亚马逊计划于2027年底前，向配送司机提供超过2万副智能眼镜。在此前的一项试点项目中，500多名司机佩戴该设备长达18个月，累计完成逾27.5万次配送。
据媒体报道，当司机停车时，眼镜会自动启动，利用计算机视觉将导航、包裹详情及危险警告直接投射至视野，减少低头查看手机的频率。亚马逊强调，佩戴眼镜遵循自愿原则，且设计已根据测试反馈优化。然而，鉴于眼镜在司机步行时会以固定频率拍摄静态照片，这一举措引发隐私争议。亚马逊方面表示，目前尚未考虑为无意中入镜的顾客提供退出机制。
AI早已深度介入物流链条
智能眼镜仅是公众可见的系统表层。在司机佩戴眼镜之前，AI已深刻影响产品的存储、流转、机器人调度及最终路由。亚马逊利用AI驱动的需求预测决定库存布局，称其基础模型已将数百万热门商品的区域预测准确率提升20%，使商品更贴近潜在消费者。
物品进入履约中心后，便纳入人、机器人与计算机视觉协同运作的网络。截至2025年，亚马逊已在全球300多个设施中部署第100万台机器人。其中，Hercules可举起高达1,250磅的货架；Sparrow利用视觉识别抓取单个物品；Proteus则在地面自主移动推车。Sequoia系统结合移动机器人与AI，使入库识别与存储速度较以往提升75%。
机器人拥有专属“AI交通指挥”
随着机器人数量激增，亚马逊利用DeepFleet基础模型协调车队。该系统类似智能交通信号，旨在减少拥堵，预计将使机器人行驶时间缩短约10%。在百万级机器人规模下，单次行程的微小额外节省将显著提升整体效率。
此外，亚马逊引入代理式AI项目“Eluna”辅助管理。该系统在田纳西州试点，通过分析实时与历史数据，帮助经理发现瓶颈并推荐行动方案。操作员可通过自然语言提问，如“如何调动人员以避免瓶颈”。尽管人类保留最终决策权，但Eluna已开始影响包括人力调配在内的关键决策。
在人机交互的另一端，新一代Proteus机器人正试点接受员工的自然语言指令，工人只需口述需求，机器人即可自行规划优先级与路线。新款Proteus计划于2027年上半年在欧洲部署。
自动化向触觉感知延伸
Vulcan是亚马逊首款具备触觉感知的机器人。借助力传感器，它能检测接触时刻与压力大小，从而在密集隔间中拾取和存放物品。亚马逊称，Vulcan处理约占履约中心75%存储类型物品的速度，已相当于人类工人水平。这标志着亚马逊机器人从搬运货架、识别物体，进化至具备触觉感知，并由AI统一协调调度。
包裹离仓后的数据闭环
AI伴随包裹离开仓库。亚马逊的Wellspring地图技术从每次配送中学习，构建物理世界模型。自2024年以来，该技术已识别2.02亿个停车点，绘制280万个建筑入口，并录入8.5万个邮件室和储物柜。AI路由还能适应光线变化或高峰时段停车难等状况。
智能眼镜直接接入Wellspring系统，既呈现引导信息，又通过沿途捕捉的图像反哺系统训练。佩戴眼镜的司机既是执行者，也是系统数据的贡献者。
效率提升背后的隐忧
公众在履约中心看到的机器人阵列与同步作业的工人，仅是系统的可见部分。更深层的问题在于：当系统迫使工人加速时，谁从中受益？
亚马逊估计，智能眼镜可为每位司机每班次节省多达30分钟。但公司未发布数据证明这是否降低了错误率或加快了配送速度，也未说明节省下的时间去向。在每个站点节省20秒，可能意味着工作更轻松，也可能仅意味着系统在当天安排了更多站点。
智能眼镜之所以备受审视，是因为它们是顾客唯一可能接触的AI组件。但若对话仅停留在摄像头层面，将错过底层真正决定工作方式的庞大AI架构——从预测模型、机器人调度到代理式管理系统，这才是重塑物流效率的核心力量。