核心摘要：

　　近年来，中国物流业在互联网经济的催动下发展较快，在成本不断攀升、效率提升缓慢的背景下，物流业最迫切的需求即“降本增效”。人工智能技术及相关软硬件产品的加入能够在运输、仓储、配送、客服等环节有效降低物流企业的人力成本，提高人员及设备的工作效率，是缓解物流业顽疾的一味良药。

　　本报告中的“人工智能+物流”指的是基于人工智能技术的软硬件产品及服务在物流活动各环节中的实际落地应用。2019年人工智能+物流的市场规模为15.9亿元，预计到2025年市场规模将接近百亿。在物流各环节的应用分布方面，仓储与运输占比较大，两者占比之和超过八成。

　　人工智能在物流中的应用方向可以大致分为两种，一是以AI技术赋能的如无人卡车、AMR、无人配送车、无人机、客服机器人等智能设备代替部分人工；二是通过计算机视觉、机器学习、运筹优化等技术或算法驱动的如车队管理系统、仓储现场管理、设备调度系统、订单分配系统等软件系统提高人工效率。代替人工方向的AI应用市场前景广阔，但受技术水平和政策限制等因素影响，落地条件尚不成熟，还需要较长的培育时间。提效方向的AI应用已具备一定的技术基础，但实际场景散落在物流业务体系中的各个角落，场景清晰度不高，空间不足。

　　目前，人工智能在物流领域还处于探索之中，但从已经取得的成果来看，“人工智能+物流”的确能够给物流企业在降本增效层面带来收益。物流企业应该以立足当下、着眼长远的原则，以辅助管理、提升效率为短期目标，寻找自身业务链条中能够被AI技术赋能的环节并通过试点论证，稳步推进；对未来有望打破物流现有业态的前沿应用做好技术储备。AI公司一方面要把握与物流企业与电商平台的合作机会，在不断地测试积累中打磨核心技术；另一方面也要灵活运用自己研发的技术与产品，在关注物流行业的同时寻找其他的适配领域和变现途径，具备一定的造血能力，以待机会到来之时能够迅速响应物流领域的市场需求。

　　物流业的核心痛点

　　成本增速高于收入增速，物流效率提升缓慢

　　尽管中国物流业近年来一直保持着较快的发展速度，但随着人力资源、土地资源等要素成本的不断提高，中国物流企业的成本增长速度始终高于收入增速，国家发改委与中国物流与采购联合会共同发布的《全国重点物流企业统计调查报告》中的数据显示，2007-2016年国内重点企业物流业务成本年均增速为10.5%，比收入增速高0.7个百分点。在行业成本居高不下的背景下，国内物流行业的效率一直处于较低水平。以社会物流总费用与GDP比率为例，2019年全国社会物流总费用达到14.6万亿元，占GDP比率为14.7%。尽管这一比率近年来总体上呈持续下降态势，但下降速度非常缓慢，与发达国家8-9%的水平相比仍有非常大的差距，与全球平均水平（12%）比起来也尚有一段距离。

　　物流业与人工智能的契合之处

　　AI是物流降本增效的良药，物流亦是AI展示能力的舞台

　　物流业的核心痛点决定了该行业最迫切的需求即“降本增效”，物流企业的自动化、信息化转型升级都是为实现降本增效目的而做出的努力。人工智能技术产品的加入能够进一步推动物流业向“智慧物流”发展，更大限度地降低人工成本、提升经营效率。对于人工智能行业而言，随着技术的不断迭代，人工智能不再是高悬于天上的空中楼阁，“商业落地”已成为人工智能企业发展到当前阶段鲜明的主题词。从落地难度及发展前景来看，业务流程清晰、应用场景独立、市场空间巨大的物流业无疑是人工智能落地的绝佳选择。

　　人工智能+物流概念界定

　　关键词：人工智能技术、软硬件产品及服务、落地应用

　　本报告中所阐述的“人工智能+物流”指的是基于人工智能技术（机器学习、深度学习、计算机视觉、自动驾驶等）的软硬件产品及服务（无人卡车、无人机/无人车、智能调度系统等）在物流活动各环节（运输、仓储、配送、客服等）中的实际落地应用。“人工智能+物流”是物流科技的新形态，本报告对“人工智能+物流”的研究范围主要集中在物流活动中的运输、仓储、配送及客服四个环节，分析研究人工智能技术及产品在上述物流作业流程中的应用情况与效果。

