從圖靈測試開始到2024年輔助拿下諾貝爾獎，AI（人工智能）已經(jīng)走過了快70個年頭。它并不是新鮮事物，是技術發(fā)展下的新階段，也是目前大概率引發(fā)第四次工業(yè)革命的底層技術之一，全部行業(yè)都可能被AI重塑，再造，再分配。暢想系列就是為了以個人的角度，從微觀的一個個創(chuàng)新，解讀這個極為宏大的時代歷程。代入行業(yè)人的視角，預判AI會如何重塑整個物流行業(yè)。

技術始終是一種工具，是輔助而不是替代。更贊同陶哲軒描述的“AI是基于數(shù)學的猜測機”，它可以快速提供更多的選擇策略，并加速事件的快速處理。而處理的原則與策略就是“經(jīng)驗”，所以它始終會是更高效的輔助工具。但是，可悲的是絕大多數(shù)人都是靠“經(jīng)驗”重復，而非迭代生存，所以過程中一定會有大量的現(xiàn)有崗位被替代甚至消滅。悲觀論調(diào)來源自身，不是技術的錯，不要讓AI成為新型的背鍋俠。

AI和人的區(qū)同

人是AI的范本，大數(shù)據(jù)是它的基礎，互聯(lián)網(wǎng)將經(jīng)驗、方法、策略等積累沉淀，提供“思考”路徑，計算能力是極大的擴展了策略輸出數(shù)量。與人類比，AI還缺少一個“執(zhí)行”的軀體，而這個缺失的載體落到每個行業(yè)，就會推動行業(yè)的重塑，再造。就物流行業(yè)而言，自動化設備就是AI的實物載體。

從類比分類看，人跟AI的區(qū)同情況：

1、信息處理流程是相同：獲取信息→思考策略→執(zhí)行計劃，流程一致。

只是人思考是用神經(jīng)元之間的信息聚合處理，AI“思考”是用海量數(shù)據(jù)，積累學習的算法，計算能力，推導測算出多種策略，并根據(jù)收集理解的“需求”，輸出對應的執(zhí)行策略。AI的優(yōu)勢是：不會遺忘+主動學習，不幸的是，這也是是職場上最需要的素質(zhì)；

2、信息獲取與理解的渠道逐步豐富，觸覺能力是突破點；

AI這次在自然語言理解、圖像處理理解、語音識別能力上的提升，極大地擴展AI的信息獲取渠道與資源。目前“觸覺”的信息獲取能力還比較偏弱，預計未來3年在傳感器方面必須有突破，這是無人X必備的能力。在物流行業(yè)，機器視覺（圖像處理）、設備互聯(lián)（物聯(lián)）、傳感器，三個方面已經(jīng)嚴重阻礙自動化技術與處理能力的提升?？梢蕾嘇I技術實現(xiàn)跨階。 

3、算法是經(jīng)驗與數(shù)據(jù)的大整合，現(xiàn)在偏向基礎和規(guī)模，未來會在垂直領域做“專業(yè)”。跟人一樣從“義務教育”走向“高等教育”；

互聯(lián)網(wǎng)發(fā)展、軟件技術、自主學習、深度學習的算法都是在“擬人”的階段，通用知識與需求處理，規(guī)模、觸及面、豐富程度需求高，屬于義“義務教育階段”。AI的ROI要求，一定會讓它在垂直領域做的更加專業(yè)，顛覆再造帶來投資價值，這是“高等教育階段”。

1.0互聯(lián)網(wǎng)時代，“高等教育”是企業(yè)ERP、PPS，是淘寶、高德、小愛同學，算法的整合實現(xiàn)制造計劃的線上化，購物的千人千面，高德+北斗的車道級導航系統(tǒng)。

在AI時代，“高等教育”一定會在垂直領域再造流程，解決當前解決不了的問題，深入專業(yè)中代替“最關鍵”“最貴”“最有價值”的那批人的崗位，以分揀專業(yè)為例，一家公司想要培養(yǎng)100個合格的分揀經(jīng)理，至少經(jīng)過5年以上專業(yè)培訓，1000人的儲備篩選。假如AI模擬整合100人的管理經(jīng)驗，可以實現(xiàn)多少替代價值？

