细说顺丰智慧物流黑科技：IoT机器人、人工智能、智慧地图

同时，人工智能通过优化、视觉、自然语言处理技术，实现在物流多业务场景（件量预测、网络设计、接驳规划、装载率测定、运单识别、装卸检测等）的落地应用。最后，顺丰智慧物流地图打造面向AI的未来地图。

（演讲嘉宾：顺丰科技数据总监 余何）

（本文根据5月15日由物流沙龙举办的“2018智慧物流高峰论坛”现场录音整理）

未来三到五年之后中国的城镇化情况是什么样的？未来全球的经济发展的情况是什么样的？现在由于整个地缘政治、贸易情况，国与国之间、经济体与经济体之间的物流量并没有完全地释放出来。未来的十年、二十年，我们可以看到一旦整个地缘政治、贸易结构、贸易一体化建立起来以后，对于中国的物流需求量是非常大。

我个人认为，在未来的三年里面中国会有超级的大城市群逐渐建设起来，我们会发现城市的边界会慢慢扩大，城市和城市之间的结合，城市和城市之间的区域兼并和融合几率会越来越大。

三年之内整个大的超级城市群建立起来之后，在全世界的经济结构情况下，各个地方的特产，各个地方的特色经济会更加明显，所以我们根据现在的立足点来看，整个物流需求是非常大的，不仅仅是五个亿、十个亿的包裹量。

这个阶段我们在做什么？顺丰一直强调数据，我们把整个数据作为核心的立足点，我们认为数据是未来能够提升物流供应链的成本，这个数据一定要互联互通，这个数据一定要在跨公司、跨集团的方式打通，这样我们的技术才能有用武之地。

同样，仓储、自动化、AGV、人工智能是很重要的。但是如果往上看，在中转场的效率要提升的话，所有环节都要精细化，但是会发现大部分的时间分拣中心都是前置的，车大部分的时间都是闲置的，为什么有这样的问题？

我们可以做到很细，每个环节都通过算法优化。比如把整个班次、同城集散做好之后，可以改变整个仓储的共享。

另外，干线车的问题，运输的问题也能够得到有效的解决，其实可以发现，未来所有的供应链资源都是可以对全社会一起开放的。那个时候一天十个亿包裹真的不是什么太大的问题。

那么要做到一点，我们要做什么？今天我想分享下几个主题。IoT机器人以及无人机，这是整个IoT的网络，在这个网下接入的智能设备。人工智能，上次我已经做过比较深入的讲解，当时也分享了感知机器和神经网络的细节，我今天会重新回顾一下。最后，再谈一谈整个顺丰自建的智慧物流地图。

IoT机器人

2009年之前我们在整个科技上的投入是非常大的，当时我们的车上都是装满GPS，我们的收发快递动作是有记录细节过程的，中转的过程我们投入了大量的自动化分解，2009年之前相对末端所有的高新科技都是引用进来的。

2009年之后，我们发现不是这样，这是全局性的问题，我们必须要有全局性的思维看待所有的收派、中转以及细节的问题，我们当时说必须要有这样的云计算的中心，未来可能是大数据，可能是人工智能，但是必须要有自己的网和自己的数据中心来架构到这样的体系，为未来打基础。

2009年至2015年我们一直朝着这条路走，我们筹备了很多的技术资源、物联网、分布式数据网络等等的布局，准备未来的数据接入。2016年之后，我们发现这个云计算的技术基础基本成熟了，我们已经是大量地朝着人工智能、大数据的方向做。

这两年的时间我们做了什么事情？先说下IoT，IoT对于顺丰来说是非常重要的，在我们末端的控制，整个IoT最开始是做识别，每个包裹唯一的标识就是刚才说的RFID，我们很快可以知道所有的包裹到底是属于哪个客户的，具体的信息是什么。

另外我们引入了一个地图的团队，做定位器，我们可以知道具体的位置，移动的位置，我们会做感知，就是把温湿度、数据以及整体的情况做传感器的传入。

另外，这个基础上我们建立了一张多级网络，可以从全国的各个位置把这个信息传递到数据中心。

所以当我们的基础建立好之后，我们可以应用到大量的场景中。比如说医疗环节，我们可以有专属自己的智能包裹，能够对全程的运输温控进行控制，甚至我们可以知道这个过程中包裹有没有被暴力分解过，抛包裹的速度我们可以在存储器里面记录下来，这个过程是完全可控的。

在我们的整个机器人的环节上我们有个团队，是从国外招了很多的科学家来对整个现场的操作类和移动类的机器人做控制，我们希望这些机器人能够应用到整个分拣、运输所有的环节中，刚才说的AGV我们也有大量的应用。叉车，现在基本上都是通过自动化的方式做的，现在实现全流程的控制。

无人机方面，大家可以看到今年3月27号在江西获得国内首张无人机航空运营（试点）许可证，这意味着无人机正式地运用到商业过程中。也已经在全国拿到了208项的个人专利。

在一些城市没有很好的交通状态下，没有办法通过车的方式来进行运转，这个时候我们发现无人机装载可以满足大量的需求。而现在我们研究了一款固定翼的无人机的产品在运输，后面会公布出来。

