亞馬遜物流網絡的未來無疑跟人工智能和機器人技術存在巨大的關系，但人工智能設備將在多大程度上完成大部分工作，仍是一個懸而未決的問題。

　　根據該公司機器人技術實施總監斯科特·安德森(Scott Anderson)的說法，亞馬遜倉庫距離完全的端到端自動化至少還有10年時間。路透社今天報道安德森的這番評論，從而強調了當前的自動化技術發展步伐，即使亞馬遜倉庫這種對機器人勞動力而言已經十分成熟的環境也不例外。

　　目前來看，勞動力中的機器人主要精通可重復的特定任務，并對其進行精確編程。要讓機器人從事其他任務需要進行成本高昂、耗費時間的重新編程。能夠執行多種不同任務，并在動態環境中查看和理解周圍環境的機器人仍然處于研究和實驗階段。

　　就連識別對象并在以前從未見過該對象的情況下進行拾取這個簡單過程，也需要借助一系列復雜的軟件和硬件，而這些軟件和硬件尚未投入商用。

　　因此，雖然機器人可以幫助制造微芯片和特斯拉汽車的車身，但它卻無法完成倉庫中所有人工任務。在亞馬遜倉庫和其他公司的物流中心，大部分勞動力仍然主要由人的雙手完成，因為很難訓練機器人看懂世界，并讓機器人的夾具具備人類的靈活性。

　　但作為正在進行的深度學習革命的一部分，機器人加速了過去十年人工智能研究的進展，并且開始獲得接近人類精密程度的視覺和運動控制水平。亞馬遜是開創這種機器人的公司之一，除了在物流鏈中轉移物體之外，該公司每年都會舉行一次相關的挑戰賽，促進這一領域的技術進步。

　　其他許多公司和實驗室也在這方面取得了進展。加州大學伯克利分校擁有一個機器人實驗室，該實驗室在這個領域取得了實質性進展，新開發了一對由中央系統Blue控制的低成本人形機器人。得益于人工智能支持的視覺系統，它可以執行復雜的手動任務，例如通過人工智能折疊毛巾。

　　研究實驗室OpenAI同樣使用名為強化學習的人工智能訓練技術來教給機器人手臂完成更加精確和優雅的動作，這也是機器人需要在倉庫中復制的人類動作。Kindred是一家位于舊金山的創業公司，他們生產一種名為Kindred Sort的機器人手臂，將其部署在零售商Gap的倉庫中 ，它使用人工操作和自動化的組合來執行動態產品拾取。

　　據路透社報道，亞馬遜在美國擁有110個倉庫，45個分揀中心和大約50個交付站，所有這些地方總計雇用了超過12.5萬全職倉庫工人。但是只有一小部分工作是由機器人完成的。現在的機器人的確不夠精確，而且行動笨拙，需要借助很多培訓才能突破現有的狹窄用例，部署在工廠車間里。

　　例如，亞馬遜的drives機器人外形酷似掃地機，它主要是沿著倉庫周圍的固定路徑向人類提供大量產品。“在目前的形式下，技術非常有限。這項技術與我們需要的全自動工作站相距甚遠。“安德森說。