人工智能会取代干洗工人吗？你从未考虑过的最抗AI服务工作

你可能从未认真考虑过人工智能是否会接管你家附近的干洗店。其他人也没有。而这，恰恰是这一职业数据中最耐人寻味的地方。在一个关于AI颠覆的讨论无处不在的时代，没有人在担心干洗工人的命运。这种集体性的忽视，并不是因为这份工作无关紧要，而是因为它以一种深刻而不显眼的方式，天然地抵御了AI的渗透 [主张]。

干洗工人面临的自动化风险仅为19%，整体AI暴露度为14% [事实]。在我们数据库覆盖的1,000多个职业中，这将他们置于AI颠覆度最低的前10%之列。如果你在干洗行业工作，AI对你的日常工作基本上是无关紧要的——至少目前如此，而且这一状态在可预见的未来可能还会持续相当长的时间。

但故事并不止于此，因为威胁这一职业的最大因素并不是人工智能，而是完全不同的东西——是消费者行为的深层转变，是面料技术的悄然革命，以及整个行业结构的重新整合。理解这些力量，比担心AI更能帮助你做出明智的职业决策。

为何AI几乎无法触及这项工作

干洗工人的核心任务具有顽固的物理性，这是AI在当前技术条件下无法跨越的根本障碍。操作洗涤和干洗机器的自动化率仅为20% [事实]。检查衣物污渍并确定正确清洗方法的自动化率甚至更低，仅为12% [事实]。使用蒸汽设备熨烫和整理洗后衣物的自动化率为18% [事实]。这些数字如此之低，不是因为这些任务不重要，而是因为它们所需要的能力——物理感知、情境判断、对材料特性的细腻理解——目前超出了所有可商用AI系统的能力范围。

想想这些任务涉及什么。一名干洗工人拿起一件丝绸衬衫，在灯光下仔细检查一块葡萄酒污渍，判断这块污渍是新鲜的还是已经氧化，估计渗透的深度，然后决定是否需要用特定溶剂进行预处理。接下来，他需要根据面料类型（丝绸、棉、聚酯、混纺）、服装结构（有衬里还是无衬里、是否有装饰）以及污渍性质（油性、水性、蛋白质类）来选择正确的清洗周期和温度设置。清洗完成后，再在需要根据材质不断调整压力和温度的熨台上手工整理这件衣物，确保最终效果达到客户期望的专业水准。每件衣物都不同，每块污渍都不同，每种面料都有自己的特点和脆弱性。这项工作需要触觉判断力——感受面料重量、评估质地、调整压力的能力——这远超当前AI的处理能力边界，也远超当前机器人技术的操作精度极限。

在自动化领域真正取得实质进展的任务是标记、分类和追踪客户订单，自动化率为55% [事实]。这符合直觉。条形码系统、RFID标签和销售点软件已经取代了干洗店使用了几十年的手写纸质标签系统。部分现代运营设施使用自动化传送系统，能够通过订单号精准取回特定衣物，大幅减少找错货的情况。这是标准的库存管理自动化，技术上与零售仓储类似，并非AI意义上的智能决策，而是流程自动化。它节省了时间，但并不替代核心的服装处理技能。

没有人谈论的机器人问题

走进任何一家商业干洗店，花几分钟观察一名有经验的工人如何处理一批杂乱的衣物，你会立刻明白为何这一职业在AI颠覆度上位居末10%。这里的核心挑战不在于算法层面，而在于机械工程和物理操控的根本性困难 [主张]。

机器人系统在结构化环境中取得了巨大进步。在汽车装配线上，每个零部件都以相同方向、相同尺寸、相同位置到达，机器人已经能够以超过人类的速度和精度完成重复性的组装工作。但服装处理恰恰是结构化的对立面。一件羊毛大衣、一件饰有精致珠饰的鸡尾酒礼服、一件皮夹克和一件婚纱，不仅形状、重量和材质完全不同，处理方法也各异——有些需要温柔对待，有些需要特定的支撑，有些不能弄湿，有些不能受热。这种无限的变异性，是任何预编程的机器人系统都难以应对的。

