畅想2.0 · AI重塑物流行业

从图灵测试开始到2024年辅助拿下诺贝尔奖，AI（人工智能）已经走过了快70个年头。它并不是新鲜事物，是技术发展下的新阶段，也是目前大概率引发第四次工业革命的底层技术之一，全部行业都可能被AI重塑，再造，再分配。畅想系列就是为了以个人的角度，从微观的一个个创新，解读这个极为宏大的时代历程。代入行业人的视角，预判AI会如何重塑整个物流行业。

技术始终是一种工具，是辅助而不是替代。更赞同陶哲轩描述的“AI是基于数学的猜测机”，它可以快速提供更多的选择策略，并加速事件的快速处理。而处理的原则与策略就是“经验”，所以它始终会是更高效的辅助工具。但是，可悲的是绝大多数人都是靠“经验”重复，而非迭代生存，所以过程中一定会有大量的现有岗位被替代甚至消灭。悲观论调来源自身，不是技术的错，不要让AI成为新型的背锅侠。

AI和人的区同

人是AI的范本，大数据是它的基础，互联网将经验、方法、策略等积累沉淀，提供“思考”路径，计算能力是极大的扩展了策略输出数量。与人类比，AI还缺少一个“执行”的躯体，而这个缺失的载体落到每个行业，就会推动行业的重塑，再造。就物流行业而言，自动化设备就是AI的实物载体。

从类比分类看，人跟AI的区同情况：

1、信息处理流程是相同：获取信息→思考策略→执行计划，流程一致。

只是人思考是用神经元之间的信息聚合处理，AI“思考”是用海量数据，积累学习的算法，计算能力，推导测算出多种策略，并根据收集理解的“需求”，输出对应的执行策略。AI的优势是：不会遗忘+主动学习，不幸的是，这也是是职场上最需要的素质；

2、信息获取与理解的渠道逐步丰富，触觉能力是突破点；

AI这次在自然语言理解、图像处理理解、语音识别能力上的提升，极大地扩展AI的信息获取渠道与资源。目前“触觉”的信息获取能力还比较偏弱，预计未来3年在传感器方面必须有突破，这是无人X必备的能力。在物流行业，机器视觉（图像处理）、设备互联（物联）、传感器，三个方面已经严重阻碍自动化技术与处理能力的提升。可依赖AI技术实现跨阶。 

3、算法是经验与数据的大整合，现在偏向基础和规模，未来会在垂直领域做“专业”。跟人一样从“义务教育”走向“高等教育”；

互联网发展、软件技术、自主学习、深度学习的算法都是在“拟人”的阶段，通用知识与需求处理，规模、触及面、丰富程度需求高，属于义“义务教育阶段”。AI的ROI要求，一定会让它在垂直领域做的更加专业，颠覆再造带来投资价值，这是“高等教育阶段”。

1.0互联网时代，“高等教育”是企业ERP、PPS，是淘宝、高德、小爱同学，算法的整合实现制造计划的线上化，购物的千人千面，高德+北斗的车道级导航系统。

在AI时代，“高等教育”一定会在垂直领域再造流程，解决当前解决不了的问题，深入专业中代替“最关键”“最贵”“最有价值”的那批人的岗位，以分拣专业为例，一家公司想要培养100个合格的分拣经理，至少经过5年以上专业培训，1000人的储备筛选。假如AI模拟整合100人的管理经验，可以实现多少替代价值？

4、执行单元，样式丰富多彩，不应拘泥于“人形”才叫AI；

在1.0互联网时代，手机、电脑、PDA、数控机床都是执行的硬件，每一个名称都是万亿级别的市场规模。在AI初兴的现在，无人车、无人机、人形机器人、无人狗。To C的热度掩盖了To B的巨大成就，这其中商业价值最先显现的应该是“华为行业军团”，其实火热的076战舰也是硬件之一。

AI的执行单元，既可以是单个的无人X，也可以是N种设备的联合体；想想一下假如仓库内所有存货、料箱、货架、叉车、拣货车、打包设备、分拣设备、输送设备全部实现互联，并根据智能体排产计划自主生产，将是如何的令人向往？因其“未定型”，后文中会统称“运动单元”，详细拆解中再描述不同的运动单元。