　　人工智能+物流发展环境

　　利好政策与企业及用户的需求鼓励物流业积极拥抱人工智能

　　近年来，物流行业发展基础和整体环境发生显著变化，新兴技术广泛应用、包裹数量爆发增长、用户体验持续升级等因素对物流企业的运作思路、商业模式、作业方式提出新需求、新挑战。作为物流行业转型升级的新动能，人工智能进入物流领域的时间尽管相对较短，但发展环境非常有利。政策层面，国务院、发改委等政府相关部门纷纷出台物流相关政策及规划，鼓励企业利用人工智能技术及产品降低物流成本、提升物流效率；经济层面，一方面全国物流业总收入始终处于稳定增长状态，另一方面物流总费用依然居高不下，企业亟需进一步控制物流成本，“人工智能+物流”的空间极为广阔；社会层面，“人工智能+物流”既能满足城市居民对提升即时物流服务效率的需求，又可拓展快递快运的服务边界以惠及农村居民。

　　人工智能+物流的核心技术

　　计算机视觉应用最为广泛，自动驾驶有望先于其他行业落地

　　目前，在物流行业实现应用的人工智能技术主要以深度学习、计算机视觉、自动驾驶及自然语言理解为主。物流领域中，深度学习在运输路径规划、运力资源优化、配送智能调度等场景中发挥至关重要的作用；计算机视觉是现阶段物流领域应用最广的人工智能技术，智能仓储机器人、无人配送车、无人配送机等智能设备都以视觉技术为基础，此外，计算机视觉还能实现运单识别、体积测量、装载率测定、分拣行为检测等多项功能；自动驾驶技术是运输环节智能化的核心技术，尽管尚未正式投入使用，但头部企业的无人卡车已经开始在特定路段进行实地路测和试运行；自然语言理解主要用于物流企业，尤其是快递快运企业的智能客服系统，该技术能有效降低企业在客服环节的人工成本。

　　人工智能+物流产业链分析

　　产业链尚不成熟，角色界限比较模糊

　　人工智能+物流产业链与传统物流产业链差异最大的地方在于，其上下游关系并非泾渭分明，或者说人工智能+物流的产业链还不太成熟，AI公司、物流企业、电商平台都在产业链中扮演重要角色，AI公司通过直客模式或集成商渠道向下游客户提供AI+物流相关产品与技术服务，而物流企业与电商平台也通过建立研发团队、成立科技子公司等方式研究开发AI技术在物流各环节中的可行应用，三者之间存在合作加潜在竞争的关系，生态比较开放。

　　人工智能+物流产业图谱

　　人工智能+物流市场规模

　　现有市场规模15.9亿元，仓储与运输环节的应用占比较高

　　AI公司进入物流领域的时间尚短，产业链下游物流企业与电商平台在人工智能产品技术自主研发中的不遗余力也令解决方案提供方们可选择的入局角度相当有限。从供给侧能够获取的收入来看，2019年人工智能+物流领域的市场规模为15.9亿元，随着技术能力的提升和行业理解的加深，预计到2025年市场规模将接近百亿水平。人工智能在物流各环节的应用分布方面，智能仓储与智能运输占比较大，两者占据了八成以上的份额；智能配送的落地环境尚不成熟，现阶段规模较小，但未来想象空间极大；智能客服的应用场景较为单一，在各环节中占比最小。

　　智能运输中的人工智能应用

　　人工智能在运输中的应用方向集中在无人卡车及车辆管理

　　运输是物流产业链条的核心环节，也是物流成本构成的重要内容，运输费用在社会物流总费用中的占比始终在50%以上。但由于运输环境及运输设备的复杂性，现阶段人工智能在物流运输中的应用尚处于起步阶段。目前国内人工智能在物流运输环节的应用集中于公路干线运输，主要有两大方向：一种是以自动驾驶技术为核心的无人卡车；另一种是基于计算机视觉与AIoT产品技术，为运输车辆管理系统提供实时感知功能。人工智能赋能物流运输的最终形态必然将是由无人卡车替代人工驾驶卡车，尽管近两年自动驾驶在卡车领域进展顺利，无人卡车在港区、园区等相对封闭的场景中已经开始进入试运行阶段，但与实际运营的距离尚远。未来数年内，人工智能在物流运输中的商业化价值主要体现在车辆状态监测、驾驶行为监控等功能。艾瑞认为，2019年国内人工智能+物流运输的市场规模为6.1亿元，预计到2025年超过30亿元。

