2019产业AI速写：物流篇

物流工作内容的高度结构化让AI的应用得心应手，特别是在运输和交付环节已经实现了一部分，但由于AI技术硬件研发成本，目前物流AI距离商业化发展还有一段路要走。

在一九产业AI系列中，我们已经介绍了一系列在2019年出现全新进展的AI应用场景。但是相信很多人的第一反应还是——还不够。不论是在云端为金融行业降本增效的AI，还是在田间地头观察着每一刻农作物的AI，它们虽然在为我们的生活带来潜移默化的变化，但是距离我们想象中的技术变革，多少还差那么点事儿……

不得不承认，很多时候我们对于技术的想象是夸张又狗血的，像是提到生物科技就联想到生化危机，至于想象中的AI应用，至少要改变一些看似非常古老的行业，极大的提升效率，最好在来点身怀绝技的机器人什么的。这不比仅仅依靠云端的算法模型来改变产业要“刺激”多了？

这样听起来如此科幻的应用场景，还就真在2019年发生了，那就是AI物流。

物流蒙太奇中的魔幻与现实

提起物流，各位看客肯定脑海中会播放出这样一串蒙太奇——在巨大仓库被花样丢掷的包裹、卖家写的龙飞凤舞的面单、寒风中在城市里飞驰的快递小哥……这样的产业，似乎很难经过技术改造，最起码在实现自动驾驶之前，这一产业仍然对人力劳动有着高度依赖。

但实际上虽然消费者本身接触到的物流业务，大多由快递小哥完成，实际上物流具备着充足的AI化条件。

首先从动机上来讲，我们对于物流行业的刻板印象，例如仓储端劳动效率低下、信息甄别的困难，往往也是物流行业切实所面临的一些问题。他们显然是拥有利用技术进行改良的意愿的。

另外一点，快递网点缺乏劳动力的现象已经从两年前就开始越发明显。快递柜逐渐替代送货上门的快递小哥，产业内部同样也渴望利用技术缓解这种“用工荒”。

而物流行业看似“原始”，其实其工作内容是高度结构化的。像是仓储空间中物品摆放的位置和人员行进路线，往往都是固定的。而物流车辆在各个城市间的集散流程，往往也相对固定。

尤其物流出行依赖地图导航，其每天的行动轨迹已经有了数据累积。加上物流产业本来就是集群化、规模化的产业，整个业务流程是非常适合被结构化处理，通过AI加工改良的。甚至即使是看似遥远的自动驾驶，实际上在固定路线中也已经取得了不小的进展。与物流园区的固定路线接驳，有着天然的契合性。

从几年前开始，物流就从不缺乏智慧。我们常常在物流企业的宣传中看到，有很多大型物流企业已经建设起了智能分拣流水线和智慧仓储系统，无需人工操作，机械手臂和流水线的配合就能够让包裹去往该去的地方。

解耦、重组、幻想成真：物流AI的2019

在2019年，物流AI所发生的最显著的变化，就是业务和技术之间开始出现了解耦趋势。正如我们提到的，物流从不缺乏智慧，在大型物流企业内部，智能化的覆盖率其实很好。但也正因这些技术来自于企业内部的业务自驱，导致业务本身与技术的绑定相当牢固。使得物流企业自身虽然拥有强大的技术，但物流行业中却很少见到成熟智慧解决方案提供商。这样会极大的影响整个行业的技术覆盖效率，也就出现了我们见到的通稿里机器人上天入地，现实中快递小哥累到头秃。

但在今年，物流行业中开始出现了越来越多的技术服务者，上到华为、百度等等科技巨头，下到一些小型科技企业，都开始着手解决物流产业中的问题。

在今年，运输环节的AI进化是最为明显的。

例如应用数据挖掘手段结合AI算法，可以更好的规划出高效运输路线，提升里程利用率。甚至原本需要熟练员工每天耗费一两个小时的排单工作，都可以通过AI在几分钟内解决。尤其通过往年数据的挖掘，可以对于货运压力进行预测，让各个站点提前做出准备。

就拿双十一、618这种购物节节点来说。如果不做好充足准备，很可能会造成快递爆仓，运送人员疲惫不堪、站点中大量货品堆积造成危险。但如果预估数量过多，快递站点又会负担成本。但有了AI技术的加持，就能够游刃有余的应对节点性压力。与此同时，仓储环节的AI能力也在有所提升。

不仅有大量无人车开始进入港口承担货运接驳任务，很多技术厂家也开始推出了小型的、柔性化的仓储机器人，并通过数字孪生能力实现应用场景的智慧化。换句话说，物流商家想要在仓储环节应用机器人，不再需要建立起一个庞大的智能工厂，小型机器人之间的互相配合也能提升仓储分拣效率，能够更好地避免暴力分拣情况。

最后在交付环节，一些非常“魔幻现实”的画面也接连出现。

从去年以来，苏宁、亚马逊等等电商企业就已经开始陆续测试利用小型无人车完成快递配送的最后一公里。在2019年，我们可以在更多地方看到类似的解决方案。像是德邦快递的无人车出现在了广东的大学校园里，中国邮政的无人车也在双十一开始帮助快递小哥分担工作。

总之，那些我们幻想中的画面，正在一一出现。

距离AI落地最具可读性的章节，还要再翻一页

但我们必须要正视的是，虽然物流AI的“实现”并不困难，但其商业化发展仍有一段很长的路要走。

就拿用无人车替换快递小哥这件事来说，看似能够为物流企业降低劳动力成本，但动辄八十万的报价，足够让大多数企业望而却步——物流的产业优势是规模化，但也带来了规模化的成本压力。一个城市的上百个物流站点都应用上一台无人车，就意味着近亿元的成本投入。

其实不难预测，2020年中物流AI很可能出现以下两种趋势。首先是硬件成本在不断竞争和研发中得到下降。尤其像仓储机器人、无人快递车这类产品，目前还属于刚刚被资本和大企业开始挖掘的阶段。

接下来一段时间内，为了让产业链尽快运转起来，这些产品很可能会在竞争或补贴政策下呈现价格下降的趋势。能应用上硬件产品的物流企业也会越来越多。

在攻克硬件成本的同时，一些更易部署的软件解决方案也将与物流产业更好的结合。像是通过人脸识别来解锁快递代收柜，或是利用OCR技术识别单据。在AI企业正专注于将自己的技术植入到更多应用功能场景时，这些不需企业付出太多成本，又能从细节之处提升用户体验的AI技术，很可能是双方产生联系的第一个契机。

尤其当各行各业都面临着劳动力紧张的时候，物流领域的AI技术可以经过切割得以复用，像是外卖配送、港口调度等等场景，同样也能享受物流领域的技术成果。因此不论是物流企业本身，还是技术服务企业，对于这一场景的投入一定会不断加码，甚至有一天我们看到一些原本的物流企业突然转身成为物流企业的技术服务供应商也无需意外。

总之在AI与物理世界结合的过程中，物流一定会成为其中一个最具可读性的章节，只是需要读者耐心等待

 

作者：脑极体，微信公众号：脑极体

本文由 @脑极体 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash， 基于CC0协议