仅仅是抓取问题——如何让机器人稳稳地、不造成损伤地拿起一件衣物——就困扰了机器人研究者数十年，至今仍未完全解决。布料是工程师所称的"可变形物体"，这个词的意思是它在被操纵时会不断改变形状，没有固定的几何形态可以预测。一个能捡起刚性盒子的机器人，与一个能拿起丝绸衬衫而不钩到纽扣、不造成不可逆褶皱或压痕的机器人，在技术层面是完全不同的挑战，需要完全不同的传感器、执行器和控制算法 [事实]。

麻省理工学院、斯坦福大学和苏黎世联邦理工学院的研究实验室已在机器人衣物折叠这一单项任务上投入了多年的集中研究，而即便是最新的研究成果也清楚地展示了这一领域距离商业化服装处理有多远。根据Chen、Xiao和Wang（2025年）的研究，一个名为FoldNet的最先进闭环折叠策略，在训练了约15,000条人工演示轨迹之后，才在现实世界的服装折叠测试中达到了75%的成功率——而这仅仅是将一件已经展平的衣物折叠起来这一相对简单的任务，完全不涉及检查污渍、判断处理方式、选择溶剂或使用蒸汽熨烫等复杂工序（FoldNet，arXiv 2025）[事实]。相比之下，一名熟练的干洗工人能在不到一分钟内以接近完美的可靠性处理好一件复杂衣物。研究基准中每四次有三次成功的折叠实验，与每周稳定处理数千件各异衣物的熟练工人之间的巨大差距，正是让这一职业持续位居AI颠覆度末10%的根本技术原因。而且，可以合理预计，在接下来的5-10年内，这一差距不会从根本上改变。

还有不容忽视的化学问题。为特定面料上的特定污渍选择正确的溶剂，需要知识积累与经验判断的有机结合——这种组合很难通过任何系统化的方式完全编码。聚酯纤维上的墨水污渍与羊毛上的墨水污渍处理方式大相径庭，因为两种面料的化学特性和结构完全不同。搁置三天的葡萄酒污渍与事故发生后一小时送来的污渍，需要不同强度和类型的处理——前者已经氧化并部分固着，需要更积极的预处理；后者相对新鲜，温和处理即可。某些精致面料对传统干洗溶剂四氯乙烯（perc）反应不佳，可能导致褪色或变形；某些需要烃基溶剂替代品；某些最好使用专业洗涤剂进行湿洗处理。AI视觉系统能以合理的准确率识别图像中的可见污渍，但它们无法匹配经验丰富的工人在处理模糊案例时——那些介于"需要干洗"和"可以湿洗"之间的灰色地带案例——所展现出的那种融合了感官直觉、化学知识和职业经验的综合诊断能力。

真正的威胁不是AI

以下这个数字，应该比任何AI指标都更让干洗工人认真关注。根据美国劳工统计局的数据，即使在全部职业总体就业持续增长的背景下，洗衣和干洗工人的就业预计在2024年至2034年间下降约-10%（BLS职业展望手册，2024-2034预测）[事实]。在大多数服务类工作都在扩张的这十年里，-10%是一次相当显著的收缩，也是整个行业需要直面的结构性现实。

原因与机器人或算法毫无关系，而是与消费者行为的深层次转变密切相关。远程办公的普及已大幅减少了对专业清洗商务正装的需求——这是干洗行业最稳定的传统收入来源。休闲着装规范在疫情之前就已经在蔓延，而混合和远程办公模式的广泛转变，则将这一趋势推进到了一个新的临界点。越来越少的人每周穿着西装和正式衬衫去办公室，自然就意味着越来越少有人需要每周送洗西装的理由。

