物流，不仅是“物的流动”，更要讲“计算的科学”。物流公司只做今天，是没有未来的。
快递物流公司正在进入一个全新的阶段，但引领这次转型的，却并不是资本和模式的改变，而是技术。云计算、大数据、人工智能，过去那些曾经作为“黑科技”代表的名词，正在渗透进物流这个传统的行业，从智能无人机、物流机器人的配送，到客服机器人，再到仓储自动化、智能调度，我们熟悉的快递物流业，正在被“智能化”所颠覆。
在行业里，顺丰的快递小哥是最先在行业用起电子“巴枪”，快速扫入寄件信息的。现在，顺丰的拿到了无人机送货的合法“牌照”，搭建起从天到地的运输网络。在顺丰集团CTO、顺丰科技CEO田民看来，现在，物流是摆脱“物的流动”的狭隘概念，重回其最初“计算的科学”含义的时候了。在这个产业加速转型，走向精细化管理的时代，物流业的智能化升级，也不可避免。
“物流最核心的东西不是我们整个基础建设，或者我们的重型资产，而是计算。”在前段时间顺丰科技、杉数科技、钛媒体共同举办的“AI+智慧物流圆桌论坛”上，田民表示。同时，他也梳理了“智慧物流”的未来，以及人工智能是如何在顺丰实现商业化场景落地。
以下是田民演讲实录，经黑智编辑整理：
五年前，我回到国内，专心做物流。那么今天的物流，到底是不是“搬货”这么简单？今天在一开始，我想花一些时间给大家说一下物流的概念。
物流是关于计算的科学
“物流（Logistics）”这个词源出希腊文Logistikos,意为"计算的科学"。在19世纪30年代，拿破仑的政史官A.H若米尼在总结征俄失败的经验教训中最先使用了Logistics，它当时是一个军事术语。物流的概念和理论最早在美国形成，起源于20世纪30年代，原意为“实物分配”或“货物配送”。1963年被引入日本，日文翻译为“物的流通”。20世纪70年代后，日文“物流”一词逐渐取代了“物的流通”。中文的“物流”一词是从日文引进来的外来词。中文“物流”一词把物的流动呈现得很形象逼真，但是去失去了原本“计算的科学”的原意，所以我们今天一讲物流就认为是搬运货物。
而今天我们要讲的物流，就不仅是“物的流动”，更要讲“计算的科学”。因此顺丰科技跟钛媒体、杉数科技一起举办这场活动，就是要一起探索和研究物流领域计算的科学，只有通过计算的科学才能真正帮助物流提高运作效率、降低成本。
另外，只有正确地认识物流的起源，才能准确地分析物流的现状和问题，才能迈向智慧物流的未来。
现在，智慧物流概念兴起了。智慧物流是通过大数据、云计算、智能硬件等智慧化技术与手段，提高物流系统思维、感知、学习、分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平，从而推动物流的发展，降低物流成本、提高效率。而不是简简单单地做搬货的搬运工。一家优秀的物流公司一定是通过数据、计算来运行的，如果一家物流公司放弃了计算，就是放弃未来，放弃自己的生存权。
未来的智慧物流包括两大特点，第一是互联互通、数据驱动，第二是深度协同、高效执行。所谓互联互通、数据驱动，就是所有物流要素互联互通并且数字化，以“数据”驱动一切洞察、决策、行动；深度协同、高效执行就是跨集团、跨企业、跨组织之间深度协同，基于全局优化的智能算法，调度整个物流系统中各参与方高效分工协作。
智慧物流的未来一定是高度协调、深度协同的，不可能是单独一家公司的自我运作。今天的顺丰也更加开放，我们的丰巢平台就是高度开放，高度协同的平台，它能被快速接受，也是“互联互通、数据驱动，深度协同、高效执行”这个趋势的体现。
AI推动物流转型的四大核心要素、五大战略
人工智能和物流相结合，要推动物流行业转型，要有四大核心要素、五大战略。
AI的四大核心要素是数据、场景、技术和算法。首先要有数据，有了数据后，还需要有实际的业务场景。同时也要有技术，能够快速计算处理复杂数据的硬件、软件等，因为每个模型处理的问题都不一样，没有一个单一的硬件系统可以处理这么多复杂的问题，未来根据算法模型的特征和数据类型设计的特殊计算机硬件设备，就能解决这一问题。
算法是一个核心。我们要和很多高等院校、优秀的企业进行合作。顺丰科技也要集合全球最优秀的人才、最优秀的公司，踏踏实实地帮助中国物流业提升到一个新的水平。“一带一路”的实现，也要求物流业要有强大的实施能力和基础架构能力。
AI转型的五大战略，包括成功用例、数据生态、技术工具、无缝接入工作流程和开放的文化和组织。
成功用例是首要条件。其次，是要将数据无缝接入到业务流程中，之前我们讲，要有数据，而不仅如此，我们还要会用数据，首要是要实现端到端的完整数据生态化。
