完整報告：2020人工智能在物流行業中的應用前瞻.pdf

在《報告連載 | 人工智能在物流行業中的應用前瞻報告（一）》中分別描述了物流技術的現狀與發展進程，簡要地介紹了人工智能關鍵技術及其主流應用場景。本章節將著重介紹人工智能作為智能物流數據底盤的三大核心技術之一，在物流行業的各個階段都發揮了重要的作用?？萍紕撔聨涌萍紤冒l展，科技應用發展使物流競爭往高水平提升，高水平的物流競爭又促使科技不斷創新……

人工智能在物流行業中應用的優勢分析

1、海量數據學習與處理

物聯網和移動設備的發展使得各行各業所積累的數據呈爆炸式增長，數據的種類也包括圖片、文本、視頻等非結構化數據，這些非結構化數據的背后隱含了大量不易被感官識別的信息、知識、規律等，如何揭示這些信息、規則、趨勢正成為當下給企業帶來高回報的熱點。

一般來說，人工數據處理及一些傳統的數據處理工具不僅處理速度慢，其統計的數據特征只能反映數據的極少量信息，而且很多時候它們對非結構化數據的處理無能為力。因此我們迫切地需要一種更智能的方式，既能對海量的、各種類型的數據快速地進行處理，又能很好地挖掘各種類型數據更深層次的有用信息。機器學習算法是一種通過模式識別對信息進行分組或分類，進而從信息中尋找上下文提取有效信息的算法。機器學習能從大量的結構化數據和文本、圖像、視頻、語音、肢體語言、面部表情等非結構化數據中學習，發掘其中蘊含并且有用的信息。其處理的數據越多，機器學習就越能體現出優勢。物流行業的發展產生了大量數據，這些數據關系錯綜復雜，機器學習技術正是處理這些多變量數據，以及能在復雜，動態，甚至混亂的物流環境中提取大數據集內隱性的關系最佳工具。此外，面對物流行業的數據豐富而知識貧乏的狀況，機器學習算法作為一種有效工具可以增強對數據的理解，挖掘和應用。因此基于機器學習的人工智能的數據處理技術是物流行業數字業務轉向自動化的關鍵。

2、先進算法

人工智能追求研發能夠像人類一樣具有智力的機器，人工智能算法是一種通過多層神經網絡對信息進行抽取和表示的算法架構，其原理是構建一個“虛擬大腦”，用大量輸入/輸出數據來訓練這個大腦，使其能夠針對特定輸入做出快速、精確的輸出。人工智能算法主要涉及機器學習、深度學習、強化學習、表征學習等算法。機器學習通過模式識別系統根據事物特征將其劃分到不同類別，通過對識別算法的選擇和優化，使其具有更強的分類能力；加入多層感知器構建的深度學習模型成功解決了圖像識別、語音識別以及自然語言處理等領域的眾多問題，與傳統機器學習相比，深度學習避免了人工選取特征的繁冗復雜和高維數據造成的維度災難問題。近年來，在IBM等科技巨頭推動下認知計算蓬勃發展，通過學習理解語言、圖像、視頻等非結構化數據，更好地從海量復雜數據中獲得知識，做出更為精準的決策。

人工智能的先進算法使得在復雜的物流場景中，機器能替代人對海量信息和數據進行認知、分析和推理，從而快速、精準地解決復雜決策的問題。智能決策將成為推動物流業從數字化邁向智能化最為關鍵的一步，這些都離不開人工智能算法的支持。

3、強大算力

人工智能有了大數據和先進的算法，還得有處理大數據和執行先進算法的能力。AI的許多數據處理涉及矩陣乘法和加法。AI算法，在圖像識別等領域，常用的是CNN；語音識別、自然語言處理等領域，主要是RNN，這是兩類有區別的算法；但是，他們本質上，都是矩陣或vector的乘法、加法，然后配合一些除法、指數等算法。云計算、GPU、AI芯片為人工智能的強大算力提供了保障。

