編者按：近兩年AI技術(shù)火爆，其在物流領(lǐng)域如何應(yīng)用，前景如何？森馬服飾物流技術(shù)總監(jiān)張振林在12月2日中國(guó)“第四屆中國(guó)服裝供應(yīng)鏈創(chuàng)新峰會(huì)暨2017雙11服裝電商物流復(fù)盤大會(huì)”上，以《AI技術(shù)在服裝物流上的應(yīng)用及前景》為主題進(jìn)行了精彩演講。本文經(jīng)演講者授權(quán)刊登。

以下為演講實(shí)錄：

先看兩張圖片，可能在很多朋友在朋友圈里面都看到了，第一張圖片是個(gè)人形的機(jī)器人來(lái)模仿人的跳躍、旋轉(zhuǎn)、倒空翻。第二張圖片是2017年聯(lián)合國(guó)大會(huì)上殺手機(jī)器人，能夠通過(guò)人臉的識(shí)別，在茫茫人海中來(lái)攻擊它要攻擊的對(duì)象。

通過(guò)這兩張照片是想說(shuō)我們現(xiàn)在的人工智能有了很大的突破，第一方面人工智能已經(jīng)能夠完全能模仿人、學(xué)習(xí)人，具備了向人學(xué)習(xí)的能力。第二也是因?yàn)槿斯ぶ悄芗夹g(shù)的突破，同樣我們產(chǎn)生了很多擔(dān)憂，像特斯拉創(chuàng)造者馬斯克表示，如果未來(lái)不對(duì)人工智能做引導(dǎo)和約束，可能未來(lái)的十年人要向機(jī)器人乞討生活了。

一、人工智能發(fā)展史

為什么人工智能在這幾年獲得這么快的發(fā)展，而且比人更厲害，出現(xiàn)一定具備它利用的前景和條件？

人工智能這么多年獲得了發(fā)展，前期經(jīng)過(guò)了一段一段時(shí)間的高峰和低谷，1996年才開(kāi)始提出AI概念，給你編成一段規(guī)則，讓你完成跳性規(guī)則的。人與人之間溝通，人工智能翻譯出來(lái)的結(jié)果，但不能完整地表達(dá)人的情感需求，跟實(shí)際的表達(dá)差異很大，人工智能進(jìn)入了低谷。

第二個(gè)階段出現(xiàn)了很多系統(tǒng)，醫(yī)療系統(tǒng)，很多智能的系統(tǒng)。

第三個(gè)階段2011年第一次在谷歌上開(kāi)始用人工智能來(lái)識(shí)別貓，2014年人工智能對(duì)人臉的識(shí)別已經(jīng)超過(guò)了人類，2016年人工智能的AlphaGo跟圍棋高手的對(duì)決，已經(jīng)徹底讓人的能力，人的水平慢慢體現(xiàn)出了弱勢(shì)。2016年又開(kāi)始把人工智能應(yīng)用于自動(dòng)駕駛。

從人工智能層面來(lái)說(shuō)，從它的誕生到探索，到爆發(fā)經(jīng)過(guò)了兩起兩落，背后是有很深層次的原因。最根本的原因因?yàn)橛布夹g(shù)的成熟，芯片技術(shù)的成熟，保證了人工智能有爆發(fā)的可能性。

二、什么為人工智能爆發(fā)提供了可能？

中國(guó)兩家著名的芯片中星微和寒武紀(jì)，用來(lái)模仿人類大腦神經(jīng)的結(jié)構(gòu)，深度學(xué)習(xí)的芯片，英偉達(dá)開(kāi)發(fā)了更發(fā)達(dá)的芯片，讓人工智能成為一種可能。

我們大學(xué)時(shí)代接觸的是186、386等等那個(gè)時(shí)代。但今天看來(lái)這種算法完全有一種突破，中國(guó)銀河二號(hào)計(jì)算機(jī)和一號(hào)計(jì)算機(jī)突破了計(jì)算機(jī)計(jì)算的極限，但今年上半年出來(lái)一款新的量子計(jì)算機(jī)，能夠達(dá)到10億次的運(yùn)算，完全顛覆了過(guò)去的計(jì)算方式。

硬件技術(shù)的成熟同樣在數(shù)據(jù)采集跟數(shù)據(jù)的傳播和數(shù)據(jù)的存儲(chǔ)技術(shù)上也獲得了進(jìn)步。各種各樣的感應(yīng)設(shè)施、探測(cè)設(shè)施、可視化，讓數(shù)據(jù)的采集變成可能。最近幾年傳輸技術(shù)從原來(lái)模擬量子通訊、現(xiàn)在的4G、5G，我們首先運(yùn)用了量子通訊，讓我們的通訊進(jìn)入了跳躍式發(fā)展。