4、執(zhí)行單元，樣式豐富多彩，不應拘泥于“人形”才叫AI；

在1.0互聯(lián)網(wǎng)時代，手機、電腦、PDA、數(shù)控機床都是執(zhí)行的硬件，每一個名稱都是萬億級別的市場規(guī)模。在AI初興的現(xiàn)在，無人車、無人機、人形機器人、無人狗。To C的熱度掩蓋了To B的巨大成就，這其中商業(yè)價值最先顯現(xiàn)的應該是“華為行業(yè)軍團”，其實火熱的076戰(zhàn)艦也是硬件之一。

AI的執(zhí)行單元，既可以是單個的無人X，也可以是N種設備的聯(lián)合體；想想一下假如倉庫內(nèi)所有存貨、料箱、貨架、叉車、揀貨車、打包設備、分揀設備、輸送設備全部實現(xiàn)互聯(lián)，并根據(jù)智能體排產(chǎn)計劃自主生產(chǎn)，將是如何的令人向往？因其“未定型”，后文中會統(tǒng)稱“運動單元”，詳細拆解中再描述不同的運動單元。

5、物聯(lián)網(wǎng)將會扮演神經(jīng)網(wǎng)絡的功能，整合互聯(lián)執(zhí)行單元，執(zhí)行AI策略。

從單個無人機到幾萬臺無人機群表演，從跟隨式無人狗到無人狗班組作戰(zhàn)，物聯(lián)網(wǎng)扮演的就是將一個個運動單元，貫徹執(zhí)行AI的策略。既能“獨立可控”又可“互聯(lián)互通”，就能實現(xiàn)不斷地精益迭代。

6、ROI是全面迭代的門檻，能否顛覆行業(yè)還是要看“智能體+物聯(lián)網(wǎng)+運動單元”帶來的經(jīng)濟效益，能否超越目前模式。

在很長一段時間內(nèi)，都是目前模式的優(yōu)化與新技術的引入，在物流的某些環(huán)節(jié)替代“高成本”環(huán)節(jié)或者部門，再逐步精益優(yōu)化實現(xiàn)全新的重塑流程。

從目前收集到的信息看，各家AI都在基礎領域跑馬圈地，無暇顧及垂直領域。但是，資本從來都不會真正的好心免費，前期的高額投入一定要在其他地方，用更高昂的價格回收回來?；A領域圈的地，一定會被打下提取“石油”的井。需要考慮的如何利用它重塑？先走半步！

AI智能體+物聯(lián)網(wǎng)+運動單元，是重塑的基礎

假設AI在垂直領域進行重塑，它最重要的三板斧應該是什么？以人為范本，必然無法離開“五感、頭腦、軀體”模式

1、AI智能體

實時更新的數(shù)據(jù)，操作執(zhí)行的結果，不同條件下的策略情況等持續(xù)擴展“五感”。人的經(jīng)驗、工作計劃、未來的設想跟未企及的夢想都是AI的養(yǎng)分，兩者整合形成：具備持續(xù)迭代學習與“超級管理能力”的AI智能體。

2、運動單元

近10年的時間，局部的自動化替代了人工流程，并逐步形成了一套以AGV、自動化倉儲、WCS、自動化矩陣、擺輪、窄帶、交叉帶，為核心的自動化設備系統(tǒng)，但是高昂的成本與笨拙的銜接回轉(zhuǎn)始終無法二次突破，獨立運動單元將會替代現(xiàn)在的設備并實現(xiàn)“一單一流向”獨立處理能力。

3、物聯(lián)網(wǎng)

物聯(lián)網(wǎng)將AI智能體的運營計劃下達到每一個運動單元，同時將成千上萬個獨立的運動單元，通過運營計劃整合協(xié)調(diào)。根據(jù)不同訂單體量、訂單計劃跟生產(chǎn)要求進行聯(lián)動生產(chǎn)。

