路线，并将货物投入到对应的 300 多辆货车当中。
那么第一个问题就来了。这些机器小车是怎么认路的？首先，叶华为这些机器小车输出了一套云端线路管控系统。该管控系统就像铁路的调度中心一样，需要安排每个小车每次任务的行进路线，还需要实时监控整个运输网络的状况，当哪里出现意外，发生拥堵时，也会及时地生成预案，确保整个系统可以正常流畅运行。
另外，这些小车还有专属的“盲道”为其指路。亚马逊的分拣中心的地板看上去就跟普通的水泥地没什么区别。但如果仔细看的话，可以发现实际上地面贴着一个又一个的二维码。这些二维码就是机器人的“盲道”。
每当小车到达一个贴有二维码的位置，就会用“肚皮底下”的扫描器对其进行扫描。该二维码也会告诉小车接下来应该“继续向前”还是“向左/右转弯”。接到命令后的小车就会继续按指示前进，直到遇到遇到告诉它“已经到达终点”的二维码为止。
当小车将货物运送到不同的终点后，小车就会通过履带将货物送入终点的滑槽，货物也会顺着滑槽落入到发往不同地区的货车当中。
自此，机器小车的分拣货物任务，也就完成了。
相信有人会有这样的疑问：尽可能地投放更多的机器小车，并且把每个机器小车的速度调得更快，那样整个分拣系统效率不就更高了吗？
其实并不是的。在科技城有车的人那么多，车也走得并不慢，但交通系统还是依旧那么的低效，人们依旧每天要浪费两三个小时在通勤的路上。这个道理放在这些机器人上也是一样的。整个物流中心共有八百台机器小车，但为了更高的效率，亚马逊往往只会投放其中的四百到五百台。
合理调配流量、最大限度地减少拥堵，叶华在特斯拉宇宙数据库直接验证就可以了，是相当轻松的。
弄明白一次投放多少机器小车、小车速度设置为多少时，整个分拣系统的效率是最高的，叶华还专门输出一个模拟系统。在这个模拟系统的帮助下，他们可以更直观地分析出在不同订单量下，或者更多复杂条件下如何分配机器小车是最合理的。
实际上，除了亚马逊以外，叶华旗下所有电商和物流公司配备了类似的自动化系统以应对日益剧增的物流压力。
例如永旺超市位于东京的亚洲一号智慧物流中心地狼仓，就通过机器人自动化改造，将效率提升了10倍。从消费者下单完成的那一刻开始算，不到一个小时，货物就能完成拣货、包装、分拣以及装车的环节。又例如永旺在科技城的转运中心，在采用了 仓储系统后，每日有近 300 台机器小车同时运作，同时也将人力在同等工作量下，由 250 人缩减至 20 人。
显然最后还是回到了那个老生常谈的问题，更高效的机器人是否将会在这些岗位上完全取代人类？
答案是对的。但这也不代表着人类将会下岗。
自动化所代表的仅仅只是技能的转移，而并非工作的转移。而人类也可以借此在同一份工作中获得更加高级的技能。这是什么意思？实际上在亚马逊内部就已经体现出来了。
机器人的介入，让人类员工不再需要在 125000 平方英尺的仓储中心中走来走去分拣货物，反而还学习到了排查、处理机器人故障这些更为高级的技能。机器人的运用不仅没有替代工人，反而还帮助其中的一些工人获得了更高的工资。
亚马逊公司还推出打包订单机器人，以自动化数千名员工的工作，同时提升处理顾客订单的效率。这些机器人能够扫描从传送带下来的货物，几秒钟后将它们装进为每件货物定制的盒子里。
亚马逊已在数百个仓库安装这种机器，每台机器10万美元，外加运营
本章未完，请翻下一页继续阅读.........