一(One)、現在(Exist)的(Of)物流世界

        現在(Exist)的(Of)物流技術與過程，我(I)們可以(By)從幾個(Indivual)維度去看一(One)看。

        1．工廠物流（或制造業物流）

        工廠的(Of)訂單履行基本是從采購和(And)生(Born)産計劃開始，到(Arrive)成品入庫和(And)發貨爲(For)止。在(Exist)接到(Arrive)訂單後，需要(Want)設計好産品，然後按需采購原料，原料入庫儲存，按設計生(Born)産（原料供貨到(Arrive)車間），産成品入庫儲存，最後把成品交給用(Use)戶。大(Big)緻過程如此。

        按單生(Born)産和(And)預測生(Born)産會有一(One)些不(No)同。但過程大(Big)同小異。大(Big)緻如下：

        ✓ 市場分工是比較明确的(Of)。誰生(Born)産什麽，需要(Want)怎樣的(Of)廠房和(And)設備，并不(No)是一(One)件随意的(Of)事。

        ✓ 其次，産品設計以(By)計算機輔助設計爲(For)主，對人(People)的(Of)技能要(Want)求比較多。對設計人(People)員的(Of)專業水平要(Want)求比較多。産品需要(Want)不(No)斷叠代升級，産品問題會層出(Out)不(No)窮。

        ✓ 采購與需求之間往往有較大(Big)差異，采購渠道相對比較固定，沒有太多的(Of)時(Hour)間去進行全面客觀的(Of)比較。

        ✓ 原料的(Of)到(Arrive)貨運輸方式多樣化，人(People)工裝卸爲(For)主，自動裝卸已經在(Exist)個(Indivual)别行業推廣，機械手碼垛開始應用(Use)，立體庫儲存已經成爲(For)首選。

        ✓ 生(Born)産配料以(By)人(People)工爲(For)主，輔之以(By)計算機系統管理，以(By)及輸送機、AGV等系統完成自動配送。

        ✓ 生(Born)産過程以(By)機器生(Born)産爲(For)主，人(People)工介入爲(For)輔，但也有例外的(Of)情況。

        ✓ 成品下線後的(Of)入庫，逐漸以(By)自動化爲(For)主，如機械手碼垛，立體庫自動儲存等，但很多（70%以(By)上）還是以(By)人(People)工作(Do)業爲(For)主。

        ✓ 計算機管理庫存。可能有缺料的(Of)預警系統。

        ✓ 可以(By)支持個(Indivual)性化的(Of)需求，但并非主流。

        ✓  随着産品的(Of)不(No)同，生(Born)産周期從數周到(Arrive)數月不(No)等。

        2．商貿流通領域的(Of)物流

        ✓ 運輸方式多樣化，水運、汽運、火車、飛機是主要(Want)工具。單元化物流開始應用(Use)。GPS大(Big)量應用(Use)。訂單的(Of)在(Exist)線跟蹤已基本實現。

