的未来，智能机器人已在改变制造业，且这一趋势只会加强。随着时间推移，我们将看到越来越多‘类人能力’的出现，即便机器人未必采用人形外观。

面对劳动力短缺、生产力提升、对市场与经济变化的快速响应等多重挑战，制造商需迅速行动，把握该技术的潜力。

世界经济论坛主张，不应孤立使用机器人，而应采用分层自动化策略，整合各类机器人技术，实现系统级智能。

尽管技术进步速度惊人，但企业不应盲目跟风，而需坚持‘以人为本’的策略，确保机器人整合的可持续性与包容性。此外，制造商还需借助协作项目共享经验，自信地迈入这一自动化新时代。

原文来源于：

1.https://www.weforum.org/stories/2025/09/what-is-physical-ai-changing-manufacturing/

本文来自微信公众号“元宇宙之心MetaverseHub”，作者：元宇宙之心，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com