云計算是一種基于因特網的超級計算模式，是遠程的數據中心中成千上萬臺電腦和服務器連成的一片電腦云。云計算的計算能力可以達到每秒10萬億次的運算速度，性能堪比超級計算機。深度學習需要極大的計算資源，通過云計算可以以低成本的方式獲取大規模的算力，動態獲取幾千上萬個CPU算力。

圖3.1 GPU與CPU算力對比

GPU計算的進步對深度學習也有很大的推動作用。深度學習需要很高的內在并行度、大量的浮點計算能力以及矩陣預算，而GPU的工作方式就是多核并行計算流的方式，此外，GPU出色的浮點計算性能特別提高了深度學習兩大關鍵活動：分類和卷積的性能。在相同的精度下，相對傳統CPU的方式，擁有更快的處理速度、更少的服務器投入和更低的功耗，如圖3.1所示。使用GPU計算具有優異表現，催生了各類GPU服務器，帶動了GPU服務器的快速發展。

為專門用于加速AI應用中的大量計算任務的模塊，具有海量并行計算能力的AI芯片也應運而生。AI芯片被稱為AI加速器或計算卡。AI芯片部署的位置有云端和終端兩種，云端AI芯片的特點是性能強大、能夠同時支持大量運算、并且能夠靈活地支持圖片、語音、視頻等不同AI應用；終端AI芯片的特點是體積小、耗電少，能嵌入設備內部并且讓設備在沒有聯網的情況之下也能夠使用相應的AI能力。以GPU、FPGA、ASIC為代表的AI芯片是目前可大規模商用的技術路線，是AI芯片的主戰場，此外，一些面向人工智能的專用硬件架構也開始出現，如用FPGA技術做專用的人工智能加速芯片和加速的基礎設施。

對物流行業來說，AI強大的算力能夠快速處理龐大繁復的物流數據，AI芯片也能為端物流設備提供AI運算支持，進一步提高物流效率。

4、計算機視覺

作為人工智能的關鍵技術之一，計算機視覺技術指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺技術運用由圖像處理操作及其他技術所組成的序列，從而將圖像分析任務分解為便于管理的小塊任務。人工智能背景下的計算機視覺技術主要涵蓋：圖像分類、對象檢測、目標跟蹤、語義分割和實例分割等。

隨著技術與物流的持續融合，物流活動正在產生越來越多的圖像、音頻、視頻等非結構化數據，這些數據背后蘊藏著巨大的價值。計算機視覺中，針對上述非結構化數據的識別技術是使其得以有效利用的關鍵，這些識別技術的主要作用在于將物流活動中實時感知或歷史積累的圖像、音頻、視頻等非結構化數據變成可視化、可分析的信息和信號，輸入給相應的決策系統，大大地提高物流作業的自動化和準確性。

5、自然語言處理

自然語言處理有時候也稱作自然語言理解，旨在利用計算機分析自然語言語句和文本，抽取重要信息，進行檢索、問答、自動翻譯和文本生成。自然語言處理的目標是讓計算機、機器在理解語言上像人類一樣智能，是彌補人類交流（自然語言）和計算機理解（機器語言）之間的差距。有了自然語言處理，計算機就可能完成自動語音、自動文本編寫，處理大型文本數據這樣的任務。自然語言處理技術的應用場景甚廣，大致可分為分析型、生成型和交互型三類。輿情監控系統是典型的分析型系統；自動寫作系統是典型的生成型系統；形形色色的聊天機器人是典型的交互型系統。      對物流行業來說，自然語言處理能力可以對物流表單信息進行文本分類和聚類，篩選文本關鍵信息構建索引庫；還可以平臺化方式提供物流服務，在客服領域發揮較高的應用價值，減少人工客服的使用，提高客服的效率、效果以及提升客戶的體驗。