        ✓ 裝卸貨以(By)人(People)工爲(For)主，自動化輔助裝卸開始應用(Use)（伸縮皮帶機，碼垛機器人(People)）。

        ✓ 儲存多樣化，自動化立體庫等多種自動化儲存方式大(Big)量應用(Use)。

        ✓ 訂單的(Of)拆零率越來(Come)越高。即使是2B的(Of)訂單也是如此。平台化的(Of)銷售模式成爲(For)主流。

        ✓ 自動化揀選、自動包裝技術開始應用(Use)。

        ✓ 計算機管理庫存。支持多倉庫運行，支持倉庫之間的(Of)臨時(Hour)調撥。

        ✓ 運輸管理系統逐漸成爲(For)普遍現象，在(Exist)線跟蹤已經實現。

        ✓ 小的(Of)運輸公司逐漸淘汰，空載率逐漸降低，但依然難以(By)達到(Arrive)要(Want)求，單元化技術應用(Use)逐漸展開。

        ✓ 超載現象依然嚴重，事故難以(By)杜絕。

        ✓ 自動駕駛還沒有提上議程。

        3．電子商務物流

        ✓ 電商行爲(For)已變得非常普及，人(People)們的(Of)購物習慣發生(Born)根本性改變。

        ✓ 電商物流變得很發達，自動化物流技術得以(By)全面應用(Use)。

        ✓ 倉庫内的(Of)訂單的(Of)履行速度加快，訂單被實時(Hour)的(Of)分配到(Arrive)離目标最近的(Of)物流中心。

        ✓ 倉儲自動化技術全面應用(Use)，大(Big)型和(And)超大(Big)型物流中心逐漸增多。

        ✓ 訂單越來(Come)越多，每天全國(Country)有多達2億個(Indivual)快遞包裹。分揀中心越來(Come)越多。自動分揀技術普遍采用(Use)。

        ✓ 訂單越來(Come)越小。

        ✓ 最後一(One)公裏已經有一(One)些解決辦法，包括快遞櫃的(Of)普及應用(Use)，但仍然以(By)人(People)工配送爲(For)主。

        ✓ 計算機應用(Use)非常普及，功能越來(Come)越強大(Big)。各種新技術全面應用(Use)。

        ✓ 面向個(Indivual)人(People)的(Of)精準銷售模式已經在(Exist)逐漸實現。

        4.  突變的(Of)前夜

        越來(Come)越多的(Of)迹象表明，計算機對物流技術的(Of)影響已接近臨界。自動化技術已經達到(Arrive)非常高的(Of)水平，很多新概念已經提出(Out)，并且各種問題的(Of)提出(Out)和(And)解決越來(Come)越快，這(This)将對物流技術産生(Born)根本的(Of)影響。

        而影響最大(Big)的(Of)是AI的(Of)進化。人(People)工智能已經開始走進人(People)們的(Of)生(Born)活。這(This)就是以(By)智能手機、自動駕駛、自動翻譯、智能家居、智能機器人(People)、大(Big)數據，雲計算等構成的(Of)一(One)個(Indivual)巨大(Big)的(Of)AI場景。

        對物流系統來(Come)說，用(Use)戶的(Of)體驗很重要(Want)，更快捷，更方便，更安全是用(Use)戶的(Of)需求，個(Indivual)性化變得越來(Come)越普遍。而企業追求的(Of)是更高的(Of)效率和(And)更低的(Of)成本。所有這(This)一(One)切，都會在(Exist)AI的(Of)應用(Use)中找到(Arrive)答案。

        種種迹象表明，人(People)類已經進化到(Arrive)AI的(Of)前夜。

        二、AI的(Of)威力有多大(Big)？

        要(Want)闡述AI的(Of)巨大(Big)作(Do)用(Use)，可以(By)看看其在(Exist)棋類運動的(Of)作(Do)用(Use)。因爲(For)這(This)是最直觀和(And)最成熟的(Of)應用(Use)案例。

        1． 還記得圍棋ALPHA GO嗎

        2016年3月，在(Exist)韓國(Country)進行一(One)場别開生(Born)面的(Of)比賽，由計算機ALPHA GO1.0對陣韓國(Country)棋手李世石九段。最終計算機以(By)4：1獲勝。

        在(Exist)此之前，沒有人(People)認爲(For)，計算機一(One)定會取得勝利。但在(Exist)此次比賽之後，人(People)們改變了看法。特别是2017年，中國(Country)天才棋手柯潔以(By)0：3完敗給ALPHA GO2.0後，再也沒有人(People)懷疑計算機的(Of)能力。事實上，人(People)類再也沒有人(People)赢過ALPHA GO了。

        在(Exist)柯潔比賽後，全世界的(Of)圍棋頂尖高手集體與ALPHA GO下了60盤棋，結果是0：60敗北。與李世石的(Of)比賽不(No)同的(Of)是，這(This)60盤棋無一(One)例外是在(Exist)短短的(Of)幾十步以(By)後就已經明顯不(No)行了。人(People)類棋手在(Exist)ALPHA GO面前，幾乎是不(No)堪一(One)擊。其差距大(Big)緻在(Exist)讓2~3子之間。這(This)是一(One)位九段頂尖棋手與業餘高手之間的(Of)差距。

        很多人(People)不(No)理解爲(For)什麽會發生(Born)這(This)一(One)結果。因爲(For)圍棋界的(Of)頂尖高手們，他(He)們下棋的(Of)漏洞已經很少了，怎麽會在(Exist)短短的(Of)幾十步就顯出(Out)敗象，并且毫無還手之力呢？難道計算機就沒有任何漏洞嗎？

