疫情在一定時期內的持續發展，深刻改變了存量經濟業態，使在線娛樂、在線教育、在線辦公、遠程醫療、生鮮電商等新模式不斷涌現和快速騰躍。

疫情常態化的背景下，教育、醫療、企業辦公等龐大的在線化市場需求持續激活，有望誕生“超級應用”，并為相關領域的數字科技創新帶來新機會。

其中，智慧物流的發展也進入了一個新的階段。

#01

物聯網+AI的技術核心

當下智慧物流逐漸成熟，技術的核心底層是物聯網與AI。

首先，所有的物流企業運營設備，不論是汽車，飛機還是輪船，無一例外都是根植于現實社會的物理設備。因此要想將這些設備的數據采集并集中起來，物聯網技術是基礎。

例如G7物聯，會給每輛卡車安裝具有定位信息、獲取車輛信息、數據集成以及數據傳輸的黑匣子，同時在車內安裝若干個攝像頭。

通過這些物聯網設備的存在，可以實現三個重要的目標：

首先是對汽車位置和運營情況信息的獲取，然后就是對駕駛員和路況情況的獲取，最后是對貨物在運營中保存情況和出現問題及時的信息監控。

而在這些數據獲取之后，如果要通過中央數據處理中樞處理完成，再進行下一步的信息反饋，很可能對于交通運輸工具來說時間有點太長了。

舉個例子，G7物聯在對駕駛員監控中，重點是對疲勞度的監控，如果駕駛員有超過10秒的閉眼，這期物聯整個系統就會在車廂內和運營公司的管理平臺上報警。但如果要將數據上傳到處理中樞再進行處理，完了以后發布通知，這樣整個的時長可能會超過10秒，同時會讓駕駛員提高操作帶來危險的可能性增加。

因此，賦予整個系統AI智能的判斷與操作是一個必然的選擇。

還拿G7物聯的系統舉例，在汽車前方安頓的攝像頭和雷達，不光能對于汽車運營狀況進行監測，同時還能查看路況，如果出現異常的情況，會提前在駕駛艙和運營中樞平臺報警。

這實際上已經達到了L2級別自動駕駛的部分核心功能，現在看這期物聯相應技術還在不斷前進，很可能在2022年會將整個系統與駕駛層面的操控連接，在危機時刻由系統自動接過行駛處理的能力，保障整個物流運輸設備的安全。

比如南航物流，這家物流公司非常不起眼，但背后實際上負責運營順豐整個飛機機隊的安全和日常工作。2021年7月，他們研發的順豐航空飛機健康管理系統正式上線。該系統基于數據挖掘和數據分析技術，可實現飛機故障的實時報警及飛機相關性能的早期預測，以往用時為分鐘級的“譯碼”縮短至秒級，如飛機在空中發生故障，工程師可在第一時間通過AHM系統監控到異常情況，進而能夠快速啟動故障處置程序，飛機健康管理的效率及品質得到顯著提升。

這也是物聯網技術和AI技術相結合，在智慧物流領域的一個重要應用。

#02

數據處理是基礎

當然對于智慧物流來說，數據處理能力尤其是毫秒級的數據處理能力是所有技術展開的基礎。

某種意義上講，如果想對物流的設備，不管是汽車飛機還是輪船進行實時的監控，每分鐘產生的運營數據和視頻數據都是海量的，這些數據上傳到云端之后，一定要有一個非常繁復和算法先進的平臺進行處理，才能在最短時間達到精確的反應，實現提升效率的目的。

由于當下各個環節都特別注重收集數據，但很多數據收集上來很多似乎看起來之后，如果沒有，很多似乎看起來相互沖突和在邏輯上違背的數據應用上就有很大的問題。

比如在海運領域，從沿海到內地集裝箱調運時，有時候有貨進沒貨出，沒有貨出的時候只能調空箱。對于航運來講，船舶航行信息，運營模式，調度信息，港口，貨物堆場，水文氣象等這些信息很分散，量也很大，因此必須要采用大數據，建立一個大數據池，對數據進行提煉形成新的價值。

比如對于飛機來說，跟客運不同物流運輸除了安全性以外，降本增效才是最核心的管理目的管理目的。航空物流企業一般都在關注遇到什么樣的天氣，用什么樣的航速飛行最省油，而且機腹的貨倉怎么樣排列才能在最有效的方式下承載更多的貨物。

