AI与物流“人”

最近看了好多AI，也在想怎么搞。

——全文4997字，于2026年9月1日发表于上海

凌晨的上海青浦某快递分拣中心，三百二十台AGV机器人以每秒一米五的速度滑行，机械臂完成一次抓取的时间精确到零点五秒。整个空间像一个巨型的机械有机体在呼吸，几乎听不见人声。

一位四十五岁的中年员工从过去的分拣工变成了如今的“异常问题处理专员”，他的工作不再是搬运包裹，而是盯着监控屏幕上闪烁的红点——当算法无法识别一个包裹时，他需要在三十秒内做出人工判断。

但他的工资比从前低了四分之一。

AI（或者说智能化）确实在替代岗位，但替代远非终点。在那些被保留下来的岗位上，劳动的性质、节奏、评价标准和意义感都在被打散、重组，甚至重新定义。

目前，AI对于物流行业的主流作用聚焦于替代——自动化、无人化，目的是降本增效。实质上是将物流劳动从一种“身体性劳动”转化为一种“监控性元劳动”。

传统分拣员的劳动是身体性的，比如弯腰、搬运、扫码、堆放、驾车等等。动作的节奏由肌肉的记忆和体力的极限决定，劳动者对自己的身体有某种有限但真实的主权——他知道自己累了，他可以选择放慢一点，他能在工间抽一支烟。

这种劳动虽然辛苦，但具有可感知、可理解的物理边界。

AI介入后，留存的物流岗位越来越呈现出“元劳动”的特征。

人的工作不再是直接处理货物，而是监督、维护、干预算法系统的运行：

异常问题处理专员盯着屏幕等待算法“失手”的瞬间；

AGV维保人员的工作是确保机器人的运行环境不出差错；

调度员不再是安排车辆，而是确认算法给出的路线“没有明显问题”。

这些劳动的共同特征是，人不直接作用于对象，而是作用于“作用于对象的技术系统”。劳动者的身体消耗减少了，但精神消耗急剧增加。他们必须保持持续的警觉，随时准备在系统出现差池的那一刻介入。

这种情况下，劳动时间不再由任务量定义，而是由系统的运行时长定义——劳动者从“任务的执行者”变成了“算法的守夜人”。

这种转变在表面上降低了劳动强度，实则却将劳动的控制方式从“外部监督”推进到了更深的层面。

在传统劳动中，管理者通过监工、考勤、定额来监控劳动者的产出。

而在元劳动中，控制内化到了劳动过程本身。你无法知道你值守的八小时中系统会在哪一分钟出现异常，因此你必须在这八小时中的每一分钟都保持对系统的关注。监控的时间密度从“抽样检查”变成了“全时段覆盖”，但监控的主体从管理者变成了技术系统本身。劳动者不再被某个人盯着，而是被系统运行的不确定性所俘获——这种俘获比人的监视更难逃脱，因为它没有间隙，没有盲区，也没有可以申诉的对象。

另一方面，物流AI对劳动的改造，深层上是时间经验的改造。

传统物流劳动的时间结构遵循自然节律：早晨到岗、傍晚收工，高峰期加班，货少时休息。时间虽然被商品化出售，但劳动者仍能感知到时间的流逝、节点的到来和节奏的变化。

这种时间经验中存在着“等待”、“喘息”和“无效率”的缝隙，而恰恰是这些缝隙构成了劳动中的人性成分。

但AI驱动的物流系统追求的是一种极限化的时间压缩，是每一秒都必须是生产性的，每一个停顿都必须被消除。

在智能仓储系统中，AGV机器人的运行路径被算法实时优化，目标是让每一台机器在任何时刻都处于“最小必要距离”的运动状态。

当这种时间逻辑延伸到人的身上时，劳动者经历了一种时间感官上的变化，他们的劳动时间不再是由任务的完成度定义的，而是由系统的最优运行参数定义的。异常问题处理专员的工作节奏不由他接到多少异常包裹决定，而由算法出错的概率分布决定。他可能在六小时五十九分钟内无所事事，然后在最后一分钟遭遇系统性的识别崩溃。

这种时间经验的荒诞性在于，劳动者被要求全时段地“在场”，但他的“在场”价值完全由他无法控制、甚至无法预测的技术事件来定义。

这是一种比工业时代的时间纪律更彻底的规训。原本一直是以作息表、空间分隔和层级监视来驯化身体，而AI物流所代表的则是通过消灭“非生产性时间”来实现对身体与意识的全面占用。当系统说“你必须随时准备着”，这种“随时”的指令比任何固定的时间表都更加不可抗拒，因为它取消了“工作时间”与“非工作时间”之间的边界，将人的全部清醒时间都纳入了一种潜在的劳动状态。

