正文
4月7日, 由中国物流与采购联合会主办的“物流企业授牌大会暨物流业创新发展论坛”在云南省昆明市顺利召开。中物协（
北京
）物流工程设计院副院长、
住建部城科会智慧物流学组执行组长、北京交通大学副教授
秦璐出席了本次活动，并
在物流业创新发展趋势论坛上发表了题为《人工智能时代物流企业的发展变革》的演讲。
以下为演讲内容：
秦璐：
智慧物流一定是与人工智能技术密切结合的物流活动，由于今天会议的主题是A级物流企业评估，因此我跟大家分享一下我对“人工智能时代下物流企业变革发展”的几个认识。主要从认识人工智能、人工智能对物流的影响、物流企业变革发展的方向三个方面谈一谈，不足之处请大家批评指正。
人工智能概念从1956年诞生，历时60年，经历三次热潮：第一次是智能跳棋程序的出现，第二次是专家系统的出现，但在这两次之后，由于技术的限制都有一个长时间低谷期。2010年以后，随着大数据、云计算、深度学习技术突破，人工智能飞速发展，从此开创一个对我们未来产生颠覆性影响的新时代，它将重构经济运行方式，物流可能首当其冲。
下面这张图简要地表明物理世界和人工世界的关系。
这个图最下端和最上端是我们接触到的人的活动、社会经济活动，称为现实的物理世界。物理世界活动非常丰富、分散、多元、个性化，长期以来人们没有很好的办法对这些活动精确刻画，因此多依赖于宏观和中观统计。
后来在互联网基础上，信息物理系统得以发展，它可以记录、追踪个人的活动状态和社会经济活动状态，把所有的活动变成数据，这些数据可能是实时的，也可能是累积的
。
数据进入到大规模并行计算系统——称为云计算系统，大量、快速处理数据，并直接形成一系列云端智能服务产品，又通过一系列设备组成的信息物理系统服务物理世界人的活动和社会经济活动。我们看到图右侧的逻辑关系是非常清楚的。
一般认为，物理世界中产生的海量数据就是大数据，只要把这些数据抓到了就形成大数据，但实际上人工智能中大数据并不是这个概念，从人的活动、社会经济活动当中采集的，经过数字化后合并起来的真实数据不是大数据，这些数据在系统中永远都是小数据。因为它们是在偶然的时间和场景下发生的个别数据状态，即使这些个别数据的集合规模庞大。举个例子，李世石战胜AlphaGo的那天晚上，李世石疲惫地睡去，但AlphaGo却和自己下了100万盘棋。这100万盘棋并不是物理世界产生的，是机器产生的，物理世界产生的数据仅仅有那几盘对决而已。
所以，人工智能最核心的部分在这里：把物理世界产生的小数据输入到机器模型算法当中，机器不停地模拟各种各样的场景，产生远远大于现实世界的海量数据，它可以帮助物理世界试错并几乎没有代价。
这些数据通过机器学习和模拟，不断地对它进行扩大、强化，这时候才是真正的大数据训练。通过这种大数据训练，我们可以看到对未来的各种各样场景非常强的刻画和可能性，这就是人工智能的核心，它位于上图的右侧。随着机器学习的发展可形成更多的模型算法，算法结果会形成一系列的创新性产品，又进入到云计算和智能产品服务当中，并可通过人的活动和数据反馈对它进行修正。
于是从数据到计算到智能产品到机器学习，所有环节循环反馈才形成真正的人工智能系统。人工智能系统输入输出两端连接现实物理世界。在这个系统中我们看到了当下非常热门的词：“物联网”、“云计算”、“AI应用”以及“机器学习”。
那么，它们对物流有什么影响呢？
人工智能最终会走到何种高度还不得而知，但有三个影响已经明显可见的：
（1）智能设备重组物流生产要素；
