中國(guó)人工智能+物流發(fā)展研究報(bào)告

1、中國(guó)人工智能+物流 發(fā)展研究報(bào)告2摘要近年來(lái)，中國(guó)物流業(yè)在互聯(lián)網(wǎng)經(jīng)濟(jì)的催動(dòng)下發(fā)展較快，在成本不斷攀升、效率提升 緩慢的背景下，物流業(yè)最迫切的需求即“降本增效”。人工智能技術(shù)及相關(guān)軟硬件 產(chǎn)品的加入能夠在運(yùn)輸、倉(cāng)儲(chǔ)、配送、客服等環(huán)節(jié)有效降低物流企業(yè)的人力成本， 提高人員及設(shè)備的工作效率，是緩解物流業(yè)頑疾的一味良藥。本報(bào)告中的“人工智能+物流”指的是基于人工智能技術(shù)的軟硬件產(chǎn)品及服務(wù)在物 流活動(dòng)各環(huán)節(jié)中的實(shí)際落地應(yīng)用。2019年人工智能+物流的市場(chǎng)規(guī)模為15.9億元， 預(yù)計(jì)到2025年市場(chǎng)規(guī)模將接近百億。在物流各環(huán)節(jié)的應(yīng)用分布方面，倉(cāng)儲(chǔ)與運(yùn)輸占 比較大，兩者占比之和超過(guò)八成。人工智能在物流中的應(yīng)用

2、方向可以大致分為兩種，一是以AI技術(shù)賦能的如無(wú)人卡車、AMR、無(wú)人配送車、無(wú)人機(jī)、客服機(jī)器人等智能設(shè)備代替部分人工；二是通過(guò) 計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、運(yùn)籌優(yōu)化等技術(shù)或算法驅(qū)動(dòng)的如車隊(duì)管理系統(tǒng)、倉(cāng)儲(chǔ)現(xiàn)場(chǎng) 管理、設(shè)備調(diào)度系統(tǒng)、訂單分配系統(tǒng)等軟件系統(tǒng)提高人工效率。代替人工方向的AI 應(yīng)用市場(chǎng)前景廣闊，但受技術(shù)水平和政策限制等因素影響，落地條件尚不成熟，還 需要較長(zhǎng)的培育時(shí)間。提效方向的AI應(yīng)用已具備一定的技術(shù)基礎(chǔ)，但實(shí)際場(chǎng)景散落 在物流業(yè)務(wù)體系中的各個(gè)角落，場(chǎng)景清晰度不高，空間不足。目前，人工智能在物流領(lǐng)域還處于探索之中，但從已經(jīng)取得的成果來(lái)看，“人工智 能+物流”的確能夠給物流企業(yè)在降本增效層面帶來(lái)

3、收益。物流企業(yè)應(yīng)該以立足當(dāng) 下、著眼長(zhǎng)遠(yuǎn)的原則，以輔助管理、提升效率為短期目標(biāo)，尋找自身業(yè)務(wù)鏈條中能 夠被AI技術(shù)賦能的環(huán)節(jié)并通過(guò)試點(diǎn)論證，穩(wěn)步推進(jìn)；對(duì)未來(lái)有望打破物流現(xiàn)有業(yè)態(tài) 的前沿應(yīng)用做好技術(shù)儲(chǔ)備。AI公司一方面要把握與物流企業(yè)與電商平臺(tái)的合作機(jī) 會(huì)，在不斷地測(cè)試積累中打磨核心技術(shù)；另一方面也要靈活運(yùn)用自己研發(fā)的技術(shù)與 產(chǎn)品，在關(guān)注物流行業(yè)的同時(shí)尋找其他的適配領(lǐng)域和變現(xiàn)途徑，具備一定的造血能 力，以待機(jī)會(huì)到來(lái)之時(shí)能夠迅速響應(yīng)物流領(lǐng)域的市場(chǎng)需求。3契合：人工智能是物流降本增效的良藥1賦能：中國(guó)人工智能+物流應(yīng)用分析2實(shí)踐：中國(guó)人工智能+物流典型案例3展望：人工智能在物流領(lǐng)域的發(fā)展前景4目錄物

4、流的概念與地位來(lái)源：研究院根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)數(shù)據(jù)繪制。2014-2019年中國(guó)物流業(yè)總收入情況7.17.67.98.810.16.9%4.5%4.6%11.5%14.5%9.0%10.3201420152016201720182019全國(guó)物流業(yè)總收入（萬(wàn)億元）可比價(jià)增速（%）來(lái)源：研究院根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)數(shù)據(jù)繪制。物流業(yè)是國(guó)民經(jīng)濟(jì)運(yùn)行中極為重要的流通系統(tǒng)物流的概念最早是在美國(guó)形成的，起源于20世紀(jì)30年代，原意為“實(shí)物分配”或“貨物配送”，后來(lái)被引入日本，日文意 思是“物的流通”。中國(guó)的“物流”一詞是從日文資料引進(jìn)來(lái)的外來(lái)詞，源于日文資料中對(duì)“Logistics”一詞的翻譯“物 流

5、”。中國(guó)物流術(shù)語(yǔ)標(biāo)準(zhǔn)將物流定義為：物流是物品從供應(yīng)地向接收地的實(shí)體流動(dòng)過(guò)程中，根據(jù)實(shí)際需要，將運(yùn)輸、儲(chǔ)存、 裝卸搬運(yùn)、包裝、流通加工、配送、信息處理等功能有機(jī)結(jié)合起來(lái)實(shí)現(xiàn)用戶要求的過(guò)程。物流業(yè)是國(guó)民經(jīng)濟(jì)體系中極為重 要的基礎(chǔ)性戰(zhàn)略性產(chǎn)業(yè)，涉及領(lǐng)域廣，吸納就業(yè)人數(shù)多，在促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式和增強(qiáng)國(guó)民經(jīng)濟(jì)競(jìng)爭(zhēng)力 等方面有著舉足輕重的作用。近年來(lái)，中國(guó)物流業(yè)在互聯(lián)網(wǎng)經(jīng)濟(jì)的催動(dòng)下發(fā)展較快，景氣指數(shù)基本保持在50%以上，業(yè)務(wù) 總量、新訂單和從業(yè)人員都處于持續(xù)擴(kuò)張的狀態(tài)。54.2%50.0%53.4%53.1%50.9%50.7%56.1%55.9%54.6%54.9% 54.5%54.7%

6、53.7%49.6%52.6%53.5%52.8%51.9%51.1%50.9%53.8%54.2%2018-2019年中國(guó)物流業(yè)景氣指數(shù)情況58.9% 58.6%410.610.811.112.113.314.616.6%16.0%14.9%14.6%14.8%14.7%物流業(yè)的核心痛點(diǎn)成本增速高于收入增速，物流效率提升緩慢盡管中國(guó)物流業(yè)近年來(lái)一直保持著較快的發(fā)展速度，但隨著人力資源、土地資源等要素成本的不斷提高，中國(guó)物流企業(yè)的 成本增長(zhǎng)速度始終高于收入增速，國(guó)家發(fā)改委與中國(guó)物流與采購(gòu)聯(lián)合會(huì)共同發(fā)布的全國(guó)重點(diǎn)物流企業(yè)統(tǒng)計(jì)調(diào)查報(bào)告中 的數(shù)據(jù)顯示，2007-2016年國(guó)內(nèi)重點(diǎn)企業(yè)物流業(yè)務(wù)成本年均

7、增速為10.5%，比收入增速高0.7個(gè)百分點(diǎn)。在行業(yè)成本居高不 下的背景下，國(guó)內(nèi)物流行業(yè)的效率一直處于較低水平。以社會(huì)物流總費(fèi)用與GDP比率為例，2019年全國(guó)社會(huì)物流總費(fèi)用 達(dá)到14.6萬(wàn)億元，占GDP比率為14.7%。盡管這一比率近年來(lái)總體上呈持續(xù)下降態(tài)勢(shì)，但下降速度非常緩慢，與發(fā)達(dá)國(guó)家 8-9%的水平相比仍有非常大的差距，與全球平均水平（12%）比起來(lái)也尚有一段距離。201420152016201720182019全國(guó)社會(huì)物流總費(fèi)用（萬(wàn)億元）社會(huì)物流總費(fèi)用與GDP的比率（%）來(lái)源：研究院根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)數(shù)據(jù)繪制。2014-2019年中國(guó)社會(huì)物流總費(fèi)用 及占GDP比重情況13.91

8、4.414.214.716.47.9%7.6%7.7%8.0%8.0%20142015201620172018美國(guó)企業(yè)物流成本（千億美元）美國(guó)企業(yè)物流成本占GDP比重（%）來(lái)源：研究院根據(jù)美國(guó)物流年度報(bào)告數(shù)據(jù)繪制。52014-2018年美國(guó)企業(yè)物流成本 及占GDP比重情況6物流業(yè)與人工智能的契合之處AI是物流降本增效的良藥，物流亦是AI展示能力的舞臺(tái)物流業(yè)的核心痛點(diǎn)決定了該行業(yè)最迫切的需求即“降本增效”，物流企業(yè)的自動(dòng)化、信息化轉(zhuǎn)型升級(jí)都是為實(shí)現(xiàn)降本增效 目的而做出的努力。人工智能技術(shù)產(chǎn)品的加入能夠進(jìn)一步推動(dòng)物流業(yè)向“智慧物流”發(fā)展，更大限度地降低人工成本、提 升經(jīng)營(yíng)效率。對(duì)于人工智能行業(yè)而言

9、，隨著技術(shù)的不斷迭代，人工智能不再是高懸于天上的空中樓閣，“商業(yè)落地”已成 為人工智能企業(yè)發(fā)展到當(dāng)前階段鮮明的主題詞。從落地難度及發(fā)展前景來(lái)看，業(yè)務(wù)流程清晰、應(yīng)用場(chǎng)景獨(dú)立、市場(chǎng)空間巨 大的物流業(yè)無(wú)疑是人工智能落地的絕佳選擇。物流行業(yè)與人工智能的契合之處AI+物流對(duì)于物流行業(yè)來(lái)說(shuō)，在人口紅利逐漸 消失、人員工資不斷攀升、招工越來(lái) 越困難的局面下，引入人工智能產(chǎn)品 技術(shù)最顯著的價(jià)值即在于能夠大幅降 低物流各項(xiàng)業(yè)務(wù)對(duì)于人力資源的剛性 需求和高昂成本。大幅度降低人工成本降本增效業(yè)務(wù)場(chǎng)景相對(duì)獨(dú)立物流行業(yè)的總體業(yè)務(wù)流程分為運(yùn)輸、 倉(cāng)儲(chǔ)、裝卸搬運(yùn)、分揀、配送、客服 等環(huán)節(jié)，流程清晰且各個(gè)業(yè)務(wù)場(chǎng)景之 間相對(duì)獨(dú)

