一、物流技术的现状与发展历程

物流是物品从供应地向接收地的实体流动过程中，根据实际需要，将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程[41]。物流业是融合运输业、仓储业、货代业和信息业等的复合型服务产业，是国民经济的重要组成部分，涉及领域广，吸纳就业人数多，促进生产、拉动消费作用大，在促进产业结构调整、转变经济发展方式和增强国民经济竞争力等方面发挥着重要作用。目前，由于国内外物流设备、系统、服务等基础设施均日渐完善，物流运行环境也不断改善，促使物流技术水平有了长足的进步。

1.1物流的基本职能

物流职能可以分为三类，分别是物流主体职能，包括运输职能、仓储职能和配送职能；物流辅助职能，包括包装职能、装卸搬运职能、流通加工职能；物理信息管理职能，也即信息处理职能。

运输职能是指用设备和工具，将物品从一地点向另一地点运送的物流活动。其中包括了集货、分配、搬运、中转、装入、卸下、分散等一系列操作[41]。运输的基本方式有铁路、航空、公路、水运、管道等。运输方式的选择需要考虑的因素有物品种类、运输量、运输距离、运输时间、运输费用等，以求运输的合理化。运输在物流活动中处于中心地位，是物流的支柱。

仓储是物流的另一大支柱，不但缓解了物质实体在供求之间时间和空间上的矛盾，创造了商品的时间效用，同时也是保证社会生产连续不断运行的基本条件。与仓储有关的重要决策有仓库数目、仓库选址、仓库大小、存货量等，决策者需要对优化配置进行权衡，用最经济的方法实现储存的功能实现储存合理化。

1.2物流行业的技术现状

自年起，物流行业前端货主企业的销售模式开始发生转变，从以往的经销商模式逐渐过渡到全渠道销售模式，从传统的B2B演化到O2O、电商、企业自建的线上渠道以及线上线下渠道的融合。新零售时代下销售模式变化，品牌方、经销商、消费者之间联系越来越紧密，企业需要使用信息化工具来适应这样的变化，企业所面临的前端商流进一步复杂化，这样的情况就对物流提出了全新诉求。

在数据时代大背景下，物流行业以互联网为依托，运用大数据、人工智能等先进技术，对线上线下的数据进行深度整合，并利用一套完善的系统来进行库存管理、需求预测等。这样的车货匹配平台将传统运输环节与现代技术融合，对物流行业原有运行形态和市场环境进行了创新改变。

新一代物流架构以智能为主要特征，人作为监督者与管理者参与物流运作中，而劳力和脑力由机器代替，数字化进度不断加深。图1.4描述了智能物流的基础架构。

二、人工智能技术研究及应用场景分析

物流正在向智能化发展，人工智能技术对智能物流的发展起着举足轻重的关键作用。物流行业实现降本增效与产业升级，与人工智能技术的发展与落地密切相关。年，国务院印发了《新一代人工智能发展规划》，指出建立新一代人工智能关键共性技术体系，研究大数据智能要研究知识计算引擎和知识服务技术，形成开放兼容、稳定成熟的技术体系，建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能硬件的新产品设计平台、未来网络中大数据智能化服务平台等，并在物流、商务、制造、农业、金融等重点行业和领域开展应用示范。

2.1人工智能架构与关键技术

让机器实现人的智能，一直是人工智能学者不断追求的目标。人工智能这一前沿技术已经引发了诸多邻域产生颠覆性变革。当今流行的人工智能技术以深度学习为核心，在视觉、语音、自然语言等应用领域迅速发展。十九大报告也指出，要推动物联网、大数据、人工智能和实体经济深度融合[9]。人工智能技术在这样的背景下，必将以产业化和集成应用为重点，加快制造强国和网络强国的建设。

2.1.1人工智能架构

深度学习本质上是多层次的人工神经网络算法，从结构上模拟人脑的运行机制，可以分为训练和推断两个阶段。首先需要海量数据输入一个深度神经网络模型，训练出一个高度复杂的模型，再用训练好的模型对新数据进行推断，从而得出结论。简而言之，深度学习是充分利用或标注或无标注数据，自动学习到抽象的知识表达，虽然这样的知识可解释性很弱，但是在推断过程中是切实有效的。

一般来说，训练需要巨大算力，如GPU服务器集群等，而推断需要的算力则小得多。因此，在实际的应用场景中，往往是在拥有巨大算力的计算机上进行网络的训练，而后可以对训练好的网络进行网络压缩，进一步缩小其规模和参数量，也可以直接将训练好的网络放入应用场景，使用较小的算力进行推断。当前基于深度学习的人工智能技术架构示意图[9]见下图。

当前，基于深度学习的人工智能算法主要依托于计算机技术体系架构实现，将深度学习算法通过封装至软件框架的方式供开发者使用[9]。

2.1.2人工智能关键技术

人工智能发展至今已经有较大的体系，出现了很多关键技术，指引着人工智能技术发展的大方向。

（1）监督学习

（2）无监督学习

（3）深度学习

（4）强化学习

2.2人工智能主流应用场景

从数据到知识、从知识到决策是当前大数据智能的计算范式。人工智能正在重构生产、分配、交换、消费等经济活动的各个环节，如果说人工智能是经济发展的新引擎，那么大数据就是这个引擎的燃料，大数据与人工智能有机结合则是发动这个引擎的钥匙。随着深度学习算法工程化实现效率的提升和成本的逐渐降低，一些基础应用技术逐渐成熟落地[9]。目前商业中较为成熟的有计算机视觉、自然语言处理、将二者结合起来综合应用的智能无人系统等。

2.2.1计算机视觉

计算机视觉诞生于年，经过50余年的发展，已经成为一个十分活跃的研究领域。由于摄像头的普及和互联网的发展，产生了大量的视频、图像数据，可以说计算机视觉发展的数据基础是良好的，应用场景也十分广阔，已有8家公司融资过亿。计算机视觉产业应用示意图谱可见图2.5。

内容节选自网络,若有侵权联系删除。

完整内容，

转载请注明:http://www.aideyishus.com/lktp/4887.html