在順豐集團CTO、順豐科技CEO田民看來，現在是到了要回歸物流的“初心”、看物流本質的時候了。這也是為什么田民在順豐、鈦媒體、杉數科技三家聯袂推出“AI與智慧物流圓桌論壇”的演講中，開篇就指出人類最早提出“物流”的概念，原意是關于計算的科學。他強調：物流公司放棄計算，就是放棄未來、放棄自己的生存權。一家優秀的物流平臺一定是通過數據、計算來管理和運行系統。

以下為田民在順豐、鈦媒體、杉數科技舉辦的“AI與智慧物流圓桌論壇”上的演講實錄：

用AI技術一定要了解它背后的原理，最基本的就是統計學和運籌學等學科的算法和模型，不管把AI技術用到什么樣的業務場景中，對AI技術的基礎原理一定要明白和理解。

物流（Logistics）是關于計算的科學

今天首先想對物流這個詞做一下闡述，物流到底是不是搬貨這么簡單？

"Logistics"一詞源出希臘文Logistikos, 意為"計算的科學"。在19世紀30年代，拿破侖的政史官A.H若米尼在總結征俄失敗的經驗教訓中最先使用了Logistics。

物流的概念和理論最早是在美國形成的，起源于20世紀30年代，原意為“實物分配”或“貨物配送”。1963年被引入日本，日文翻譯為“物的流通”。20世紀70年代后，日文“物流”一詞逐漸取代了“物的流通”。

中文的“物流”一詞是從日文引進來的外來詞。中文“物流”一詞把物的流動呈現得很形象逼真，但失去了計算的科學的原意，所以我們今天一講物流就認為是搬運貨物。我們講物流，不僅要講“物的流動”，更要講“計算的科學”。

今天為什么會跟鈦媒體、杉數科技一起舉辦這場活動，因為我們需要一起來探索和研究物流領域計算的科學，只有通過計算的科學才能真正幫助物流提高運作效率、降低成本。另外我們只有正確地認識物流的起源，才能準確地分析物流的現狀和問題，才能邁向智慧物流的未來。

數據與計算驅動的智慧物流

智慧物流是通過大數據、云計算、智能硬件等智慧化技術與手段，提高物流系統思維、感知、學習、分析決策和智能執行的能力，提升整個物流系統的智能化、自動化水平，從而推動物流的發展，降低物流成本、提高效率。

一家優秀的物流公司一定是通過數據、計算來規劃和運行。如果物流公司放棄計算，就是放棄未來，放棄自己的生存權。未來的物流有很多特點，包括互聯互通、數據驅動、深度協同、高效執行等。

所謂互聯互通、數據驅動，就是所有物流要素互聯互通并且數字化，以“數據”驅動一切洞察、決策、行動；深度協同、高效執行就是跨集團、跨企業、跨組織之間深度協同，基于全局優化的智能算法，調度整個物流系統中各參與方高效分工協作。

順豐有海量數據，比如運單數據，如果能把數據（Data）轉換成為信息（Information），就能產生巨大無比的價值。

數據驅動下的智慧物流一定是社會范圍內高度協調，不可能是一家公司單獨自我運作，今天的順豐已經更加開放，豐巢平臺就是高度開放、高度協同的平臺，只有這樣才會給社會帶來最大化的價值。豐巢能夠被快速接受，就反映了互聯互通、數據驅動、深度協同、高效執行的趨勢。

AI的四大核心要素與五大轉型戰略

看一下AI的四大核心要素：數據、場景、技術和算法。

第一，核心要素是一定要有數據。

第二，一定要有場景，如果沒有業務場景的話，就會有問題。

第三，是要有技術，包括硬件、軟件等，未來可能是根據算法模型來設計硬件，而不是只有唯一的硬件可選。

因為每類模型處理的問題和數據類型都不一樣，沒有一個單一的硬件系統可以處理這么多的復雜問題和不同類型數據。第四，算法需要不斷地研究和突破。

我們跟海內外知名院校和優秀的科技企業進行合作，順豐科技需要聯合和聚集全球最優秀的人才、最優秀的公司來一起研究和解決最具挑戰性的問題，踏踏實實地幫助中國物流業提升到一個新的水平。