AI智能體不斷吸收并精益生產(chǎn)計劃，獨立運動單獨執(zhí)行末端生產(chǎn)環(huán)節(jié)，物聯(lián)網(wǎng)將計劃拆分并將獨立運動單元高效組合。三把斧不斷地迭代帶來行業(yè)的重塑。下一步需要思考的是，它會從哪些環(huán)節(jié)、角度進行切入？

回歸本質(zhì)，AI會如何應用第一性原理？

從自我革命的角度看待自己的行業(yè)，要退回到最初級、最原始，最無法解決的那個困難。這一定是最具備突破的價值點。

1、從寬泛的物流行業(yè)來看主要矛盾；

物流的本質(zhì)：空間和時間的位移；物流的價值：持續(xù)降低社會物流成本；物流產(chǎn)品：對發(fā)貨方是成本之一，需要“極致成本”，對收貨方是消費體驗，需要“極致體驗”。

從價值投資角度看，物流行業(yè)堪稱“最不值得投資的行業(yè)”。定位就是不斷降低成本，既無法實現(xiàn)行業(yè)壟斷獲取壟斷利潤，也無法創(chuàng)新獨特的高附加值產(chǎn)品。行業(yè)都走向了兩個極端：極致成本的通達系、云倉、專線；極致體驗的SF、倉配、跨越；所有優(yōu)勢都是階段性的。

第一個問題：AI有沒有可能同時實現(xiàn)“極致體驗”和“極致成本”？

2、從物流鏈條環(huán)節(jié)看主要矛盾；

不管從哪個角度切入，行業(yè)的矛盾都體現(xiàn)在“空間”和“時間”。

從倉儲環(huán)節(jié)看；

空間利用率與周轉(zhuǎn)次數(shù)，是所有從業(yè)者的主要矛盾。

簡單的說就是同一容積里面，裝的更多，進出速度更快，每個儲位的利用率越高越好。但是現(xiàn)在沒有一家公司可以做到儲位級的管理顆粒度，立體庫、四面穿梭車，雖然理論上可以達成儲位、料箱管理，但是高昂的安裝維養(yǎng)成本加上人工挑選流程，導致效率低下且無法大面積的推廣。

從配送環(huán)節(jié)看；

 中轉(zhuǎn)次數(shù)，是一直無法攻克的主要矛盾。

第二個問題：AI能否優(yōu)化中轉(zhuǎn)次數(shù)接近極限的2次？

營業(yè)部+運輸+分揀中心組成的配送網(wǎng)絡，“中轉(zhuǎn)次數(shù)”一直都是命門。在相同運力條件下，速度越快，直發(fā)要求越高，直發(fā)越多，貨量不平衡影響下成本越高。這個網(wǎng)絡一直在成本與時效中間平衡，平衡點就是“中轉(zhuǎn)次數(shù)”。拆開三個子環(huán)節(jié)看：

 分揀環(huán)節(jié)；

從網(wǎng)絡看，它是“多對少，少對多”的約束環(huán)節(jié)，分揀本應該是按照最末端數(shù)量進行分揀匯總，成本又要求它考慮最優(yōu)運力周轉(zhuǎn)成本，進行大量目的站匯總。除此之外，按照行業(yè)的大概成本，細分一個營業(yè)部的固定成本大概在10萬元，一條跨省線路的成本在30萬以上。路由匯總與成本限制就導致了大量的“多次中轉(zhuǎn)”；

分揀存在的價值應該是：只做路由目的地分揀，不做路由的目的分揀合并。這就要求“每一包裹都能獨立分揀”，它也是最小顆粒度的運輸前置要求。

第三個問題：AI能否實現(xiàn)每個包裹的目的地獨立分揀？

 運輸環(huán)節(jié)：

從網(wǎng)絡模式走向線性運輸方式。

同一個包裹，攬收運輸一次，分揀中轉(zhuǎn)運輸一次，到營業(yè)部再運輸一次，這已經(jīng)是最基礎的三次運輸，如果再加上分揀與分揀間多次分撥，運輸次數(shù)就要成倍增加。少中轉(zhuǎn)意味著少運輸，中轉(zhuǎn)次數(shù)的減少對運力的需求是指數(shù)級的減少。