10、立，引入AI技術(shù)過(guò)程中既可 采用整體解決方案，也適用于單個(gè)場(chǎng) 景的局部?jī)?yōu)化調(diào)整，靈活性較強(qiáng)。商業(yè)落地契合：人工智能是物流降本增效的良藥71賦能：中國(guó)人工智能+物流應(yīng)用分析2實(shí)踐：中國(guó)人工智能+物流典型案例3展望：人工智能在物流領(lǐng)域的發(fā)展前景4目錄人工智能+物流概述82.1人工智能+物流應(yīng)用場(chǎng)景本章小結(jié)2.22.3賦能：中國(guó)人工智能+物流應(yīng)用分析2目錄人工智能+物流概念界定9關(guān)鍵詞：人工智能技術(shù)、軟硬件產(chǎn)品及服務(wù)、落地應(yīng)用本報(bào)告中所闡述的“人工智能+物流”指的是基于人工智能技術(shù)（機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自動(dòng)駕駛等）的軟 硬件產(chǎn)品及服務(wù)（無(wú)人卡車、無(wú)人機(jī)/無(wú)人車、智能調(diào)度系統(tǒng)等）在物流活動(dòng)

11、各環(huán)節(jié)（運(yùn)輸、倉(cāng)儲(chǔ)、配送、客服等）中的 實(shí)際落地應(yīng)用?！叭斯ぶ悄?物流”是物流科技的新形態(tài)，本報(bào)告對(duì)“人工智能+物流”的研究范圍主要集中在物流活動(dòng) 中的運(yùn)輸、倉(cāng)儲(chǔ)、配送及客服四個(gè)環(huán)節(jié)，分析研究人工智能技術(shù)及產(chǎn)品在上述物流作業(yè)流程中的應(yīng)用情況與效果。人工智能+物流的概念及研究范圍界定人工智能+物流”本報(bào)告中的人工智能+物流是指基于人工智能技術(shù)的軟硬件產(chǎn)品及服務(wù)在物流活動(dòng)各個(gè)環(huán)節(jié)中的實(shí)際落地應(yīng)用?！爸悄苓\(yùn)輸智能客服智能倉(cāng)儲(chǔ)智能配送19.5158.4298.0中國(guó)物流行業(yè)進(jìn)化簡(jiǎn)史103.01991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2

12、002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019來(lái)源：研究院根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)數(shù)據(jù)及公開(kāi)資料繪制。人工智能的加入推動(dòng)中國(guó)物流邁向“智慧物流”改革開(kāi)放之前，國(guó)內(nèi)的生產(chǎn)資料及消費(fèi)品都以“計(jì)劃”的形式流轉(zhuǎn)，貨物流通的價(jià)值并未顯現(xiàn)。1979年，我國(guó)物資工作代 表團(tuán)赴日本參加第三屆國(guó)際物流會(huì)議后，“物流”概念才第一次出現(xiàn)。在經(jīng)歷了十余年的摸索、學(xué)習(xí)與實(shí)踐后，20世紀(jì)90 年代中期，以順豐、申通等為代表的民營(yíng)物流企業(yè)紛紛成立，中國(guó)的現(xiàn)代物流才正式發(fā)展起來(lái)。進(jìn)入21世紀(jì)后，隨

13、著電子 商務(wù)與互聯(lián)網(wǎng)經(jīng)濟(jì)的爆發(fā)，中國(guó)物流行業(yè)迎來(lái)了超高速增長(zhǎng)期，全國(guó)社會(huì)物流總額由2001年的不到20萬(wàn)億元提升至2010 年的125.4萬(wàn)億元。在市場(chǎng)需求旺盛、信息技術(shù)與物流科技飛速進(jìn)步的帶動(dòng)下，中國(guó)物流行業(yè)也逐步由自動(dòng)化走向信息化、網(wǎng)絡(luò)化，“智慧物流”成為新的發(fā)展方向。2011年以來(lái)，隨著大數(shù)據(jù)與物聯(lián)網(wǎng)的融入，物流企業(yè)開(kāi)始著手建立無(wú)人倉(cāng)、智能物流中心，各類新理念、新業(yè)態(tài)不斷涌現(xiàn)。而人工智能的加入，將會(huì)是中國(guó)物流行業(yè)真正實(shí)現(xiàn)智能化，進(jìn)化至具 備狀態(tài)感知、 實(shí)時(shí)分析、自主決策、精準(zhǔn)執(zhí)行等多項(xiàng)能力的“智慧物流”極為關(guān)鍵的一步。1991-2019年中國(guó)社會(huì)物流總額情況及物流行業(yè)發(fā)展階段單位：萬(wàn)億元

14、傳統(tǒng)物流現(xiàn)代物流智慧物流人工智能+物流發(fā)展環(huán)境利好政策與企業(yè)及用戶的需求鼓勵(lì)物流業(yè)積極擁抱人工智能近年來(lái)，物流行業(yè)發(fā)展基礎(chǔ)和整體環(huán)境發(fā)生顯著變化，新興技術(shù)廣泛應(yīng)用、包裹數(shù)量爆發(fā)增長(zhǎng)、用戶體驗(yàn)持續(xù)升級(jí)等因素 對(duì)物流企業(yè)的運(yùn)作思路、商業(yè)模式、作業(yè)方式提出新需求、新挑戰(zhàn)。作為物流行業(yè)轉(zhuǎn)型升級(jí)的新動(dòng)能，人工智能進(jìn)入物流 領(lǐng)域的時(shí)間盡管相對(duì)較短，但發(fā)展環(huán)境非常有利。政策層面，國(guó)務(wù)院、發(fā)改委等政府相關(guān)部門(mén)紛紛出臺(tái)物流相關(guān)政策及規(guī) 劃，鼓勵(lì)企業(yè)利用人工智能技術(shù)及產(chǎn)品降低物流成本、提升物流效率；經(jīng)濟(jì)層面，一方面全國(guó)物流業(yè)總收入始終處于穩(wěn)定 增長(zhǎng)狀態(tài)，另一方面物流總費(fèi)用依然居高不下，企業(yè)亟需進(jìn)一步控制物流成本，

15、“人工智能+物流”的空間極為廣闊；社 會(huì)層面，“人工智能+物流”既能滿足城市居民對(duì)提升即時(shí)物流服務(wù)效率的需求，又可拓展快遞快運(yùn)的服務(wù)邊界以惠及農(nóng) 村居民。人工智能+物流的發(fā)展環(huán)境經(jīng)濟(jì)環(huán)境物流總收入與物流總費(fèi)用持續(xù)增長(zhǎng)， 企業(yè)既有資金也有意愿通過(guò)大數(shù)據(jù)、11物聯(lián)網(wǎng)、人工智能等新技術(shù)降低物流 成本、提升物流效率新零售、C2M等新的商業(yè)模式及業(yè)態(tài) 釋放的物流新需求推動(dòng)人工智能落地 物流行業(yè)社會(huì)環(huán)境城市居民對(duì)于即時(shí)物流服務(wù)效率的需求 不斷提高催生基于大數(shù)據(jù)與機(jī)器學(xué)習(xí)技 術(shù)的智能調(diào)度系統(tǒng)快速發(fā)展利用無(wú)人機(jī)配送，拓展快遞快運(yùn)邊界， 改善邊遠(yuǎn)地區(qū)、農(nóng)村地區(qū)的物流服務(wù)水平政策環(huán)境國(guó)務(wù)院發(fā)布的新一代人工智能發(fā)展

16、規(guī) 劃提出大力發(fā)展智能物流，推動(dòng)人工 智能與物流行業(yè)融合創(chuàng)新，提升倉(cāng)儲(chǔ)運(yùn) 營(yíng)管理水平和效率國(guó)家發(fā)改委發(fā)布的關(guān)于推動(dòng)物流高質(zhì) 量發(fā)展促進(jìn)形成強(qiáng)大國(guó)內(nèi)市場(chǎng)的意見(jiàn) 提出實(shí)施物流智能化改造行動(dòng)，加強(qiáng)信 息化管理系統(tǒng)和云計(jì)算、人工智能等信 息技術(shù)應(yīng)用，提高物流軟件智慧化水平人工智能+物流的核心技術(shù)12深度學(xué)習(xí)技術(shù)通過(guò)分層結(jié)構(gòu)之間的傳遞數(shù) 據(jù)學(xué)習(xí)特征，對(duì)物流活動(dòng)中產(chǎn)生的數(shù)據(jù)具 有良好的適用性。深度學(xué)習(xí)既是實(shí)現(xiàn)路徑 規(guī)劃、智能調(diào)度等功能的核心技術(shù)，也是 推動(dòng)計(jì)算機(jī)視覺(jué)、自動(dòng)駕駛、自然語(yǔ)言理 解等其他技術(shù)發(fā)展進(jìn)化的訓(xùn)練方式。計(jì)算機(jī)視覺(jué)應(yīng)用最為廣泛，自動(dòng)駕駛有望先于其他行業(yè)落地目前，在物流行業(yè)實(shí)現(xiàn)應(yīng)用的人工智能

17、技術(shù)主要以深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自動(dòng)駕駛及自然語(yǔ)言理解為主。物流領(lǐng)域中， 深度學(xué)習(xí)在運(yùn)輸路徑規(guī)劃、運(yùn)力資源優(yōu)化、配送智能調(diào)度等場(chǎng)景中發(fā)揮至關(guān)重要的作用；計(jì)算機(jī)視覺(jué)是現(xiàn)階段物流領(lǐng)域應(yīng) 用最廣的人工智能技術(shù)，智能倉(cāng)儲(chǔ)機(jī)器人、無(wú)人配送車、無(wú)人配送機(jī)等智能設(shè)備都以視覺(jué)技術(shù)為基礎(chǔ)，此外，計(jì)算機(jī)視覺(jué) 還能實(shí)現(xiàn)運(yùn)單識(shí)別、體積測(cè)量、裝載率測(cè)定、分揀行為檢測(cè)等多項(xiàng)功能；自動(dòng)駕駛技術(shù)是運(yùn)輸環(huán)節(jié)智能化的核心技術(shù)，盡 管尚未正式投入使用，但頭部企業(yè)的無(wú)人卡車已經(jīng)開(kāi)始在特定路段進(jìn)行實(shí)地路測(cè)和試運(yùn)行；自然語(yǔ)言理解主要用于物流企 業(yè)，尤其是快遞快運(yùn)企業(yè)的智能客服系統(tǒng)，該技術(shù)能有效降低企業(yè)在客服環(huán)節(jié)的人工成本。人工智能+物流