　　智能运输丨无人卡车

　　无人卡车的商业化前夜已经到来，但大规模应用仍需时日

　　近年来，自动驾驶技术的开发与应用一直深受各界关注，与无人卡车相比，无人驾驶乘用车往往更吸引普通民众的眼球。从技术角度出发，应用在无人卡车上的自动驾驶技术与乘用车并无二致，其系统架构同样是由感知层、决策层与执行层组成，感知载体也都以摄像头、激光雷达、毫米波雷达、超声波雷达等传感器为主。但对于目前尚处在实验阶段的无人驾驶车辆而言，城市路况的复杂程度和不确定因素给无人驾驶乘用车的商业化道路带来极大的障碍。反观物流领域，港口、物流园区、高速公路等道路运输主要场景的封闭性较高，运输路线相对较为固定，测试数据的获取与积累也更容易。从商业化的进程来看，以图森未来为代表的L4级别自动驾驶卡车已经率先进入到了试运营阶段，无人卡车的商业化序幕正在缓缓拉开。但这只是无人卡车在物流运输中的初步尝试，目前仍然存在技术稳定性有待验证、可测试路段较少、国内甩挂运输份额较小等诸多问题还未解决，无人卡车距离大规模商业化应用尚需时日。

　　智能运输丨车队管理系统

　　实时感知车辆与司机状态，适用于各类运输车辆

　　无人卡车能够从根本上颠覆整个物流运输流程，但可预见的是在未来一段相当长的时间内，国内公路运输的主力依然会是规模不一的物流企业及其管理的车队。目前，国内人工智能赋能物流运输的主要形式是基于计算机视觉技术与AIoT技术，在车队管理系统中实现车辆行驶状况、司机驾驶行为、货物装载情况的实时感知功能，使系统在车辆出现行程延误、线路异常和司机危险行为（瞌睡、看手机、超速、车道偏离等）时进行风险报警、干预和取证判责，并最终达到提升车队管理效率、减少运输安全事故的目的。与无人卡车的“替代性”功效不同，车队管理系统中所应用的计算机视觉技术是在对原有物联网功能的补充与拓展，依然是以辅助者的角度来帮助司机和车队管理者，其感知设备是后装形式的车载终端，决策来自系统平台，对车辆的控制和动作执行要通过司机手动完成。因此就现阶段而言，融入人工智能技术的车队管理系统在适用性和商业化程度上领先于无人卡车。

　　智能仓储中的人工智能应用

　　目前仍以点状应用散落于整个智能仓储系统的各个子系统中

　　物流业是一个“动静结合”的产业，运输与配送代表着物流的“动”，仓储则代表物流的“静”。为了提升效率，物流产业对仓储也有“动”起来的强烈需求，智能仓储即通过物联网、大数据、人工智能、自动化设备及各类软件系统的综合应用，让传统静态仓储也朝着动静结合的方向进行转变。智能仓储属于高度集成化的综合系统，一般包含立体货架、有轨巷道堆垛机、出入库输送系统、信息识别系统、自动控制系统、计算机监控系统、计算机管理系统以及其他辅助设备组成的智能化系统等。因此在智能仓储中，商品的入库、存取、拣选、分拣、包装、出库等一系列流程中都有各种类型物流设备的参与，同时需要物联网、云计算、大数据、人工智能、RFID等技术的支撑。从目前来看，人工智能在智能仓储系统中的应用还不够成熟，仍以货物体积测算、电子面单识别、物流设备调度、视觉引导、视觉监控等多种类型的点状应用散布于整个系统的各个环节当中。

　　智能仓储丨仓储现场管理

　　仓内管理——规范员工行为、减少货物损失、降低理赔风险

　　人工智能在智能仓储中的应用领域之一是在仓储现场管理场景中，其实现途径是以高清摄像头为硬件载体，通过计算机视觉技术监测并识别仓储现场中人员、货物、车辆的行为与状态。根据作业环境，我们可以将人工智能技术在仓储现场管理中的具体应用分为仓内现场管理与场院现场管理。计算机视觉技术在仓内现场管理的应用场景一是针对仓内工作人员的行为进行实时监测，识别并记录暴力分拣、违规搬运等容易对货物、包裹造成破坏及损伤的行为，采集行为实施人员的相关信息；二是监测仓内流转的货物、包裹的外观情况，识别并判断包裹的破损情况，对存在明显破损的包裹进行预警上报。在仓内现场管理中引入计算机视觉技术，能够起到监督与规范员工行为、降低货物破损与丢失概率、减少理赔成本等作用。