另外，我们还要有一个开放的文化，与各个领域的专家、学者和企业进行交流，不然就无法实现AI的转型和智慧物流。同时，有一个成功的评估预算指标也非常重要。
对于顺丰科技而言，我们都是抱着开放的心态去接近新技术。物流公司只做今天，是没有未来的。顺丰实施多元化战略是基于这样一个愿景 ，基于综合物流服务能力，为客户提供更多的其他服务，包括商业的服务能力、金融的服务能力、未来数据和技术的服务能力等，成为客户的伙伴，让顺丰成为一个真正的服务型的公司。顺丰的数据积累也是多元化的，不仅有物流运营类数据，包括运单数据、各个物流节点数据，还有物联网类数据、客户感知数据、商业类数据、金融类数据以及外部合作数据。我们也训练了智能客服机器人，在理解客户的语义的基础上，还可以感知其态度和情绪。
物流需要“智慧”的大脑
AI在顺丰的落地场景上，包括了智慧物流、智慧服务、智慧决策、智慧管理、智慧地图、智慧包装等。这是我们未来的梦想。
顺丰拥有几十架货运飞机、几万辆运输车辆、几千个物流设施、二十几万收派人员，这是顺丰强大的躯体，这样的躯体需要非常高的协调能力和智能，“脑子”也要好用。未来几年， 顺丰会把人工智能等技术推广和运用到物流的每一个领域，我曾反反复复去基层，看基点，员工重复性、高频率而缺少创造性的劳动，我们会致力于通过人工智能的技术和工具来解决，把人释放出来去做能够创造更高价值的工作。
有很多人每天处理的事情本质是非常接近的，只不过在时间和空间上存在差异而已，这些工作，我们就可以通过机器学习方法，思考问题的本质，训练出更加优秀的智慧大脑来提供辅助决策、统一指挥和管理，让每一个人的决策和执行都是最优的，给客户的服务也是最优的。这样能够减少人工之间决策的不确定性，提供决策的依据是一致的，才能保证为客户提供可持续的服务。
做物流最难、最痛苦的，就是怎么提供标准化、一致性的服务。因此，顺丰要让自己的运营体系、协同、调度，包括管理、决策都在同一个体系中，保持一致。
AI在顺丰落地的实例
我们要汇聚海量数据，做智慧分析决策。为什么我们期待合作？因为我们有大量数据，而我们渴望计算，作出更多的东西。再说预测，物流是需要被预测的。我们常年准备一些资料，预防需求被某天的某个活动拉高，但这对资源的浪费是巨大的。所以我们需要有一个预期，针对不同的区域、不同的层面，也包括每年对整体物流行业的发展和增长能力的预测。这对资源有效利用、客户感知都是非常利好的。所以我们不仅需要存储数据，还要进行探索和数据挖掘。
AI落地的实例之一是路径规划。
传统的路径规划已经算法和工具已经很难解决今天更加复杂和动态变化的路径规划问题，需要引入新的思维方法、新的算法模型、新的技术手段。我们也进行了探索和研究。比如，物流路径规划需要的地图和消费级的不同，我们结合了自己的GIS能力，以及强化学习的算法，探索出更加适合的路径规划工具，来增强时效、优化成本。
其次是场院管理。物流公司都有很多的操作场地和设备，一般都是通过人的肉眼观察来进行操作和指挥调度，我们希望能够通过机器学习训练来识别设备和人、车辆等，从而进行人员、车辆、包裹等的智能调度。
还有AI在手写运单识别上的应用。大家可能不太了解，实际上在运单上，英文和数字是相对好识别的，但中文识别起来难度非常大，更不要说还有运单缺损、破损的情况，地址很难确认。顺丰在过往沉淀了大量的地址库，而且这些地址还都是每个顺丰的快递小哥敲门拜访过的真实地址。我们结合卷积神经网络结合地址库、图像识别，把手写运单机器有效识别率和准确率提升到了一个很高的水平，减少人工输单的工作量和差错。我们也希望未来把这些能力和我们的合作伙伴共享，提高整个行业的效率。
还有就是预测。我们和亚马逊还不太一样，我们需要对业务量在不同维度进行预测，包括时间维度、产品维度等。我们提倡时效产品，包裹不仅要送到，对什么时候送到、怎么送到都要关注。中国消费者对物流的感知是非常敏锐的，但是我们能不能预测到这些需求，是巨大的挑战。顺丰和电商为主的快递公司还不太一样，顺丰是B2B平台，针对商业客户的需求和复杂度是完全不同的。我们的数据背后意味着什么？每个包裹、每个运单背后，都是连接，是供应链和商业关系。大到未来五年、十年的整体业务量变化预测，小到一个单元区域未来几天不同产品业务量的预测和时间分布，顺丰尝试用机器学习和时间序列分析等技术和手段去做各种类型的业务量预测，并且研究和分析相关性比较高的因素，例如，天气、时令节气、产业结构、政府政策、GDP等。
阅读新闻