AI带给物流行业的新挑战、新机遇

今天中国的物流业正在高速发展，整个中国物流业的规模、与其它产业的融合、与社会经济的关系等，都达到了全新的程度。中国快递业在高速发展的，也在经历云计算、大数据、人工智能、物联网等新技术的冲击，这些新技术在不断地颠覆着快递业的运营模式和管理理念。7月15日，由顺丰科技、杉数科技、钛媒体共同举办的“AI+智慧物流圆桌论坛”在深圳开讲，聚焦物流行业全链条中的统计学、机器学习、运筹学等等人工智能发力点。

Martin Wainright是国际著名的统计学和计算科学专家，作为美国加州大学伯克利分校的教授和全球统计学顶级大奖COPPSS的2014年获得者，Martin指出，今天互联网、物联网等技术的发展已经收集和存储了庞大的宇宙级的数据，更进一步地讲，一个数据对象有上千甚至上万个维度（属性），也就是“高维数据”，并且还在不断的膨胀。当计算和存储设备可以捕获这么多数据的时候，问题就变成如何对这些宇宙级的数据进行降维，从而在有限的时间和成本内理解和反映真实世界的情况。Martin介绍了一种近两年来出现的新型统计机器学习算法Neton Sketch，该算法有助于超大规模数据集的快速优化、分析与理解。他强调，Neton Sketch可以用更短的计算时间和更低的计算成本来处理超大规模的高维数据集和高维神经元网络，这对于推动人工智能在商业领域的快速普及有着重要意义。正如Martin所说，现实生活中的数据大多都“生活”在“高维空间”，能用越简单的方式处理就越有现实意义。随着像Martin这样的国际学术专家把统计机器学习等算法介绍到中国，有望加速人工智能等解决中国大数据现象的挑战，以工程化方式让人工智能算法真正落地，对于城市交通、智慧物流、电力网络等复杂庞大系统的研究与建模发挥重要的现实意义，加速创造商业价值。

顺丰集团CTO、顺丰科技CEO田民在演讲的开篇回顾了“物流”一词的起源，指出"Logistics"一词源出希腊文Logistikos,意为"计算的科学"。在19世纪30年代，拿破仑的政史官A.H若米尼在征俄失败的经验教训中最先使用了Logistics。物流的概念和理论最早在美国形成，起源于20世纪30年代，原意为“实物分配”或“货物配送”。1963年被引入日本，日文翻译为“物的流通”。20世纪70年代后，日文“物流”一词逐渐取代了“物的流通”。中文的“物流”一词是从日文引进来的外来词。中文“物流”一词把物的流动呈现得很形象逼真，但失去了计算的科学的原意，所以我们今天一讲物流就认为是搬运货物。我们讲物流，不仅要讲“物的流动”，更要讲“计算的科学”。顺丰科技跟钛媒体、杉数科技一起举办这场活动，就是要一起探索和研究物流领域计算的科学，只有通过计算的科学才能真正帮助物流提高运作效率、降低成本。只有正确地认识物流的起源，才能准确地分析物流的现状和问题，才能迈向智慧物流的未来。

智慧物流是通过大数据、云计算、智能硬件等智慧化技术与手段，提高物流系统思维、感知、学习、分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平，从而推动物流的发展，降低物流成本、提高效率。田民认为，一家优秀的物流公司一定是通过数据、计算来运行的，如果物流公司放弃计算，就是放弃未来，放弃自己的生存权。智慧物流包括两大特点，第一是互联互通、数据驱动，第二是深度协同、高效执行。所谓互联互通、数据驱动，就是所有物流要素互联互通并且数字化，以“数据”驱动一切洞察、决策、行动；深度协同、高效执行就是跨集团、跨企业、跨组织之间深度协同，基于全局优化的智能算法，调度整个物流系统中各参与方高效分工协作。

顺丰拥有海量的数据，如果把这些数据转换成为信息，就能产生更高的价值。田民认为，数据驱动下的未来物流一定是社会范围内的高度协调，而不是单独一家公司的自我运作。今天的顺丰已经更加开放，丰巢平台就是高度开放、高度协同的平台，它能快速被接受，就是体现了“互联互通、数据驱动，深度协同、高效执行”的趋势。

接下来田民介绍了AI推动物流转型的四大核心要素、五大战略以及评价AI技术采用成熟度的六大标准。AI的四大核心要素是数据、场景、技术和算法。要有数据，有了数据后，还需要有实际的业务场景。也要有技术，能够快速计算处理复杂数据的硬件、软件等，因为每个模型处理的问题都不一样，没有一个单一的硬件系统可以处理这么多复杂的问题，未来根据算法模型的特征和数据类型设计的特殊计算机硬件设备，就能解决这一问题。田民称，顺丰科技联合和聚集全球最优秀的人才、最优秀的公司来一起研究和解决物流领域最具挑战性的问题，踏踏实实地帮助中国物流业提升到一个新的水平。 AI转型的五大战略，包括成功用例、数据生态、技术工具、无缝接入工作流程和开放的文化和组织。成功用例是首要条件，要将数据无缝接入到业务流程中实现端到端的完整数据生态化，还要有一个开放的文化，与各个领域的专家、学者和企业进行交流，不然就无法实现AI的转型和智慧物流。田民称，顺丰实施多元化战略是基于这样一个愿景，以综合物流服务能力为基础，为客户提供更多的其他服务，包括商业的服务能力、金融的服务能力、未来数据和技术的服务能力等，成为客户的伙伴。在多元化业务中顺丰积累了大量丰富的数据，不仅有物流运营类数据，包括运单数据、各个物流节点数据，还有物联网类数据、客户感知数据、商业类数据、金融类数据以及外部合作数据。