6、開源框架

基礎機器學習算法應用的巨大需求促進了開源軟件的繁榮，一系列基于機器學習算法的開源軟件不斷涌現。在算法應用方面，隨著深度學習理論和工程技術體系的成熟，包括通過云服務或者開源的方式向行業輸出技術，先進的算法被封裝為易于使用的產品和服務，越來越多的人和公司能夠開始使用這些算法。人工智能相關的技術包括了水平層和垂直層的技術，水平層面上主要體現在算法方面。這兩個層面都有很多大廠商都在做，包括Google、微軟、Amazon以及一些開源的第三方軟件，都試圖在搭建通用的人工智能機器學習和深度學習計算底層平臺。而上面的應用比如說語音、文字、圖像、即時定位等等，也有很多開源的框架，特別是圖像處理，很多框架都應用了機器學習和深度學習。從這方面來看，伴隨著各個層面的企業參與，人工智能的產業化進程已逐步展開。這些算法框架的開源性使得物流行業應用機器學習算法的門檻大大降低，實現高性能計算。

7、機器人技術

人工智能機器人主要指運用信息技術，使機器人具備人的智能，讓機器人學會學習知識并掌握先進技術。將機器視覺、自動規劃等認知技術整合至極小卻高性能的傳感器、致動器、以及設計巧妙的硬件中，這就催生了新一代的機器人。機器有能力與人類一起工作，并且能在各種未知環境中靈活處理不同的任務；機器無需休息，可以比人類工作的更快，還可以同時完成多項任務；機器人通過機器學習分析，可以實現生產線的精準配合，更準確的預測和實時檢測生產問題；此外，機器智能還能被用來執行一些危險的任務。

傳統物流有較保守的生產線，較正規的運輸線，各個環節都需要人工值守的倉庫，彼此之間相對獨立而封閉，耗費大量不必要的人力、物力、財力、時間，成本巨大卻效率低下。相比傳統物流，應用物流機器人于貨物運輸、儲存、包裝、流通加工和配送等過程進行裝卸搬運，貫穿物流作業的始末從而直接提高了物流系統的效率和效益。機器人技術運用在物流行業將帶來人力成本的節省、周轉效率的提高。

物流運作往往環節眾多，各方關系復雜，并且有大量的實物、資金、信息數據產生。人工智能對處理復雜網狀結構和大數據量的強大能力與優勢使其能為現代物流工作需求提供諸多方便，復雜網狀結構和大數據量的特性使得物流天生就適合作為AI應用的場景。同樣，人工智能在數據、算法、算力、技術等方面的優勢可以為物流提供智能決策、可視化、自動化、機器人技術等強大的科技支持，能極大地推動智能物流的發展。

基于人工智能的智能物流體系

人工智能是一種前沿的交叉技術，主要目的是模擬人類思維生產出一些智能化的系統，他們像人類一樣在社會中發揮著相應的職能作用。近年來，人工智能能夠迅猛發展，主要動力來源于信息技術和智能設備，信息技術主要是計算機技術和通信技術，例如高等復雜的運算系統、能夠處理數據量巨大的云計算平臺和各種高效的通信網絡系統，智能設備即指嵌入式設備以及其他芯片和邊緣計算機節點等。隨著大數據、云計算日趨成熟，新時代下，人工智能技術將主要以AI+某一具體行業或產業的形式呈現，物流就是其中重要的產業之一。下一代物流體系的一個主要特性將會是AI+物流。下圖展示了基于人工智能的智能物流體系（AI+物流）示意圖：

圖3.2 AI+物流應用示意圖

人工智能之所以能被廣泛應用于物流中，主要是因為物流運作往往環節眾多，時常伴隨著大量的實物、資金、信息數據產生且各方關系復雜，人工智能具有處理復雜網狀結構和大數據量的強大能力，其自然能為現代物流工作需求提供諸多方便；人工智能技術在計算機視覺、自然語言處理、機器人技術領域的強大科技優勢也能極大地推動智能物流的發展。在物流產業鏈中，人工智能將參與倉儲、運輸和配送三個基本環節。此外，人工智能技術也能作為指導物流科技底層技術存在，從而實現技術落地的綜合管理平臺。人工智能將會是新一代物流行業重要的支撐技術，實現整個物流行業的信息化、標準化、智能化。

