source：paixin.com正版图片库

智慧物流发展多年，最初主要是以物联网技术进行改革，包括机器人、大数据分析与自动化技术等，但随着人工智能进步，智慧物流也开始导入相关技术，从仓储和配送到家等全方位升级，物流已不再是成本单位，更是增进创新服务的重要关键。

智慧物流开始着重“预测”能力

随着电商经济和智慧制造兴起，供应链整合需求也开始水涨船高，物流在企业价值链中的重要性逐渐提升，也进一步带动智慧物流转型，更着重于供应链中各层参与者的信息交换和融合；其中，物联网技术和各类感测技术的导入，是搜集数据和信息传输的重要关键，例如物流业已开始大量使用RFID技术将仓储、运输与资产管理等各环节的流程升级。

智慧物流的定义是以ICT(Information and Communication Technology)技术作为发展基础，将信息化、自动化与网络应用导入原有流程，进行有效管理、降低成本与快速送达，以物联网架构让物流业拥有更智慧的管理模式，在物流各环节中实现系统级感知。

智慧物流的实现让系统乘载量更大和整体流程更具效率，例如每年双十一的销售量便是仰赖大量的物流配送支撑，但事实上物流系统并非无上限，当接收超过系统乘载的物流单时，依旧会造成系统崩溃，不论是运送时间、运输质量与使用体验等都可能大打折扣。

过往智慧物流需求在于流程透明化、弹性调控、降低库存与减轻人力需求，随着物流需求持续上升且越趋复杂，智慧物流开始强调“预测”的重要性，也就是预测产品、空间、车队与人力等需求；而要实现预测必须仰赖大量资料整合，并辅以预测模型进行未来需求推演，才能事先进行资源调配和部署，人工智能也在此派上用场。

此外，机器视觉、视觉辨识、聊天机器人、无人仓与无人车等人工智能应用，可协助物流厂商在不同阶段进行再优化，利用人工智能提升正确率和降低成本，从而达到自动化的物流流程。

人工智能应用于“预测”

目前人工智能应用于预测，已涵盖物流产业大部分环节，之所以将预测模型导入各项作业流程，主要原因是物流需求越来越高，且要求速度也越来越快，加上厂商希望能将库存控制于最低水位，但大量的变动参数考量和突发状况在过去往往导致人为的判断失误，或资源配置错误导致流程延误甚至造成损失。利用人工智能进行预测和自动化执行，即有助改善过去依靠“经验”解决问题的不确定性。

但值得注意的是，现阶段AI模型尚不成熟，较小型的物流厂商若缺乏数据累积，将无法进行AI模型训练，也导致模型正确性甚至可能比人为判断还低，因此目前AI的应用更偏向于预测需求趋势发展的准确性，当大方向得以抓准后，再逐渐延伸至细节项目。

由于较小型的物流厂商现阶段较缺乏数据和优质的AI模型，因此目前主要还是大型物流或供应链厂商才能做到高度精确的预测物流模型，例如UPS、FedEx与Walmart等，但中小型物流厂商可利用AI先改善部分流程，包括出货检查、字体辨识、盘点作业、客户问题回覆与包装尺寸选择，甚至货品出货配送，都有AI可发挥的空间。

在仓储管理中，亦可利用预测平台进行各类模型的建模，例如利用机器学习进行各种参数间的交叉比对和影响，例如供应链网络模型厂商LLamasoft旗下Demand Guru平台，提供制造大厂Schneider进行全球供应链最佳路线配送的模型预测，预估导入该模型可为Schneider每年节省932万美元。

由上述例子可知，AI要能成功，大数据的累积不可或缺，例如Schneider案例中，LLamasoft便分析Schneider提供的20万个运输政策数据点、13万个流量和路由限制，以及150多个初始方案；又例如物流车队想要优化货物配送时间，可搜集每一天的总配送数量、商品重量、配送行驶总距离、车辆油耗、天气状况，以及消费者实际签收时间等数据，并丢入AI模型中进行自主学习，再搭配原本规划的预计配送时间，借由不断反覆测试验证模型是否优化。

总结来看，过往物流往往归类为传统产业，并被视为成本项目，但随着使用者体验、核心竞争多元化与服务创新等兴起，物流已开始转型成为厂商创新的重要关键，厂商也陆续进行物流的转型和布局，若再加上人工智能和物联网的加持，物流未来更可能形成新型态服务模式，并以颠覆性方式改善现阶段物流厂商的痛点。

人工智能出现不只是单纯为了解决当前物流产业遇到的问题，更有机会直接颠覆过去既有的营运和商业模式，虽然现阶段人工智能大多应用于预测和设备能力的提升，但随着技术快速进步，未来也有可能直接改变物流产业的营运模式，就象是聊天机器人出现，改变客服部门运作，更能将收集到的信息直接与物流和销售部门进行结合，直接进行下单和出货调整。

文丨拓墣产业研究院  刘耕睿