        其實明白計算機原理的(Of)人(People)都知道，一(One)旦計算機的(Of)能力超過人(People)類，就永遠無法追趕。盡管計算機不(No)是每一(One)步棋都完美無缺，但它的(Of)計算是以(By)“勝率”作(Do)爲(For)基礎的(Of)。當人(People)類下出(Out)一(One)步棋以(By)後，計算機會計算一(One)遍勝率，同時(Hour)它會在(Exist)勝率比較高的(Of)下一(One)步中，選擇落子。不(No)可否認，人(People)類也會下出(Out)完美無缺的(Of)棋，但很難在(Exist)一(One)盤棋中保持幾百手都不(No)犯錯誤。尤其在(Exist)紛繁複雜的(Of)局面面前，人(People)類的(Of)計算力和(And)判斷力是完全無法與計算機相提并論的(Of)。一(One)步小小的(Of)錯誤，就足以(By)斷送一(One)盤棋。正所謂“一(One)着不(No)慎，滿盤皆輸”。

        2． 現在(Exist)的(Of)ALPHA GO有什麽表現

        輸了棋的(Of)人(People)類，終于(At)改變主意，拜計算機爲(For)師。現在(Exist)計算機系統已經成爲(For)各專業棋手的(Of)唯一(One)老師。幾千年來(Come)的(Of)圍棋理論，被計算機重新定義，并且毫無争議。

        可以(By)說，人(People)類幾千年的(Of)積累，比不(No)上計算機幾年的(Of)積累。這(This)是計算機的(Of)可怕和(And)厲害之處。

        人(People)們好奇，如果兩台計算機對弈，結果會如何呢？事實上，在(Exist)ALPHA GO研制的(Of)過程中，計算機完成了幾千萬次對弈，其中主要(Want)是與自己對弈。以(By)驗證非常複雜的(Of)算法。如果分析計算機的(Of)棋譜，我(I)們可以(By)發現，其與人(People)類的(Of)圍棋理論既有相似之處，也有大(Big)相徑庭的(Of)地方。人(People)類的(Of)思維方式因計算機而大(Big)爲(For)改變。

        有意思的(Of)是，計算機自己對弈也會分出(Out)輸赢，有時(Hour)是先手輸，有時(Hour)是後手輸，并且每一(One)盤的(Of)棋譜也不(No)一(One)樣。這(This)就說明，計算機下的(Of)棋也并非“最優”。還有一(One)點就是，雙方的(Of)“勝率”非常接近，且交替改變，并不(No)會出(Out)現一(One)邊倒或脆敗的(Of)局面。

        ALPHA GO 是人(People)類第一(One)次推出(Out)具有“智能”的(Of)計算機系統，其實，這(This)種“智能”也僅僅是一(One)種優化算法而已，與真正的(Of)人(People)類智能還是相去甚遠。爲(For)什麽這(This)樣說呢？這(This)是因爲(For)所謂的(Of)“智能”或“智慧”，從其定義來(Come)說，要(Want)具備“感知、分析、決策”的(Of)能力，一(One)般來(Come)說，人(People)們将“感覺、記憶、回憶、思維、語言、決策、行爲(For)”的(Of)整個(Indivual)過程稱爲(For)智能過程。計算機到(Arrive)目前爲(For)止，其感覺是片面的(Of)，其思維和(And)行爲(For)是受程序代碼控制的(Of)，而非完全自主的(Of)。

        優化目标很重要(Want)。做過優化設計的(Of)人(People)都會知道，所謂的(Of)最優解往往并不(No)存在(Exist)或很難求解，所以(By)，計算機的(Of)每一(One)次運算，如果都要(Want)求求解最優解，可能一(One)方面要(Want)耗費很長時(Hour)間，另一(One)方面，很可能無解，會造成無限等待。因此，我(I)們有理由認爲(For)ALPHA GO在(Exist)計算時(Hour)，并不(No)一(One)定要(Want)求解最優解，而是隻要(Want)找到(Arrive)一(One)個(Indivual)“較優”的(Of)解即可。而這(This)個(Indivual)“較優”的(Of)解，隻要(Want)符合幾個(Indivual)條件即可：其一(One)是盡可能提升“勝率”，第二是盡可能保持“勝率”大(Big)于(At)50%，這(This)樣即可以(By)立于(At)不(No)敗之地，第三是盡量簡化過程，把變數降低到(Arrive)最少，第四是如果無法達到(Arrive)前面兩點，也不(No)要(Want)超時(Hour)。據說李世石赢了ALPHA GO的(Of)那盤棋，在(Exist)李世石下出(Out)“神之一(One)手”時(Hour)，ALPHA GO也做了“長考”，其實，它已經找不(No)到(Arrive)滿足以(By)上前面兩個(Indivual)條件的(Of)解了，隻是在(Exist)即将超時(Hour)時(Hour)，胡亂下了一(One)手而已。還有一(One)點，就是我(I)們經常看到(Arrive)，計算機“遇強愈強”，而在(Exist)局面領先後，并不(No)急于(At)趕盡殺絕。因爲(For)對它而言，找到(Arrive)了一(One)個(Indivual)“次優”的(Of)解即可。顯然，對于(At)人(People)類而言，不(No)要(Want)死記硬背計算機的(Of)招數和(And)招法，尤其是在(Exist)計算機局面領先時(Hour)，因爲(For)這(This)時(Hour)計算機也往往會下出(Out)一(One)些緩手。有些人(People)對此過度解讀，認爲(For)計算機有智能，會手下留情，其實是自作(Do)多情而已。