面料技术的进步也在发挥日益显著的作用。现代功能性面料、防皱化学处理，以及传统干洗专用材料的高性能可机洗替代品，正在系统性地减少实际需要专业清洗的服装数量 [主张]。Lululemon、Ministry of Supply和Mizzen+Main等品牌已经在可机洗专业服装这一细分市场建立了规模化的商业模式，向专业人士证明了商务外观与家庭护理便利性可以兼得。更引人注目的是，即便是Brooks Brothers和Bonobos这样的传统男装品牌，如今也在主流产品线中提供可在家中或普通洗衣机中清洗的西装系列。这一面料和工艺创新的趋势，对干洗需求的压缩幅度，远超任何在店内运营层面发生的技术变化——它从根本上改变了"这件衣服需要专业干洗"这一前提。

第三个不可忽视的因素是行业的结构性整合。独立街区干洗店的关闭速度，比整体行业萎缩数据所暗示的速度更快，而较大的连锁品牌和特许经营运营商正在趁机扩大市场份额，建立规模经济优势 [估计]。IBISWorld关于美国干洗服务的行业报告估计，在过去十年里，美国干洗店的数量下降了约15%，而与此同时，行业总收入相对保持平稳。这意味着什么？剩余的运营企业规模更大、效率更高，每个地点服务的客户数量更多——换句话说，同等规模的总需求现在支撑了更少数量的工人岗位。这种效率提升在数字上表现为就业人数的净减少，即使服务总量没有等比例下降。

与相邻服务岗位的横向比较

将干洗工人与其他以物理操作为核心的服务职业进行横向比较，能为我们提供更清晰的参照框架。工业洗衣设施中的大规模洗涤机器操作员——那些每天处理酒店床单、医院洗衣和餐厅制服的人——面临着比干洗工人更高的自动化暴露度。原因在于：他们的工作涉及更加标准化的输入物品（尺寸和材质相对统一）和高度重复的处理循环，更接近工厂生产线的特征，因此更容易被自动化系统处理。相比之下，从事定制服装制作的裁缝和手工缝纫机操作员，面临与干洗工人相似的低自动化率——因为他们的工作同样需要面对高度多变的物料，需要对面料的特性做出持续的、细粒度的判断和调整。

另一个有趣的参照案例是鞋子修补工，这是服务经济中的另一个安静角落，其自动化率仅约15%。背后的逻辑与干洗完全相同：每双鞋都不同，每次修补的需求都不同，这项物理工作需要触觉技能和经验判断，而机器目前尚未发展出可靠复制这些能力的能力。室内装潢工在面临类似的技术挑战时，自动化率也处于相近的低水平。将这些职业联系在一起的，是一种特定的能力组合：处理高度多变的物料输入、在操作过程中持续进行触觉决策、以及产出以具体客户满意度为标准的定制化结果。这种组合天然抵制自动化，因为它需要的正是当前机器系统最不擅长的那类能力。

对干洗工人来说，这一横向比较传递的最重要启示是：你所处的工作类别，历来被经济学家和技术预测者低估其持续性和抗自动化能力。历史上，自动化浪潮总是先冲击那些重复性最高、物理操作最标准化的领域——制造业、流水线作业，然后是信息处理类的行政办公室工作，再然后是通过规则和模式可以较好描述的常规认知任务。每一波浪潮最终都触及了机器所能做到的上限而停止，未能延伸至需要在非结构化、高度可变的物理环境中进行持续性情境判断的工作领域。而非结构化环境中的触觉服务工作，十年又十年地持续存在于这一自动化边界之外——不是因为它不重要，而是因为它的复杂性以一种深层次的、难以用工程手段克服的方式抵抗着自动化。

地面上的经济数字

根据BLS职业就业和工资统计项目的最新数据，美国目前约有142,800名洗衣和干洗工人，年薪中位数约为29,510美元（BLS OEWS，51-6011）[事实]。这些是这一职业的经济现实：一个相当规模的劳动力群体，收入处于中等偏低水平，远低于所有职业的薪资中位数，服务于一个正在面临结构性需求下滑的行业。