存儲(chǔ)技術(shù)，數(shù)據(jù)的存儲(chǔ)措施廣泛的部署，在數(shù)據(jù)存儲(chǔ)能力上廣泛地應(yīng)用。數(shù)據(jù)的采集、存儲(chǔ)、傳輸為人工智能的發(fā)展提供了第二個(gè)可能性。計(jì)算機(jī)的深度學(xué)習(xí)，原來(lái)早期我們?nèi)タ刂朴?jì)算機(jī)或者說(shuō)作為一種目標(biāo)，我們都是自己來(lái)編制一種規(guī)則，讓設(shè)備機(jī)器沿著這個(gè)規(guī)則來(lái)走，發(fā)展到今天規(guī)則已經(jīng)不再是這種規(guī)則了。現(xiàn)在的計(jì)算機(jī)和人工智能定義為字母學(xué)習(xí)。

舉個(gè)例子，早期的時(shí)候我們讓某一個(gè)可視化的設(shè)備來(lái)判斷一個(gè)蘋果的時(shí)候，會(huì)告訴它密度是多少、水分是多少，糖分是多少，是什么樣的形狀，然后它拿一系列的參數(shù)來(lái)判斷這個(gè)蘋果是不是蘋果。但是今天已經(jīng)完全不像以前了，不是要人工給它參數(shù)，給它一千個(gè)一萬(wàn)個(gè)蘋果，讓它把一千個(gè)一萬(wàn)個(gè)蘋果數(shù)據(jù)全部采集一遍。下一次提供一個(gè)蘋果或者橘子的時(shí)候，需要拿它自身在前面一萬(wàn)個(gè)蘋果里面采集的數(shù)據(jù)，自動(dòng)套現(xiàn)在所提供的蘋果，來(lái)判斷它是蘋果還是橘子，這就是機(jī)器已經(jīng)擁有了自我學(xué)習(xí)的能力，不再需要人來(lái)制造規(guī)則。

從芯片技術(shù)的成熟，從數(shù)據(jù)采集的成熟，數(shù)據(jù)傳輸?shù)某墒?，?shù)據(jù)存儲(chǔ)的成熟，以及到機(jī)器自我學(xué)習(xí)的成熟，讓人工智能會(huì)得到一次突飛猛進(jìn)的發(fā)展。

三、哪些行業(yè)會(huì)有大規(guī)模的爆發(fā)和應(yīng)用？

人工智能的發(fā)展跟我們的生活息息相關(guān)，首先在哪些行業(yè)會(huì)得到發(fā)展？

舉個(gè)例子，現(xiàn)在去銀行很痛苦的，如果是黑卡的用戶或者是金卡的用戶可能還有一些優(yōu)先權(quán)，如果要是普通的客戶要排隊(duì)，排很長(zhǎng)很長(zhǎng)的隊(duì)，甚至要幾個(gè)小時(shí)，這個(gè)對(duì)于在生活和應(yīng)用場(chǎng)景來(lái)說(shuō)就要解決這個(gè)痛點(diǎn)，人工智能有辦法了。未來(lái)的銀行只會(huì)服務(wù)于20%的黑卡和金卡用戶，因?yàn)樗麄兯枰男枨笫莻€(gè)性化的需求，是多樣化的需求，而對(duì)于80%的用戶，就像你我一樣去存錢轉(zhuǎn)賬的這些都交給人工智能，你直接去柜臺(tái)給你一個(gè)人機(jī)接口的畫面，一個(gè)人機(jī)接口的設(shè)備，你自己獨(dú)立的完成。銀行系統(tǒng)只提供給你最專業(yè)的和最差異化的服務(wù)。

第二個(gè)我們?nèi)メt(yī)院不管大病小病，先去測(cè)體溫、量血壓，各種各樣的檢測(cè)，然后要等幾個(gè)小時(shí)，才有結(jié)果出來(lái)，隨著現(xiàn)在人工智能技術(shù)的發(fā)展這些可能會(huì)被取代。以后去醫(yī)院不管什么病，可能會(huì)有更好更有適合你體外無(wú)創(chuàng)傷的檢測(cè)，直接告訴你身體有什么樣的問(wèn)題，再去找相應(yīng)的科室大夫。獲取前面無(wú)數(shù)病人的基礎(chǔ)上已經(jīng)生成了很好的處理的模板，不再需要專業(yè)的醫(yī)生來(lái)給你提供服務(wù)，人工智能將在醫(yī)療、金融、汽車、物流等等行業(yè)都會(huì)有大規(guī)模的爆發(fā)和應(yīng)用。