18、的核心技術(shù)深度學(xué)習(xí)計(jì)算機(jī)視覺(jué)計(jì)算機(jī)視覺(jué)通過(guò)對(duì)采集的圖片或視頻進(jìn)行 處理以獲得相應(yīng)場(chǎng)景的信息，智能倉(cāng)儲(chǔ)機(jī) 器人、無(wú)人機(jī)/無(wú)人車等智能物流設(shè)備廣 泛應(yīng)用了計(jì)算機(jī)視覺(jué)技術(shù)，以實(shí)現(xiàn)識(shí)別、 導(dǎo)航、避障等功能。自動(dòng)駕駛自動(dòng)駕駛技術(shù)主要是通過(guò)高精度傳感器+ 深度學(xué)習(xí)實(shí)現(xiàn)車輛對(duì)于周圍環(huán)境中障礙物 的探測(cè)，加以識(shí)別判斷并進(jìn)行動(dòng)作決策。 與城市道路相比，自動(dòng)駕駛在港口、園 區(qū)、高速公路等相對(duì)封閉的物流運(yùn)輸環(huán)境自然語(yǔ)言理解自然語(yǔ)言理解主要研究用電子計(jì)算機(jī)模擬 人的語(yǔ)言交際過(guò)程，使計(jì)算機(jī)能理解和運(yùn) 用人類社會(huì)的自然語(yǔ)言，實(shí)現(xiàn)人機(jī)之間的 自然語(yǔ)言通信。基于該項(xiàng)技術(shù)的智能客服 系統(tǒng)，能夠大幅降低快遞快運(yùn)企業(yè)客服坐應(yīng)用難度

19、較小。席的人工成本。人工智能+物流產(chǎn)業(yè)鏈分析13渠道 分銷上游硬件提供商電商平臺(tái)/O2O平臺(tái)傳 感 器攝像機(jī)激光雷達(dá)超聲波雷達(dá)IMU毫米波雷達(dá)AI+物流產(chǎn)品技術(shù)提供方下游客戶物流企業(yè)電流傳感器產(chǎn)業(yè)鏈尚不成熟，角色界限比較模糊人工智能+物流產(chǎn)業(yè)鏈與傳統(tǒng)物流產(chǎn)業(yè)鏈差異最大的地方在于，其上下游關(guān)系并非涇渭分明，或者說(shuō)人工智能+物流的產(chǎn) 業(yè)鏈還不太成熟，AI公司、物流企業(yè)、電商平臺(tái)都在產(chǎn)業(yè)鏈中扮演重要角色，AI公司通過(guò)直客模式或集成商渠道向下游客 戶提供AI+物流相關(guān)產(chǎn)品與技術(shù)服務(wù)，而物流企業(yè)與電商平臺(tái)也通過(guò)建立研發(fā)團(tuán)隊(duì)、成立科技子公司等方式研究開(kāi)發(fā)AI技 術(shù)在物流各環(huán)節(jié)中的可行應(yīng)用，三者之間存在合作

20、加潛在競(jìng)爭(zhēng)的關(guān)系，生態(tài)比較開(kāi)放。中國(guó)人工智能+物流產(chǎn)業(yè)鏈快遞整車 零擔(dān) 即時(shí) 倉(cāng)儲(chǔ) 園區(qū) 冷鏈智能語(yǔ)音深度學(xué)習(xí)AI公司計(jì)算機(jī)視覺(jué)自動(dòng)駕駛物流企業(yè)研發(fā)團(tuán)隊(duì)科技子公司電商平臺(tái)研發(fā)團(tuán)隊(duì)科技子公司直銷自研自用芯片供應(yīng)商機(jī)器人供應(yīng)商物流硬件設(shè)備 供應(yīng)商其他關(guān)鍵零件 供應(yīng)商渠道集成商代理商人工智能+物流產(chǎn)業(yè)圖譜142020年人工智能+物流產(chǎn)業(yè)圖譜基礎(chǔ)層軟硬件/底層技術(shù)層算法、產(chǎn)品及解 決方案提供商應(yīng)用層技術(shù)使用者快遞快運(yùn)整車零擔(dān)即時(shí)倉(cāng)儲(chǔ)冷鏈園區(qū)電商智能運(yùn)輸智能配送無(wú)人機(jī)配送調(diào)度無(wú)人車智能倉(cāng)儲(chǔ)智能客服無(wú)人倉(cāng)整體解決方案智能倉(cāng)儲(chǔ)機(jī)器人設(shè)備調(diào)度系統(tǒng)芯片云服務(wù)傳感器技術(shù)供應(yīng)商1515.922.433.346.86

21、2.579.697.341.3%48.5%40.5%33.6%27.3%22.2%20192020e2021e2022eAI+物流總體市場(chǎng)規(guī)模（億元）2023e2024e2025eAI+物流市場(chǎng)規(guī)模增速（%）人工智能+物流市場(chǎng)規(guī)模注釋：統(tǒng)計(jì)口徑包括自動(dòng)駕駛、計(jì)算機(jī)視覺(jué)、智能語(yǔ)音等基于AI技術(shù)的軟件系統(tǒng)提供方 收入以及AMR、無(wú)人配送車、無(wú)人機(jī)等智能硬件供應(yīng)商收入，不包含物流企業(yè)與電商平 臺(tái)在AI相關(guān)產(chǎn)品技術(shù)中自研自用部分。來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談及測(cè)算模型自主研究及繪制。來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談及測(cè)算模型自主研究及繪制。現(xiàn)有市場(chǎng)規(guī)模15.9億元，倉(cāng)儲(chǔ)與運(yùn)輸環(huán)節(jié)的應(yīng)用占比較高

22、AI公司進(jìn)入物流領(lǐng)域的時(shí)間尚短，產(chǎn)業(yè)鏈下游物流企業(yè)與電商平臺(tái)在人工智能產(chǎn)品技術(shù)自主研發(fā)中的不遺余力也令解決方 案提供方們可選擇的入局角度相當(dāng)有限。從供給側(cè)能夠獲取的收入來(lái)看，2019年人工智能+物流領(lǐng)域的市場(chǎng)規(guī)模為15.9億 元，隨著技術(shù)能力的提升和行業(yè)理解的加深，預(yù)計(jì)到2025年市場(chǎng)規(guī)模將接近百億水平。人工智能在物流各環(huán)節(jié)的應(yīng)用分布 方面，智能倉(cāng)儲(chǔ)與智能運(yùn)輸占比較大，兩者占據(jù)了八成以上的份額；智能配送的落地環(huán)境尚不成熟，現(xiàn)階段規(guī)模較小，但 未來(lái)想象空間極大；智能客服的應(yīng)用場(chǎng)景較為單一，在各環(huán)節(jié)中占比最小。2019-2025年中國(guó)人工智能+物流市場(chǎng)規(guī)模情況2019年中國(guó)人工智能+物流市場(chǎng)規(guī)模細(xì)

23、分結(jié)構(gòu)倉(cāng)儲(chǔ)， 42.8%運(yùn)輸， 38.4%11.9%客服，配送，6.9%16人工智能+物流概述2.1人工智能+物流應(yīng)用場(chǎng)景本章小結(jié)2.22.3賦能：中國(guó)人工智能+物流應(yīng)用分析2目錄175.65.86.06.66.97.752.8%53.7%54.1%54.5%51.9%52.7%201420192015201620172018全國(guó)運(yùn)輸費(fèi)用總額（萬(wàn)億元）運(yùn)輸費(fèi)用占社會(huì)物流總費(fèi)用的比重（%）0.61.42.23.34.76.45.57.50.910.714.318.121.825.347.2%62.4%55.7%49.2%41.7%36.3%35.7%42.9%34.1%26.6%20.2%16.

24、3%2022e20192020e2021e無(wú)人卡車業(yè)務(wù)市場(chǎng)規(guī)模（億元） 無(wú)人卡車業(yè)務(wù)市場(chǎng)規(guī)模增速（%）2023e2024e2025e車隊(duì)管理系統(tǒng)市場(chǎng)規(guī)模（億元） 車隊(duì)管理系統(tǒng)市場(chǎng)規(guī)模增速（%）智能運(yùn)輸中的人工智能應(yīng)用來(lái)源：研究院根據(jù)中國(guó)物流與采購(gòu)聯(lián)合會(huì)數(shù)據(jù)繪制。注釋：市場(chǎng)規(guī)模中的無(wú)人卡車業(yè)務(wù)是指以無(wú)人卡車向客戶提供運(yùn)輸服務(wù)或出售無(wú)人卡車 所得收入中軟件所占部分，不包括卡車本體價(jià)值；車隊(duì)管理系統(tǒng)市場(chǎng)規(guī)模包括終端硬件 價(jià)值、軟件價(jià)值以及定期收取的服務(wù)費(fèi)用。來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談及測(cè)算模型自主研究及繪制。智 能 運(yùn) 輸人工智能在運(yùn)輸中的應(yīng)用方向集中在無(wú)人卡車及車輛管理運(yùn)輸是物流產(chǎn)業(yè)鏈條的

