亚马逊机器人部门上周宣布达成重要里程碑,已部署超过100万台仓储机器人。除了这一宣布,该公司还推出了DeepFleet,这是一个新的AI基础模型,像交通管制员一样指挥机器运行,帮助它们更高效地移动并避免瓶颈。
亚马逊首席执行官安迪·贾西最近在推特上提出了一个简单的问题:"我们如何帮助运营员工更高效地获取库存?"公司表示这是其机器人战略的北极星。这些机器不是为了取代人类,而是为了加速流程。
从少数几台到百万机器人
亚马逊早在2012年就开始测试货架搬运机器人。从那时起,仓库地面机器人的使用已成为亚马逊履行订单的核心,目前有超过100万台机器人在300多个仓库中运营。这些机器人现在是亚马逊履行中心的主力军。第100万台设备在日本下线,标志着从简单传送带向全自动化助手的转变。
这些机器人不仅仅是炫酷的装备,它们真正承担重型工作。机器人是脚凳大小的扁平机器车。它们滑到货架塔下方,举起整个货架,将其带到工作人员那里,工作人员取出订购的物品。当货架空了,机器人会把它放回去,然后寻找下一个拣选任务。
它每次行程都为人类包装工的班次节省一点步行时间,并推动订单更接近出库。这一切都是为了缩短订单从货架到运输箱的时间。
DeepFleet:机器人实时路由系统
新发布的DeepFleet系统基于亚马逊AWS基础设施构建,使用实时仓库数据来动态重新路由机器人。它寻找堵塞或瓶颈,找到更好的路径,帮助机器人避免在仓库交通拥堵中浪费时间。
"把DeepFleet想象成一个智能交通管理系统,用于管理充满汽车在拥挤街道上行驶的城市,"亚马逊机器人副总裁斯科特·德雷瑟说。"DeepFleet协调我们机器人的移动,优化它们在履行中心的导航。这意味着更少的拥堵、更高效的路径和更快的客户订单处理。"
新的AI模型实时学习,引导机器人绕过慢点,将其行程时间缩短约10%,加快客户订单处理速度。这种更智能的路由意味着更少的延误和更可预测的客户交付时间。
据亚马逊:更多技术工作,而非更少
在路易斯安那州什里夫波特,亚马逊去年开设了一个配备最新一代机器人的新履行中心。据公司称,这些机器人没有取代工作,而是创造了新的工作。
"先进机器人需要30%更多的可靠性、维护和工程角色员工,"德雷瑟说。
新角色从电机维修技术员到数据分析师不等。维修技术员保持机器人运转,分析师使用数据洞察跟踪机器人移动模式以发现延误。这些新角色不仅仅是操作机器,而是维护和改进它们。
自2019年以来,超过70万名亚马逊员工加入了技能提升项目。无论这些员工是留在亚马逊还是离开,公司表示这些经验为他们在日益自动化的经济中的工作做好准备。
更大的自动化图景
亚马逊并非唯一使用机器人实现仓库自动化的公司。英国的Ocado在其杂货仓库中使用数千台紧凑机器人。机器人在网格状平台上快速移动,以近乎完美的准确性拣选物品。该系统可以在几秒钟内包装客户订单。
沃尔玛正在与Symbotic合作,计划到2030年在其42个配送中心引入机器人分拣系统。他们的CasePick机器人可以在一分钟内分拣包装箱,帮助加速店内补货。
趋势很明显:公司投资自动化不仅是为了更快运行,而是重新思考人类工作者如何以及在何处适应这个过程。
亚马逊机器人的未来
亚马逊计划使用DeepFleet的数据来减少仓库内的能源使用。公司还在试验更小、更灵活的"微履行"中心,更接近大城市。这可能意味着更快的交付和更小的碳足迹。
最终,亚马逊表示AI不仅会指导交通。它还将帮助决定库存什么产品以及何时库存,将仓库转变为实时自我调节的系统。
"这只是开始。随着DeepFleet从更多数据中学习,它将继续变得更智能,推动更深层次的效率,解锁更接近客户的更多选择,并重新想象机器人物流的可能性,"德雷瑟说。
最大的未知数?人类将如何适应一个机器不仅移动货架还做决策的世界。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。