四、物流行業(yè)的機(jī)會(huì)在哪？

對(duì)于我們?cè)谛袠I(yè)的參與者而言，我們有什么樣的機(jī)會(huì)，我想前面的硬件做芯片、采集數(shù)據(jù)、傳輸設(shè)備等等都不可能有機(jī)會(huì)了，因?yàn)橐呀?jīng)被壟斷了，而且他們所提供的技術(shù)、提供的產(chǎn)品、提供的服務(wù)是超出了這個(gè)時(shí)代的要求，唯一我們所擁有的就是在應(yīng)用層面上，我們?nèi)プ鲞@種人工智能技術(shù)的開(kāi)發(fā)，人工智能技術(shù)的應(yīng)用數(shù)據(jù)采集，并且算法上會(huì)有更好的發(fā)展機(jī)會(huì)。

這是我國(guó)物流行業(yè)的現(xiàn)狀，國(guó)家在重點(diǎn)推工業(yè)4.0，很多政府部門加快了對(duì)工業(yè)4.0的投入，各個(gè)基金都瘋狂地追逐人工智能AI領(lǐng)域。這是2015年-2020年未來(lái)工業(yè)4.0，工業(yè)自動(dòng)化的規(guī)模，到2020年在805億，這些數(shù)據(jù)來(lái)自高盛。電商和快遞的推動(dòng)，也會(huì)讓工業(yè)自動(dòng)化，工業(yè)智能會(huì)成為大規(guī)模的需求，到2020年應(yīng)該有189億，在電商和快遞這塊。就針對(duì)這種需求，針對(duì)智能化、自動(dòng)化，我們現(xiàn)有的主流能夠提供的設(shè)備基本上是基于右邊的這些輸送類、分揀類、互聯(lián)類、無(wú)線射頻技術(shù)類等等還停留在這樣的層面。

在服裝行業(yè)，在人工智能這塊的使用，目前而言主要有四塊：

第一塊最早的在一些企業(yè)用過(guò)，穿梭車，往復(fù)式穿梭車，用來(lái)做貨品和托盤調(diào)度的，四向穿梭車和多向穿梭車。

第二種KIVA機(jī)器人，會(huì)涉及到人工智能，路徑優(yōu)化和路徑算法，涉及到路徑技術(shù)。

第三塊是用來(lái)做托盤存儲(chǔ)、運(yùn)輸、揀選以及做箱運(yùn)輸和箱揀選，這是目前在服裝行業(yè)上人工智能的應(yīng)用，基本上還停留在這四塊。

往復(fù)式穿梭車、Kiva機(jī)器人把這塊定義為密集服務(wù)。但是這些AI技術(shù)在服裝行業(yè)有一定程度的推廣，但跟我們的業(yè)務(wù)息息相關(guān)，有需求，但是能不能做還要考慮這幾個(gè)方面：

第一，有沒(méi)有很大的業(yè)務(wù)流量。對(duì)于一個(gè)新的技術(shù)，包括Kiva機(jī)器人也好，如果一天就500單、800單，投入和產(chǎn)出是不是合適的。

第二，所有的智能化產(chǎn)品和智能化的設(shè)備投入見(jiàn)效周期都特別長(zhǎng)。

第三，對(duì)于現(xiàn)有在服裝物流這塊，早期還是停留在勞動(dòng)密集型企業(yè)程度上，我們思維還一直停留在勞動(dòng)力?，F(xiàn)有階段下勞動(dòng)力的成本還沒(méi)有達(dá)到設(shè)備成本的高度，思維上做了一些自我限制。但未來(lái)我相信設(shè)備替代人一定成為一種趨勢(shì)。

第四，自動(dòng)化和智能的設(shè)備自身也存在著一定缺陷，需要完善優(yōu)化。

大概解讀了一下人工智能為什么能獲得發(fā)展，發(fā)展的根源在于硬件技術(shù)基礎(chǔ)上的提升，我們的數(shù)據(jù)采集技術(shù)，數(shù)據(jù)存儲(chǔ)技術(shù)，數(shù)據(jù)的傳輸技術(shù)以及人工智能上的自我學(xué)習(xí)的能力提升，所以讓人工智能在現(xiàn)在這個(gè)時(shí)間段獲得了極大的發(fā)展。

但是人工智能的發(fā)展在我們服裝行業(yè)上僅僅還停留在四個(gè)設(shè)備和四個(gè)層面，更多地是用來(lái)做一些速度算法和調(diào)度程序。

未來(lái)很美好，但是現(xiàn)在還是在摸索過(guò)程中。

謝謝！

（注：本文轉(zhuǎn)自寶開(kāi)高級(jí)顧問(wèn)王繼祥微信公眾號(hào)）