物流產業AI全景圖雛形初現
數據價值挖掘
在運營類操作以外，AI更大的優勢就是幫助我們處理超過負載的信息，可以理解結構化數據，以及包含圖像、視頻和語音的非結構化數據。目前，許多巨頭也開始注重物流行業全局數據的收集。
比如順豐的智慧物流系統的不僅僅停留在“看、識別”方面，而是擁有了自己的思考，協同人類工作。為了幫助快遞車輛和收派人員尋求最優路線、提升快件時效，通過綜合運用人工智能、大數據和動態規劃算法，順豐開發了實時路徑規劃技術，根據實時件量來動態優化路由，將騎行小哥、貨車司機等運輸資源更好的與線路匹配，在時效窗口內提高裝載率，從整體上提高運輸時效，降低運輸成本。
無獨有偶，對于每天會產生數億條數據的物聯網平臺G7來說，其通過與巨頭騰訊云的合作開始針對物流行業聯手打造解決方案，形成在數據積累、AI人才、市場傳播、商業模式等領域的生態合作。具體到實際場景中，車載設備從位置定位、油耗傳感器、溫度、速度搜集的數據會交由騰訊云在云端處理。騰訊云物聯云服務IoT可以獲取每一輛車的實時信息，如位置、油耗等，通過IoT服務實時匯集管理。同時，IoT通過規則引擎組件中編寫類SQL語句無縫對接大數據套件，進行車輛路徑、車輛規劃、司機排班等的優化。在這個解決方案中，AI成功實現了從輔助身份到“軍師”身份的轉變。
不難想象，在物流行業日漸發展的未來，通過生成假設、評估、辯證和建議，人工智能未來會進化出更強大的信息推理能力。
全局、多維、協同、持續，產業AI的雛形初現
產業AI之所以更加復雜，是因為產業的需求往往比一兩個元素與AI結合復雜得多。綜合來看，合格的產業與AI必須是深度結合并具備多維、協同、持續、全局四個特點。通過多維度滲透進物流行業的“看”、“預測”、“匹配”；通過與物流行業的工作人員協同工作；通過全局洞察物流行業從而擁有大局視野，更是因持續不斷的進化升級，物流產業AI的雛形正在形成。
產業AI，本質上是產業科技化，科技產業化，這也必將是個漫長的過程。如何抓住產業AI的機會，不再滿足于單點替代，而是和C端一起去重新定義端到端的模型，打造一個全新的業態，像物流行業一樣，深入場景＋打造閉環或許是AI產業化的最優選擇。（作者：AI趨勢學院）
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