5、物联网将会扮演神经网络的功能，整合互联执行单元，执行AI策略。

从单个无人机到几万台无人机群表演，从跟随式无人狗到无人狗班组作战，物联网扮演的就是将一个个运动单元，贯彻执行AI的策略。既能“独立可控”又可“互联互通”，就能实现不断地精益迭代。

6、ROI是全面迭代的门槛，能否颠覆行业还是要看“智能体+物联网+运动单元”带来的经济效益，能否超越目前模式。

在很长一段时间内，都是目前模式的优化与新技术的引入，在物流的某些环节替代“高成本”环节或者部门，再逐步精益优化实现全新的重塑流程。

从目前收集到的信息看，各家AI都在基础领域跑马圈地，无暇顾及垂直领域。但是，资本从来都不会真正的好心免费，前期的高额投入一定要在其他地方，用更高昂的价格回收回来。基础领域圈的地，一定会被打下提取“石油”的井。需要考虑的如何利用它重塑？先走半步！

AI智能体+物联网+运动单元，是重塑的基础

假设AI在垂直领域进行重塑，它最重要的三板斧应该是什么？以人为范本，必然无法离开“五感、头脑、躯体”模式

1、AI智能体

实时更新的数据，操作执行的结果，不同条件下的策略情况等持续扩展“五感”。人的经验、工作计划、未来的设想跟未企及的梦想都是AI的养分，两者整合形成：具备持续迭代学习与“超级管理能力”的AI智能体。

2、运动单元

近10年的时间，局部的自动化替代了人工流程，并逐步形成了一套以AGV、自动化仓储、WCS、自动化矩阵、摆轮、窄带、交叉带，为核心的自动化设备系统，但是高昂的成本与笨拙的衔接回转始终无法二次突破，独立运动单元将会替代现在的设备并实现“一单一流向”独立处理能力。

3、物联网

物联网将AI智能体的运营计划下达到每一个运动单元，同时将成千上万个独立的运动单元，通过运营计划整合协调。根据不同订单体量、订单计划跟生产要求进行联动生产。

AI智能体不断吸收并精益生产计划，独立运动单独执行末端生产环节，物联网将计划拆分并将独立运动单元高效组合。三把斧不断地迭代带来行业的重塑。下一步需要思考的是，它会从哪些环节、角度进行切入？

回归本质，AI会如何应用第一性原理？

从自我革命的角度看待自己的行业，要退回到最初级、最原始，最无法解决的那个困难。这一定是最具备突破的价值点。

1、从宽泛的物流行业来看主要矛盾；

物流的本质：空间和时间的位移；物流的价值：持续降低社会物流成本；物流产品：对发货方是成本之一，需要“极致成本”，对收货方是消费体验，需要“极致体验”。

从价值投资角度看，物流行业堪称“最不值得投资的行业”。定位就是不断降低成本，既无法实现行业垄断获取垄断利润，也无法创新独特的高附加值产品。行业都走向了两个极端：极致成本的通达系、云仓、专线；极致体验的SF、仓配、跨越；所有优势都是阶段性的。

第一个问题：AI有没有可能同时实现“极致体验”和“极致成本”？

2、从物流链条环节看主要矛盾；

不管从哪个角度切入，行业的矛盾都体现在“空间”和“时间”。

从仓储环节看；

空间利用率与周转次数，是所有从业者的主要矛盾。

简单的说就是同一容积里面，装的更多，进出速度更快，每个储位的利用率越高越好。但是现在没有一家公司可以做到储位级的管理颗粒度，立体库、四面穿梭车，虽然理论上可以达成储位、料箱管理，但是高昂的安装维养成本加上人工挑选流程，导致效率低下且无法大面积的推广。

从配送环节看；

 中转次数，是一直无法攻克的主要矛盾。

第二个问题：AI能否优化中转次数接近极限的2次？

营业部+运输+分拣中心组成的配送网络，“中转次数”一直都是命门。在相同运力条件下，速度越快，直发要求越高，直发越多，货量不平衡影响下成本越高。这个网络一直在成本与时效中间平衡，平衡点就是“中转次数”。拆开三个子环节看：

