传化智联副总裁项天成：AI时代下的智慧物流

2017年05月25日-28日，中国国际大数据产业博览会（简称数博会）在贵阳市举行。

传化智联副总裁项天成出席了大会并以“人工智能赋能产业升级”为题做了演讲，他认为：

1）传化智联希望通过传化网帮助生产性服务业提升产业效率，实现价值；

2）公路物流相对其他物流方式有极大优化空间，其中数据是优化的根本；

3）从供应链到为人和司机提供服务，多个环节都存在着关键数据，帮助优化物流链条；

4）人工智能技术可以很朴实，在应用层帮助企业客户优化效率。

本文为其演讲速记整理：

各位来宾朋友大家上午好，很高兴今天来参加这个论坛，感谢亿欧，感谢主办方让我有机会跟各位交流和学习，到底人工智能怎么赋能这个产业。刚才金山云的张总讲的是说怎么来搭建一个基础帮助AI，我今天讲的是下一个步骤，怎么用AI帮助我们的业务。所以我的题目叫人工智能助力中国制造。

传化智联怎么样思考，怎么用人工智能怎么实现想法的。我今天的分享主要分三个部分，首先简单讲一讲在中国，在制造行业，在生产性服务业到底有哪些不足的地方。第二是传化是怎么打造这个生产性服务业。最后是在传统行业到底有什么场景有机会让人工智能实现价值，提升我们整个产业效率。

首先是这张图是论证我们中国现状的一张图，很多时候大家觉得中国是大而不强的低端制造，其实在一些局部的领域并不是这样，甚至对土豪的资本家而言，完全可以全球采购，买到先进的各种各样的流水线和数控机床，为什么说中国制造不强呢？原因在这个图里面，我们在一些生产线配套行业，是大大落后，是一个典型的短版，有了这个短板整体就不行了。

我们有几个数据，比如说资产的流动性，一些库存率，我们的物流占企业生产成本，像在德国在物流，在产品的成本里面只占了不到15%，但是中国的话平均都在30%以上，这就体现了我们非常大的差距。

那么哪方面是一个更短的短板呢？比如说生产线服务行业，比如说有不同的服务，比如说物流是一个典型的服务，很大的短板就是公路物流。整个物流无非是铁路，要么是水运，要么是公路。在中国公路是大头，占了70%以上，恰恰是这70%这个大部分给人的印象就是四个字，“小、散、乱、差”。

大家想象一下，高铁很快了，我们的航空公司、码头，各种设施都很先进。相对的，坐汽车大家知道，坐公交车还是长途车也好，还是在高山跑的各种各样的大货车，管理手段都是很落后的，所以我们是希望通过公路物流切入，提升整个物流的效率，从而能够去让我们整个产业、整个制造业得到一个升级。

怎么样做这个事情？我要简单介绍一下我们怎么在打造我们称之为传化网的基础设施平台，通过这个平台提升行业的效率。传化的愿景是希望构建中国网络运营系统，处理中国的公路物，我们希望这个东西处理整个产业设施，从而达到成为技术驱动的数据公司的最终愿景。

也就是说数据是我们的根本，我们负责打造了传化网的核心，为制造企业，尤其是中小型的企业服务。传化网到底是什么？我来介绍一下，说到网络大家知道淘宝、京东这样的网络，我们把传化网定义成一个地铁式的网络。

传化网规划城市物流中心，我们计划在5之内，到2020年打造160个基地，总共170个骨干节点，这样形式基本的网络，能够让货物有效的流动了，仅仅靠这170个节点是远远不够的，所以要建立行业的联盟，希望让类似物流园区，铁路场站、港口码头形成联盟，能够加入我们的网络，这样货物运输更加的顺畅。

真正的货物是一站到底，不管中间经过多少的过程，不管是公路、铁路还是水运都可以有效的串起来，协同起来，形成立体网络。所以我们要借助互联网技术，我们的运输管理服务，仓储服务，围绕不同行业提供实体，比如说像司机朋友提供融资租赁的服务，向物流承运商提供帐款，所有的服务依托大数据，反过来引导线下的业务更好的优化。

这一张图就是说我们目前有哪些不同的大数据，整个传化网我们称之为供应链的平台，不仅仅是物流，我们希望形成一整个供应链闭环。供应链是比较长的了，企业从采购、入库、加工、到下游客户，下游客户要进一步生产形成一个循环，这是整个过程，上面有很多过程，每一个过程都有很多数据。

不仅是生产，我们面向司机朋友，支持他的生产和生活，我们要去ETC充值，油卡充值、加油、换轮胎、获取生产资料等，还有衣食住行，所有的这些希望通过更好的服务让他更顺畅高效，同时以更低的价格享受相同服务，所有的服务的背后都是数据。本质上来说，线上数字空间是现实世界的映射。比如说我们通过计算得出一个结论需要做出一些指令，可以下发到现实世界，从而改变这个现实世界，这就是传化网希望达到的状态，收集各种数据并沉淀大数据。

