AI会取代洗衣工人吗？为什么衣物护理仍是人工活

14%。这是洗衣和干洗工人面临的自动化风险。在人工智能正以迅雷不及掩耳之势颠覆各类白领专业人士的时代，那些帮你洗涤、熨烫和折叠衣物的工作者，却是受影响最小的群体之一。但在你因此松一口气之前，有一个重要的隐忧值得关注。

洗衣工人的就业市场正在萎缩——但原因不是人工智能，而是经济结构。而AI以有限方式渗透进这个行业的过程，实际上更可能成为保留现有工作岗位的力量，而非摧毁它们的力量。当一个职业处于自动化风险最低的十分之一区间，但就业人数仍然面临-7%的持续下降时，这个故事的核心不在于技术。它关乎的是消费者行为的结构性转变——这种转变早在生成式AI出现之前很多年就已经开始，而人工智能反而处于减缓而非加速这一趋势的独特位置。

这个悖论的核心：为什么增长和萎缩可以同时存在

在深入技术层面之前，有必要先理解这个职业所呈现的表面矛盾：它同时是自动化风险极低和就业前景收缩的职业。这两个特征并不矛盾，它们反映的是两种不同力量在同一职业上的作用：一种是技术力量（对物理性、非结构化工作的替代局限），另一种是市场力量（消费者需求结构的长期演变）。

理解这一区别对于制定正确的职业策略至关重要。如果就业下滑主要是由技术替代驱动的，那么防御策略应该聚焦于技能升级——向AI难以企及的更高技能维度移动。如果就业下滑主要是由市场结构变化驱动的，那么防御策略应该聚焦于定位调整——向市场需求仍然旺盛或在持续增长的细分市场转移。对于洗衣工人而言，第二种策略明显比第一种更为紧迫和有效。

这一认识也改变了我们评估这个职业风险的框架。通常的自动化讨论聚焦于"技术是否会取代这份工作"，但对洗衣工人而言，更准确的问题应该是"市场结构如何演变，以及在这个演变中哪些细分领域能够维持足够的需求基础来支撑有价值的职业选择"。

为什么AI在洗衣领域举步维艰

[事实] 截至2025年，洗衣和干洗工人的整体AI暴露度仅为12%，自动化风险为14%。暴露度等级被分类为"低"，自动化模式被归类为"增强型"。作为参照，我们追踪的所有职业的整体平均暴露度接近35%。

这个低数字并非统计异常值——它深刻反映了当今人工智能中一个有大量文献记载的结构性盲点。根据经济合作与发展组织《2023年就业展望》（OECD Employment Outlook 2023），近期AI浪潮在非常规认知任务上取得了最锐利的突破进展——信息排序与整理、演绎推理逻辑、快速感知识别——而非在对不可预测物体进行物理操控方面[主张]。折叠一件带有各种皱褶的衬衫、凭手感判断一块织物能否承受特定化学溶剂处理、以及徒手对一堆混杂衣物按类型进行分拣——这些操作几乎完全处于当前AI技术前沿所能到达的边界之外。国际劳工组织（International Labour Organization，2023年）在其覆盖全球的研究中得出了互补性的结论：生成式AI在绝大多数情况下，更可能以增强而非摧毁的方式影响工作内容，而受影响最小的工作角色，恰恰是那些建立在亲身实体性劳动之上、而非文件处理和信息加工之上的工作[主张]。

任务级别的详细数据解释了背后的深层原因。按织物类型和颜色对服装进行分拣和分类的自动化率为20%。计算机视觉技术确实可以识别部分织物类型，但处理精细材料时所需的触觉判断力、对磨损程度的评估，以及对隐蔽性损坏的发现，目前仍超出AI的实际能力范围。操作洗涤、烘干和熨烫机器的自动化率仅为15%。这些机器已经配备了一定程度的程序化控制功能，但装载和卸载衣物，以及针对无数形状各异、尺寸不同、状态千变万化的服装做出相应调整，仍然是高度依赖人工判断的物理性任务。检查服装污渍和损坏情况的自动化率为18%。AI驱动的摄像系统可以检测部分类型的污渍，但区分一个需要预处理的红酒污渍与一个看起来像污渍的织物本身图案，需要机器目前尚不具备的综合判断能力。

