文|数科社  柠溪

导语：

疫情在一定时期内的持续发展，深刻改变了存量经济业态，使在线娱乐、在线教育、在线办公、远程医疗、生鲜电商等新模式不断涌现和快速腾跃。 

在疫情逐步解除和社会生产恢复正常后，教育、医疗、企业办公等庞大的在线化市场需求持续激活，有望诞生“超级应用”，并为相关领域的数字科技创新带来新机会。 

其中，智慧物流的发展也进入了一个新的阶段。

01丨物联网+AI的技术核心

当下智慧物流逐渐成熟，技术的核心底层是物联网与AI。 

首先，所有的物流企业运营设备，不论是汽车，飞机还是轮船，无一例外都是根植于现实社会的物理设备。因此要想将这些设备的数据采集并集中起来，物联网技术是基础。 

例如G7物联，会给每辆卡车安装具有定位信息、获取车辆信息、数据集成以及数据传输的黑匣子，同时在车内安装若干个摄像头。 

通过这些物联网设备的存在，可以实现三个重要的目标： 

首先是对汽车位置和运营情况信息的获取，然后就是对驾驶员和路况情况的获取，最后是对货物在运营中保存情况和出现问题及时的信息监控。 

而在这些数据获取之后，如果要通过中央数据处理中枢处理完成，再进行下一步的信息反馈，很可能对于交通运输工具来说时间有点太长了。 

举个例子，G7物联在对驾驶员监控中，重点是对疲劳度的监控，如果驾驶员有超过10秒的闭眼，G7物联整个系统就会在车厢内和运营公司的管理平台上报警。但如果要将数据上传到处理中枢再进行处理，完了以后发布通知，这样整个的时长可能会超过10秒，同时会让驾驶员提高操作带来危险的可能性增加。 

因此，赋予整个系统AI智能的判断与操作是一个必然的选择。 

还拿G7物联的系统举例，在汽车前方安顿的摄像头和雷达，不光能对于汽车运营状况进行监测，同时还能查看路况，如果出现异常的情况，会提前在驾驶舱和运营中枢平台报警。 

这实际上已经达到了L2级别自动驾驶的部分核心功能，现在看这期物联相应技术还在不断前进，很可能在2022年会将整个系统与驾驶层面的操控连接，在危机时刻由系统自动接过行驶处理的能力，保障整个物流运输设备的安全。 

比如南航物流，这家物流公司非常不起眼，但背后实际上负责运营顺丰整个飞机机队的安全和日常工作。2021年7月，他们研发的顺丰航空飞机健康管理系统正式上线。该系统基于数据挖掘和数据分析技术，可实现飞机故障的实时报警及飞机相关性能的早期预测，以往用时为分钟级的“译码”缩短至秒级，如飞机在空中发生故障，工程师可在第一时间通过AHM系统监控到异常情况，进而能够快速启动故障处置程序，飞机健康管理的效率及品质得到显著提升。 

这也是物联网技术和AI技术相结合，在智慧物流领域的一个重要应用。

02丨数据处理是基础

当然对于智慧物流来说，数据处理能力尤其是毫秒级的数据处理能力是所有技术展开的基础。 

某种意义上讲，如果想对物流的设备，不管是汽车飞机还是轮船进行实时的监控，每分钟产生的运营数据和视频数据都是海量的，这些数据上传到云端之后，一定要有一个非常繁复和算法先进的平台进行处理，才能在最短时间达到精确的反应，实现提升效率的目的。 

由于当下各个环节都特别注重收集数据，但很多数据收集上来很多似乎看起来之后，如果没有，很多似乎看起来相互冲突和在逻辑上违背的数据应用上就有很大的问题。 

比如在海运领域，从沿海到内地集装箱调运时，有时候有货进没货出，没有货出的时候只能调空箱。对于航运来讲，船舶航行信息，运营模式，调度信息，港口，货物堆场，水文气象等这些信息很分散，量也很大，因此必须要采用大数据，建立一个大数据池，对数据进行提炼形成新的价值。 

比如对于飞机来说，跟客运不同物流运输除了安全性以外，降本增效才是最核心的管理目的管理目的。航空物流企业一般都在关注遇到什么样的天气，用什么样的航速飞行最省油，而且机腹的货仓怎么样排列才能在最有效的方式下承载更多的货物。 