25、核心環(huán)節(jié)，也是物流成本構(gòu)成的重要內(nèi)容，運(yùn)輸費(fèi)用在社會(huì)物流總費(fèi)用中的占比始終在50%以上。 但由于運(yùn)輸環(huán)境及運(yùn)輸設(shè)備的復(fù)雜性，現(xiàn)階段人工智能在物流運(yùn)輸中的應(yīng)用尚處于起步階段。目前國(guó)內(nèi)人工智能在物流運(yùn) 輸環(huán)節(jié)的應(yīng)用集中于公路干線運(yùn)輸，主要有兩大方向：一種是以自動(dòng)駕駛技術(shù)為核心的無(wú)人卡車；另一種是基于計(jì)算機(jī)視 覺(jué)與AIoT產(chǎn)品技術(shù)，為運(yùn)輸車輛管理系統(tǒng)提供實(shí)時(shí)感知功能。人工智能賦能物流運(yùn)輸?shù)淖罱K形態(tài)必然將是由無(wú)人卡車替代 人工駕駛卡車，盡管近兩年自動(dòng)駕駛在卡車領(lǐng)域進(jìn)展順利，無(wú)人卡車在港區(qū)、園區(qū)等相對(duì)封閉的場(chǎng)景中已經(jīng)開(kāi)始進(jìn)入試運(yùn) 行階段，但與實(shí)際運(yùn)營(yíng)的距離尚遠(yuǎn)。未來(lái)數(shù)年內(nèi)，人工智能在物流運(yùn)輸中的商業(yè)化價(jià)

26、值主要體現(xiàn)在車輛狀態(tài)監(jiān)測(cè)、駕駛行 為監(jiān)控等功能。艾瑞認(rèn)為，2019年國(guó)內(nèi)人工智能+物流運(yùn)輸?shù)氖袌?chǎng)規(guī)模為6.1億元，預(yù)計(jì)到2025年超過(guò)30億元。2014-2019年中國(guó)運(yùn)輸費(fèi)用總額及占社會(huì)物流2019-2025年中國(guó)人工智能+運(yùn)輸市場(chǎng)規(guī)模 總費(fèi)用比重情況18智能運(yùn)輸丨無(wú)人卡車自動(dòng)駕駛技術(shù)將使道路運(yùn)輸更經(jīng)濟(jì)、更高效、更安全自動(dòng)駕駛是指讓汽車自己擁有環(huán)境感知、路徑規(guī)劃并且自主實(shí)現(xiàn)車輛控制的技術(shù)，也就是用電子技術(shù)控制汽車進(jìn)行的仿人 駕駛或是自動(dòng)駕駛。美國(guó)汽車工程師協(xié)會(huì)（SAE）根據(jù)系統(tǒng)對(duì)于車輛操控任務(wù)的把控程度，將自動(dòng)駕駛技術(shù)分為L(zhǎng)0-L5， 系統(tǒng)在L1L3級(jí)主要起輔助功能；當(dāng)?shù)竭_(dá)L4級(jí)，車輛駕駛將

27、全部交給系統(tǒng)，而L4、L5的區(qū)別在于特定場(chǎng)景和全場(chǎng)景應(yīng)用。在物流運(yùn)輸領(lǐng)域，配備L4級(jí)別自動(dòng)駕駛技術(shù)的無(wú)人卡車即可以滿足港口、園區(qū)、高速公路等多種運(yùn)輸場(chǎng)景，并在人力資源、 能源費(fèi)用、設(shè)備損耗、保險(xiǎn)費(fèi)用等多個(gè)層面大幅降低運(yùn)輸整體成本。根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2018年國(guó)內(nèi)重型載貨汽車 已超過(guò)700萬(wàn)輛，自動(dòng)駕駛技術(shù)一旦進(jìn)入商業(yè)化應(yīng)用階段，其市場(chǎng)空間及所能創(chuàng)造的價(jià)值都將以數(shù)千億乃至萬(wàn)億計(jì)。自動(dòng)駕駛的定義分層及在物流運(yùn)輸領(lǐng)域的應(yīng)用價(jià)值自動(dòng)駕駛級(jí)別劃分標(biāo)準(zhǔn)車輛控制環(huán)境感知物流領(lǐng)域應(yīng)用價(jià)值L1/2在特定駕駛模式下，單/多項(xiàng)駕駛輔助系統(tǒng)通過(guò)獲 取行車環(huán)境信息對(duì)車輛橫向或縱向駕駛動(dòng)作進(jìn)行 操控，但駕駛員需要負(fù)

28、責(zé)對(duì)除此以外的動(dòng)態(tài)駕駛 任務(wù)進(jìn)行操作自動(dòng)駕駛技術(shù)的應(yīng)用可以減少甚 至替代卡車司機(jī)，降低人力成本L3在特定駕駛模式下，系統(tǒng)負(fù)責(zé)執(zhí)行車輛全部動(dòng)態(tài) 駕駛?cè)蝿?wù)，駕駛員需要在特殊情況發(fā)生時(shí)，適時(shí) 對(duì)系統(tǒng)提出的干預(yù)請(qǐng)求進(jìn)行回應(yīng)自動(dòng)駕駛技術(shù)結(jié)合動(dòng)力傳動(dòng)控制 系統(tǒng)和跟車行駛系統(tǒng)，減少單位L4在特定駕駛模式下，系統(tǒng)負(fù)責(zé)執(zhí)行車輛全部動(dòng)態(tài) 駕駛?cè)蝿?wù)，即使駕駛員在特殊情況發(fā)生時(shí)未能對(duì) 系統(tǒng)提出的干預(yù)請(qǐng)求做出回應(yīng)油耗提高車輛運(yùn)行的安全性，有效降L5系統(tǒng)負(fù)責(zé)完成全天候全路況的動(dòng)態(tài)駕駛?cè)蝿?wù)，系 統(tǒng)可由駕駛員進(jìn)行管理低運(yùn)輸?shù)慕煌ㄊ鹿事?，?jié)省保費(fèi)成本智 能 運(yùn) 輸19智能運(yùn)輸丨無(wú)人卡車無(wú)人卡車的商業(yè)化前夜已經(jīng)到來(lái)，但大規(guī)模應(yīng)用

29、仍需時(shí)日近年來(lái)，自動(dòng)駕駛技術(shù)的開(kāi)發(fā)與應(yīng)用一直深受各界關(guān)注，與無(wú)人卡車相比，無(wú)人駕駛乘用車往往更吸引普通民眾的眼球。 從技術(shù)角度出發(fā)，應(yīng)用在無(wú)人卡車上的自動(dòng)駕駛技術(shù)與乘用車并無(wú)二致，其系統(tǒng)架構(gòu)同樣是由感知層、決策層與執(zhí)行層組 成，感知載體也都以攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)等傳感器為主。但對(duì)于目前尚處在實(shí)驗(yàn)階段的無(wú)人駕駛 車輛而言，城市路況的復(fù)雜程度和不確定因素給無(wú)人駕駛乘用車的商業(yè)化道路帶來(lái)極大的障礙。反觀物流領(lǐng)域，港口、物 流園區(qū)、高速公路等道路運(yùn)輸主要場(chǎng)景的封閉性較高，運(yùn)輸路線相對(duì)較為固定，測(cè)試數(shù)據(jù)的獲取與積累也更容易。從商業(yè) 化的進(jìn)程來(lái)看，以圖森未來(lái)為代表的L4級(jí)別自動(dòng)駕駛卡車

30、已經(jīng)率先進(jìn)入到了試運(yùn)營(yíng)階段，無(wú)人卡車的商業(yè)化序幕正在緩緩 拉開(kāi)。但這只是無(wú)人卡車在物流運(yùn)輸中的初步嘗試，目前仍然存在技術(shù)穩(wěn)定性有待驗(yàn)證、可測(cè)試路段較少、國(guó)內(nèi)甩掛運(yùn)輸 份額較小等諸多問(wèn)題還未解決，無(wú)人卡車距離大規(guī)模商業(yè)化應(yīng)用尚需時(shí)日。WSTO中國(guó)無(wú)人卡車SWOT分析“倉(cāng)到倉(cāng)”運(yùn)輸場(chǎng)無(wú)人卡車自動(dòng)駕駛系統(tǒng)架構(gòu)卡車的車身長(zhǎng)、噸位大， 剎車、減速、變道等行 為需要更多的時(shí)間與空 間，因此要求系統(tǒng)對(duì)路 況的感知距離更長(zhǎng)景封閉度較高，落 地難度相對(duì)較低物流企業(yè)及運(yùn)輸服 務(wù)使用方對(duì)傳感設(shè) 備的價(jià)格、體積等 接受度較高中國(guó)的貨運(yùn)卡車數(shù)量 及物流總額全球第一， 無(wú)人卡車應(yīng)用空間極為廣闊五大重卡企業(yè)生產(chǎn)能力 強(qiáng)勁，

31、國(guó)內(nèi)無(wú)人卡車發(fā) 展擁有良好的產(chǎn)業(yè)基礎(chǔ)甩掛運(yùn)輸是最適合無(wú) 人卡車發(fā)揮其效率優(yōu) 勢(shì)的運(yùn)輸方式，但國(guó) 內(nèi)目前仍然以傳統(tǒng)的 “一車一掛”運(yùn)輸方 式為主，甩掛運(yùn)輸?shù)?發(fā)展還需要很長(zhǎng)時(shí)間感知決策執(zhí)行獲取行駛道路數(shù)據(jù)并幫助系統(tǒng)定位分析、處理感知層獲取的數(shù)據(jù)并向執(zhí)行層下達(dá)指令攝像頭、激光雷達(dá)、毫米波雷達(dá)等車載傳感器計(jì)算平臺(tái)+算法電子驅(qū)動(dòng)、電子制動(dòng)、電子轉(zhuǎn)向按照指令完成剎車、加速、轉(zhuǎn)向等動(dòng)作智 能 運(yùn) 輸智能運(yùn)輸丨車隊(duì)管理系統(tǒng)20實(shí)時(shí)感知車輛與司機(jī)狀態(tài)，適用于各類運(yùn)輸車輛無(wú)人卡車能夠從根本上顛覆整個(gè)物流運(yùn)輸流程，但可預(yù)見(jiàn)的是在未來(lái)一段相當(dāng)長(zhǎng)的時(shí)間內(nèi)，國(guó)內(nèi)公路運(yùn)輸?shù)闹髁σ廊粫?huì)是 規(guī)模不一的物流企業(yè)及其管理的車隊(duì)。