智能化物流倉儲體系

倉儲是企業物資流通供應鏈的一個重要環節，是現代物流的核心環節。倉儲鏈中產生的倉庫訂貨、貨物入庫、貨物管理、貨物出庫等倉儲物流信息一般具有數據量大、數據操作頻繁、信息內容復雜等特點。新一代物流行業中，物流倉儲環節應具有網絡協調化、管理系統化、操作信息化、決策智能化、全面自動化等特點，基于人工智能背景下新一代智能倉庫管理系統應實現倉庫信息的自動化與精細化管理，指導和規范作業流程，提升倉庫貨位利用率從而完善倉庫管理并提高倉庫整體運行質量的特點，這些特點的實現需要人工智能技術的推進。智能倉儲系統分為識別、搬運、存儲、分揀和管理系統。圖3.3展示了智能倉儲系統的五大組成部分及主要的人工智能技術應用場景。

圖3.3 智能倉儲系統示意圖

識別系統

自動識別系統使用的技術主要為可穿戴設備、條碼自動識別和RFID射頻自動識別等。其中，可穿戴設備是傳感器的載體，可實現人、機器、云端的高級無縫交互，非常適合AI與人機交互，當前仍然屬于較為前沿的技術。應用到物流領域，可表現為免持掃描設備、AR智能眼鏡、外骨骼、噴氣式背包等。其中，智能眼鏡為能憑借其實時的物品識別、條碼閱讀和庫內導航等功能提升倉庫工作效率；條碼自動識別技術可同時識別多個標簽并能應用于高速運動物體，操作快捷，便于快速查找、查詢；RFID射頻識別技術俗稱電子標簽，是一種非接觸式的自動識別技術，通過射頻信號自動識別目標對象并獲取相關數據，識別工作無需人工干預，可工作于各種惡劣環境。

搬運系統

搬運系統使用的技術主要包括穿梭車（RGV）、自動導引小車（AGV）、無人叉車等。其中，穿梭車（RGV）又稱為軌道式自動導引車，是伴隨著自動化物流系統和自動化倉儲而產生的設備，它既可以作為立體倉庫的周邊設備，也可以作為獨立系統；自動導引小車（AGV）是通過激光導引或電磁導引裝置，指導小車自行運動，具有安全保護及各種移栽功能，工業應用中無需駕駛員，可充電蓄電池為動力來源，目前廣泛應用于倉儲系統中貨物的分揀和搬運;無人叉車是能夠從倉庫或工廠的某個地方把材料、托盤和其他物件運輸到另一個地方的機器人；穿梭車可與其他物流設備實現自動連接，如出入庫站臺、各緩沖站臺、輸送機、升降機、機器人等；以上三個技術的共同特點為自動化程度高、搬運靈活，使用方便且支持自動充電等。目前，AGV在倉儲物流領域主要應用于貨物的分揀和搬運。 

存儲系統

存儲系統主要以自動化立體庫（AS/RS）為主。自動化立體庫又稱高架庫或高架倉庫，以計算機控制技術為主要手段，自動化搬運設備進行出入庫作業，從而提高倉儲利用率，減少貨物和信息處理差錯。除此之外，存儲系統還包括高層貨架、巷道堆垛機、輸送機等，主要作用是支持自動化立體倉庫的應用。

分揀系統

自動分揀是自動化倉儲的核心，一般由控制裝置、分類裝置、輸送裝置及分揀道口組成。目前物流倉儲系統主要應用的自動分揀設備有：滑塊式分揀機、交叉帶式分揀機等，它們都具有穩定快速分揀貨物的能力，與其它技術相比可以大大地降低運營成本。事實上，搬運系統中使用的AGV機器人也可以用于分揀。

管理系統

管理系統主要包括倉庫管理系統(WMS)和倉庫控制系統(WCS)。結合了人工智能算法的WMS和WCS能實現自動推薦存儲貨位、補貨庫存分布平衡、調度機器人搬運、驅動生產端配貨等功能，是整個智能倉儲的大腦，能最大程度地優化倉儲運營。