        三、AI應用(Use)到(Arrive)物流

        1．AI應用(Use)到(Arrive)物流的(Of)場景和(And)作(Do)用(Use)

        對物流系統來(Come)說，AI不(No)僅僅是自動化，而是智能化的(Of)全面應用(Use)。

        ✓ 對物流規劃的(Of)指導

        AI對物流的(Of)改變的(Of)第一(One)步将是在(Exist)設計層面。AI将提供基于(At)多目标優化的(Of)多種方案的(Of)設計及比較，提供系統仿真和(And)數字孿生(Born)（虛拟現實）技術，這(This)已經是目前人(People)類所無法達到(Arrive)的(Of)高度。人(People)類的(Of)作(Do)用(Use)，是提供各種需求、限制和(And)條件。

        ✓  對采購的(Of)管理

        在(Exist)采購層面，AI可以(By)考慮的(Of)參數要(Want)比人(People)類多得多，不(No)僅僅是現有庫存的(Of)多少，它會提供諸如材料産地的(Of)情況，供貨周期測算，采購時(Hour)機建議，價格比較，運輸方式，儲存方式等一(One)些列優化結果。在(Exist)AI的(Of)管理下，未來(Come)實現“零庫存”應不(No)是奢望。

        ✓ 對庫存的(Of)管理

        基于(At)AI的(Of)庫存管理，要(Want)比我(I)們現有的(Of)所有技術都會更加優化。自動化和(And)無人(People)化将是常态，且占比将大(Big)幅度提升。包括基于(At)無人(People)化的(Of)裝卸貨作(Do)業、庫位建議、自動揀選、自動分揀、自動包裝等。可以(By)設想，未來(Come)的(Of)收貨将直接爲(For)發貨服務，揀選會變得相對簡單。可以(By)完全實現FIFO先進先出(Out)或定制化作(Do)業。“安全庫存”的(Of)概念将仍然适用(Use)，但内涵會有很大(Big)變化。死庫存問題将得到(Arrive)徹底解決。人(People)們更多的(Of)精力不(No)是在(Exist)操作(Do)，而是在(Exist)管理和(And)維護。由于(At)采用(Use)AI進行倉庫設計，倉庫的(Of)形态将會發生(Born)根本改變。包括倉庫的(Of)高度，月台等傳統設計理念将會發生(Born)大(Big)的(Of)改變。

        ✓ 對訂單的(Of)執行

        AI在(Exist)訂單履行過程中的(Of)作(Do)用(Use)，包括多倉系統的(Of)訂單調度，多倉之間的(Of)調撥，訂單的(Of)分配，訂單執行時(Hour)間管理，訂單執行過程跟蹤，與運輸系統間的(Of)互動（如車輛調度），與倉庫之間的(Of)互動（如站台管理）等。一(One)方面，如何根據優化目标（多目标優化，時(Hour)間，費用(Use)，滿足度等，對不(No)同訂單，優化目标并不(No)一(One)緻）确定訂單履行的(Of)路線；另一(One)方面，訂單履行過程中的(Of)監控和(And)可視化。這(This)是訂單履行過程的(Of)重點内容。

        ✓ 運輸過程的(Of)管理

        車輛資源共享高效匹配，單元化物流全面實施。物流專線有望建成，自動駕駛将成爲(For)現實，GPS全程覆蓋，全程冷鏈得以(By)實現，超載和(And)違章将徹底杜絕。貨物安全大(Big)大(Big)改善。