32、目前，國(guó)內(nèi)人工智能賦能物流運(yùn)輸?shù)闹饕问绞腔谟?jì)算機(jī)視覺(jué)技術(shù)與AIoT技術(shù)， 在車隊(duì)管理系統(tǒng)中實(shí)現(xiàn)車輛行駛狀況、司機(jī)駕駛行為、貨物裝載情況的實(shí)時(shí)感知功能，使系統(tǒng)在車輛出現(xiàn)行程延誤、線路 異常和司機(jī)危險(xiǎn)行為（瞌睡、看手機(jī)、超速、車道偏離等）時(shí)進(jìn)行風(fēng)險(xiǎn)報(bào)警、干預(yù)和取證判責(zé)，并最終達(dá)到提升車隊(duì)管理 效率、減少運(yùn)輸安全事故的目的。與無(wú)人卡車的“替代性”功效不同，車隊(duì)管理系統(tǒng)中所應(yīng)用的計(jì)算機(jī)視覺(jué)技術(shù)是在對(duì)原 有物聯(lián)網(wǎng)功能的補(bǔ)充與拓展，依然是以輔助者的角度來(lái)幫助司機(jī)和車隊(duì)管理者，其感知設(shè)備是后裝形式的車載終端，決策 來(lái)自系統(tǒng)平臺(tái)，對(duì)車輛的控制和動(dòng)作執(zhí)行要通過(guò)司機(jī)手動(dòng)完成。因此就現(xiàn)階段而言，融入人工智能技術(shù)

33、的車隊(duì)管理系統(tǒng)在 適用性和商業(yè)化程度上領(lǐng)先于無(wú)人卡車。人工智能在車隊(duì)管理系統(tǒng)中的應(yīng)用示例DSM攝像頭監(jiān)測(cè) 車內(nèi)司機(jī)駕駛行為ADAS攝像頭收集 外部行駛環(huán)境信息車載終端識(shí)別、分析信息 并向系統(tǒng)平臺(tái)報(bào)送閉眼頻率及時(shí)長(zhǎng)低頭頻率及時(shí)長(zhǎng)駕駛中抽煙、打電話、左顧右盼等危險(xiǎn)行為急加速/剎車車道偏離與前車距離過(guò)近道路可見(jiàn)度降低系統(tǒng)分析風(fēng)險(xiǎn)后對(duì)司 機(jī)行為進(jìn)行干預(yù)警報(bào)設(shè)備預(yù)警終端語(yǔ)音提醒 電話警告安全員/車隊(duì)長(zhǎng)智 能 運(yùn) 輸智能倉(cāng)儲(chǔ)中的人工智能應(yīng)用21目前仍以點(diǎn)狀應(yīng)用散落于整個(gè)智能倉(cāng)儲(chǔ)系統(tǒng)的各個(gè)子系統(tǒng)中物流業(yè)是一個(gè)“動(dòng)靜結(jié)合”的產(chǎn)業(yè)，運(yùn)輸與配送代表著物流的“動(dòng)”，倉(cāng)儲(chǔ)則代表物流的“靜”。為了提升效率，物流產(chǎn) 業(yè)對(duì)

34、倉(cāng)儲(chǔ)也有“動(dòng)”起來(lái)的強(qiáng)烈需求，智能倉(cāng)儲(chǔ)即通過(guò)物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、自動(dòng)化設(shè)備及各類軟件系統(tǒng)的綜合應(yīng) 用，讓傳統(tǒng)靜態(tài)倉(cāng)儲(chǔ)也朝著動(dòng)靜結(jié)合的方向進(jìn)行轉(zhuǎn)變。智能倉(cāng)儲(chǔ)屬于高度集成化的綜合系統(tǒng)，一般包含立體貨架、有軌巷 道堆垛機(jī)、出入庫(kù)輸送系統(tǒng)、信息識(shí)別系統(tǒng)、自動(dòng)控制系統(tǒng)、計(jì)算機(jī)監(jiān)控系統(tǒng)、計(jì)算機(jī)管理系統(tǒng)以及其他輔助設(shè)備組成的 智能化系統(tǒng)等。因此在智能倉(cāng)儲(chǔ)中，商品的入庫(kù)、存取、揀選、分揀、包裝、出庫(kù)等一系列流程中都有各種類型物流設(shè)備 的參與，同時(shí)需要物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能、RFID等技術(shù)的支撐。從目前來(lái)看，人工智能在智能倉(cāng)儲(chǔ)系統(tǒng)中的 應(yīng)用還不夠成熟，仍以貨物體積測(cè)算、電子面單識(shí)別、物流設(shè)備調(diào)度

35、、視覺(jué)引導(dǎo)、視覺(jué)監(jiān)控等多種類型的點(diǎn)狀應(yīng)用散布于 整個(gè)系統(tǒng)的各個(gè)環(huán)節(jié)當(dāng)中。智能倉(cāng)儲(chǔ)系統(tǒng)構(gòu)成以及人工智能在系統(tǒng)中的應(yīng)用情況智能倉(cāng)儲(chǔ)系統(tǒng)入庫(kù)識(shí)別貨物搬運(yùn)存儲(chǔ)上架分揀出庫(kù)管理系統(tǒng)條 形 碼R F I D視 覺(jué) 識(shí) 別激 光 叉 車搬 運(yùn) A G VA M R穿 梭 機(jī)立 體 貨 架巷 道 堆 垛 機(jī)分 揀 行 為 檢 測(cè)WMSWCS分 揀 A G V滾 珠 模 組 帶利用計(jì) 算機(jī)視 覺(jué)技術(shù) 測(cè)量入 庫(kù)貨物 的體積VSLAM引導(dǎo)搬 運(yùn)機(jī)器 人自主 移動(dòng)計(jì)算機(jī) 視覺(jué)技 術(shù)識(shí)別 并記錄 暴力分 揀行為 及人員基于機(jī)器學(xué)習(xí)技術(shù)統(tǒng)一調(diào)度、協(xié) 調(diào)倉(cāng)內(nèi)的各類物流設(shè)備的運(yùn)行智 能 倉(cāng) 儲(chǔ)22智能倉(cāng)儲(chǔ)丨倉(cāng)儲(chǔ)現(xiàn)場(chǎng)管理來(lái)源

36、：研究院根據(jù)順豐控股財(cái)報(bào)數(shù)據(jù)繪制。智 能 倉(cāng) 儲(chǔ)倉(cāng)內(nèi)工作人員行為識(shí)別人員動(dòng)作評(píng)級(jí)處理，預(yù)警、識(shí)別、記 錄暴力拋扔踢甩包裹行為，降低破損 件及丟失件的發(fā)生概率應(yīng)用價(jià)值規(guī)范員工操作，降低理賠成本強(qiáng)化基層倉(cāng)庫(kù)管理倉(cāng)內(nèi)流轉(zhuǎn)貨物外觀識(shí)別監(jiān)測(cè)流轉(zhuǎn)中的貨物及包裹，識(shí)別包裹 是否破損及破損程度，破損嚴(yán)重的直 接上報(bào)至人工處理應(yīng)用價(jià)值及時(shí)定位破損件及責(zé)任人減少客戶投訴率倉(cāng)內(nèi)管理規(guī)范員工行為、減少貨物損失、降低理賠風(fēng)險(xiǎn)人工智能在智能倉(cāng)儲(chǔ)中的應(yīng)用領(lǐng)域之一是在倉(cāng)儲(chǔ)現(xiàn)場(chǎng)管理場(chǎng)景中，其實(shí)現(xiàn)途徑是以高清攝像頭為硬件載體，通過(guò)計(jì)算機(jī)視 覺(jué)技術(shù)監(jiān)測(cè)并識(shí)別倉(cāng)儲(chǔ)現(xiàn)場(chǎng)中人員、貨物、車輛的行為與狀態(tài)。根據(jù)作業(yè)環(huán)境，我們可以將人工智能技

37、術(shù)在倉(cāng)儲(chǔ)現(xiàn)場(chǎng)管理 中的具體應(yīng)用分為倉(cāng)內(nèi)現(xiàn)場(chǎng)管理與場(chǎng)院現(xiàn)場(chǎng)管理。計(jì)算機(jī)視覺(jué)技術(shù)在倉(cāng)內(nèi)現(xiàn)場(chǎng)管理的應(yīng)用場(chǎng)景一是針對(duì)倉(cāng)內(nèi)工作人員的行 為進(jìn)行實(shí)時(shí)監(jiān)測(cè)，識(shí)別并記錄暴力分揀、違規(guī)搬運(yùn)等容易對(duì)貨物、包裹造成破壞及損傷的行為，采集行為實(shí)施人員的相關(guān) 信息；二是監(jiān)測(cè)倉(cāng)內(nèi)流轉(zhuǎn)的貨物、包裹的外觀情況，識(shí)別并判斷包裹的破損情況，對(duì)存在明顯破損的包裹進(jìn)行預(yù)警上報(bào)。 在倉(cāng)內(nèi)現(xiàn)場(chǎng)管理中引入計(jì)算機(jī)視覺(jué)技術(shù)，能夠起到監(jiān)督與規(guī)范員工行為、降低貨物破損與丟失概率、減少理賠成本等作用。 例如，順豐在倉(cāng)內(nèi)應(yīng)用計(jì)算機(jī)視覺(jué)技術(shù)后初見(jiàn)成效，近兩年理賠成本占營(yíng)業(yè)成本的比重逐年下降。人工智能技術(shù)在倉(cāng)內(nèi)現(xiàn)場(chǎng)管理中的應(yīng)用與價(jià)值2016-2019年順

38、豐理賠成本及占營(yíng)業(yè)成本的比重4.65.96.88.51.00%1.03%0.92%0.91%20162017順豐理賠成本（億元）20182019順豐理賠成本占營(yíng)業(yè)成本比重（%）智能倉(cāng)儲(chǔ)丨倉(cāng)儲(chǔ)現(xiàn)場(chǎng)管理23場(chǎng)院管理采集車輛信息、提高裝載效率、優(yōu)化運(yùn)力成本場(chǎng)院現(xiàn)場(chǎng)管理中的主要管理對(duì)象是各類運(yùn)輸車輛，人工智能技術(shù)在場(chǎng)院現(xiàn)場(chǎng)管理系統(tǒng)中的作用即監(jiān)測(cè)、分析車輛從進(jìn)入物 流園區(qū)或中轉(zhuǎn)場(chǎng)院到離開(kāi)的全過(guò)程，核心應(yīng)用是車牌識(shí)別及車輛裝載率識(shí)別。車牌識(shí)別在日常生活中已相當(dāng)普及，但由于 運(yùn)輸車輛的車體較大、車牌位置不定且經(jīng)常出現(xiàn)臟污遮擋，因此場(chǎng)院管理場(chǎng)景對(duì)車牌定位、字符分割和光學(xué)字符識(shí)別算法 的要求更高；裝載率識(shí)別是通