在社会学意义上，AI对物流岗位的替代与重构所产生的最深伤害，也许不是收入的下降，而是“生产”出了一种“无用感”。

根据符号暴力理论的观点，社会支配不仅仅通过物质资源的剥夺实现，更通过文化符号的贬抑使被支配者将其处境“内化”为自身的无能。AI的物流叙事中蕴含着一种强大的符号暴力，即人被定义为“效率的瓶颈”，是“算法的补充”，是“暂时未被替代的冗余要素”。

当一位曾经以“手快”著称的分拣员被告知，他最快的速度也不及机械臂的三分之一，他受到的不仅是岗位的威胁，更是对其身体价值、职业认同和存在意义的系统性否定。这种否定被包裹在“技术进步”、“时代发展”的正当性话语中，使被否定的劳动者难以找到有效的反驳方式：

他无法说“我不愿意被替代”，因为这种表达会被指认为“逆潮流而行”；

他也无法说“我的劳动有价值”，因为价值的定义权已经转移到了算法和资本的手中。

他唯一能做的，是接受一种被贬值后的身份——从“熟练分拣员”到“异常问题处理专员”，从“劳动者”到“算法的后勤”。

这种符号层面的降级在物流从业者中被普遍内化。

在作者和一些从业者的聊天中，许多转型后的物流工人反复使用“我们老了”、“我们不行了”“机器比我们厉害”等表述。这些话语的频繁出现揭示了一个残酷的事实，被替代的劳动者往往将失业归因于自身能力的不足，而非技术采纳决策背后的资本逻辑。

当他们说出“机器比我快”时，他们同时接受了自己“应该被替代”的正当性。

这种内化的背后，是一个更为根本的社会问题，在技术替代的浪潮中，社会并未为这些劳动者提供充分的再转型支持、心理重建机制和身份再定义的可能。

技术的正当性被不断放大，而社会对受冲击群体的补偿义务、再分配义务和尊严保障义务却被系统性地悬置。

当个人将结构性失败归咎于自身时，恰恰说明社会义务的履行已经缺席到了何种程度。

物流行业曾经是社会中少数几个仍然保留着“向上流动阶梯”的行业。一个没有学历的年轻人，从搬货做起，凭借体力和勤奋，经过五到十年可以成为组长、站点经理、甚至区域负责人。这个阶梯的物质回报有限，但它的存在提供了一种关于社会流动的信念，在这个行业里，不那么聪明的人依然有机会，努力仍然有回报。

然而，AI对这个阶梯的破坏不是“拆除”式的，而是“抽离底层”式的。

当分拣、搬运、仓储管理等基础岗位被大规模替代后，行业留下的是一个悬浮的职业结构——底层岗位急剧萎缩，中高层岗位依然存在，但中间缺少了从底层向上攀登的阶梯。

更重要的是，留下来或新产生的岗位——算法运维、机器人调度、数据分析——要求的是与底层劳动者完全不同的文化资本，这些资本无法在劳动过程中习得，而需要在教育系统中预先积累。

这就使得物流行业由此从一个“开放阶梯”转变为一个“分割市场”，高技能的技术岗位与低技能的服务岗位之间横亘着一条几乎无法跨越的鸿沟，并且这条鸿沟正在逐步固化。

这意味着物流AI不仅造成了个体性的失业，还在制度层面关闭了一个重要的社会流动通道。

这种通道的关闭对那些处于教育体系边缘的人群——农村青年、低学历劳动者、中年再就业者——构成了长期的、结构性的机遇缩减。他们不仅失去了眼下的工作，更失去了为下一代提供“通过努力工作可以上升”这一人生叙事的能力。当他们回到家乡，面对子女时，他们无法再说“爸爸当年也是从搬货做起来的”——因为这个故事所依赖的社会结构已经不存在了。

与此同时，社会并未为这些被抽离阶梯的人提供替代性的上升通道或制度性补偿。

一个行业内部的结构调整，其代价被完全推给了个人和家庭，而社会作为一个整体，既没有建立起有效的再培训与转岗机制，也没有通过税收、社会保障或公共服务将效率红利转化为对这些群体的实际支持。

社会流动通道的关闭不仅是经济现象，更是社会契约的裂痕。当一个人服从规则、努力工作却依然无法获得基本的机会保障时，社会对其成员所负有的“机会义务”便已名存实亡。

物流AI带来的另一深层变化，是劳动过程控制权的彻底转移及其对工人集体能动性的侵蚀。

在传统物流劳动中，管理者依靠人的判断来处理任务分配、绩效考核和纠纷调解。这些判断总是充满弹性和协商空间。组长知道谁家有急事，主管会通融一次迟到，工人之间可以建立基于共同利益的非正式互助网络。