唯一的例外是处理客户订单和管理标签信息的环节，其自动化率达到50%。销售终端系统、自动化接单终端和数字追踪管理，在规模较大的运营机构中已经成为行业标配。这是人工智能在这一职业中产生明显差异影响的唯一细分领域。

任务级别的风险矩阵：精确理解哪些会被自动化，哪些不会

对任何职业进行AI风险评估，最可靠的方法不是依赖职业层面的单一数字，而是深入到具体的工作任务维度。对洗衣工人而言，这种任务级别的分析揭示了一个重要规律：风险高度集中于信息管理和行政事务类任务，而与织物和衣物直接打交道的核心操作任务，风险则普遍处于非常低的水平。

这一分布格局与更广泛的劳动经济学研究结论高度一致。当AI系统需要处理标准化、可预测的信息时，表现优异；当它们需要在非结构化的物理环境中应对变异性和不确定性时，表现则急剧下降。洗衣工作恰恰代表了后者的典型案例：每一件衣物都是一个独特的处理对象，有其特定的材质特性、污渍类型、历史处理记录和护理要求。即便是两件相同品牌、相同型号的衬衫，在经过不同年龄段使用者不同时长和不同方式的穿着之后，所需的最优处理方案也可能存在实质性的差异。这种本质上的个体差异性，构成了物理性洗衣操作抵御自动化的深层技术壁垒。

打败机器人技术的物理现实

花一个小时待在一家实际运营中的干洗店，你就会开始深刻理解为什么机器人技术几乎没有触及这个行业。同一件衣物在不同的日子到来时，可能带有完全不同的问题和挑战。一套羊毛西装在沾有雨水留下的水渍时，需要一种处理方案，而当它在靠近篝火之后带着烟熏气味到来时，则需要完全不同的另一种处理流程。一件婚纱带着草渍、化妆品污迹和一种来源不明的饮料污渍到来。接单员必须亲手感受织物质地、仔细查看护理标签、向客户询问发生了什么情况，然后对这件服装能够安全承受的处理工艺做出综合判断。

[主张] 机器人技术公司确实尝试过。多家公司先后开发了自动折叠机、自动熨烫生产线，甚至为酒店和医院建造了完全整合的工业化洗衣系统。这些系统是有一定效果的——在处理统一规格物品、在高度受控的标准化环境中、以规模化方式运作时。但它们对处理个别客户个别服装的街角干洗店毫无用武之地。经济账根本算不通。一台花费20万美元、能处理80%织物类型的机器，仍然需要人工来处理剩余的20%，并且还需要人工管理各类异常情况和特殊案例。到了那个份上，你花了六位数的资本投入，换来的只是略微减少了你的用工人数，绝对划不来。

同样的经济逻辑同样适用于洗涤叠放服务。自助洗衣房已经存在了数十年，它们没有消灭商业性的洗衣服务，原因在于有足够多的客户群体——日程繁忙的职场人士、行动不便的老年居民、可用时间极为有限的有孩子家庭——愿意付费请别人代为处理这些工作。人工智能的出现根本不会改变这一基本的商业计算。

为什么自助选项不能完全取代专业服务

理解洗衣专业服务的持续需求，需要深入研究消费者行为和服务经济学的基本逻辑。从表面上看，家用洗衣机的普及似乎已经从根本上削弱了专业洗衣服务的市场基础。但实际情况远比这复杂。

首先，有些类型的服装和织物在技术上无法在家中安全清洗：干洗专属标签的正装、手工刺绣的礼服、皮毛镶边的外套、考究的丝绸制品、以及多种染料混合使用的高端设计师作品。这类服装的存在，构成了对专业洗衣服务不可替代的结构性需求。

其次，即便是可以在家清洗的衣物，许多消费者仍然更倾向于外包清洗服务，原因包括：居住空间不足（高密度城市公寓通常没有配备家用洗衣机的空间）、时间成本考量（对于时间价值较高的职业人士而言，将洗衣工作外包是理性的效用最大化选择）、以及特殊场合需求（婚礼、毕业典礼、正式商务活动等场合的礼服，消费者通常不愿意冒险自行清洗）。