        ✓ AI與自動化

        對物流來(Come)說，AI需要(Want)自動化，但AI不(No)是自動化。很多人(People)對此有誤解，常常把自動化等同于(At)智能化和(And)AI，甚至把某一(One)項技術應用(Use)理解爲(For)AI，如AGV，無人(People)機等，這(This)是錯誤的(Of)。其實，自動化隻是AI的(Of)一(One)部分，甚至隻是很小的(Of)部分，是屬于(At)執行層面和(And)作(Do)業層面的(Of)工作(Do)，有時(Hour)它甚至并非是必需的(Of)。AI更大(Big)的(Of)功能在(Exist)于(At)決策，在(Exist)于(At)優化系統。就像我(I)們下棋，關鍵的(Of)是如何決策走下一(One)步，而非怎麽移動棋子。

        2．AI應用(Use)到(Arrive)物流将是一(One)個(Indivual)必然的(Of)過程

        比起第一(One)次工業革命（以(By)蒸汽機爲(For)代表的(Of)工業制造）和(And)第二次工業革命（以(By)電氣爲(For)代表的(Of)工業制造），計算機技術（包括數據庫技術，網絡技術，通訊技術等）對人(People)類的(Of)改變将是前所未有的(Of)，颠覆性的(Of)。這(This)是到(Arrive)目前爲(For)止的(Of)結論。

        展望未來(Come)，計算機技術的(Of)不(No)斷升級，從互聯網到(Arrive)移動互聯網，再到(Arrive)物聯網，計算機技術的(Of)發展還沒有出(Out)現停歇或被取代的(Of)迹象，以(By)服務器、雲計算、智能手機和(And)各式機器人(People)爲(For)代表，人(People)工智能的(Of)技術路線和(And)巨大(Big)作(Do)用(Use)已經逐漸顯露出(Out)端倪，必将推動人(People)類的(Of)發展和(And)變革達到(Arrive)一(One)個(Indivual)新的(Of)高度。

        我(I)們有理由相信，當AI進入物流，物流效率将會極大(Big)的(Of)提升，而浪費将大(Big)大(Big)減少。對紛繁複雜的(Of)局面，AI将提供一(One)個(Indivual)恰到(Arrive)好處的(Of)解。AI應用(Use)到(Arrive)物流技術應是不(No)可避免和(And)水到(Arrive)渠成的(Of)事情，讓我(I)們拭目以(By)待。

        3．AI的(Of)應用(Use)會有一(One)個(Indivual)漸進的(Of)過程，會不(No)斷叠代和(And)進步，并且要(Want)持續很長時(Hour)間

        AI概念自上世紀50年代提出(Out)以(By)來(Come)，雖然在(Exist)理論上做了多方面的(Of)探索，但卻并未取得理論和(And)應用(Use)方面的(Of)實質性突破，甚至一(One)度走入死胡同。随着計算機技術的(Of)不(No)斷發展，計算速度越來(Come)越快，存儲技術、通訊技術、數據庫技術等出(Out)現了革命性的(Of)突破，直到(Arrive)智能手機的(Of)出(Out)現，特别是ALPH GO的(Of)出(Out)現，人(People)類才似乎找到(Arrive)了AI的(Of)應用(Use)突破點。從這(This)一(One)點看，任何技術都是遵循不(No)斷叠代發展這(This)樣一(One)條基本路線前進的(Of)。雖然AI似乎找到(Arrive)了一(One)個(Indivual)突破口，例如在(Exist)語言翻譯，汽車導航，路徑優化，棋類運動等方面得到(Arrive)了一(One)定應用(Use)，并取得了意想不(No)到(Arrive)的(Of)效果。但未來(Come)的(Of)AI如何發展，人(People)類還缺乏明确的(Of)思路。

        同樣，AI應用(Use)于(At)物流技術與管理，到(Arrive)目前爲(For)止，還停留在(Exist)初級水平，但AI的(Of)巨大(Big)作(Do)用(Use)已經初現端倪，并且毋庸置疑。我(I)們看到(Arrive)，現在(Exist)人(People)類無論出(Out)行還是支付，都已經離不(No)開智能手機，各種智能家居産品層出(Out)不(No)窮。終有一(One)天，世界将是AI主導的(Of)世界，物流也将是AI主導的(Of)物流。