这种弹性的存在是劳动者对抗完全控制的最后堡垒。

而AI系统的管理逻辑是参数化的，每一个行为都被转化为可量化的数据，每一次偏差都被记录和评分，任何人为的弹性都被视为“系统噪声”需要被消除。

在智能仓储系统中，工人的每一次停顿、每一段步行距离、每一个动作的耗时都被传感器捕捉并纳入效率评估。一个因为身体不适而放慢节奏的工人，不再有机会向主管解释，他的“低效率”被系统自动标记，累积到阈值后触发惩罚机制。算法不会听解释，也不承认“情有可原”。当管理从人的判断转向算法的判定后，劳动者失去了协商、申诉和争取例外的空间，劳动关系的非对称性被推向了极致。

更深层的影响在于，这种算法治理正在消解劳动者的集体能动性。

传统的物流仓库是一个空间集中的劳动场所，工人在食堂、休息室、上下班路上有充分的接触机会，这为集体意识的形成和集体行动的组织提供了物质基础。

而AI改造后的物流场景中，人与人之间的物理距离被技术性拉大，每个工人被固定在特定的“人机接口”位置，与其他工人之间隔着运行中的AGV通道和隔离栏。他们的接触机会被大幅压缩，共同经验也在分化——异常问题处理专员的烦恼与AGV维保人员的烦恼不再相同。

AI不仅在岗位上替代了工人，在空间上隔离了工人，更在经验上分化了工人，从而在结构上削弱了工人阶级形成集体认同和集体行动的能力。

这就是AI对物流“人”的影响。

在“快”成为首要KPI的时代，我们需要回到一个朴素的问题——物流最终是为了什么？

如果答案是“让货物更快地抵达”，那么AI无疑在实现这个目标。

但如果物流的意义不止于此：

如果它还意味着让生产与消费之间的连接过程成为人的劳动、创造和意义感的载体；

如果它还意味着一份工作不仅提供收入，还应承载社会对劳动者的基本承认与转型支持；

如果它还意味着一个行业不仅创造效率还创造社会流动的可能，同时也要求社会为此承担相应的制度义务。

那么，我们正在失去的远比“岗位数量”这个数字所显示的更为深重。

这可能是一种关于劳动的时间感，一种身体与任务之间可感知的关系，一种在劳动中形成的集体经验和阶级认同，一种不依赖学历的上升通道，一种社会对其成员“只要努力就有基本保障”的隐性承诺。

AI为物流行业带来的加速，本质上加速的是资本从劳动密集型向技术密集型的结构变化。这种变化的效率逻辑是清晰的，但它所遵循的是资本回报最大化的单一理性。这种理性在物流基础设施中铸入了自己的形态：一个越来越不需要人的系统，服务于一个越来越离不开效率的社会。

但问题的根本在于，当这个社会最基础的流通功能变得越来越“无人化”时，被排除在这个过程之外的“人”将去往何处？

他们的劳动能力在一个被算法优化到极限的社会中还有什么价值？他们的时间、身体和基本生计，是否注定成为效率祭坛上的献祭品？

而当这一切发生时，社会作为一个共同体，其理应承担的补偿、转型与再分配义务又在哪里？

这不是一个技术问题，而是一个关于我们想要什么样的社会的抉择问题。

物流AI的效率是真实的，但效率的分配是政治性的。如果效率红利继续以当前的方式集中在资本所有者和少数高技能群体手中，而成本继续由最脆弱的劳动者承担，同时社会未能通过制度建设履行对受冲击群体的义务，那么“加速发展”最终将演变为一个悖论——系统的运行越来越快，而越来越多的人被留在一个无法参与、无法获益、甚至无法理解这种“快”的意义的世界之外。

一个物流系统无比高效却造成社会严重断裂、同时逃避其成员保障义务的社会，到底是进步还是倒退？

也许，衡量物流智能化最终价值的终极标准，不在于它能否在大促当天处理多少亿个包裹，而在于当机器跑得更快之后，那些曾经靠奔跑谋生的人，是否依然能够在这个加速的世界中找到自己的位置和节奏，并且得到社会作为一个共同体所应当给予他们的基本保障、转型机会与制度性尊重。

如果我们不能做出肯定的回答，那么我们加速奔跑的方向，以及我们在此过程中对社会义务的集体遗忘，值得每一个人停下来想一想。