 分拣环节；

从网络看，它是“多对少，少对多”的约束环节，分拣本应该是按照最末端数量进行分拣汇总，成本又要求它考虑最优运力周转成本，进行大量目的站汇总。除此之外，按照行业的大概成本，细分一个营业部的固定成本大概在10万元，一条跨省线路的成本在30万以上。路由汇总与成本限制就导致了大量的“多次中转”；

分拣存在的价值应该是：只做路由目的地分拣，不做路由的目的分拣合并。这就要求“每一包裹都能独立分拣”，它也是最小颗粒度的运输前置要求。

第三个问题：AI能否实现每个包裹的目的地独立分拣？

 运输环节：

从网络模式走向线性运输方式。

同一个包裹，揽收运输一次，分拣中转运输一次，到营业部再运输一次，这已经是最基础的三次运输，如果再加上分拣与分拣间多次分拨，运输次数就要成倍增加。少中转意味着少运输，中转次数的减少对运力的需求是指数级的减少。

运力最优的模式应该是高铁客运的方式：“ 高铁+地铁+集装”，按照最终目的站方式进行货物集装，不需要分拣中心的二次全装全卸，按照集装箱运输方式。在每个经停站点，-最快速度上下货物，交由接驳车辆地铁班车化方式接驳到最终目的分拣或者目的营业部。

假如实现货物集装化，干线经停方式，低空运输方式场景就可以出现了。在高速服务区将临近城市的集装箱卸下，低空无人机带来该车次带往下一个城市的集装箱，带临近城市的待拆分集装箱。

第四个问题：AI能否破解网络模式，并进入低空无人运输时代？

  末端派送环节：

如何成为“社会基础设置之一”，是主要矛盾。

末端环节的主要需求是订单密度，这部分跟AI的相关性并不是很强。AI时代对末端可以带来，路径优化、无人派送、预警体验等的提升，但是这些在订单密度面前都不是主要矛盾，所以个人判断影响有限。

末端派送的主要需求是订单密度，而实现订单密度与订单平衡的主要方式应该是把自己做成“社会基础设施之一”，类似现在的社区卫生服务中心。从规划角度进行此类升级。

汇总一下，极致的成本与极致的体验平衡可以建立新阶段的护城河，仓储储位利用率与配送网络的中转次数降低，会是最关键的两个节点。后面我们沿着AI的三板斧与可能下手的主要矛盾，进行详细拆解。

畅想2.0的预告

1、AI智能体的应用：小工具→大预警→全网运营策略；

通用人工智能已经被某些公司引入实际应用场景，生成了非常多的实用工具，尤其是数据发布与分析方面已经开始替代人工。下一步的全网预警模式已经逐步接入，由生产计划、产能能力、实时导航、数据包、实时运营结果等数据喂出来，网络预警能力。第三步就是集合管理团队的在不同场景与生产计划下的管理智慧，形成生产计划与运营策略，并开始主动控制自动化设备。

2、运动单元猜想，形态与应用场景；

自动化1.0时代已经进入死胡同，仓储业至今还没有完整的自动化模型。2.0的时代对于空间利用率要进行巨幅的提升，不能把所有的想象力都放在地面上运行。目前地面上的流水线、AGV、AMR、交叉带等等，都需要考虑空间利用，其次就是算力与算法的提升让生产计划从单环节、单波次、固定路由时间升级为以履约时间为最终目的的全动态生产计划。同时AGV时代受地面路径限制，算法算力不足影响的发展的，可能解锁全新的场景。另外AMHS天车系统，是最有可能引领2.0时代的“运动单元”；

3、物联网的一体化效应，仓储、分拣、运输、营业部四个章节；

将目前1.0每个环节的使用场景进行总结，并预测AI智能体与新的运动单元加上新的流程可能带来的全新使用场景与可能性。

站在从业者的角度，我看到了AI可能带来的颠覆性革命，也看到了正在崩塌消失的某些岗位。当垂直领域还未被真正介入重塑的时候，以己之力预判可能性，争取先走半步，以免让时代的一粒尘埃成为自己不可逾越的大山。