第三，专业洗衣服务提供的不仅仅是清洁，还包括修复、熨烫塑形和质量保障。一件经过专业熨烫的法式袖口白衬衫，所呈现的精致程度是任何家用电器都无法复现的。对于那些职业形象高度依赖着装质量的人群而言，专业洗衣服务是维持职业竞争力的基础设施投资，而非简单的消费性支出。

真正的威胁不是AI，而是市场结构

[事实] 根据美国劳工统计局（职业就业和工资统计，SOC代码 51-6011）的官方数据，洗衣和干洗工人的总从业人数在数十万量级，薪资水平远低于美国整体中位薪资，该职业预计将在2034年之前持续下滑。[事实] 我们的模型将这一收缩幅度估计为约-7%，约21万名从业工人的中位薪资接近30,200美元——这是一个体量庞大但正在缓慢萎缩的职业。

就业下降的根本驱动力是经济和市场结构因素，而非技术变革。洗涤叠放服务面临来自多个方向的竞争压力：平价家用洗涤电器的普及降低了外包意愿、正式服装和商务着装需求的长期下降、以及职场休闲着装规范快速兴起带来的冲击。COVID-19疫情进一步加速了向远程办公模式的大规模转变，导致干洗需求出现显著萎缩，而这部分消失的需求至今尚未完全回升。

[主张] 这一区分至关重要。当人们谈论对AI抢走工作的担忧时，洗衣工人几乎从来不在这个对话中出现。真实情况是，市场力量的演变和消费者行为习惯的持续变化，对这一职业构成的实际威胁，远远超过任何AI系统可能带来的影响。去年关闭的那家主街干洗店，不是因为机器人抢走了工作而关闭的。它关闭，是因为周边社区的办公室职员每周不再穿着西装上班五天，干洗需求的市场基础本身已经发生了根本性的萎缩。

职业萎缩的历史背景与当前阶段定位

理解当前洗衣行业就业下降的性质，需要将其放置在一个更长的历史视角下来审视。专业洗衣服务的需求，在整个20世纪经历了从高峰到下降的完整周期，而这一演变的驱动力始终是消费者生活方式的根本性变化，而非技术替代。

20世纪中叶，随着白领工作在西方经济中的快速扩张，干洗服务随之进入黄金时代。男性日常工作服装以西装、正式衬衫为主，女性职场着装同样以正式套装为主流，这一着装文化创造了极为旺盛的专业洗衣需求。

进入21世纪，这一需求基础开始出现根本性的松动。"休闲星期五"从例外演变为常规，再逐渐演变为职场全周常态。科技公司、创业公司和媒体公司等新兴行业，将非正式着装确立为职场文化的组成部分，并进一步影响了更传统行业的着装规范。新冠疫情加速了这一趋势，成为压垮传统干洗需求的重要催化剂：数千万职场人士在18-24个月内几乎完全停止穿着正式服装，相当数量的人在此后选择保持更为休闲的着装风格，即便重返办公室之后也是如此。

从这一历史视角来看，当前洗衣行业的就业萎缩，更像是一个长期结构性调整过程的当前阶段，而非由AI或任何单一技术力量引发的急剧断裂。对于在这一行业工作的从业者而言，理解这一历史背景，有助于制定更为现实、更有长远视野的职业发展策略。

两名工人，两种截然不同的职业未来

想象同一个中型城市里的两名洗衣工人。工人甲在同一家街区干洗店认真地熨烫衬衫，这份工作已经持续了整整十五年。他认识每一位常客，背记了不同织物分别需要哪种处理方式，而且从来没有碰过店里的销售终端系统，因为店主一直亲自负责那个环节。工人甲的工作真正不受AI威胁——但也同样真实地面临着一个隐患：雇主的客户群体正在缓慢萎缩，这对他的职业稳定性构成了不容忽视的长期风险。

工人乙在一家区域性干洗连锁已经工作了五年。他从熨烫生产线起步，逐渐掌握了数字标签管理系统，学习了一些西班牙语以便更好地服务日益增长的西班牙裔客户群体，最近还在周六参加了皮革和麂皮修复的专业培训课程。工人乙的工作同样不受AI威胁。但工人乙正在持续积累技能，这些技能将使他未来能够进入专业技术岗位、承担门店管理职责，或者在当前雇主进行业务整合时，顺利转向更高端的工作场所。

