顺丰CTO：物流公司放弃计算就是放弃自己未来(2)

　　AI的四大核心要素与五大转型战略

　　看一下AI的四大核心要素：数据、场景、技术和算法。第一，核心要素是一定要有数据。第二，一定要有场景，如果没有业务场景的话，就会有问题。第三是要有技术，包括硬件、软件等，未来可能是根据算法模型来设计硬件，而不是只有唯一的硬件可选。因为每类模型处理的问题和数据类型都不一样，没有一个单一的硬件系统可以处理这么多的复杂问题和不同类型数据。第四，算法需要不断地研究和突破。

　　我们跟海内外知名院校和优秀的科技企业进行合作，顺丰科技需要联合和聚集全球最优秀的人才、最优秀的公司来一起研究和解决最具挑战性的问题，踏踏实实地帮助中国物流业提升到一个新的水平。

　　AI转型的五大战略，包括成功案例、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。首先要有成功案例。不能说一开始就不现实地选择做一个很大的项目，万事起步难。此外，还要有数据，无缝接入到整个工作业务流程中实现整个端到端的数据生态化。另外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。

　　顺丰为什么会实施多元化战略，因为我们的远景是以综合物流服务能力为基础，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。

　　顺丰拥有的数据是非常丰富的，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。

　　AI在顺丰落地的六大业务场景

　　AI在顺丰的落地场景包括智慧物流、智慧服务、智慧决策、智慧管理、智慧地图、智慧包装等。

　　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，这是我们强大的躯体，这样的躯体需要非常高的协调能力和智慧能力。未来几年，我们会把人工智能等技术推广和运用到每一个领域。我曾经反反复复与我们科研人员讲要去一线基层体验，去观察那些高频率、重复性工作，想办法利用技术手段去把他们替代掉，把人释放出来去做创造更高价值的的工作。

　　顺丰有这么多员工，其实每天重复处理的事情都是非常类似的，可以用机器学习的方法训练出一个优秀的智慧大脑来提供辅助决策，最终由一个越来越聪明的智慧大脑来统一指挥和管理，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。

　　服务最难的就是持续的一致性和稳定性。现在客户感知最痛苦的就是物流服务水平和时效的不稳定，一会儿快，一会儿慢，有时态度好，有时态度恶劣。未来智慧物流就能够更有效地保障服务的一致性和稳定性。

　　物流业务量预测，现在物流的业务高峰是被各类电商的促销活动和人造节人为拉高的，对社会资源的浪费是非常巨大的。为了规划和调度资源，我们需要对业务量进行不同维度的预测，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等。我们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预测并且研究和筛选相关性因素，例如天气、时令节气、产业结构、政府政策、GDP等 。

　　AI在物流落地的实例

　　AI落地实例方面，路径规划是一个例子。传统的路径规划算法和工具已经很难解决今天更加复杂和动态变化的物流问题，需要引入新的思维方法、新的算法模型、新的技术手段。另外今天主流的地图服务都被互联网大公司控制为其生态圈业务服务，变得不再纯粹和中立，变成越来越消费级而不是工程级。物流需要的地图服务需要更高的精度、稳定性和实时性等，所以我们投了很多精力去研究智慧物流地图。结合GIS能力和强化学习等技术，我们探索和研究更加适合的路径规划工具和方法帮助优化时效和优化成本。

　　AI落地的另一个例子是数字化智能场院管理。物流公司有很多场地、设施和操作人员，一般都是通过人的肉眼观察来进行操作和指挥调度，我们研究利用机器学习等技术来自动识别场院内外的人、物、设备、车的状态和学习优秀的管理和操作人员的指挥调度经验和决策等，逐步实现辅助决策和自动决策。

　　AI落地还有一个就是手写运单识别的例子。大家可能不太明白，中文汉字很难实现机器自动识别，英文和数字还比较容易识别。我们利用计算机图像识别、地址库、合卷积神经网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，大幅度地减少人工输单的工作量和差错。

　　还有其他许多案例就不一一举例了，AI在物流领域的应用空间是非常广大的，我们会不断地去探索、研究和创建顺丰智慧物流大脑。

　　（作者：吴宁川）