這些都必須在龐大數據運營能力的基礎之上，才能獲得核心的數據和真正解決辦法。

關鍵，人工智能技術的出現使得無人倉的構想得以實現。得益于機器視覺等人工智能技術，自動化倉庫中的搬運機器人、分揀機器人、無人叉車等一系列物流機器人均可對倉庫內的物流作業實現自我感知、自我學習、自我決策、自我執行，實現更高效的自動一體化。

此外，人工智能技術基于歷史消費數據，通過深度學習、寬度學習等算法，可建立庫存需求量預測模型，用于對以往的數據的檢測并預測未來的數據，形成一個智能倉儲需求預測系統，以實現系統根據實際數據自主生成最佳的訂貨方案，實現對庫存水平的實時調整。

同時，隨著訂單數據的不斷增多，預測結果的靈敏性與準確性也能夠得到進一步提高，使企業在保持高物流服務水平的同時，還能降低企業的庫存成本。

這也是京東目前為止競爭力的核心，而這樣一個建立在用戶需求和庫存動態配比之間的數據模型以及產生的一系列應用，背后依然是大數據和算法的支撐。

所以對于智慧物流企業來說，建立物聯網研發團隊和AI算法與應用團隊之外，大數據處理能力以及大數據算法的研發，也是一個非常重要的方向。

#03

協同性的未來

物流體系下包含著大量的業務要素，它們的疊加直接導致數據和應用的簡單“黑箱”現象嚴重，業務運行過程中發生了什么、產生了什么后果難以直接有效地全面管控，最終又造成成本、效率方面的問題。

這時候，智慧物流的一個重要任務是數據+算法決策代替經驗決策，用可視化、智能化、自動化等手段去打破數據鎖，最終實現可持續化發展。

協同處理能力，才是智慧化物流發展的未來。

比如物流企業在具體的供應鏈執行過程中還包含著大量需要協同的要素，商品、庫存、車輛、路由、設備、訂單等，它們同樣有著十分復雜的協同要求。

再比如物流園區，過去高度依賴人力管理，但隨著園區人數與車輛增長、設備增多、能耗增加，傳統的管理方式忽視了技術與人、車、貨、場的協同，無法從全面整合、互聯互通的全局視角去管理園區。

因此，真正厲害的智慧物流技術提供方，開始在協同領域發力，并已經形成優勢

比如德邦快遞的智能物流園區，就是采用的華為智慧物流和協同管理技術，包括取件、流水作業以及運輸的各個環節都普遍存在。OCR技術實現高速掃描取件、自動識別分揀；AI識別技術杜絕暴力分揀；智慧物流園區人員管理子系統、訪客管理子系統等眾多模塊全面升級了德邦快遞的服務體驗。

此外，這個業務系統在上云之后，開始跟德邦快遞已經有點IaaS、PaaS和SaaS的IT分層規劃和建設協同發展，改變了傳統IT架構慢、貴、難三大難題，實現了資源按需申請、隨取隨用，在IT開發效率和對業務需求響應速度提升之外，也讓優化和維護成本大幅降低。

這可能才是智慧化物流發展到一定階段的最合適方向。

當然，從國內各大核心企業服務軟件平臺發展的歷程來看，融合與協同是各家都不約而同選定的數字化發展方向。

用友創始人王文京在最近接受媒體訪談的時候表示，企業推進基于數智化的商業創新，包括產品與業務創新、組織與管理變革，需要突破技術、商業和成本三大障礙，呼喚能夠便捷實現商業創新的平臺，使能商業創新簡單、便捷、大眾化、社會化。

在他看來，信息技術在企業的應用也從以ERP（企業資源計劃）為代表的，以“流程優化，提高效率“為核心價值的企業信息化階段，跨入以“商業創新，重構發展力”為核心價值的企業數智化的全新階段。

誠如斯言，如今科技發展已經超出了人們的預期，我們從未像現在一樣如此與整個世界緊密相連，小到客戶和企業之間的連接，企業供需產業鏈之間的連接，大到國家、地區之間的連接都在發生著改變，人類已經開始進入一個以數字技術為核心的虛擬時代。

而遨游風起的大時代，智慧物流遇到的最核心問題就是可持續增長。

這也是不確定時代行業發展的底牌。