AI轉型的五大戰略，包括成功案例、數據生態、技術工具、無縫接入工作流程和開放的文化和組織。首先要有成功案例。不能說一開始就不現實地選擇做一個很大的項目，萬事起步難。

此外，還要有數據，無縫接入到整個工作業務流程中實現整個端到端的數據生態化。另外還要有一個開放的文化，與各個領域的專家、學者和企業進行交流，不然就無法實現AI的轉型和智慧物流。

順豐為什么會實施多元化戰略，因為我們的遠景是以綜合物流服務能力為基礎，為客戶提供更多的其他服務，包括商業的服務能力、金融的服務能力、未來數據和技術的服務能力等。

順豐擁有的數據是非常豐富的，不僅有物流運營類數據，包括運單數據、各個物流節點數據，還有物聯網類數據、客戶感知數據、商業類數據、金融類數據以及外部合作數據。

AI在順豐落地的六大業務場景

AI在順豐的落地場景包括智慧物流、智慧服務、智慧決策、智慧管理、智慧地圖、智慧包裝等。

順豐擁有幾十架貨運飛機、幾萬輛運輸車輛、幾千個物流設施、二十幾萬收派人員，這是我們強大的軀體，這樣的軀體需要非常高的協調能力和智慧能力。

未來幾年，我們會把人工智能等技術推廣和運用到每一個領域。我曾經反反復復與我們科研人員講要去一線基層體驗，去觀察那些高頻率、重復性工作，想辦法利用技術手段去把他們替代掉，把人釋放出來去做創造更高價值的的工作。

順豐有這么多員工，其實每天重復處理的事情都是非常類似的，可以用機器學習的方法訓練出一個優秀的智慧大腦來提供輔助決策，最終由一個越來越聰明的智慧大腦來統一指揮和管理，每一個人的決策和執行都是最優的，給客戶的服務也是最優的。

服務最難的就是持續的一致性和穩定性。現在客戶感知最痛苦的就是物流服務水平和時效的不穩定，一會兒快，一會兒慢，有時態度好，有時態度惡劣。未來智慧物流就能夠更有效地保障服務的一致性和穩定性。

物流業務量預測，現在物流的業務高峰是被各類電商的促銷活動和人造節人為拉高的，對社會資源的浪費是非常巨大的。

為了規劃和調度資源，我們需要對業務量進行不同維度的預測，大到未來五年、十年的整體業務量變化預測，小到一個單元區域未來幾天不同產品業務量的預測和時間分布等。

我們嘗試用機器學習和時間序列分析等技術和手段去做各種類型的預測并且研究和篩選相關性因素，例如天氣、時令節氣、產業結構、政府政策、GDP等 。

AI在物流落地的實例

AI落地實例方面，路徑規劃是一個例子。傳統的路徑規劃算法和工具已經很難解決今天更加復雜和動態變化的物流問題，需要引入新的思維方法、新的算法模型、新的技術手段。

另外今天主流的地圖服務都被互聯網大公司控制為其生態圈業務服務，變得不再純粹和中立，變成越來越消費級而不是工程級。

物流需要的地圖服務需要更高的精度、穩定性和實時性等，所以我們投了很多精力去研究智慧物流地圖。結合GIS能力和強化學習等技術，我們探索和研究更加適合的路徑規劃工具和方法幫助優化時效和優化成本。

AI落地的另一個例子是數字化智能場院管理。物流公司有很多場地、設施和操作人員，一般都是通過人的肉眼觀察來進行操作和指揮調度，我們研究利用機器學習等技術來自動識別場院內外的人、物、設備、車的狀態和學習優秀的管理和操作人員的指揮調度經驗和決策等，逐步實現輔助決策和自動決策。

AI落地還有一個就是手寫運單識別的例子。大家可能不太明白，中文漢字很難實現機器自動識別，英文和數字還比較容易識別。我們利用計算機圖像識別、地址庫、合卷積神經網把手寫運單機器有效識別率和準確率提升到了一個很高的水平，大幅度地減少人工輸單的工作量和差錯。

還有其他許多案例就不一一舉例了，AI在物流領域的應用空間是非常廣大的，我們會不斷地去探索、研究和創建順豐智慧物流大腦。