这两名工人拥有完全相同的自动化风险数字，却有着截然不同的整体职业风险状况。

常见误解的澄清：机器人折叠衣物、完全自动化接单和无前途的职业

这里有三个关于洗衣自动化的常见误解，值得直接澄清。

"机器人很快就会折叠所有衣服。" 以目前的技术轨迹来看，在这个十年内不太可能实现。折叠机器人目前以昂贵的工业原型机形式存在，面向消费者的折叠机器人已经被各家技术公司承诺推出超过十年，但始终停留在实验室阶段，尚未实现商业规模部署。根本原因在于：织物的可变性（不同材质、不同磨损程度、不同折叠状态的衣物对机器人的物理处理要求截然不同）、服装形状的多样性（从T恤到礼服，形状差异的复杂度远超工业机器人的现有设计边界），以及衣物从烘干机中取出时所呈现的随机折叠和缠绕状态，共同构成了一个在工程实现上极为困难的组合挑战。

"AI将完全处理客户交互。" 在大型连锁店运营中，这一说法部分成立——自助服务终端和应用程序接单对标准化服务项目确实有效。但在街区干洗店的实际运营中，这一说法大体上不成立。当一位客户带着一件有特殊历史的服装走进来，带着一个需要人工判断的疑难问题，或者提出一个个性化的特殊要求时，这位客户仍然需要一个真实的人来与之对话。这种人际互动的价值，在高度个性化的服务场景中是无法被数字界面完全替代的。

"这份工作没有未来。" 这是一个具有误导性的表述。在行业整体层面，这份工作的确面临着一个收缩的未来——随着时间推移，总体岗位数量会持续减少。但对于那些有意识地向专业技能方向发展、积极学习和掌握面向客户的数字工具、并将自己的职业定位精准调整到商业客户服务或高端精品服务细分市场的个人工人来说，这份工作仍然有着完全可以实现的良好职业前景。这两个层面的评估并不矛盾——行业整体可以萎缩，同时具备特定优势的个体工人仍然可以拥有稳定、体面的职业发展路径。

AI可能真正发挥作用的地方

[估计] 到2028年，洗衣行业整体AI暴露度预计将达到24%，自动化风险将攀升至26%。这种增长是渐进性的，主要集中于面向客户的运营管理环节，而非核心的物理操作工作。

对行业层面而言，这意味着以下几个方面的实质性变化。AI驱动的污渍识别应用工具，可以帮助工人更快速、更准确地选择正确的处理方案。配备计算机视觉技术的自动分拣系统，可以显著提高大型商业洗衣运营的整体处理吞吐量。工业洗衣机器的预测性维护技术，可以有效减少代价高昂的设备故障和停机时间。客户管理平台可以在不额外增加人员编制的情况下，高效处理预约管理、状态通知和会员积分计划等日常事务。

对于一个整体面临-7%就业下降的职业群体而言，这些效率提升工具的意义，不在于取代工人，而在于维持洗衣业务在困难市场环境中的可持续经营能力。一家善用AI管理客户沟通和优化机器使用排程的小型干洗店，可以在不增加额外员工的前提下，有效应对来自大型连锁的竞争压力。在未来十年能够生存下来的街区洗衣业务，是那些对运营技术进行适度、有针对性投资、同时留住有实际经验的专业工人、并提供大型自助洗衣设施根本无法匹配的个性化服务质量的经营者。

商业客户与住宅客户市场的结构性分化

[事实] 这个行业正在经历一场明显的结构性分化。为医院、酒店和制服租赁公司提供服务的工业规模洗衣运营商，正在积极推进自动化投资。Alliance Laundry Systems和Pellerin Milnor等专业厂商，已经推出了专门面向以最少劳动力实现每小时数百磅处理吞吐量的产品线。这类大型商业洗衣运营，在未来十年可能真实看到人员编制的缩减——不是因为机器做了所有的事，而是因为机器加上小规模精干团队，可以产生过去需要更大团队配合老旧设备才能达到的处理能力。

街区干洗店和特色服装护理店面临的则是完全不同的一套市场力量。它们在服务质量、地理便利性和专业处理能力上进行竞争。劳动力成本不是制约这类小型经营者盈利的主要瓶颈——真正的瓶颈是客户到访量的持续萎缩。对这类业务而言，人工智能是帮助改善营销效果、优化预约排期和提升客户留存率的工具，而非对现有劳动力构成威胁的力量。

