雷锋网按：2017年7月7日至9日，全球人工智能与 机器人 ( 行情 300024 ,诊股)峰会CCF-GAIR大会在深圳成功举办。本次由CCF中国计算机学会主办、雷锋网与香港中文大学（深圳）承办。来自全球30多位顶级院士、近300家AI明星AI企业，齐聚智能科技产业盛会。 Cel

　　雷锋网按：2017年7月7日至9日，全球人工智能与机器人(行情300024,诊股)峰会CCF-GAIR大会在深圳成功举办。本次由CCF中国计算机学会主办、雷锋网与香港中文大学（深圳）承办。来自全球30多位顶级院士、近300家AI明星AI企业，齐聚智能科技产业盛会。

　　Celina Wang（王亚莉）是硅谷人工智能专家，她的研究领域包括移动设备智能传输和优化，电商领域相关预测和决策，以及动态的路径规划。Celina Wang分别在斯坦福大学、加州大学获得硕士、博士学位。回国前，她就职于全美知名的研究中心Xerox Parc，该研究中心是计算机领域的先驱者，个人电脑、激光打印机、鼠标、以太网等计算机领域的诸多发明都起源于此。

　　Celina Wang在CCF-GAIR 2017大会上发表了主题为“人工智能引领物流变革――新兴产业革命的现在与未来”的演讲。她从三个方面进行展开。首先，介绍了传统物流模式与瓶颈；其次，解释了人工智能是如何改变传统的物流模式；最后，举例阐述智慧物流的应用场景。

　　以下是Celina Wang演讲速记全文整理，雷锋网（公众号：雷锋网）在不改变原意的基础上做了精编：

　　传统物流的模式与瓶颈物流是一个很大很宽的范围，重点阐述目前比较经典的热点应用场景。

　　简单看传统物流的传输模式，有比较保守的生产线，正规的运输和有人的仓库。传统物流是比较封闭的系统。如今国内有非常著名的物流企业，从仓库组装到室外配送员高达十万以上，这是非常大的成本消耗，因此在人力、物力、财力上，传统物流投入相当多的资本和时间，还要支付额外的费用，比如说保证各个方面的安全设施，从仓库到仓库，极大的瓶颈。当性价比低到一定程度的时候，会导致企业的长期亏损。

　　另外，传统物流的模式是属于被动性服务，它不能提供动态随机的预测，宏观远景预测能力依旧比较薄弱。

　　关于传统物流所带来的这些亏损的背景，我们从新闻媒体报道中都不难发现，这是非常直观的明显证据，所以传统物流是一定要被现代物流所打破所改善。

　　另外，传统物流有很封闭的各自独立环节，彼此衔接的不是很紧密，会导致这些程序上的烦琐。我记得早期的传统物流还没有用计算机来进行数据维护和数据存储，依然是用纸和笔这样守旧的记录形式，都有待于智能物流的逐步更新。物流信息也是隔离的，仓库和仓库之间彼此是各成一套独立体系，信息也是比较封闭，这样会影响到物资之间的有效流动。比如我们购买电脑的时候，正常人要购买相关联的产品，比如键盘、鼠标、显示器，如果用传统物流的话，可能想要买电脑的时候，你同时想买的鼠标和键盘会放在另一个仓库里，会导致把你所需求的所有设备配齐之后需要大量的时间和成本。

　　人工智能如何改善物流？人工智能是怎么改善物流的，什么又叫智慧物流？首先智慧这点是在很多环节都可以做到自发、自主、自力调整，比如说商品关联度，还是以电脑为例，你想买电脑的时候，可不可以把你需要的其他辅助性设备比如显示屏、键盘、鼠标放在电脑附近？放在一个仓库里甚至相邻的货架里，这样取货成本大幅度降低，这都是人工成本需要考虑的。我们知道仓库原来是有人仓，每个环节都是靠人来实现每个部分的环节，而智慧物流的引进会减少人工搬运时间、体力消耗和经济成本，也提高了中转效率。当这些全部变成自动化模式下，会大大降低成本，换取更可观的盈利。

　　了解人类过去一百年科技革命的人应该知道，我们从第二次产业革命，比如说发明汽车的时候，到第三次产业革命，进入了二战期间，最后到80年代打破了软件的一些瓶颈，像微软有了windows，如今我们处于第四次产业革命，就是人工智能。

　　人工智能改变传统物流人工智能改善物流的环节有很多，我只是举几个应用场景，比如像运输途径，我们不希望绕太多的圈子或者走太多的路来传输，选择最优路径，最优路径有时候选最快，有时候选最短，最短和最快不是一回事，比如开车要去市中心，物理距离最短有可能被堵塞，时间可能最慢，这时候我们要进行即时的调整。

　　物流行业也是如此，需要自主调整路径的最佳优化，永远处在动态，每时每刻都在搜索最快的路径，这是我们平时开车的时候导航系统所能做到的。有效解决办法包括了像路径算法、调度算法等等的智能算法，未来可深入挖掘。

　　人工智能所改变的还有库存管理，我刚才提到有人仓里有大量的传统烦琐的库存管理模式，比如说笔纸，人工手写订单，可利用人工智能，搭建一个云计算中心，每天用电脑把数据存储起来，比如出单情况、入单情况，每24小时进行更新，与云计算中心数据同步，源源不断地做存储，即可作为历史数据，将来根据这些历史数据可以做很多的指标分析、数据挖掘以及商品预测。

　　其中动态调整库存是指什么呢？我不知道客户需要某个商品多少量的货，我该如何去备份，比如遇到节日促销，当促销的时候有些产品可能会被大量急需，这时需要马上补货。如新品iPhone 8上市，可能会有大量需求，这时需要提前几天大量补货，这里面就牵扯到补货作业问题。

　　商品出库同样如此，根据购买量预测，预测出库和入库量。有效解决方案是当数据存到云计算中心以后，会有足够的历史数据分析，这时可以用机器学习，把这些数据作为训练机，来学习这些数据，建构模型，再用它来预测大致可能会发生的概率有多高，这就是我说的预测库存指标。

　　智慧物流的应用场景

　　简单讲讲智慧物流的应用场景，它有很多应用，像著名的无人仓和无人车，这也是有所提及。传统物流每个环节都靠人为实现，无人仓的理想状态是这个仓里一个人都没有，只有极个别技术人员在后台监控和监测。理论上监测系统也是智能化，所有环节都是靠机器智能化来实现。

　　上图是标准的无人仓储，货架穿梭车都是自动拣选，储存效率提高10倍，拣选效率比人工提高5倍。无人车主要实现行使路上自动检测前方障碍物，又能自主学习，还能够避障停车这些基本应用。

　　无人仓储货架穿梭车有两个重要步骤，第一个是升降机，首先接到指令以后要送到指定的层，有很多层，到了那个层之后再平行送到具体位置，所以这是一个二维的坐标，这里面有很深的数学理论，比如运筹学就会用得比较多一点。穿梭车可实现24小时不停传输，取货、补货、出货都是它来完成，无论是订单选择、商品布局、智能排产都跟货架穿梭车有关联。

　　无人仓下一个重要的智能应用是自动引导车，就是AGV，（Automated Guided Vehicle的缩写，意即“自动导引运输车”）这里面重要的智能算法是路径规划，以上都是智慧物流无人仓非常关键的热点问题。

　　上图是来自亚马逊的AGV，它有非常大的无人仓库，里面有成千上万个AGV不停运转，速度非常快，其中就涉及到非常严格严谨的路径规划算法。

　　首先要实现的功能：