運力最優(yōu)的模式應該是高鐵客運的方式：“ 高鐵+地鐵+集裝”，按照最終目的站方式進行貨物集裝，不需要分揀中心的二次全裝全卸，按照集裝箱運輸方式。在每個經(jīng)停站點，-最快速度上下貨物，交由接駁車輛地鐵班車化方式接駁到最終目的分揀或者目的營業(yè)部。

假如實現(xiàn)貨物集裝化，干線經(jīng)停方式，低空運輸方式場景就可以出現(xiàn)了。在高速服務區(qū)將臨近城市的集裝箱卸下，低空無人機帶來該車次帶往下一個城市的集裝箱，帶臨近城市的待拆分集裝箱。

第四個問題：AI能否破解網(wǎng)絡模式，并進入低空無人運輸時代？

  末端派送環(huán)節(jié)：

如何成為“社會基礎設置之一”，是主要矛盾。

末端環(huán)節(jié)的主要需求是訂單密度，這部分跟AI的相關性并不是很強。AI時代對末端可以帶來，路徑優(yōu)化、無人派送、預警體驗等的提升，但是這些在訂單密度面前都不是主要矛盾，所以個人判斷影響有限。

末端派送的主要需求是訂單密度，而實現(xiàn)訂單密度與訂單平衡的主要方式應該是把自己做成“社會基礎設施之一”，類似現(xiàn)在的社區(qū)衛(wèi)生服務中心。從規(guī)劃角度進行此類升級。

匯總一下，極致的成本與極致的體驗平衡可以建立新階段的護城河，倉儲儲位利用率與配送網(wǎng)絡的中轉(zhuǎn)次數(shù)降低，會是最關鍵的兩個節(jié)點。后面我們沿著AI的三板斧與可能下手的主要矛盾，進行詳細拆解。

暢想2.0的預告

1、AI智能體的應用：小工具→大預警→全網(wǎng)運營策略；

通用人工智能已經(jīng)被某些公司引入實際應用場景，生成了非常多的實用工具，尤其是數(shù)據(jù)發(fā)布與分析方面已經(jīng)開始替代人工。下一步的全網(wǎng)預警模式已經(jīng)逐步接入，由生產(chǎn)計劃、產(chǎn)能能力、實時導航、數(shù)據(jù)包、實時運營結果等數(shù)據(jù)喂出來，網(wǎng)絡預警能力。第三步就是集合管理團隊的在不同場景與生產(chǎn)計劃下的管理智慧，形成生產(chǎn)計劃與運營策略，并開始主動控制自動化設備。

2、運動單元猜想，形態(tài)與應用場景；

自動化1.0時代已經(jīng)進入死胡同，倉儲業(yè)至今還沒有完整的自動化模型。2.0的時代對于空間利用率要進行巨幅的提升，不能把所有的想象力都放在地面上運行。目前地面上的流水線、AGV、AMR、交叉帶等等，都需要考慮空間利用，其次就是算力與算法的提升讓生產(chǎn)計劃從單環(huán)節(jié)、單波次、固定路由時間升級為以履約時間為最終目的的全動態(tài)生產(chǎn)計劃。同時AGV時代受地面路徑限制，算法算力不足影響的發(fā)展的，可能解鎖全新的場景。另外AMHS天車系統(tǒng)，是最有可能引領2.0時代的“運動單元”；

3、物聯(lián)網(wǎng)的一體化效應，倉儲、分揀、運輸、營業(yè)部四個章節(jié)；

將目前1.0每個環(huán)節(jié)的使用場景進行總結，并預測AI智能體與新的運動單元加上新的流程可能帶來的全新使用場景與可能性。

站在從業(yè)者的角度，我看到了AI可能帶來的顛覆性革命，也看到了正在崩塌消失的某些崗位。當垂直領域還未被真正介入重塑的時候，以己之力預判可能性，爭取先走半步，以免讓時代的一粒塵埃成為自己不可逾越的大山。