这些都必须在庞大数据运营能力的基础之上，才能获得核心的数据和真正解决办法。 

关键，人工智能技术的出现使得无人仓的构想得以实现。得益于机器视觉等人工智能技术，自动化仓库中的搬运机器人、分拣机器人、无人叉车等一系列物流机器人均可对仓库内的物流作业实现自我感知、自我学习、自我决策、自我执行，实现更高效的自动一体化。 

此外，人工智能技术基于历史消费数据，通过深度学习、宽度学习等算法，可建立库存需求量预测模型，用于对以往的数据的检测并预测未来的数据，形成一个智能仓储需求预测系统，以实现系统根据实际数据自主生成最佳的订货方案，实现对库存水平的实时调整。 

同时，随着订单数据的不断增多，预测结果的灵敏性与准确性也能够得到进一步提高，使企业在保持高物流服务水平的同时，还能降低企业的库存成本。 

这也是京东目前为止竞争力的核心，而这样一个建立在用户需求和库存动态配比之间的数据模型以及产生的一系列应用，背后依然是大数据和算法的支撑。 

所以对于智慧物流企业来说，建立物联网研发团队和AI算法与应用团队之外，大数据处理能力以及大数据算法的研发，也是一个非常重要的方向。

03丨协同性的未来

物流体系下包含着大量的业务要素，它们的叠加直接导致数据和应用的简单“黑箱”现象严重，业务运行过程中发生了什么、产生了什么后果难以直接有效地全面管控，最终又造成成本、效率方面的问题。 

这时候，智慧物流的一个重要任务是数据+算法决策代替经验决策，用可视化、智能化、自动化等手段去打破数据锁，最终实现可持续化发展。 

协同处理能力，才是智慧化物流发展的未来。 

比如物流企业在具体的供应链执行过程中还包含着大量需要协同的要素，商品、库存、车辆、路由、设备、订单等，它们同样有着十分复杂的协同要求。 

再比如物流园区，过去高度依赖人力管理，但随着园区人数与车辆增长、设备增多、能耗增加，传统的管理方式忽视了技术与人、车、货、场的协同，无法从全面整合、互联互通的全局视角去管理园区。 

因此，真正厉害的智慧物流技术提供方，开始在协同领域发力，并已经形成优势 

比如德邦快递的智能物流园区，就是采用的华为智慧物流和协同管理技术，包括取件、流水作业以及运输的各个环节都普遍存在。OCR技术实现高速扫描取件、自动识别分拣；AI识别技术杜绝暴力分拣；智慧物流园区人员管理子系统、访客管理子系统等众多模块全面升级了德邦快递的服务体验。 

此外，这个业务系统在上云之后，开始跟德邦快递已经有点IaaS、PaaS和SaaS的IT分层规划和建设协同发展，改变了传统IT架构慢、贵、难三大难题，实现了资源按需申请、随取随用，在IT开发效率和对业务需求响应速度提升之外，也让优化和维护成本大幅降低。 

这可能才是智慧化物流发展到一定阶段的最合适方向。 

当然，从国内各大核心企业服务软件平台发展的历程来看，融合与协同是各家都不约而同选定的数字化发展方向。 

用友创始人王文京在最近接受媒体访谈的时候表示，企业推进基于数智化的商业创新，包括产品与业务创新、组织与管理变革，需要突破技术、商业和成本三大障碍，呼唤能够便捷实现商业创新的平台，使能商业创新简单、便捷、大众化、社会化。 

在他看来，信息技术在企业的应用也从以ERP（企业资源计划）为代表的，以“流程优化，提高效率“为核心价值的企业信息化阶段，跨入以“商业创新，重构发展力”为核心价值的企业数智化的全新阶段。 

诚如斯言，如今科技发展已经超出了人们的预期，我们从未像现在一样如此与整个世界紧密相连，小到客户和企业之间的连接，企业供需产业链之间的连接，大到国家、地区之间的连接都在发生着改变，人类已经开始进入一个以数字技术为核心的虚拟时代。 

而遨游风起的大时代，智慧物流遇到的最核心问题就是可持续增长。 

这也是不确定时代行业发展的底牌。