回到今天的重点，就是说有了大数据，以及有了这么多场景和服务，怎么通过人工智能这些技术进一步优化我们的社会供应链。可以说人工智能不再是一个概念，而是实实在在的，很完整展现出场景应用了。我们认为，人工智能首先肯定是应用在生产型服务业。说到服务，无非是服务于人类和非人类（物），人类的要求很高，服务人不如服务物简单，因此在服务人对场景的理解十分重要。

这里我也简单说一下，我对人工智能是怎么理解的。我认为人工智能有三个要素，要感知，认知和行动。收集现实世界的信息就是感知，人工智能也需要这样一个感知的能力，这方面的技术很成熟了，很多传感器，温度、湿度、视觉等，让机器去理解这个现实世界，可以通过模拟世界的手段去拍照，这就是典型的感知场景。

感知以后是认知，对我们采集的信息要理解，到底收集的信息是怎么一回事。典型的案例就是阿尔法狗，他知道当前的局势是优还是劣，我走了这一步以后，是更好还是更糟。

有了认知，就要做进一步的反射和行动，有了认知就要做一点事情了，所以我们还需要能够去行动，按照我这个认识的结果去行动，而不是僵化的行动。我们看到数字版的王阳明，知道怎么去写这个毛笔字，训练机器学习书法，总有一天会超过人类，这就是我对人工智能的理解。

我们看看在现实场景和物流场景当中哪些地方可以用到人工智能。首先看看人和车的要素，大部分的物流是需要车，车辆来说有非常多的终端，各种各样的传感器可以采集发动机的各种情况；再比如说轨迹，甚至包括一些轮胎，这个轮胎状况怎么样，借助物联网的计算上传到云端，可以感知这个环节。

今年是物联网的元年，我相信接下来在我们这个行业当中会大量应用NB-IoT技术（编者注：基于蜂窝的窄带物联网，可直接部署于GSM网络、UMTS网络或LTE网络，以降低部署成本、实现网络平滑升级），我们通过感知的算法做一些进一步的决策，比如说对于车辆而言，可以基于发动机的数据看看是否存在潜在的隐患。不管是基于运算的规则还是学习的方式，去循环预测结果的准确性。有了这个结果，也就是说，你已经认知到了这个车是怎么一回事了，给这个车一个执行器，让它避免这个隐患。就是我们怎么结合场景改进车辆的效率。

再说到人，人也是大数据应用场景，很多司机朋友有不好的习惯，70%的车祸都是发生在急转弯，我们需要知道哪些司机存在急转弯不良的习惯，我们可以识别出来，基于采集的数据就可以在司机要发生急转弯的时候提前预警，提醒他要小心了。

我们一些挂靠司机存在不良行为，比如说偷油啊，他在外面跑，你也不知道，通过行驶数据可以发现这个油耗的问题是否有偏移，通过大数据从而监控人，这也是一种场景，人工智能就是一个很宽泛的概念，只要是结合计算机的各种各样的算法达到一些支持，其实它就是人工智能的范畴。

那我们再来看另外一个场景，我们物流还有一个重要的场景就是库内作业，怎么样让货物进出效率更高，时效更快，成本更低，这也是一个课题。说到人工智能，这个里面有一个高大上的东西就是无人驾驶，可以说无人驾驶可能首先会在物流领域落地，事实上已经有了，实际当中也有无人驾驶的叉车运行了，肯定要比无人驾驶的小汽车快，所以我们认为两年内无人仓或者智能仓必然会全面开花。

另外我们看运输过程，比如说车辆路径的问题，怎么样优化行驶路径。还有车辆调度问题，周边有几十辆在跑，我到底选哪一辆车为下一票货是最核算的，这也是运算的问题。比如说多路的旅行商，我有好多的货和客人要送，对客人来说，能不能找到最佳的结果方案让我的客人满意，让成本最低的送达。

我们可以综合应用科学、数学来提升我们这个效率，这也是很有趣的学科。再宏观一点，站在城市的角度，很多是不平衡的，有的地方货很多或者货运不出去，山西的煤是运不出去的，我们怎么样综合平衡，引导车多货少的地方司机去货多车少的地方。这个里面预测的算法，货和车都是波动的，或者合理规划一些仓储，规划10万米的还是2万米就够了，通过数据也可以得到客观正确的结论。

这个图是一个典型的案例，对很多企业来说，全国各地有很多分仓，到底是否可以建立这个分仓，这个取决于我的客户和需求到底是多少，还取决于我的运输的目的地。比如说我在全国有一个大的总仓，肯定是对成本的控制。但是在分区的时候我的成本就高了，但是我贴近用户的成本地低了。

综合来看大家怎么规划我的仓或者我的货物，运输到我客户，这个距离到底哪一个是最优解，这是一个算法，这个背后肯定是大数据，有足够多的数据以后，才能把最关键的权重算出来。当这个高维矩阵有几千个应变量的时候就要通过计算机模拟和暴力运算了，本身也是人工智能的仿真课题。

传化网看上去高大上其实是很现实的技术，人工智能进一步引导我们物流和供应链的过程，帮助我们的企业客户效率更高、赚更多的钱，谢谢大家。