AI在顺丰的落地场景包括智慧物流、智慧服务、智慧决策、智慧管理、智慧地图、智慧包装等。田民称，顺丰拥有几十架货运飞机、几万辆运输车辆、几千个物流设施、二十几万收派人员，这是顺丰强大的躯体，这样的躯体需要非常高的协调能力和智能。未来几年，顺丰会把人工智能等技术推广和运用到物流的每一个领域，利用技术手段去替代一线基层高频率的重复性工作，把人释放出来去做能够创造更高价值的工作。比如用机器学习的方法训练出一个最优秀的智慧大脑来提供辅助决策、统一指挥和管理，让每一个人的决策和执行都是最优的，给客户的服务也是最优的，从而更有效地保障顺丰服务的一致性和稳定性。

AI在顺丰的落地实例       

AI在物流领域的路径规划、场院管理、运单识别和业务预测等方面都有很好的实际应用场景，顺丰在这些方面已经开始进行研究并获得了一些进展。顺丰尝试强化学习等算法研究不同类型的路径规划问题。据田民介绍，传统的路径规划算法和工具已经很难解决今天更加复杂和动态变化的路径规划问题，需要引入新的思维方法、新的算法模型、新的技术手段。物流路径规划需要的地图需要更高的精度、稳定性和实时性等。

AI落地的另一个例子是数字化智能场院管理，物流公司有很多不同功能的操作场地和设备，一般都是通过人的肉眼观察来进行操作和指挥调度，顺丰研究利用机器学习等技术来自动识别场院内外的人、物、设备、车和他们的状态，学习优秀的管理和操作人员的指挥调度经验和决策，逐步实现智能辅助决策和自动决策。

AI在手写运单机器识别的应用。顺丰利用计算机图像识别、地址库、合卷积神经网把手写运单机器有效识别率和准确率提升到了一个很高的水平，大幅度地减少人工输单的工作量和差错。

在物流业务量预测方面，田民称，为了合理有效地规划和调度资源，顺丰需要对业务量进行不同维度的预测，大到未来五年、十年的整体业务量变化预测，小到一个单元区域未来几天不同产品业务量的预测和时间分布等。顺丰尝试用机器学习和时间序列分析等技术和手段去做各种类型的业务量预测，并且研究和分析相关性比较高的因素，例如，天气、时令节气、产业结构、政府政策、GDP等。

继Martin、田民演讲后，明尼苏达大学助理教授、杉数科技联合创始人兼CTO王子卓，将话题聚焦于智慧物流——人工智能与智慧决策。在物流全链条上，区域划分及选址、收益管理与定价、路径与仓库内优化，都是运筹学者们深耕多年的领域。王子卓指出，智慧物流的发展基于精准的预测和智能的决策，他对预测和决策中应用的机器学习和运筹学方法进行了详细阐述，并由此鸟瞰了未来智慧物流的发展前景。

三位嘉宾演讲结束后，腾讯AI实验室主任张潼加入了他们的圆桌讨论环节，从智慧物流开始，详细探讨了AI在细分行业的商业应用。杉数科技王子卓认为，当下是物流行业发展的好时机，国家经济、各行各业的发展都极大地促进物流的发展，在这个发展过程中有新的问题、新的挑战产生，需要用一些新的技术去解决。物流虽然是个传统产业，却也非常需要技术，如何把事情做得更有效率，是决定物流公司能够在这个市场上胜出的决定性的因素。具体而言，今后更重要的是大范围、大量地通过机器学习、人工智能等去优化问题。

会议的，田民补充强调了物流的重要性，“美国30年代的时候，有人说战争有三个软实力，一个是战略，一个是战术，一个就是物流。战略如同情节之于戏剧，把战术比之为演员扮演的角色，物流则相当于舞台管理，分工细致。假如把今天中国看作正在演出一场大戏，一带一路可以说是从战略、战术层面出发的，那么物流对于国家的重要性其实是非常大的。物流最核心的东西不是我们整个基础建设，或者我们的重型资产，而是计算。今天我们在一个美好的时代，有各种各样的技术，有很多的计算模型，统计学以及各方面的科学家都在一起为了更好的物流时代而努力，希望我们的物流从业人员可以抓住这样一个美好的机会，把中国的物流提到一个新的高潮。”