人工智能

我们在2016年的时候从美国硅谷招了大量的科学家到我们公司，主要的方向就是几个技术方向，刚才说的云计算和大数据的平台搭好之后，之后就是算法，算法是非常重要的，但是如果不跟场景结合的话，所有的算法其实都是没有具体应用场景的。

那我们整个的方向：第一，自然语音识别的方向；第二，计算机是视觉方向，第三，决策更新的方向。在语音这一块，我们现在是大量地通过智能客服来处理客服的事件，另外我们可以发现以前所有的面单都是手写体，之前有大量的输单员在后面做地址的校正，每天大概有一千万票，大量的输单员在后备中心支持我们。上了这个系统之后，确实能够解决很多重复性的工作。用了上了手写的图片识别技术加上人工智能的原始历史库的数据信息结合的时候，会发现原来我们其实不需要这些重复性低价的工作，他们可以投入到更多有意思的工作。所以我们当时做OCR，每年把一千万票的图片识别完全变成了自动化。

这有什么好处？以前我们用人工做的事情，要获得准确的地址基本上要延迟两个小时，从拿到包裹之后知道要送到什么地方，可能会有两个小时的延迟，这两个小时对于整个供应链物流来说是非常重要的，为什么？因为后面的路径规划就在这两个小时，把时间前置。

在人工智能的决策上要结合我们的场景做分拣场网点的选址，通过人工智能的模拟器跑完以后会发现，它给我们的答案和之前设计的网址网点内容完全不一样，它会告诉我们，原来其实你不需要按照原来的方式来分配单区域、分配分拣中心，完全可以以移动式地形式做网点的分拣，完全可以把这个大的网点分拣场全部固化，只需要移动化的方式、车的方式来运转。

当然我们前面说到的是要把这些包裹打破原来传统的方式看，上午看，下午收，大量的车往分拣中心走，以人工智能来看，路径规划不用以原来的方式走，只要有一辆车一直在路上跑，按照规定的路线跟收派员对接，同时把包裹放在分拣中心做，可以起到平衡的效果，这就是路径规划这两年里面摸索的。

这里面最大的阻力不是科技，或者说我们需要多大的数据，最大的阻力是要对传统的设施进行改造，要对原来的中转场、车都要更换掉，原来一辆车进出是三个口，现在一个做完以后，原来的中转场的硬件物理设施都需要全部更改了。

这是上次我们说的几个大的方面，决策方面的、视觉方面的以及语音方面对我们的帮助，对于整个物流的成本下降是非常大的。刚才说到所有的高科技并不只是节约人力的成本，像刚刚开始说的，为未来五年、十年做准备，未来的十年的包裹量以现在的方式是无法承受的，在没有数据化、信息化、智能化的方面都要做改造，还要以全新的思维看待所有的问题。

智慧物流地图

再看下整个顺丰的地图，顺丰的地图在两年前自己组建的顺丰团队，这个地图团队主要的定位目标就是基于物流的地图，当时是在四维的基础上重新绘制自己的地图，它跟一般的地图有什么区别？

第一，我们的标准地址库，有18级的标准地址库，这跟原来传统七级的区别是什么？我们把传统的地址库数据拿出来看以后，会发现中国的地址和美国西方国家的地址完全不一样，命名、分类是千差万别的，所以我们当时重新把地址拿出来看，我们觉得这样不行，要重新做，不能用省、市、乡、街、路来命名，这不能解决问题。所以我们当时进行了比较大的改造，根据位置、根据定位的坐标来命名地址。

我们后面没有强关联说这个地址在哪个位置上，我们只有一个唯一的点，就是坐标。我们的坐标上是可以把所有跟它关联的，在这个地方完成任务的内容关联上去，作为我们的地址口径，所以我们后面根本不关注命名，也不关注变化，只需要位置。这样的做法可以吸引到中国的场景，在什么地方，这样定义完以后不仅可以告诉你在哪层楼、哪栋楼、哪一户、在哪一门，甚至可以精确在哪个小区哪个后门的哪一侧，这是个比较极致的定位需求，现在看不到，但是我发现实际的生活中有很多这样的需求。

高精定位，这是依赖于全国80万的快递小哥的移动数据，可以实时地绘制地图上不存在的数据，小哥的小车之类的数据。刚才说到的车有很多跟物流相关的数据，比如说高度、层高、承重，可以帮助我们做些跟传统地图不一样的事情。

未来依托于顺丰的自有地图，数据是最重要的，地图也是最重要的，本身我们是在做个生态，刚才也有人说，我们其实不需要什么都做，只要我们什么都有就好。是的，现在有很多合作伙伴、供应商，我们其实只有一个需求，对于我们已经成为规模化只有一个需求，就是在软件层面上一定要能够可控。生态，我们是希望多方供应商的方式介入，未来是希望是规模效益的。规模大了以后，需要通过大数据、通过算法、通过柔性不断的改变规则，这一块是我们需要掌握在自己手上的核心。

其它的整个生态软硬件的介入其实是需要跟大量的合作伙伴一起来做供应链物流的生态大环境的，那么未来我们也想不仅仅是顺丰的物流，我们更希望把资源向全社会开放出去，在我们能够通过软硬件定义的物流供应链下集成大量的供应商的大生态里，把所有的资源以低价、低廉的方式向全社会开放，那个时候才能满足未来十年世界经济一体化的需求。

此文系作者个人观点，不代表罗戈网立场

-END-