智能倉儲是新一代物流行業中人工智能技術應用最為廣泛的場景之一，其核心特色體現為數據感知、算法指導生產和機器人的融入。物流倉儲的價值是整個供應鏈最大的一個節點，使用智能化倉儲環境既能保障倉儲安全，更能提高出庫和入庫的效率，全面地改善了倉儲的運行模式。

智能化物流運輸體系

圖3.4 智能運輸系統示意圖

物流與智能運輸系統都是當今交通運輸行業發展的熱點，建立一個高效的運輸系統可以大大降低物流成本，提升物流服務質量。高效的運輸系統離不開人工智能技術的支持，主要為無人駕駛和智能化管理。圖3.4展示了智能運輸系統的組成及主要的人工智能技術應用場景。

無人駕駛

物流運輸的全自動化控制依賴于無人駕駛技術，包括物流無人貨車、物流車隊編隊行駛等。無人駕駛技術是電氣自動化技術在交通運輸行業的一個重要領域，具體實現是在物流運輸過程中為物流車輛內置中央處理器，從而自主控制車輛進行加減速、轉彎、臨時制動等駕駛操作，以實現完全脫離駕駛員。

管理系統

無人駕駛技術所有的數據計算都是通過網絡遠程操控物流車輛的駕駛行為。管理系統所使用的技術主要為遠程節點控制、利用人工智能算法對臨時環境進行分析，完成運輸路徑的規劃和決策，實現智能調度。相比傳統運輸，全自動化控制的物流運輸能節約大量人力，顯得更為安全和高效。 

隨著物流運輸信息化程度的提高，運輸系統必將向更智能化的方向發展，運用人工智能，神經網絡，知識發現等技術，通過合理的技術平臺，建立以智能物流運輸系統為核心的智能物流系統，能使物流系統更高效、可靠、安全地處理復雜問題，節約大量人力，顯得更為安全和高效，也能為人們提供方便、快捷的服務。

智能化物流配送體系

優秀的物流配送系統不僅能提高物流效率、降低物流成本，更是物流服務商與客戶關系的重要紐帶，因此，物流配送中心的自動化程度需求也日益提高。人工智能背景下的智能物流配送系統的組成及一些主要的人工智能技術應用場景如下圖所示： 

圖3.5 智能配送系統示意圖

配送系統

配送系統使用的主要技術為無人車和3D打印。無人配送車會根據調度平臺發出的命令，對目的地進行路徑的自主規劃，尋找最短線路并規避擁堵路段實現貨物的無人配送；增材制造（Additive Manufacturing）俗稱3D打印能靈活地制造消費者定制的商品，未來，城市內“3D打印+同城配送”的模式很有可能會出現，目前該技術處于研發階段。

末端技術

末端新技術主要是智能快遞柜及無人派送車。智能快遞柜現已在國內一二線城市實現商用。但當前智能快遞柜仍然面臨著使用成本高、便利性智能化程度不足、使用率低、無法當面驗貨、盈利模式單一等問題，因此未來的快遞末端將是由各種“驛站”與無人車、機器人的結合，貨物首先送到各個“驛站”，再由無人配送車來完成“最后一百米”的任務。

管理系統

管理系統使用的人工智能技術主要為智能分揀、路徑規劃等。整個管理系統有一個智能調度中心，該中心搜集了整個配送系統的所有數據，將參與配送過程的人與無人設備通過多維度數據綜合運算，從而實現機器人的智能分揀并能夠在最短時間內給出最優配送方案。在未來，智能調度中心能實現配送真正的智能化，消費者既可以選擇在樓下的快遞柜領取包裹，也可以選擇由無人機、無人車或快遞員配送，而這一切都將由人工智能決策系統在綜合考慮消費者的需求之后做出決策。

目前，中國城市物流配送體系嚴重依賴人力，這就需要更好地利用人工智能技術以實現更智能、更高效的全自動化配送。