（2）智能计算重构物流运作流程；
（3）区块链技术改变物流契约规则
物流最基本三大生产要素基础设施、生产工具和劳动力。由于物联网和智能设备的发展，比如智能机器人、互联汽车、自动驾驶汽车等，将对物流产生很大影响——因为智能工具可以代替现有劳动力，形成非常强大的虚拟劳动力，劳动生产率远远高于人。伴随着机器人、自动驾驶汽车等智能化设备的普及和运用，智能生产工具替代现有生产工具和大量劳动力，形成了新的物流生产要素结构。
我们来看一下这种结构会对产生什么影响。下图是普华永道去年的一个研究，研究表明欧洲平均一辆卡车年行驶14万公里的情况下，如果逐渐用无人驾驶车辆，到2025年运营成本比2016年下降28%。
波士顿咨询公司也有相似研究。研究比较了自动驾驶车辆对不同吨位车辆运输成本的影响，左侧图形表明自动驾驶将大大降低车辆小型化带来的成本增加，传统模式下，4个5吨位车辆成本是一个20吨位车辆成本的133%，采用无人驾驶车辆后，它们的成本都降低了，前者降低得更明显，比后者只增加了33%。如果考虑到集货时间的影响，用更小吨位车辆运输，会减少集货等待，提高服务水平。右侧比较了无人驾驶技术下轴辐式网络和点到点网络成本。通过无人驾驶技术的实施，点到点网络运输可能更具成本优势。
我们再来看机器人的价格，从2010年到2015年价格机器人价格一直在降低，下降非常明显，机器人单位时间成本也快速下降，同时人工价格一直上涨，差不多2016年二者的成本持平，随后机器人时间成本继续下降，人工成本继续上升。那么这些能说明什么呢？
如果说中国的劳动力成本比较低，而欧美国家劳动力成本比较高，因此欧美国家更趋向于使用机器人和智能设备来完成一些活动，当他们可以用更低的成本获得劳动力，那么还有什么理由把制造业转移到不发达国家去呢？所以制造业会重新回流到发达国家。我们现在是一个制造业大国，我们物流的流向有很多从中国流出去，但是当制造业回归到这些国家以后，这些国家不仅可以满足本国需求，而且物流可能会反向流动，产品流向中国。实际上它不仅仅影响物流的效率，它还影响全球生产力布局。当全球生产力布局发生改变，物流整个需求分布形态就发生变化，这对物流而言是需求端本源的变化。
我们来看中间这个链，这个链大家非常熟悉，这是物流从生产车间经车辆运输到园区和配送中心，最后到客户的过程，由于这个过程中涉及到的参与方非常多，所以就出现了第三方物流，整合和协同整个过程，这是一个串行过程。
随着人工智能发展，这个串行过程可能被分解为若干个并行过程。除了设备的互联互通之外，车辆和设备也可能装上人脑芯片，人脑芯片具有自我计算和决策能力。人脑芯片类似于人的神经元，它可以快速反射，很多信息处理可以在本地进行，不需要通过人的大脑，因此形成很多小的自决策系统，并行完成若干工作。比如安上芯片的货运车辆可以自动计算车厢里剩余多少空间，哪个部件坏了，什么时候需要维修。芯片之间可以相互联系，所以车辆可与配送中心自动安排装卸时间、与维修中心自动安排修理时间。在这样一个小范围内，它们自动决策，自动检测，自动修理，很多活动都可以自动按流程去排序。就像神经元反射不需要经过大脑一样，这些活动也可以不进入云计算中心平台，大大提高系统计算效率和反应能力。
所以未来物流流程可以由若干个并行结构构成，在不同层次上有很多活动通过并行方式，可以非常分散的运行，从而建立快速反应机制。人脑芯片突破了冯·诺依曼计算模块和存储单元分离结构，从全局来看每个人脑芯片是分布式工作。当需要时，以一定的规则提取相关数据，再进行分析计算。我们认为物流流程会率先在局部出现并行结构，并逐步扩展到更多领域，这无疑将颠覆现有的物流组织模式。