如果你在为医院、酒店连锁或工业客户服务的商业洗衣机构工作，未来十年的职业前景，与你在一家家族经营的干洗店工作相比是非常不同的。两种工作环境中都有技能熟练的专业工人的立足空间，但在两种环境中分别获得重视和奖励的技能面貌有所不同，需要有针对性地做出职业规划。

技能路线图：12个月、3年和转型路径的分层规划

职业规划的有效性在很大程度上取决于时间视野的精准匹配。以下是针对洗衣工人的三层时间视野规划建议。

12个月行动视野。 优先掌握所在门店的销售终端系统和客户管理平台——这是即时且具体的竞争优势来源。同时寻找机会参加污渍化学或特种织物护理的短期认证课程；这些资质证书在高端服务场所的招聘中具有实质性的加分作用。刻意建立一段学徒式的关系：找到一位专门处理疑难接单案例的有经验同事，系统地学习他们的判断逻辑和决策框架。

3年发展视野。 在这一时间维度上，核心策略是建立一个或多个足够深入的专业技能领域，使其能够有力支撑高于行业平均水平的薪资诉求。最有价值的专业化方向包括：婚纱和礼服的长期保存处理、皮革和麂皮的专业护理与修复、具有历史和情感价值的复古织物保存、以及针对医疗或酒店等特定行业客户的商业制服管理。与此同时，认真评估门店所有权或管理层职务是否符合你的个人情况和长期目标——在未来十年中最可能实现职业稳健发展的洗衣行业从业者，往往是那些能够经营一项业务的人，而不仅仅是操作设备的人。

如果希望向相邻领域转型的路径。 你在洗衣工作中积累的专业知识，比你可能意识到的具有更广泛的可转移性。具体的相邻转型路径包括：医院或连锁酒店的商业洗衣运营管理职位、服装制造商的纺织品品质检验岗位、剧院或影视制作公司的戏服保管和护理职位，以及洗衣设备供应商的技术销售代表岗位。在这些方向上，你对各类织物特性、化学处理工艺和客户期望管理的综合知识，都是具有真实市场价值的可迁移技能。

洗衣工人应该知道的核心事项

你的物理操作技能是安全的。 机器操作15%的自动化率和服装检查18%的自动化率，反映了一个当前技术发展的基本事实：人工智能不擅长在不可预测的条件下处理多样化的物理对象。洗衣工作涉及的，恰恰就是这种复杂度和不确定性。

学会使用客户端数字工具。 订单处理50%的自动化率意味着数字化管理系统必将进入每一家洗衣运营。能够熟练、高效使用这些系统的工人，将比那些抵制或回避这些工具的同行更具竞争价值。

密切关注商业部门的技术投资动态。 为酒店、医院和制服企业服务的大规模工业洗衣设施，比街区干洗店更可能采购和部署机器人和AI分拣系统。如果你目前在商业洗衣部门工作，请认真关注你的雇主正在进行的自动化技术投资计划。

认真考虑技能专业化路径。 高端服装护理、皮革修复、复古织物保存和特殊污渍去除等专业技能，能够支撑更高的服务定价，同时也是距离自动化威胁最远的技能领域。积极沿技能阶梯向上攀升，是构建个人职业护城河的有效策略。

如需完整的数据分解��析，请访问洗衣工人职业详情页面。

结语：在正确的框架下理解这个职业的处境

综合以上分析，洗衣工人面临的处境可以用一句话概括：技术威胁很小，市场威胁真实存在，但个人层面的应对空间仍然显著。理解这一区分，是在这一职业中做出明智决策的核心前提。那些将主要精力放在"如何应对AI技术威胁"上的洗衣工人，可能会因此忽视真正更为重要的核心策略：如何在一个需求正在结构性收缩的市场中，精准定位到那些仍然具有强劲需求和合理薪资的细分服务领域。深度专业化技能的培育、数字化工具的全面掌握，以及对高端精品或大型商业客户市场的定向进入，才是构建这一职业长期可持续竞争优势最为可靠的发展路径。

---

本分析由AI辅助完成，基于Anthropic (2026)、Eloundou等 (2023) 以及美国劳工统计局职业预测的研究数据。如需获取完整数据，请访问洗衣工人职业页面。