39、過(guò)裝卸口或裝卸月臺(tái)設(shè)置的攝像頭獲取車廂現(xiàn)有貨物空間及剩余空間，計(jì)算分析過(guò)程裝載率 與即刻裝載率。在場(chǎng)院現(xiàn)場(chǎng)管理中引入計(jì)算機(jī)視覺(jué)技術(shù)，能夠持續(xù)采集場(chǎng)院內(nèi)車輛信息，為管理系統(tǒng)提供車輛裝載率、車 輛調(diào)度、運(yùn)力監(jiān)測(cè)和場(chǎng)地人員能效等基礎(chǔ)數(shù)據(jù)，優(yōu)化運(yùn)力成本。人工智能技術(shù)在場(chǎng)院現(xiàn)場(chǎng)管理中的應(yīng)用智 能 倉(cāng) 儲(chǔ)糊、車牌扭曲/臟污等惡劣情況，智能 識(shí)別藍(lán)牌、黃牌、新能源車牌。車牌識(shí)別克服光照不均、遮擋缺失、運(yùn)動(dòng)模裝載率識(shí)別通過(guò)設(shè)置在月臺(tái)的深度攝像頭，識(shí)別 月臺(tái)所在車輛的即刻裝載率、過(guò)程裝 載率，結(jié)合裝載時(shí)間、人員等交叉分 析裝載能效能效分析結(jié)合到卡裝載率及離卡裝載率、停留 時(shí)間、裝卸人員數(shù)量及工作時(shí)間等數(shù) 據(jù)進(jìn)行

40、分析，持續(xù)記錄并反饋各場(chǎng)地 能效情況，優(yōu)化運(yùn)力成本時(shí)間車輛時(shí)間判定記錄并上傳車輛到卡時(shí)間、裝卸貨開(kāi) 始時(shí)間、裝卸貨結(jié)束時(shí)間、車輛離卡智能倉(cāng)儲(chǔ)丨AMR24倉(cāng)儲(chǔ)環(huán)境中的智能“類自動(dòng)駕駛”機(jī)器人在倉(cāng)儲(chǔ)環(huán)境下的各類智能設(shè)備中，AMR是發(fā)展速度較快的領(lǐng)域之一。AMR（Automatic Mobile Robot）即自主移動(dòng)機(jī) 器人，在倉(cāng)儲(chǔ)環(huán)境中一般用于搬運(yùn)與揀貨，與傳統(tǒng)AGV不同的是，AMR的運(yùn)行不需要地面二維碼、磁條等預(yù)設(shè)裝置，而 是依靠SLAM系統(tǒng)定位導(dǎo)航。如果把AGV比作倉(cāng)內(nèi)軌道交通，那么AMR可以視為“類自動(dòng)駕駛”機(jī)器人。在靈活性與適應(yīng) 性方面，AMR不僅可以與倉(cāng)儲(chǔ)環(huán)境進(jìn)行交互，一旦倉(cāng)內(nèi)布局發(fā)生

41、變化，AMR也能夠迅速重新構(gòu)建地圖，節(jié)省重新部署環(huán) 境的時(shí)間與成本。AMR采用的導(dǎo)航方式主要有激光SLAM與視覺(jué)SLAM（VSLAM）兩種，激光SLAM起步較早，但成本高 且應(yīng)用場(chǎng)景有限；而隨著人工智能算法與算力的不斷進(jìn)步，基于計(jì)算機(jī)視覺(jué)的VSLAM快速成長(zhǎng)起來(lái)。視覺(jué)導(dǎo)航AMR通過(guò) VSLAM系統(tǒng)能夠?qū)崿F(xiàn)地圖構(gòu)建、自主定位、環(huán)境感知，具備自主路徑規(guī)劃、智能避障、智能跟隨等能力。AGV、激光導(dǎo)航AMR與視覺(jué)導(dǎo)航AMR的對(duì)比分析設(shè)備類型預(yù)設(shè)裝置主傳感器環(huán)境信息獲取路徑規(guī)劃及避障方式計(jì)算需求多機(jī)協(xié)作AGV地面需鋪設(shè) 磁導(dǎo)軌或二 維碼紅外傳感器探測(cè)前方是否有障礙物按照預(yù)設(shè)路徑運(yùn)行，如遇 障礙物則停止運(yùn)

42、行直至障 礙物消失無(wú)嚴(yán)格按照調(diào)度系統(tǒng)指令執(zhí)行激光導(dǎo)航 AMR無(wú)激光雷達(dá)分散的、具有準(zhǔn) 確角度和距離信 息的點(diǎn)，即點(diǎn)云在SLAM系統(tǒng)構(gòu)建的地圖 信息基礎(chǔ)上，從出發(fā)點(diǎn)到 到達(dá)點(diǎn)之間自主選取行進(jìn) 路徑，在傳感器感知到障 礙物后主動(dòng)避讓或重新更 換路徑可以在普通 ARM CPU上實(shí)時(shí)運(yùn)行激光雷達(dá)主動(dòng)發(fā) 射，在較多機(jī)器 人時(shí)可能產(chǎn)生干 擾視覺(jué)導(dǎo)航 AMR攝像頭海量的、富于冗 余的紋理信息需要較為強(qiáng)勁 的準(zhǔn)桌面級(jí) CPU或者GPU支持視覺(jué)主要是被動(dòng) 探測(cè)，不存在多 機(jī)器人干擾問(wèn)題智 能 倉(cāng) 儲(chǔ)智能倉(cāng)儲(chǔ)丨AMR25智 能 倉(cāng) 儲(chǔ)5.68.012.016.922.528.333.71.21.93.04.46.

43、38.510.742.3%50.5%41.2%32.9%25.8%18.9%55.8%倉(cāng)儲(chǔ)AMR市場(chǎng)尚處于起步階段，未來(lái)六年CAGR達(dá)36.7%盡管AMR具備柔性部署、自主靈活等優(yōu)勢(shì)，但AMR產(chǎn)品技術(shù)門(mén)檻較高，國(guó)內(nèi)能夠?qū)崿F(xiàn)量產(chǎn)且推動(dòng)項(xiàng)目落地的企業(yè)相對(duì)較 少，AMR市場(chǎng)尚處于起步階段，還需要一段市場(chǎng)驗(yàn)證時(shí)間。而隨著落地項(xiàng)目帶來(lái)的數(shù)據(jù)積累以及算法的不斷優(yōu)化打磨， AMR將會(huì)逐步得到更為廣泛的應(yīng)用，其市場(chǎng)發(fā)展前景極為可觀。艾瑞認(rèn)為，2019年國(guó)內(nèi)倉(cāng)儲(chǔ)AMR的市場(chǎng)規(guī)模為6.8億元， 未來(lái)數(shù)年，AMR市場(chǎng)規(guī)模將以高速增長(zhǎng)狀態(tài)迅速擴(kuò)張，預(yù)計(jì)到2025年，國(guó)內(nèi)倉(cāng)儲(chǔ)AMR的市場(chǎng)規(guī)模將超過(guò)40億元。2019-2

44、025年中國(guó)倉(cāng)儲(chǔ)AMR市場(chǎng)規(guī)模情況59.7%48.5%42.1%34.3%26.8%20192025e2020e2021e2022e激光導(dǎo)航倉(cāng)儲(chǔ)AMR市場(chǎng)規(guī)模（億元） 激光導(dǎo)航倉(cāng)儲(chǔ)AMR市場(chǎng)規(guī)模增速（%）2023e2024e視覺(jué)導(dǎo)航倉(cāng)儲(chǔ)AMR市場(chǎng)規(guī)模（億元） 視覺(jué)導(dǎo)航倉(cāng)儲(chǔ)AMR市場(chǎng)規(guī)模增速（%）來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談及測(cè)算模型自主研究及繪制。智能倉(cāng)儲(chǔ)丨設(shè)備調(diào)度系統(tǒng)26基于對(duì)貨物未來(lái)訂單需求的預(yù)測(cè)，對(duì)貨架可能被 搬運(yùn)的次數(shù)（即貨架的熱度）進(jìn)行識(shí)別，通過(guò)生 成機(jī)器人搬運(yùn)任務(wù)讓不同熱度的貨架調(diào)整到最適 合的位置，從而最小化預(yù)期的貨架總體搬運(yùn)距離對(duì)海量歷史訂單數(shù)據(jù)進(jìn)行挖掘和分析，同時(shí)對(duì)未

45、來(lái)訂單進(jìn)行預(yù)測(cè)，通過(guò)特征提取、關(guān)聯(lián)性分析和 無(wú)監(jiān)督聚類，綜合得到最優(yōu)的訂單波次組合以歷史匹配經(jīng)驗(yàn)數(shù)據(jù)作為驅(qū)動(dòng)，將需要搬運(yùn)的貨 架與空閑機(jī)器人進(jìn)行一一匹配，使用在線與離線 學(xué)習(xí)相結(jié)合的方式最大化當(dāng)前和未來(lái)獎(jiǎng)勵(lì)值，不 斷迭代學(xué)習(xí)得到最優(yōu)匹配策略訂單波次規(guī)劃基于深度學(xué)習(xí)與運(yùn)籌優(yōu)化算法，提升設(shè)備群體的智能化程度隨著AS/RS、AGV、AMR、穿梭車、激光叉車、堆垛/分揀機(jī)器人等不同類別的自動(dòng)化及智能化設(shè)備越來(lái)越多地進(jìn)入到倉(cāng) 儲(chǔ)環(huán)境中，設(shè)備的調(diào)度與協(xié)同成為影響設(shè)備工作效能的關(guān)鍵因素之一。如果把倉(cāng)儲(chǔ)環(huán)境中的各類設(shè)備比作一只足球隊(duì)，那 么設(shè)備調(diào)度系統(tǒng)就相當(dāng)于球隊(duì)的教練，負(fù)責(zé)制定球隊(duì)?wèi)?zhàn)術(shù)、選擇出場(chǎng)球員以及指揮

