也許我們很快就能看見大片里無人機走進千家萬戶的場景了，人工智能正在讓物流產業更加自動化。近日，美國聯邦航空局向谷歌母公司“字母表”旗下的無人機配送公司“翼航空”，發放了美國的*個無人機配送許可。這意味著無人機商業化已經在美國正式“起飛”。

實際上，“無人配送”已經非常接近落地，國外的谷歌、亞馬遜，國內的京東、蘇寧均已開始無人配送試點業務。但無人配送并非是智慧物流的全部，作為對運轉率、調配速度、人力資源要求極高的物流行業，與人工智能存在天然的結合點，并且開始在全鏈條中實現落地。

智慧物流也體現了一個新趨勢：從2018年開始，業界更多討論的是“產業AI”，而不是AI產業。許多企業開始加速構建“產業AI”，即讓AI技術和產品在具體的一個個產業里發揮作用，落腳點在一個具有規模經濟效應的產業經濟部門。從目前各產業AI發展成熟度來看，無人機配送所在的物流產業似乎略勝一籌，接下來我們將對整體物流產業AI圖景進行一些觀察，或許可以為其他產業迎來更大范圍的AI落地提供借鑒。

相關報告顯示，作為一個龐大的產業，2018年國內智慧物流市場規模預計將超過1000億元，未來幾年年均增速將達到20%。宏觀來看，物流行業從物流管控、運輸配送，到整體的運營，都與AI有著較大的結合空間。而中國市場中，物流行業公司小而分散，數字化、信息化程度低，管理落后，導致成本高企。AI在其中通過替代重復性的勞動工作，通過挖掘物流行業這個天然數據場的數據價值，實現降本增效。可以說，物流也是AI滲透率非常深，有資格被稱之為“產業AI”的產業之一。具體來說，AI主要可與物流行業做以下的結合。

   輔助安全管理

安全工作，對任何一家物流企業來說都是重中之重。傳統的安保方式是，在倉庫內安裝多個攝像頭，安排負責安保的員工輪流盯著屏幕，這種模式的實際效率和預警效果常常不盡如人意。在G7物流公司給出的解決方案中，在與物流相關的組件比如運載車、包含很多冷機、冷柜的倉庫中裝上傳感器，AI能夠以秒級的速度感知異樣。在這種方式中，事故率降低了75%。

   提升運營效率

當然，作為物流行業的重頭戲，分揀、裝車、派送是基本的要素，貫穿于物流作業的始末，耗費大量的人力、物力、財力、時間，成本巨大。同時，與巨大的工作量相矛盾的是基層用工荒，而且這個缺口越來越大。智慧物流的應用直接提高了物流系統的效率和效益。

比如中轉場中的搬運工作占據了大比例的時間，勞動強度高，效率波動大，人工的重大貨物搬運，更是高風險。在順豐的智慧物流系統中，機械臂等智能硬件可以把工作人員從繁重、重復、且風險高的地方釋放，減少人員工作負擔，增加效率，降低綜合成本。

在智慧物流系統中，工作人員在裝車、卸車、分揀等環節，通過套在手指上的智能指環就可掃描快件運單，解放的雙手解決了手持著終端進行掃描而影響搬運的問題，提升工作效率的同時，為工作人員送去便捷。

   無人配送

作為供應鏈創新應用的元年，2018年以來供應鏈應用成為物流核心的內容。圍繞供應鏈體系，國家不斷大力提升供應鏈的智能化、智慧化程度。近幾年大火的無人配送恰是供應鏈智能化的代表，其火熱程度從2019年來各巨頭持續的動作可見一斑。

除了前文提及的谷歌無人機配送，國內市場中，美團無人配送車“小袋”也于本月初成功通過封閉測試場日常訓練、自動行駛輪式車能力評估測試等系列測試，通過測試的“小袋”具備激光雷達、攝像頭、GPS等傳感器，通過系統和算法來感知、定位和決策規劃做到安全規范行駛，也就是說國內距離無人低速車配送也更近了一步。

此外，在配送環節，菜鳥也通過無人車、無人機、菜鳥快遞塔、菜鳥驛站智能柜、菜鳥小盒等系列方式形成多元化的物流配送矩陣，滿足了不同用戶的需求。

   數據價值挖掘

在運營類操作以外，AI更大的優勢就是幫助我們處理超過負載的信息，可以理解結構化數據，以及包含圖像、視頻和語音的非結構化數據。目前，許多巨頭也開始注重物流行業全局數據的收集。

比如順豐的智慧物流系統的不僅僅停留在“看、識別”方面，而是擁有了自己的思考，協同人類工作。為了幫助快遞車輛和收派人員尋求優秀路線、提升快件時效，通過綜合運用人工智能、大數據和動態規劃算法，順豐開發了實時路徑規劃技術，根據實時件量來動態優化路由，將騎行小哥、貨車司機等運輸資源更好的與線路匹配，在時效窗口內提高裝載率，從整體上提高運輸時效，降低運輸成本。

無獨有偶，對于每天會產生數億條數據的物聯網平臺G7來說，其通過與巨頭騰訊云的合作開始針對物流行業聯手打造解決方案，形成在數據積累、AI人才、市場傳播、商業模式等領域的生態合作。具體到實際場景中，車載設備從位置定位、油耗傳感器、溫度、速度搜集的數據會交由騰訊云在云端處理。騰訊云物聯云服務IoT可以獲取每一輛車的實時信息，如位置、油耗等，通過IoT服務實時匯集管理。同時，IoT通過規則引擎組件中編寫類SQL語句無縫對接大數據套件，進行車輛路徑、車輛規劃、司機排班等的優化。在這個解決方案中，AI成功實現了從輔助身份到“軍師”身份的轉變。

不難想象，在物流行業日漸發展的未來，通過生成假設、評估、辯證和建議，人工智能未來會進化出更強大的信息推理能力。

   全局、多維、協同、持續，產業AI的雛形初現

產業AI之所以更加復雜，是因為產業的需求往往比一兩個元素與AI結合復雜得多。綜合來看，合格的產業與AI必須是深度結合并具備多維、協同、持續、全局四個特點。通過多維度滲透進物流行業的“看”、“預測”、“匹配”；通過與物流行業的工作人員協同工作；通過全局洞察物流行業從而擁有大局視野，更是因持續不斷的進化升級，物流產業AI的雛形正在形成。

產業AI，本質上是產業科技化，科技產業化，這也必將是個漫長的過程。如何抓住產業AI的機會，不再滿足于單點替代，而是和C端一起去重新定義端到端的模型，打造一個全新的業態，像物流行業一樣，深入場景+打造閉環或許是AI產業化的優秀選擇。

【來源：AI趨勢學院】