然而，数字背后的背景至关重要，不容忽视。-10%的就业下降不是悬崖式的突然消失——而是在一个完整十年内缓慢发生的逐步收缩。服务于高端市场的干洗店、专门处理婚纱和皮革制品等特色物品的精品店，以及提供上门取送等高附加值便捷服务的运营商，正在保持业务稳定甚至实现增长。就业下滑主要集中在中间市场——那些依赖于周一早晨稳定西装送洗客流、缺乏差异化竞争优势的普通街区干洗店。理解这一内部分化，对于从业者做出正确的职业定位决策至关重要。

这一职业的工资增长长期落后于更广泛的服务经济平均水平，反映了两个相互强化的结构性因素 [主张]：一方面，大量工作在技能分类上属于"低技能"或"半技能"，在劳动力市场的价值评估体系中获得的认可与其实际所需的技术能力不相称；另一方面，分散化的劳动力结构使从业者的集体议价能力极为有限。大多数干洗店是员工少于十人的小型家族企业，工会组织在这一领域几乎不存在。结果是，这一劳动力群体从自动化标记和库存管理系统引入所产生的运营效率提升中，几乎没有获得任何可见的薪资份额——效率红利大部分流向了店主，而非工人。这一分配失衡，是理解这一职业薪资水平长期停滞的重要背景。

一个三层市场正在分化形成

在更广泛的行业收缩背景之中，三个截然不同的服务细分市场正在朝相反的方向分化演进，为从业者提供了完全不同的职业前景：

大众基础市场层——标准商务服装的日常干洗业务——萎缩速度最快，压力最大。这一细分市场对远程办公生活方式转变和面料技术趋势的暴露度最高，其核心客群（每周穿着正装上班的白领）正在以可量化的速度持续缩小。在这一层级工作的从业者面临最大的就业压力；而服务这一市场的店面，是最有可能在未来几年内关闭、被收购或向连锁品牌整合的运营主体。

特色专业市场层——婚纱保存与翻新、皮革和麂皮护理、历史性和古董纺织品的修复保存、博物馆级别的文物级纺织品护理、影视戏服和演出服装的专业清洗——正在保持业务稳定甚至实现增长 [主张]。这些专业服务能够获得远高于大众市场的定价溢价，因为它们需要高度专业化的从业知识和多年积累的实操经验，而非任何设备或算法可以轻易复制。服务这一层级的客户群体，是那些重视不可替代的专业技能而非单纯价格或便利性的消费者——他们会专程驱车几十分钟来到有口碑的专业店，而不是随便选一家最近的干洗点。在这一层级培养出深度专业技能的从业者，实际上同时对AI威胁和更广泛的行业需求萎缩都具有相当强的免疫力。

便捷服务市场层——基于移动应用的预约下单、上门取送路线服务、写字楼或公寓楼的储物柜自助送取系统、企业批量委托的定期处理协议——正在快速增长，是整个行业为数不多的明确增长亮点之一。这一层级已经吸收了整个行业大部分近年来的技术投资，包括推动标记和分类任务达到55%自动化率的AI相邻智能库存追踪和物流调度系统。在这一层级工作的从业者，每天可能处理的衣物总件数与传统模式相近或更少，但接触的是更高消费能力、更强数字化习惯的客户群体，这部分客户愿意为便利性和可靠性支付相当可观的服务溢价。

如果你在干洗行业工作，这意味着什么

你的工作在可预见的未来对AI是安全的。服装护理的物理性、触觉性以及贯穿整个操作过程的持续性判断密集性，将其置于当前人工智能在技术层面根本无法可靠处理的工作类别之中。已经广泛应用的自动化追踪系统确实真正有帮助——它们节省了时间，减少了因记录混乱导致的衣物丢失和错拿错给问题——但它们的角色是工具性的，是对熟练工人的辅助增强，而非对其的功能性替代。

