顺丰CTO田民:物流公司放弃计算,就是放弃自己生存

　　在顺丰集团CTO、顺丰科技CEO田民看来，现在是到了要回归物流的“初心”、看物流本质的时候了。

　　这也是为什么田民在顺丰、钛媒体、杉数科技三家联袂推出“AI与智慧物流圆桌论坛”的演讲中，开篇就指出人类最早提出“物流”的概念，原意是关于计算的科学。

　　他强调物流公司放弃计算，就是放弃未来、放弃自己的生存权。一家优秀的物流公司一定是通过数据、计算来管理和运行。

　　以下为田民在顺丰、钛媒体、杉数科技举办的“AI与智慧物流圆桌论坛”上的演讲实录

　　用AI技术一定要了解它背后的原理，最基本的就是统计学和运筹学等学科的算法和模型，不管把AI技术用到什么样的业务场景中，对AI技术的基础原理一定要明白和理解。

　　今天想对物流这个词做一下阐述，物流到底是不是搬货这么简单？

　　"Logistics"一词源出希腊文Logistikos, 意为"计算的科学"。在19世纪30年代，拿破仑的政史官A.H若米尼在征俄失败的经验教训中最先使用了Logistics。

　　物流的概念和理论最早是在美国形成的，起源于20世纪30年代，原意为“实物分配”或“货物配送”。1963年被引入日本，日文翻译为“物的流通”。20世纪70年代后，日文“物流”一词逐渐取代了“物的流通”。

　　中文的“物流”一词是从日文引进来的外来词。中文“物流”一词把物的流动呈现得很形象逼真，但失去了计算的科学的原意，所以我们今天一讲物流就认为是搬运货物。我们讲物流，不仅要讲“物的流动”，更要讲“计算的科学”。

　　今天为什么会跟钛媒体、杉数科技一起举办这场活动，因为我们需要一起来探索和研究物流领域计算的科学，只有通过计算的科学才能真正帮助物流提高运作效率、降低成本。我们只有正确地认识物流的起源，才能准确地分析物流的现状和问题，才能迈向智慧物流的未来。

　　智慧物流是通过大数据、云计算、智能硬件等智慧化技术与手段，提高物流系统思维、感知、学习、分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平，从而推动物流的发展，降低物流成本、提高效率。

　　一家优秀的物流公司一定是通过数据、计算来规划和运行。如果物流公司放弃计算，就是放弃未来，放弃自己的生存权。未来的物流有很多特点，包括互联互通、数据驱动、深度协同、高效执行等。

　　所谓互联互通、数据驱动，就是所有物流要素互联互通并且数字化，以“数据”驱动一切洞察、决策、行动；深度协同、高效执行就是跨集团、跨企业、跨组织之间深度协同，基于全局优化的智能算法，调度整个物流系统中各参与方高效分工协作。

　　顺丰有海量数据，比如运单数据，如果能把数据（Data）转换成为信息（Information），就能产生巨大无比的价值。

　　数据驱动下的智慧物流一定是社会范围内高度协调，不可能是一家公司单独自我运作，今天的顺丰已经更加开放，丰巢平台就是高度开放、高度协同的平台，只有这样才会给社会带来最大化的价值。丰巢能够被快速接受，就反映了互联互通、数据驱动、深度协同、高效执行的趋势。

　　看一下AI的四大核心要素数据、场景、技术和算法。

　　第一，核心要素是一定要有数据。

　　第二，一定要有场景，如果没有业务场景的话，就会有问题。

　　第三，是要有技术，包括硬件、软件等，未来可能是根据算法模型来设计硬件，而不是只有唯一的硬件可选。

　　因为每类模型处理的问题和数据类型都不一样，没有一个单一的硬件系统可以处理这么多的复杂问题和不同类型数据。第四，算法需要不断地研究和突破。

　　我们跟海内外知名院校和优秀的科技企业进行合作，顺丰科技需要联合和聚集全球最优秀的人才、最优秀的公司来一起研究和解决最具挑战性的问题，踏踏实实地帮助中国物流业提升到一个新的水平。

