2019產業AI速寫:物流篇
物流工作內容的高度結構化讓AI的應用得心應手,特別是在運輸和交付環節已經實現了一部分,但由于AI技術硬件研發成本,目前物流AI距離商業化發展還有一段路要走。
在一九產業AI系列中,我們已經介紹了一系列在2019年出現全新進展的AI應用場景。但是相信很多人的第一反應還是——還不夠。不論是在云端為金融行業降本增效的AI,還是在田間地頭觀察著每一刻農作物的AI,它們雖然在為我們的生活帶來潛移默化的變化,但是距離我們想象中的技術變革,多少還差那么點事兒……
不得不承認,很多時候我們對于技術的想象是夸張又狗血的,像是提到生物科技就聯想到生化危機,至于想象中的AI應用,至少要改變一些看似非常古老的行業,極大的提升效率,最好在來點身懷絕技的機器人什么的。這不比僅僅依靠云端的算法模型來改變產業要“刺激”多了?
這樣聽起來如此科幻的應用場景,還就真在2019年發生了,那就是AI物流。
物流蒙太奇中的魔幻與現實
提起物流,各位看客肯定腦海中會播放出這樣一串蒙太奇——在巨大倉庫被花樣丟擲的包裹、賣家寫的龍飛鳳舞的面單、寒風中在城市里飛馳的快遞小哥……這樣的產業,似乎很難經過技術改造,最起碼在實現自動駕駛之前,這一產業仍然對人力勞動有著高度依賴。
但實際上雖然消費者本身接觸到的物流業務,大多由快遞小哥完成,實際上物流具備著充足的AI化條件。
首先從動機上來講,我們對于物流行業的刻板印象,例如倉儲端勞動效率低下、信息甄別的困難,往往也是物流行業切實所面臨的一些問題。他們顯然是擁有利用技術進行改良的意愿的。
另外一點,快遞網點缺乏勞動力的現象已經從兩年前就開始越發明顯。快遞柜逐漸替代送貨上門的快遞小哥,產業內部同樣也渴望利用技術緩解這種“用工荒”。
而物流行業看似“原始”,其實其工作內容是高度結構化的。像是倉儲空間中物品擺放的位置和人員行進路線,往往都是固定的。而物流車輛在各個城市間的集散流程,往往也相對固定。
尤其物流出行依賴地圖導航,其每天的行動軌跡已經有了數據累積。加上物流產業本來就是集群化、規?;漠a業,整個業務流程是非常適合被結構化處理,通過AI加工改良的。甚至即使是看似遙遠的自動駕駛,實際上在固定路線中也已經取得了不小的進展。與物流園區的固定路線接駁,有著天然的契合性。
從幾年前開始,物流就從不缺乏智慧。我們常常在物流企業的宣傳中看到,有很多大型物流企業已經建設起了智能分揀流水線和智慧倉儲系統,無需人工操作,機械手臂和流水線的配合就能夠讓包裹去往該去的地方。
解耦、重組、幻想成真:物流AI的2019
在2019年,物流AI所發生的最顯著的變化,就是業務和技術之間開始出現了解耦趨勢。正如我們提到的,物流從不缺乏智慧,在大型物流企業內部,智能化的覆蓋率其實很好。但也正因這些技術來自于企業內部的業務自驅,導致業務本身與技術的綁定相當牢固。使得物流企業自身雖然擁有強大的技術,但物流行業中卻很少見到成熟智慧解決方案提供商。這樣會極大的影響整個行業的技術覆蓋效率,也就出現了我們見到的通稿里機器人上天入地,現實中快遞小哥累到頭禿。
但在今年,物流行業中開始出現了越來越多的技術服務者,上到華為、百度等等科技巨頭,下到一些小型科技企業,都開始著手解決物流產業中的問題。
在今年,運輸環節的AI進化是最為明顯的。
例如應用數據挖掘手段結合AI算法,可以更好的規劃出高效運輸路線,提升里程利用率。甚至原本需要熟練員工每天耗費一兩個小時的排單工作,都可以通過AI在幾分鐘內解決。尤其通過往年數據的挖掘,可以對于貨運壓力進行預測,讓各個站點提前做出準備。
就拿雙十一、618這種購物節節點來說。如果不做好充足準備,很可能會造成快遞爆倉,運送人員疲憊不堪、站點中大量貨品堆積造成危險。但如果預估數量過多,快遞站點又會負擔成本。但有了AI技術的加持,就能夠游刃有余的應對節點性壓力。與此同時,倉儲環節的AI能力也在有所提升。
不僅有大量無人車開始進入港口承擔貨運接駁任務,很多技術廠家也開始推出了小型的、柔性化的倉儲機器人,并通過數字孿生能力實現應用場景的智慧化。換句話說,物流商家想要在倉儲環節應用機器人,不再需要建立起一個龐大的智能工廠,小型機器人之間的互相配合也能提升倉儲分揀效率,能夠更好地避免暴力分揀情況。
最后在交付環節,一些非常“魔幻現實”的畫面也接連出現。
從去年以來,蘇寧、亞馬遜等等電商企業就已經開始陸續測試利用小型無人車完成快遞配送的最后一公里。在2019年,我們可以在更多地方看到類似的解決方案。像是德邦快遞的無人車出現在了廣東的大學校園里,中國郵政的無人車也在雙十一開始幫助快遞小哥分擔工作。
總之,那些我們幻想中的畫面,正在一一出現。
距離AI落地最具可讀性的章節,還要再翻一頁
但我們必須要正視的是,雖然物流AI的“實現”并不困難,但其商業化發展仍有一段很長的路要走。
就拿用無人車替換快遞小哥這件事來說,看似能夠為物流企業降低勞動力成本,但動輒八十萬的報價,足夠讓大多數企業望而卻步——物流的產業優勢是規?;?,但也帶來了規?;某杀緣毫?。一個城市的上百個物流站點都應用上一臺無人車,就意味著近億元的成本投入。
其實不難預測,2020年中物流AI很可能出現以下兩種趨勢。首先是硬件成本在不斷競爭和研發中得到下降。尤其像倉儲機器人、無人快遞車這類產品,目前還屬于剛剛被資本和大企業開始挖掘的階段。
接下來一段時間內,為了讓產業鏈盡快運轉起來,這些產品很可能會在競爭或補貼政策下呈現價格下降的趨勢。能應用上硬件產品的物流企業也會越來越多。
在攻克硬件成本的同時,一些更易部署的軟件解決方案也將與物流產業更好的結合。像是通過人臉識別來解鎖快遞代收柜,或是利用OCR技術識別單據。在AI企業正專注于將自己的技術植入到更多應用功能場景時,這些不需企業付出太多成本,又能從細節之處提升用戶體驗的AI技術,很可能是雙方產生聯系的第一個契機。
尤其當各行各業都面臨著勞動力緊張的時候,物流領域的AI技術可以經過切割得以復用,像是外賣配送、港口調度等等場景,同樣也能享受物流領域的技術成果。因此不論是物流企業本身,還是技術服務企業,對于這一場景的投入一定會不斷加碼,甚至有一天我們看到一些原本的物流企業突然轉身成為物流企業的技術服務供應商也無需意外。
總之在AI與物理世界結合的過程中,物流一定會成為其中一個最具可讀性的章節,只是需要讀者耐心等待
作者:腦極體,微信公眾號:腦極體
本文由 @腦極體 原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自Unsplash, 基于CC0協議
信仰隨身而行
更多也是在調度層更加智能,短期內要實現物流端的智能化,太難了,成本居高不下,場景復雜!