人脑芯片的商业化运用还需一段时间，但初级运用已经出现，DHL把传感器装在配送车辆上面，并与智能家居APP、邮筒以及超市相连，接受其他终端传来的信息自动计算车辆的剩余空间、智能规划线路，不再依靠人力配送，大大提高末端配送效率。
当人工智能来临，我们的社会将会是增强型人类、人类和机器不同形式的混合体，它们之间不仅要相互通讯，还要相互交易。人工智能社会必将建立一套新的交易规则来适应混合体间的交易行为，目前看来区块链技术正好搭建了新的计算机协议主体结构，帮助人工智能社会实现契约管理。区块链具有高度透明、去中心化、去信任、集体维护（不可更改）、匿名等性质，本质上是一个去中心化的分布式记账数据库。
现实世界中由于信息不对称，我们需要通过一个中介机构来解决交易双方信任问题，互联网的出现大大降低了信息不对称程度，从而各种设备接入开放式集中云，未来将去中心化和中介化，实现点到点直接连接。
物流过程跨度广、链条长、参与方多，参与方信用是一个非常难以累积和沉淀的内容，所以现在出现很多平台，以中介的身份，通过对物流参与方交易行为的记录，累积参与方信用，并以此为基础完成一系列物流金融活动。当区块链技术日益商业化，物流信用的记录方式就彻底改变了。
在物流领域，区块链技术已有初步应用，美国邮政是区块链技术在物流领域较早的实践者，它已形成一个较为清晰的计划，将应用集中在金融服务、设备管理、身份验证服务和供应链管理四个方面。美国邮政欲利用区块链技术创建一个金融平台，允许邮局之间进行快速、直接的交易，帮助美国邮政在电子货币的使用上逐渐占主导地位。为借助区块链（邮政或非邮政区块链）进行安全、透明的金融交易，美国邮政需要提供身份验证服务。身份验证服务是区块链中最大的一个领域，美国邮政作为一个用户高度信任的政府机构，有望成为最适合进行身份验证的角色。在设备管理方面，美国邮政希望用区块链的分散控制验证系统使设备能够更安全地记录和传输数据，以更低的成本建立并管理邮政物联网。在供应链管理领域，使用区块链识别包裹和邮件，在海关机构、运输合作伙伴、长途卡车司机、寄件人和收件人形成的链条中，对所有环节进行包裹识别和跟踪，以数字货币的方式支付，货物到达目的地后自动支付发票，形成可审计的监管链。
去年年底，荷兰鹿特丹港、荷兰银行、代尔夫特理工大学等多家企业和机构成立了区块链物流研究联盟，我国物流与采购联合会成立了区块链应用分会，顺丰、安得物流、一汽物流等物流企业是其中首批成员。
根据相关研究，区块链技术刚刚起步，目前还主要集中在数字货币研发阶段，随着区块链技术发展，很多契约规则都将改变，物流也不例外。
看看工业革命对企业结构的影响，第一次工业革命产生了工厂，第二次工业革命形成垄断集团，第三次工业革命出现全球科技垄断型企业，比如微软、谷歌等等，贫富差进一步扩大，现在到了智能时代，我们把它称为第四次工业革命。那么它的影响是越来越分散化、去中心化，还是越来越垄断？
我们的答案是在物流业中这两个趋向同时存在。
第一个趋向是物流末端运作分散化，因为末端需求越来越个性化、小量化，末端长尾设备和人员，催生更多共享经济。但在另一方面，物流组织过程高度集中化，形成更少更集中的垄断企业。物流沿着两个路径同时发展，一个路径是资源使用共享，另一个路径是组织层面集中。