　　AI转型的五大战略，包括成功案例、数据生态、技术工具、无缝接入工作流程和开放的文化和组织。要有成功案例。不能说一开始就不现实地选择做一个很大的项目，万事起步难。

　　，还要有数据，无缝接入到整个工作业务流程中实现整个端到端的数据生态化。还要有一个开放的文化，与各个领域的专家、学者和企业进行交流，不然就无法实现AI的转型和智慧物流。

　　顺丰为什么会实施多元化战略，因为我们的远景是以综合物流服务能力为基础，为客户提供更多的其他服务，包括商业的服务能力、金融的服务能力、未来数据和技术的服务能力等。

　　顺丰拥有的数据是非常丰富的，不仅有物流运营类数据，包括运单数据、各个物流节点数据，还有物联网类数据、客户感知数据、商业类数据、金融类数据以及外部合作数据。

　　AI在顺丰的落地场景包括智慧物流、智慧服务、智慧决策、智慧管理、智慧地图、智慧包装等。

　　顺丰拥有几十架货运飞机、几万辆运输车辆、几千个物流设施、二十几万收派人员，这是我们强大的躯体，这样的躯体需要非常高的协调能力和智慧能力。

　　未来几年，我们会把人工智能等技术推广和运用到每一个领域。我曾经反反复复与我们科研人员讲要去一线基层体验，去观察那些高频率、重复性工作，想办法利用技术手段去把他们替代掉，把人释放出来去做创造更高价值的的工作。

　　顺丰有这么多员工，其实每天重复处理的事情都是非常类似的，可以用机器学习的方法训练出一个优秀的智慧大脑来提供辅助决策，最终由一个越来越聪明的智慧大脑来统一指挥和管理，每一个人的决策和执行都是最优的，给客户的服务也是最优的。

　　服务最难的就是持续的一致性和稳定性。现在客户感知最痛苦的就是物流服务水平和时效的不稳定，一会儿快，一会儿慢，有时态度好，有时态度恶劣。未来智慧物流就能够更有效地保障服务的一致性和稳定性。

　　物流业务量预测，现在物流的业务高峰是被各类电商的促销活动和人造节人为拉高的，对社会资源的浪费是非常巨大的。

　　为了规划和调度资源，我们需要对业务量进行不同维度的预测，大到未来五年、十年的整体业务量变化预测，小到一个单元区域未来几天不同产品业务量的预测和时间分布等。

　　我们尝试用机器学习和时间序列分析等技术和手段去做各种类型的预测并且研究和筛选相关性因素，例如天气、时令节气、产业结构、政府政策、GDP等 。

　　AI落地实例方面，路径规划是一个例子。传统的路径规划算法和工具已经很难解决今天更加复杂和动态变化的物流问题，需要引入新的思维方法、新的算法模型、新的技术手段。

　　今天主流的地图服务都被互联网大公司控制为其生态圈业务服务，变得不再纯粹和中立，变成越来越消费级而不是工程级。

　　物流需要的地图服务需要更高的精度、稳定性和实时性等，所以我们投了很多精力去研究智慧物流地图。结合GIS能力和强化学习等技术，我们探索和研究更加适合的路径规划工具和方法帮助优化时效和优化成本。

　　AI落地的另一个例子是数字化智能场院管理。物流公司有很多场地、设施和操作人员，一般都是通过人的肉眼观察来进行操作和指挥调度，我们研究利用机器学习等技术来自动识别场院内外的人、物、设备、车的状态和学习优秀的管理和操作人员的指挥调度经验和决策等，逐步实现辅助决策和自动决策。

　　AI落地还有一个就是手写运单识别的例子。大家可能不太明白，中文汉字很难实现机器自动识别，英文和数字还比较容易识别。我们利用计算机图像识别、地址库、合卷积神经网把手写运单机器有效识别率和准确率提升到了一个很高的水平，大幅度地减少人工输单的工作量和差错。

　　还有其他许多案例就不一一举例了，AI在物流领域的应用空间是非常广大的，我们会不断地去探索、研究和创建顺丰智慧物流大脑。

　　（钛媒体）