46、球員跑位等工作。早期倉(cāng)儲(chǔ)設(shè)備的調(diào)度 與控制主要是以WCS（倉(cāng)庫(kù)控制系統(tǒng)）為載體，接收WMS/ERP等上層系統(tǒng)的指令后，控制著設(shè)備按照既定設(shè)計(jì)的運(yùn)行方 式進(jìn)行工作。而在人工智能技術(shù)，尤其是深度學(xué)習(xí)與運(yùn)籌優(yōu)化算法的驅(qū)動(dòng)下，設(shè)備調(diào)度系統(tǒng)在準(zhǔn)確性、靈活性、自主性方 面取得顯著提升。以AGVS為例，基于大規(guī)模聚類、約束優(yōu)化、時(shí)間序列預(yù)測(cè)等底層算法，AGV智能調(diào)度系統(tǒng)能夠靈活指 揮數(shù)百乃至上千臺(tái)AGV完成任務(wù)最優(yōu)匹配、協(xié)同路徑規(guī)劃、調(diào)整貨架布局、補(bǔ)貨計(jì)劃生成等多項(xiàng)業(yè)務(wù)，并隨數(shù)據(jù)積累與學(xué) 習(xí)不斷自主優(yōu)化算法。可以說(shuō)，AI算法加持的設(shè)備調(diào)度系統(tǒng)能夠在一定程度上將系統(tǒng)自身的智能賦予設(shè)備本體，使設(shè)備群 體的智能化

47、程度得以提升。人工智能算法在AGVS中的應(yīng)用任務(wù)匹配優(yōu)化路徑動(dòng)態(tài)規(guī)劃打破傳統(tǒng)路徑規(guī)劃的局限，采用深度強(qiáng)化學(xué)習(xí)結(jié) 合動(dòng)態(tài)規(guī)劃的算法使多智能體進(jìn)行分布式協(xié)同路 徑規(guī)劃，在保證安全避障的同時(shí)以最短的時(shí)間為 目標(biāo)到達(dá)目的地貨架優(yōu)化調(diào)整智 能 倉(cāng) 儲(chǔ)來(lái)源：研究院根據(jù)專家訪談及測(cè)算模型自主研究及繪制。智能倉(cāng)儲(chǔ)丨設(shè)備調(diào)度系統(tǒng)未來(lái)發(fā)展方向是形成統(tǒng)一的設(shè)備協(xié)同控制系統(tǒng)從目前的情況來(lái)看，大部分倉(cāng)儲(chǔ)設(shè)備調(diào)度系統(tǒng)都是由設(shè)備供應(yīng)商單獨(dú)為本企業(yè)產(chǎn)品開(kāi)發(fā)的標(biāo)準(zhǔn)化軟件系統(tǒng)。對(duì)于設(shè)備類型 較多的倉(cāng)儲(chǔ)環(huán)境，尤其是AGV、激光叉車、分揀/堆垛機(jī)械臂等機(jī)器人類設(shè)備數(shù)量較多的大型自動(dòng)化倉(cāng)庫(kù)，往往存在多種 設(shè)備調(diào)度軟件“山頭林立”的局面

48、，這些軟件分別與WMS/ERP等上層系統(tǒng)連接，但彼此之間并無(wú)關(guān)聯(lián)。因此要最大程度 發(fā)揮機(jī)器人的效能，就需要搭建連接WMS與倉(cāng)內(nèi)所有機(jī)器人的中間協(xié)同調(diào)度系統(tǒng)，為企業(yè)提供多設(shè)備、多廠商的統(tǒng)一接 入與調(diào)度能力，使一定范圍內(nèi)的多種設(shè)備高效、聯(lián)動(dòng)、連貫地完成同一任務(wù)。但是由于設(shè)備調(diào)度系統(tǒng)在整個(gè)智能倉(cāng)儲(chǔ)體系 中的定位是中間件，向上要能夠適配市場(chǎng)主流WMS軟件，向下要接入各種不同導(dǎo)航方式、功能類型、工作區(qū)域的倉(cāng)儲(chǔ)設(shè) 備并以算法為基礎(chǔ)調(diào)度指導(dǎo)設(shè)備完成各項(xiàng)工作，實(shí)現(xiàn)難度較大，目前尚處于實(shí)驗(yàn)階段。較為可行的路徑是由具備生產(chǎn)多種 倉(cāng)儲(chǔ)機(jī)器人技術(shù)能力的企業(yè)自主研發(fā)或與AI公司共同開(kāi)發(fā)能夠?qū)⒆陨砩a(chǎn)的各類機(jī)器人在同一環(huán)

49、境內(nèi)統(tǒng)一調(diào)度管理的平臺(tái) 型機(jī)器人操作系統(tǒng)，在充分驗(yàn)證與優(yōu)化后，嘗試向通用型設(shè)備協(xié)同控制系統(tǒng)發(fā)展。倉(cāng)儲(chǔ)設(shè)備協(xié)同控制系統(tǒng)的典型產(chǎn)品架構(gòu)27設(shè) 備 層設(shè)備協(xié) 同控制 系統(tǒng)倉(cāng)儲(chǔ)機(jī)器人AGVAMRSLAM叉車分揀機(jī)器人堆垛機(jī)器人集成自動(dòng)化設(shè)備傳送線打包機(jī)提升機(jī)穿梭車電梯WMSERPSCMOMS上層系統(tǒng)規(guī)劃平臺(tái)仿真平臺(tái)運(yùn)維平臺(tái)調(diào)度平臺(tái)開(kāi)發(fā)者平臺(tái)設(shè)備接入平臺(tái)機(jī)器人控制系統(tǒng)RCS倉(cāng)儲(chǔ)執(zhí)行系統(tǒng)WES設(shè)備APIAPI接口智 能 倉(cāng) 儲(chǔ)智能配送中的人工智能應(yīng)用注釋：市場(chǎng)規(guī)模是指由AI公司及硬件供應(yīng)商向物流公司及電商平臺(tái)提供的無(wú)人配送車與配送無(wú)人機(jī)的軟硬件產(chǎn)品規(guī)模，不包括物流公司及電商平臺(tái)自研自用的無(wú)人配送車和無(wú)人機(jī)

50、。 來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談及測(cè)算模型自主研究及繪制。理論上市場(chǎng)空間極為廣闊，但仍需要較長(zhǎng)時(shí)間培育配送是貨物流動(dòng)過(guò)程的最后環(huán)節(jié)，也是物流鏈條上人力資源投入最重的環(huán)節(jié)。以快遞業(yè)與即時(shí)配送行業(yè)為例，全國(guó)快遞員 數(shù)量在2018年就已突破300萬(wàn)，工作靈活性較強(qiáng)的即時(shí)配送行業(yè)所需人力更甚于快遞行業(yè)，2019年，僅在美團(tuán)點(diǎn)評(píng)平臺(tái) 上領(lǐng)取過(guò)收入的騎手?jǐn)?shù)量就高達(dá)398.7萬(wàn)人。對(duì)于旨在降低人力成本和提高人力效能的人工智能而言，配送領(lǐng)域的應(yīng)用前 景相當(dāng)廣闊，且場(chǎng)景清晰明確。從“替代人工”角度來(lái)看，配送中的人工智能核心應(yīng)用集中于無(wú)人配送領(lǐng)域，實(shí)現(xiàn)形式是 無(wú)人配送車與配送無(wú)人機(jī)；從“輔助管理”角度來(lái)看，

51、人工智能主要應(yīng)用在即時(shí)配送領(lǐng)域的訂單分配系統(tǒng)中，為系統(tǒng)提供 訂單數(shù)量預(yù)估、訂單實(shí)時(shí)匹配、訂單路徑規(guī)劃等能力。人工智能在物流配送領(lǐng)域的施展空間極大，但受限于技術(shù)穩(wěn)定度不 足、成本與收益不匹配、監(jiān)管政策嚴(yán)格等因素，無(wú)人配送在商業(yè)落地層面尚處在萌芽階段；而即時(shí)配送中的訂單分配系統(tǒng) 盡管已廣泛使用深度學(xué)習(xí)及優(yōu)化算法，但其核心技術(shù)都由各大平臺(tái)自研自用，軟硬件供應(yīng)商并無(wú)獲利空間。艾瑞認(rèn)為， 2019年國(guó)內(nèi)人工智能+物流配送的市場(chǎng)規(guī)模為1.9億元，預(yù)計(jì)到2024年超過(guò)10億元。2019-2025年中國(guó)人工智能+配送市場(chǎng)規(guī)模智 能 配 送1.11.72.74.05.67.49.30.81.11.62.12.8

52、3.44.153.2%57.8%49.0%41.1%33.2%38.5%42.1%36.2%29.9%23.0%25.4%18.3%20192020e無(wú)人配送車市場(chǎng)規(guī)模（億元）2021e2022e物流無(wú)人機(jī)市場(chǎng)規(guī)模（億元）2023e2024e無(wú)人配送車市場(chǎng)規(guī)模增速（%）2025e物流無(wú)人機(jī)市場(chǎng)規(guī)模增速（%）28智能配送丨無(wú)人配送無(wú)人配送車城市環(huán)境中自動(dòng)駕駛技術(shù)的“降維”落地?zé)o人配送車是應(yīng)用在快遞快運(yùn)配送與即時(shí)物流配送中低速自動(dòng)駕駛無(wú)人車，其核心技術(shù)架構(gòu)與汽車自動(dòng)駕駛系統(tǒng)基本一 致，都是由環(huán)境感知、車輛定位、路徑規(guī)劃決策、車輛控制、車輛執(zhí)行等模塊組成。由于無(wú)人配送車的運(yùn)行環(huán)境里有著大 量的非機(jī)動(dòng)

53、車與行人，路面復(fù)雜程度要高于機(jī)動(dòng)車道，因此對(duì)于超聲波雷達(dá)、廣角攝像頭等近距離傳感器的依賴度更高， 環(huán)境感知算法的側(cè)重點(diǎn)與汽車、卡車等機(jī)動(dòng)車自動(dòng)駕駛系統(tǒng)也有所不同。但在人口、車輛密集的城市環(huán)境中，無(wú)人配送車 無(wú)疑是比無(wú)人駕駛乘用車更加適合自動(dòng)駕駛技術(shù)落地的載體，首要原因是無(wú)人配送車的體積小、車速低，出現(xiàn)事故的風(fēng)險(xiǎn) 與造成人身傷害甚至死亡的概率較低；此外，無(wú)人配送的場(chǎng)景非常豐富，落地初期可以選擇邊界相對(duì)清晰、環(huán)境相對(duì)簡(jiǎn) 單、對(duì)新技術(shù)接受度高的高科技園區(qū)、高等院校等場(chǎng)景，在技術(shù)成熟度提升和政策支持的前提下逐步向?qū)懽謽?、小區(qū)等環(huán) 境擴(kuò)張，為自動(dòng)駕駛算法的迭代與進(jìn)化積累大量的數(shù)據(jù)資源。無(wú)人配送車自動(dòng)駕駛

