当人们讨论 AI 替代仓库岗位时，现场正在发生的事往往和直觉相反。2025 年 7 月，DHL 宣布在英国追加 5.5 亿英镑投资、再部署 1000 多台机器人；而几乎同时，亚马逊仓库里的机器人总数已经超过 75 万台。这两个数字摆在一起，提出了一个非常具体的问题：到 2028 年，仓库里到底哪类工作先消失，哪类工作还在，谁的岗位只是换了个名字？
先看数据：AI 替代仓库岗位的规模到底有多大
根据世界经济论坛《2025 年未来就业报告》，到 2030 年，自动化与数字化转型将使全球约 9200 万个岗位消失，同时创造约 1.7 亿个新岗位，净增约 7800 万个。这项调查覆盖 1000 多家雇主、1400 万名员工、55 个经济体。值得注意的是，报告把"AI 与信息处理技术"单独拎了出来：仅这一项，到 2030 年预计替代约 900 万个岗位、创造约 1100 万个——替代与创造几乎同时发生，但落在完全不同的人身上。同一份报告还指出，全球 41% 的雇主计划在 AI 能够自动化任务的环节缩减人力。
麦肯锡全球研究院 2025 年 11 月发布的《Agents, Robots and Us》则把镜头拉近到美国本土：技术上，当前已有技术理论上可以自动化 57% 的美国工作时长；但该报告同时给出一条时间线判断——约 1100 万美国工人（约占劳动力的 7%）可能需要在 2035 年前转换职业，区间在 600 万到 1600 万之间。更值得玩味的是结构：超过 75% 需要转岗的人集中在三个领域——行政支持、零售销售、运输与物流；低收入工人的转岗概率是高收入者的近 8 倍。高盛 2026 年 4 月的测算则给出了当下速度：美国每月约有 1.6 万个净岗位被 AI 替代（约 2.5 万个被消除、9000 个新增）。
把这几组数据放在一起，一个轮廓已经清晰：AI 对仓库就业的影响不是"会不会来"，而是"按什么顺序来"。而顺序，恰恰是可以被推导的。
岗位替代顺序矩阵：三把尺子量出谁先谁后
根据上述报告的逻辑，结合仓库现场的任务结构，可以用三个维度判断一个岗位的替代优先级：任务重复度、异常处理占比、感知与运动复杂度。重复度越高、异常越少、对非结构化环境的感知要求越低，被替代得越早。下表是按这个框架给出的 2026 到 2028 年的替代顺序判断。
| 岗位 | 任务重复度 | 异常处理占比 | 感知运动复杂度 | 替代窗口 |
|---|---|---|---|---|
| 单证录入、票据审核 | 极高 | 低 | 低 | 2026 年前后已开始 |
| 排班、调度文员 | 高 | 中 | 低 | 2026–2027 |
| 卸货、托盘搬运 | 高 | 低 | 中 | 2027 年起加速 |
| 补货、上架 | 高 | 低 | 中低 | 2027 年起加速 |
| 结构化拣选（标准件） | 中高 | 中 | 中 | 2027–2028 部分替代 |
| 退货检验、异常处理 | 低 | 高 | 高 | 2028 年之后仍以人为主 |
| 设备维修、机器人车队管理 | 低 | 高 | 高 | 新增岗位 |
这个矩阵的逻辑链很直白：替代技术分两条腿走路，一条是 AI 智能体（替代认知劳动），一条是机器人（替代体力劳动）。而两条腿的成本曲线完全不同——这就决定了顺序。
反常识：先消失的不是拣选员，而是坐在办公室的仓库人
多数人直觉认为，AI 先替代的是推着小车满场跑的拣选员。但根据成本结构，顺序恰恰相反：部署一个 AI 智能体处理单证、排班、对账的成本，远低于部署一台能在非结构化环境里可靠抓取异形件的机器人。前者是软件，后者是硬件加算法加现场调试，中间隔着至少一个数量级的投入和数年的成熟度爬坡。