新技术对物流行业重构的结果是物流企业形态会发生较大改变，催生一批物流行业新贵，有些企业跨界而来，来势汹汹，我称之为“搅局者”，有些企业利用新技术快速创新物流模式，成为物流行业领头羊。
物流行业中的搅局者
虽然菜鸟一再声称自己是一家科技公司，但同时也是5A级物流企业。我们将看到越来越多的企业在某一天突然宣布其实它也是一家物流企业，虽然这可能完全突破了你对该企业的认知，但请相信这是事实。
这种搅局者，至少现在我们可以看到以下两类企业极具潜力，并且虎视眈眈：
第一类是无人驾驶汽车制造商，它会利用嵌入的物联网技术对汽车服务链进行重新整合。这是一个非常大的市场，现在每一辆汽车都有所有权转移，但是，当汽车制造时就物联网化，汽车一下线就有了共享的基因，每一辆汽车都是一个数据中心，围绕汽车的一切活动和服务都被汽车制造商掌握。Tesla宣称在2017年底之前将实现洛杉矶到纽约无人驾驶汽车，百度的时间表是2019年，福特、通用、Google是2021年。无人驾驶汽车的出现使汽车制造商从传统汽车销售者转变成为交通出行服务提供商，对物流运营商而言，拥有汽车使用权比汽车产权更重要。无人驾驶车辆制造企业有意开展汽车出行服务，像Uber这样的企业也正致力于开发无人驾驶汽车。无人驾驶汽车制造商以对物流运输工具的掌控作为物流运营入口，将带来物流企业不同姿态。
第二类企业是掌握了货物交易入口的电商企业。电商企业利用消费大数据和规模优势，在包裹密集区域，容易以自营物流方式形成垄断，而对偏远地区则外包给第三方。密集区规模优势形成的低物流成本和偏远区域高物流成本差异十分显著，因此电商企业容易获得低成本竞争优势，高利润部分自营，低利润部分外包。
不同电商企业物流路径不相同，京东自建物流运营体系，越来越向第三方物流企业发展，与传统第三方不同的是，从一开始就注重新技术应用。菜鸟更像是把淘宝模式复制到物流上，立志做平台，依托淘宝系货源优势，通过提供一系列数字化工具，快速提升中小物流企业运营能力，布局物流基础设施，意在重组物流长尾资源。苏宁具有强大线下网络优势，通过智能配送中心建设，大幅提高节点效率和配送能力，苏宁也倾向于发展成为第三方物流企业。电商企业物流化已成为趋势，它们是物流行业最活跃的搅局者，不过目前看，它们的物流客户主要来自于电商平台，要成为真正具有更广泛服务能力的物流企业，还有时日。
物流行业中的领头羊
虽然有跨界搅局者强势进入，但货物的流动和交付有自身的经济规律。当我们把视野放大到全球，再收回到城市提货点，将体会到完全不同的物流运作方式。能够将全球物流和末端配送有机结合的企业，将专业化物流做到极致的企业才可能成为物流行业的领头羊。这也是为什么全球最著名的物流企业都有空运或海运背景的原因。所以将来物流行业的领头羊依然会在现有的物流企业中产生，它们最有可能是具有持续技术优势的国际物流集成商，比如DHL、UPS和联邦快递等。它们走在技术应用前沿，有完善的全球物流网络，并能完成复杂的末端配送，更重要的是它们都是优秀的供应链物流提供商，通过新技术将供应链物流服务水平不断推向新的高度，持续保持在行业中的竞争优势。
对于那些能快速利用智能技术重构物流流程的传统物流企业，人工智能的出现是企业发展的重大机会，中国的顺丰早已不是一家快递企业，其网络布局、运力部署、新技术研发和应用、供应链物流拓展，都露出腾飞端倪。这类企业可能成为新一轮物流企业重构中的新贵。
虽然技术在快速迭代更替，但物流企业发展应把握其中的“变”和“不变”。物流不变的是它的性质——“货物交付服务”，变的是它的实现手段——“交付方式”。