54、系統(tǒng)流程示意圖多傳感器數(shù)據(jù)融合環(huán)境識(shí)別與理解路徑規(guī)劃決策差分定位29智 能 配 送激光雷達(dá)超聲波雷達(dá)攝像頭慣性傳感器數(shù)數(shù)據(jù)據(jù)接處收理層層云端：為無(wú)人車提供數(shù)據(jù)、高精地圖、算法更新和后臺(tái)監(jiān)控行 為 決 策高精地圖路 徑 規(guī) 劃車 輛 控 制 系 統(tǒng)車 輛 執(zhí) 行 系 統(tǒng)靜 動(dòng)態(tài) 態(tài)信 信息 息道路標(biāo)識(shí) 行人車輛導(dǎo)航避讓 通訊加速轉(zhuǎn)彎 制動(dòng)物流巨頭無(wú)人機(jī)類型運(yùn)營(yíng)模式戰(zhàn)略構(gòu)想多旋翼小型無(wú)人機(jī)無(wú)人機(jī)配送的起點(diǎn)是配備充電站的 貨車，以此減少快遞員由于路徑相 斥導(dǎo)致的不必要時(shí)間消耗并延長(zhǎng)無(wú) 人機(jī)的續(xù)航時(shí)間與配送范圍將無(wú)人機(jī)與運(yùn)輸貨車結(jié)合，一方面 提升無(wú)人機(jī)配送的靈活性，另一方 面未來(lái)隨著無(wú)人卡車的落地有望

55、實(shí) 現(xiàn)“運(yùn)輸+配送”的完全無(wú)人化旋轉(zhuǎn)翼&多旋翼中小型無(wú)人機(jī)設(shè)置無(wú)人機(jī)站點(diǎn)，配送人員將物品 放入站點(diǎn)后，無(wú)人機(jī)負(fù)責(zé)將物品運(yùn) 送至其他指定接收站點(diǎn)或智能柜， 再由快遞員或無(wú)人車完成最終配送DHL采用的“無(wú)人機(jī)+智能快遞柜” 戰(zhàn)略更適用于城市環(huán)境，其落地需 要政策支撐與無(wú)人機(jī)專用站點(diǎn)或快 遞柜的大規(guī)模建設(shè)來(lái)源：艾瑞咨詢研究院自主研究及繪制固定翼中大型無(wú)人機(jī)。用無(wú)人機(jī)實(shí)現(xiàn)航空物流網(wǎng)絡(luò)干支對(duì) 接，輔以快遞員在配送末端的到門(mén) 服務(wù)，在末端運(yùn)力尚充足的情況下 短期內(nèi)不會(huì)直接面向客戶建立“大型有人運(yùn)輸機(jī)+支線大型 無(wú)人機(jī) +末端小型無(wú)人機(jī)”的整， 體空運(yùn)鏈條，完成對(duì)全國(guó)大部分城 市的空網(wǎng)覆蓋智能配送丨無(wú)人配送

56、30配送無(wú)人機(jī)測(cè)試為主，可行的應(yīng)用場(chǎng)景有限無(wú)人機(jī)起源于軍事領(lǐng)域，早期的發(fā)展驅(qū)動(dòng)力是為了減少飛行員傷亡以及應(yīng)對(duì)極端情況，近年來(lái)消費(fèi)級(jí)無(wú)人機(jī)市場(chǎng)也異?；?爆。最早將無(wú)人機(jī)引入物流領(lǐng)域的是亞馬遜于2013年提出的Prime Air業(yè)務(wù)，國(guó)內(nèi)以順豐、京東為代表的快遞、電商巨頭 也紛紛跟進(jìn)，推出物流無(wú)人機(jī)戰(zhàn)略。人工智能技術(shù)在配送無(wú)人機(jī)領(lǐng)域的應(yīng)用原理與自動(dòng)駕駛并無(wú)本質(zhì)上的差異，主要區(qū)別 有兩點(diǎn)：一是無(wú)人機(jī)搭載的傳感器種類更為繁雜，環(huán)境感知算法對(duì)數(shù)據(jù)融合技術(shù)的要求更高；二是無(wú)人機(jī)配送中可選擇的 路徑明顯多于車輛，路徑上的海拔、地貌、氣候等客觀約束條件都會(huì)對(duì)無(wú)人機(jī)的配送行為產(chǎn)生影響，此外，出于安全考慮， 路徑

57、規(guī)劃還需要盡量避開(kāi)人群聚集區(qū)與關(guān)鍵設(shè)施，因此配送無(wú)人機(jī)的路徑規(guī)劃算法更加復(fù)雜。2015年至今，快遞、電商巨 頭以及無(wú)人機(jī)產(chǎn)品技術(shù)供應(yīng)商們通過(guò)大量的試驗(yàn)與測(cè)試不斷打磨提升物流無(wú)人機(jī)的技術(shù)穩(wěn)定度、探索科學(xué)的運(yùn)營(yíng)模式。基 于國(guó)內(nèi)的人口密度、居住條件、政策限制等現(xiàn)實(shí)條件，配送無(wú)人機(jī)目前較為可行的應(yīng)用場(chǎng)景在于偏遠(yuǎn)山區(qū)配送、醫(yī)藥資源 緊急配送、應(yīng)急保障物資配送等。國(guó)內(nèi)外物流巨頭對(duì)物流無(wú)人機(jī)的運(yùn)營(yíng)模式探索智 能 配 送智能配送丨無(wú)人配送31智 能 配 送前路漫漫，無(wú)人配送落地的真正窗口期還未到來(lái)從未來(lái)市場(chǎng)空間來(lái)看，旨在降低人力成本的無(wú)人配送無(wú)疑是人工智能在整個(gè)物流領(lǐng)域里最具發(fā)展?jié)摿Φ膱?chǎng)景。在經(jīng)歷了近 五年的

58、研發(fā)設(shè)計(jì)與試驗(yàn)積累，部分物流企業(yè)與AI初創(chuàng)公司的無(wú)人車與無(wú)人機(jī)產(chǎn)品在配送領(lǐng)域的落地已經(jīng)擁有了一定的技術(shù) 基礎(chǔ)。然而目前市場(chǎng)上配送領(lǐng)域無(wú)人車與無(wú)人機(jī)的主題詞仍然是“測(cè)試”，還沒(méi)有哪家物流企業(yè)能夠?qū)o(wú)人車與無(wú)人機(jī)納 入日常運(yùn)營(yíng)體系中。技術(shù)穩(wěn)定性、成本收益對(duì)比、安全風(fēng)險(xiǎn)及責(zé)任主體判定、相關(guān)政策及法律制定、可持續(xù)商業(yè)模式等一 系列問(wèn)題亟待解決，無(wú)人配送距離“常態(tài)化”仍然非常遙遠(yuǎn)，商業(yè)化落地的真正窗口期遠(yuǎn)未到來(lái)。在各方面落地條件成熟 之前，無(wú)人配送的發(fā)展更像是一種技術(shù)能力儲(chǔ)備，物流企業(yè)與AI公司現(xiàn)在要做的是解決測(cè)試中出現(xiàn)的種種技術(shù)問(wèn)題，持續(xù) 優(yōu)化自身的產(chǎn)品技術(shù)能力，并等待無(wú)人車、無(wú)人機(jī)運(yùn)營(yíng)的新政策與新機(jī)

59、遇。無(wú)人車與無(wú)人機(jī)在物流配送領(lǐng)域落地面臨的主要問(wèn)題無(wú)人車無(wú)人機(jī)成本過(guò)高無(wú)人車的成本結(jié)構(gòu)由線控底盤(pán)、激光雷達(dá)等各類傳感器、計(jì)算平臺(tái)等 部分構(gòu)成，單車成本約在18-25萬(wàn)區(qū)間，相當(dāng)于2-3個(gè)配送員的年薪，且目前無(wú)人車的配送效率還無(wú)法與人工相比場(chǎng)景有限現(xiàn)階段無(wú)人配送車還不能在完全開(kāi)放的環(huán)境下進(jìn)行自主配送，目前測(cè) 試的主要環(huán)境是道路復(fù)雜度不高的封閉或半封閉場(chǎng)所，如園區(qū)、高校 等，預(yù)計(jì)未來(lái)3-5年無(wú)人車的適用場(chǎng)景也仍然會(huì)停留在這個(gè)范圍標(biāo)準(zhǔn)缺失這里的標(biāo)準(zhǔn)既包括技術(shù)標(biāo)準(zhǔn)、產(chǎn)品標(biāo)準(zhǔn)，也包括配套的法律法規(guī)標(biāo)準(zhǔn)， 無(wú)人配送車的應(yīng)用需要法律法規(guī)對(duì)諸如無(wú)人車可以在哪些道路上行駛、 遇到事故或者違反交規(guī)應(yīng)如何定責(zé)等問(wèn)題

60、給出明確的判定標(biāo)準(zhǔn)來(lái)源：研究院根據(jù)公開(kāi)資料、專家訪談自主研究及繪制。監(jiān)管嚴(yán)格我國(guó)對(duì)于空域的管控非常嚴(yán)格，企業(yè)要獲得某區(qū)域的物流無(wú)人機(jī)運(yùn)行 資格不僅需要民航局、地方政府的批復(fù)，還要得到軍區(qū)的許可，且測(cè) 試期限一般只有半年到一年的時(shí)間技術(shù)限制主要受限于續(xù)航能力與載重能力，中小型無(wú)人機(jī)的動(dòng)力來(lái)源以電池為 主，續(xù)航時(shí)間多在30分鐘至1小時(shí)，服務(wù)范圍在10-30公里以內(nèi)，且有 效荷載基本在5公斤以下場(chǎng)景有限無(wú)人機(jī)也存在與無(wú)人車類似的適用場(chǎng)景較少的問(wèn)題，受政策限制、續(xù) 航時(shí)間、有效荷載不足等因素的影響，短期內(nèi)適合無(wú)人機(jī)發(fā)揮作用的 主要是即時(shí)性需求高且交通不便的場(chǎng)景，如醫(yī)療應(yīng)急物資配送等智能配送丨訂單分配系