这意味着，2026 年到 2027 年最先感受到冲击的，是仓库里"坐办公室的人"：每天处理入库单、核对差异、排班、回复邮件的文员和调度员。麦肯锡的数据也佐证了这一点——最容易被替代的 40% 岗位集中在起草、信息处理和常规推理类任务，而这正是 AI 智能体已经擅长的领域。体力环节里，最先被拿下的是环境最确定的部分：DHL 在英国部署的波士顿动力 Stretch 卸货机器人，每小时可处理 700 个箱子——卸货区是仓库里环境最标准、异常最少的角落之一，所以它先被自动化，完全符合矩阵的逻辑。
两个已经发生的现场
第一个现场在美国路易斯安那州什里夫波特。亚马逊 2024 年 9 月投用的这座 310 万平方英尺配送中心，机器人设备数量是老一代仓库的 10 倍，公司预计履约成本因此降低 25%。值得注意的细节是人员结构的变化：亚马逊同时表示，机器人部署催生了约 700 个此前不存在的技师类岗位类别——Sequoia 库存处理系统、Vulcan 触觉机械臂这类设备，需要人来维护、调参和处理异常。岗位没有简单消失，而是发生了置换：重复性操作减少，设备相关技能需求上升。
第二个现场在 DHL 的全球网络。截至 2024 年 5 月，DHL 部署在 35 个站点的 Locus 拣选机器人累计完成了第 5 亿次拣选——第 5 亿次发生在西班牙托莱多的一座仓库。仅在英国、爱尔兰和欧洲中东非洲地区，就有超过 750 台协同拣选机器人在 18 个站点运行。而 2025 年 7 月宣布的 5.5 亿英镑追加投资，说明这不是试点，而是规模化复制阶段。两个现场的共同点是：被替代最快的是"行走"（机器人把货带到人面前，人只做最后的抓取判断），而不是"抓取"本身。
2026→2028：仓库岗位替代的时间线判断
综合以上数据和现场证据，可以给出一条带依据的时间线。2026 年：文书类岗位进入实质替代期，AI 智能体接管单证、排班、异常单据初筛；对应 WEF 报告中 41% 雇主的减员计划，落点主要在这里。2027 年：搬运、卸货、补货环节加速自动化，AMR 和无人叉车在新建仓成为标配；DHL 的 Stretch 和 Locus 的规模化是这一阶段的注脚。2028 年：结构化拣选出现部分替代，标准件、整箱场景先行；但退货检验、异常处理、设备维修这类高异常、高感知要求的岗位，仍然以人为主，甚至因为设备增多而需求上升。
这条时间线有一个减速带需要说明：Interact Analysis 2025 年 5 月的报告把移动机器人市场的复合年增长率预期从 26% 下调到 21%，原因是关税和经济不确定性导致企业推迟资本开支。这意味着 2027 到 2028 年的硬件替代速度，可能比技术成熟度本身允许的要慢一拍——钱的问题，有时会比技术问题更决定节奏。
时间线走到 2028 年，仓库里的人不会消失，但构成会变。根据麦肯锡的框架，真正稀缺的将是三类能力：处理机器处理不了的异常、维护和优化自动化系统、以及在数据基础上做运营判断。低收入、重复性岗位的转岗压力最大（转岗概率是高收入者的近 8 倍），而转岗的方向，恰恰指向上述三类能力。
说到底，AI 替代仓库岗位从来不是一道"人 vs 机器"的选择题，而是一道排序题：先替代什么、后替代什么，取决于成本曲线、异常密度和感知复杂度这三件事。当"操作"被机器接管之后，一个更值得追问的问题才刚刚开始——在仓库这个高度讲效率的地方，"判断"到底值多少钱？而今天坐在办公室里做判断的人，有多少判断是机器其实已经能做的？这两个问题的答案，可能比任何替代时间表都更能决定 2028 年之后，谁还站在仓库里。
作者：陈博士｜供应链行业研究员
