物流产业AI全景图雏形初现

AI趋势君
无人配送的商业化落地加速AI与物流行业的融合,如今产业融合全景图雏形初现。

也许我们很快就能看见大片里无人机走进千家万户的场景了,人工智能正在让物流产业更加自动化。近日,美国联邦航空局向谷歌母公司“字母表”旗下的无人机配送公司“翼航空”,发放了美国首个无人机配送许可。这意味着无人机商业化已经在美国正式“起飞”。

实际上,“无人配送”已经非常接近落地,国外的谷歌、亚马逊,国内的京东、苏宁均已开始无人配送试点业务。但无人配送并非是智慧物流的全部,作为对运转率、调配速度、人力资源要求极高的物流行业,与人工智能存在天然的结合点,并且开始在全链条中实现落地。

智慧物流也体现了一个新趋势:从2018年开始,业界更多讨论的是“产业AI”,而不是AI产业。许多企业开始加速构建“产业AI”,即让AI技术和产品在具体的一个个产业里发挥作用,落脚点在一个具有规模经济效应的产业经济部门。从目前各产业AI发展成熟度来看,无人机配送所在的物流产业似乎略胜一筹,接下来我们将对整体物流产业AI图景进行一些观察,或许可以为其他产业迎来更大范围的AI落地提供借鉴。

相关报告显示,作为一个庞大的产业,2018年国内智慧物流市场规模预计将超过1000亿元,未来几年年均增速将达到20%。宏观来看,物流行业从物流管控、运输配送,到整体的运营,都与AI有着较大的结合空间。而中国市场中,物流行业公司小而分散,数字化、信息化程度低,管理落后,导致成本高企。AI在其中通过替代重复性的劳动工作,通过挖掘物流行业这个天然数据场的数据价值,实现降本增效。可以说,物流也是AI渗透率最深,最有资格被称之为“产业AI”的产业之一。具体来说,AI主要可与物流行业做以下的结合。

辅助安全管理

安全工作,对任何一家物流企业来说都是重中之重。传统的安保方式是,在仓库内安装多个摄像头,安排负责安保的员工轮流盯着屏幕,这种模式的实际效率和预警效果常常不尽如人意。在G7物流公司给出的解决方案中,在与物流相关的组件比如运载车、包含很多冷机、冷柜的仓库中装上传感器,AI能够以秒级的速度感知异样。在这种方式中,事故率降低了75%。

提升运营效率

当然,作为物流行业的重头戏,分拣、装车、派送是最基本的要素,贯穿于物流作业的始末,耗费大量的人力、物力、财力、时间,成本巨大。同时,与巨大的工作量相矛盾的是基层用工荒,而且这个缺口越来越大。智慧物流的应用直接提高了物流系统的效率和效益。

比如中转场中的搬运工作占据了大比例的时间,劳动强度高,效率波动大,人工的重大货物搬运,更是高风险。在顺丰的智慧物流系统中,机械臂等智能硬件可以把工作人员从繁重、重复、且风险高的地方释放,减少人员工作负担,增加效率,降低综合成本。

在智慧物流系统中,工作人员在装车、卸车、分拣等环节,通过套在手指上的智能指环就可扫描快件运单,解放的双手解决了手持着终端进行扫描而影响搬运的问题,提升工作效率的同时,为工作人员送去便捷。

无人配送

作为供应链创新应用的元年,2018年以来供应链应用成为物流最核心的内容。围绕供应链体系,国家不断大力提升供应链的智能化、智慧化程度。近几年大火的无人配送恰是供应链智能化的代表,其火热程度从2019年来各巨头持续的动作可见一斑。

除了前文提及的谷歌无人机配送,国内市场中,美团无人配送车“小袋”也于本月初成功通过封闭测试场日常训练、自动行驶轮式车能力评估测试等系列测试,通过测试的“小袋”具备激光雷达、摄像头、GPS等传感器,通过系统和算法来感知、定位和决策规划做到安全规范行驶,也就是说国内距离无人低速车配送也更近了一步。

此外,在配送环节,菜鸟也通过无人车、无人机、菜鸟快递塔、菜鸟驿站智能柜、菜鸟小盒等系列方式形成多元化的物流配送矩阵,满足了不同用户的需求。

数据价值挖掘

在运营类操作以外,AI更大的优势就是帮助我们处理超过负载的信息,可以理解结构化数据,以及包含图像、视频和语音的非结构化数据。目前,许多巨头也开始注重物流行业全局数据的收集。

比如顺丰的智慧物流系统的不仅仅停留在“看、识别”方面,而是拥有了自己的思考,协同人类工作。为了帮助快递车辆和收派人员寻求最优路线、提升快件时效,通过综合运用人工智能、大数据和动态规划算法,顺丰开发了实时路径规划技术,根据实时件量来动态优化路由,将骑行小哥、货车司机等运输资源更好的与线路匹配,在时效窗口内提高装载率,从整体上提高运输时效,降低运输成本。

无独有偶,对于每天会产生数亿条数据的物联网平台G7来说,其通过与巨头腾讯云的合作开始针对物流行业联手打造解决方案,形成在数据积累、AI人才、市场传播、商业模式等领域的生态合作。具体到实际场景中,车载设备从位置定位、油耗传感器、温度、速度搜集的数据会交由腾讯云在云端处理。腾讯云物联云服务IoT可以获取每一辆车的实时信息,如位置、油耗等,通过IoT服务实时汇集管理。同时,IoT通过规则引擎组件中编写类SQL语句无缝对接大数据套件,进行车辆路径、车辆规划、司机排班等的优化。在这个解决方案中,AI成功实现了从辅助身份到“军师”身份的转变。

不难想象,在物流行业日渐发展的未来,通过生成假设、评估、辩证和建议,人工智能未来会进化出更强大的信息推理能力。

全局、多维、协同、持续,产业AI的雏形初现

产业AI之所以更加复杂,是因为产业的需求往往比一两个元素与AI结合复杂得多。综合来看,合格的产业与AI必须是深度结合并具备多维、协同、持续、全局四个特点。通过多维度渗透进物流行业的“看”、“预测”、“匹配”;通过与物流行业的工作人员协同工作;通过全局洞察物流行业从而拥有大局视野,更是因持续不断的进化升级,物流产业AI的雏形正在形成。

产业AI,本质上是产业科技化,科技产业化,这也必将是个漫长的过程。如何抓住产业AI的机会,不再满足于单点替代,而是和C端一起去重新定义端到端的模型,打造一个全新的业态,像物流行业一样,深入场景+打造闭环或许是AI产业化的最优选择。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论