对干洗工人而言，真正关键的战略问题不是"AI会取代我的工作吗？"而是一个更实际、更紧迫的问题："当前和未来的消费者，在什么情况下、为了什么类型的需求，还会愿意专门找专业干洗服务？"答案是：需求依然存在，但其构成和规模将发生深刻的结构性转变。专注于专业清洗、面料修复和高端服装定制护理的从业者，将在这场转变中找到稳定而有价值的需求基础。而那些服务于大众基础市场的从业者，可能会比任何技术进步更多地感受到来自顾客流量持续下降的就业压力。

未来五年对这一行业从业者最有实践价值的行动方向是具体而明确的。第一，主动培养能够获得溢价定价的专业技能领域：婚纱的长期保存与修复技术（这一细分市场的需求尤其稳定，因为婚纱往往具有不可替代的情感价值）、皮革和麂皮的专业护理与修色技术、面向博物馆和历史机构的博物馆级纺织品保护工艺、影视戏服和舞台表演服装的专业清洗与维护。这些专业化方向需要专项培训课程和实践经验积累，但它们能够创造真实可量化的经济溢价——客户愿意为稀缺的专业技能支付相当可观的额外费用，而这一类工作同时具有极低的自动化暴露度。第二，主动学习和熟练掌握现代干洗运营中日益普及的数字化管理工具，包括库存追踪系统、客户管理软件和在线订单平台，因为在所有条件相近的情况下，能够流畅操作技术系统的工人将是最先获得班组管理和运营监督机会的人。第三，如果你有一定的创业倾向，认真评估你所在的本地市场是否存在发展便捷服务层商业模式的机会——建立上门取送路线、开发与周边写字楼或高档公寓的企业账户合作、接入区域性干洗服务平台应用——因为行业内有限的增长机会，目前主要集中在这一高便利性、高附加值的服务模式上。

到2034年还在健康经营的干洗店，不会是那些在标准西装清洗服务上靠低价策略竞争的企业 [主张]。它们将是那些成功定位到消费者仍然愿意持续为之付费的专业细分领域的运营商，或者是那些建立了高效运营系统、能够以真正不同于大众服务体验的方式服务数字原生客户群体的企业。整体劳动力规模将比今天小，但在这一收缩后的行业中留存下来的从业者，其技能水平将更高、薪资水平将更好，而且与我们追踪的几乎任何其他职业相比，他们对AI取代威胁的担忧将是最少的。

三年展望

到2028年，我们预计干洗工人的整体AI暴露度将小幅上升至约18-22%，自动化风险保持在22-25%附近 [估计]。这些增幅几乎将完全来自库存追踪和订单管理系统的进一步自动化和智能化升级，而非来自对定义这一职业核心的物理服装处理任务的任何实质性自动化进展。机器人服装处理——能够处理任意形态、材质和状态的衣物的通用机器人系统——将在这一时间范围内仍然停留在研究实验室的前沿探索阶段，而非成为任何商业干洗运营的现实选项。就业层面的萎缩将大致按照BLS预测的步伐持续推进，最陡峭的下降将集中在大众市场层运营商和依赖传统客流模式的中端市场街区干洗店，而特色服务层和便捷服务层将相对保持稳定。

影响这一展望的不确定因素主要来自政策层面和消费者行为层面，而非技术层面。回归全面的办公室工作模式可能部分逆转正装需求的下降——尽管大多数劳动力经济学家认为疫情后的居家工作趋势已经在相当程度上成为永久性的结构改变。新的环保法规，尤其是针对传统干洗溶剂四氯乙烯（perc）潜在健康和环境影响的监管收紧，可能加速整个行业向湿洗和新型溶剂体系的转型，这一转变将带来一定的技能要求调整，但不会根本性地改变职业的手工技艺本质。服装租赁经济和二手衣物市场的持续快速增长，可能减少消费者在专业服装上的总体投入，从而间接压缩对专业护理服务的需求。所有这些潜在变量，都与AI技术的发展没有直接关联——它们关乎的是更广泛的社会和经济力量，而这些力量才是真正决定干洗行业未来走向的根本驱动因素。

查看干洗工人职业页面上的完整任务逐项自动化分析。

更新历史

• 2026-04-04：初次发布，基于2025年自动化指标和BLS 2024-2034就业预测。
• 2026-05-15：大幅扩展分析内容，新增机器人技术限制的深度讨论、三层市场细分框架、与相邻服务职业的横向比较以及2028年展望。补充了行业整合趋势和面料材料创新作为主要需求驱动因素的背景分析。

---

AI辅助分析。数据来源于我们覆盖1,000+个职业的职业数据库。

补充视角：从业者应如何理解这份工作的长期意义

在所有关于AI与就业的讨论中，干洗行业提供了一个极具价值的参照——一种在技术加速时代依然稳固存在的手工艺劳动模式。这份工作的核心，是人类对物质世界的直接感知与操控能力，是一种通过年复一年的实践积累形成的身体性知识（embodied knowledge），这种知识存储在操作者的双手、双眼和判断直觉中，而非在任何可以被数字化复制的代码或数据库中。

对于想要在这一行业长期发展的从业者，理解这份工作的真正价值来源，比任何技术技巧都更为根本。在一个越来越多的工作内容可以被数字化、被标准化、被算法化处理的经济环境中，凡是需要持续性的物理判断、凡是面对的是无限变异的自然物料、凡是结果质量高度依赖于经验与直觉而非规则遵循的工作，都保有一种内在的抗自动化属性。这不是技术滞后，而是工作本质的体现。干洗就是其中一个典型案例，它以一种平静而持久的方式，提醒我们人类动手能力与触觉智慧的不可替代价值。

对于考虑进入这一行业的年轻从业者，职业发展建议也可以相当明确：从第一天起就有意识地向有经验的师傅学习那些只能通过手口相传、实操示范才能掌握的细腻技能，早早确立自己在特色服务某一领域的专业方向，积累那种不能被搜索引擎检索、不能被AI摘要替代的深度实践知识。这一职业的价值上限，由从业者在职业生涯中能积累多少真正稀缺的专业技能决定，而非由一般性的行业平均薪资水平所描述。在特色干洗领域，顶尖从业者的收入和职业稳定性，可以远超这一职业的统计均值所暗示的水平 [估计]。 更宏观地来看，干洗行业所处的位置揭示了一个关于AI与人类劳动关系的重要原理：AI的能力边界，在实体物理世界中远比在数字信息世界中更为有限。在互联网上，AI可以生成文本、分析数据、回答问题，以接近人类的水平完成大量知识性工作。但一旦涉及到用手触摸、用眼观察、用经验判断的实体操作任务，AI所面临的技术挑战在量级上完全不同。干洗工人所处理的，是这个物理世界中最复杂的材料之一——千变万化的纺织品，以及它们上面同样千变万化的污渍、磨损和损伤。这种复杂性，在可预见的技术未来中，将继续保护这份工作免于被自动化系统所取代。这不是值得悲观的局限，而是值得理解和珍视的特质。最终，对于身处这一行业的人而言，最需要担忧的不是AI，而是确保自己所提供的服务，在不断演变的消费市场中保持真实而持续的需求。 换句话说：当你每天亲手拿起一件衣物，用双眼判断它的状态，用双手感受它的面料质感，用多年积累的经验决定如何对待它——你正在做的，是一件AI在2026年既不能做、在2028年也不太可能真正做到的事情。这一事实，应该给予在干洗行业工作或考虑进入这一行业的人，一种有据可查的、实质性的职业安全感。问题不是AI，而是市场——而市场，至少在高端服务层，依然稳定地存在着，等待有技能、有专业素养的服务者来为其服务。 这也意味着，干洗行业中最聪明的长期策略，是投资于那些让自己的服务在市场中真正难以替代的专业能力——无论是处理最娇贵的面料的技术能力、服务最高要求客户的专业素养，还是建立便捷高效的服务体验以吸引数字时代的新型客群。在一个以人类触觉技能为不可或缺核心的行业里，技能本身，始终是最可靠的竞争壁垒和职业护城河。 这是一个值得铭记的结论，也是对所有在这一行业工作的人最诚实、最有价值的职业建议。