　　智能仓储丨AMR

　　仓储AMR市场尚处于起步阶段，未来六年CAGR达36.7%

　　尽管AMR具备柔性部署、自主灵活等优势，但AMR产品技术门槛较高，国内能够实现量产且推动项目落地的企业相对较少，AMR市场尚处于起步阶段，还需要一段市场验证时间。而随着落地项目带来的数据积累以及算法的不断优化打磨，AMR将会逐步得到更为广泛的应用，其市场发展前景极为可观。艾瑞认为，2019年国内仓储AMR的市场规模为6.8亿元，未来数年，AMR市场规模将以高速增长状态迅速扩张，预计到2025年，国内仓储AMR的市场规模将超过40亿元。

　　智能仓储丨设备调度系统

　　基于深度学习与运筹优化算法，提升设备群体的智能化程度

　　随着AS/RS、AGV、AMR、穿梭车、激光叉车、堆垛/分拣机器人等不同类别的自动化及智能化设备越来越多地进入到仓储环境中，设备的调度与协同成为影响设备工作效能的关键因素之一。如果把仓储环境中的各类设备比作一只足球队，那么设备调度系统就相当于球队的教练，负责制定球队战术、选择出场球员以及指挥球员跑位等工作。早期仓储设备的调度与控制主要是以WCS（仓库控制系统）为载体，接收WMS/ERP等上层系统的指令后，控制着设备按照既定设计的运行方式进行工作。而在人工智能技术，尤其是深度学习与运筹优化算法的驱动下，设备调度系统在准确性、灵活性、自主性方面取得显著提升。以AGVS为例，基于大规模聚类、约束优化、时间序列预测等底层算法，AGV智能调度系统能够灵活指挥数百乃至上千台AGV完成任务最优匹配、协同路径规划、调整货架布局、补货计划生成等多项业务，并随数据积累与学习不断自主优化算法。可以说，AI算法加持的设备调度系统能够在一定程度上将系统自身的智能赋予设备本体，使设备群体的智能化程度得以提升。

　　智能配送中的人工智能应用

　　理论上市场空间极为广阔，但仍需要较长时间培育

　　配送是货物流动过程的最后环节，也是物流链条上人力资源投入最重的环节。以快递业与即时配送行业为例，全国快递员数量在2018年就已突破300万，工作灵活性较强的即时配送行业所需人力更甚于快递行业，2019年，仅在美团点评平台上领取过收入的骑手数量就高达398.7万人。对于旨在降低人力成本和提高人力效能的人工智能而言，配送领域的应用前景相当广阔，且场景清晰明确。从“替代人工”角度来看，配送中的人工智能核心应用集中于无人配送领域，实现形式是无人配送车与配送无人机；从“辅助管理”角度来看，人工智能主要应用在即时配送领域的订单分配系统中，为系统提供订单数量预估、订单实时匹配、订单路径规划等能力。人工智能在物流配送领域的施展空间极大，但受限于技术稳定度不足、成本与收益不匹配、监管政策严格等因素，无人配送在商业落地层面尚处在萌芽阶段；而即时配送中的订单分配系统尽管已广泛使用深度学习及优化算法，但其核心技术都由各大平台自研自用，软硬件供应商并无获利空间。艾瑞认为，2019年国内人工智能+物流配送的市场规模为1.9亿元，预计到2024年超过10亿元。

　　智能配送丨无人配送

　　无人配送车——城市环境中自动驾驶技术的“降维”落地

　　无人配送车是应用在快递快运配送与即时物流配送中低速自动驾驶无人车，其核心技术架构与汽车自动驾驶系统基本一致，都是由环境感知、车辆定位、路径规划决策、车辆控制、车辆执行等模块组成。由于无人配送车的运行环境里有着大量的非机动车与行人，路面复杂程度要高于机动车道，因此对于超声波雷达、广角摄像头等近距离传感器的依赖度更高，环境感知算法的侧重点与汽车、卡车等机动车自动驾驶系统也有所不同。但在人口、车辆密集的城市环境中，无人配送车无疑是比无人驾驶乘用车更加适合自动驾驶技术落地的载体，首要原因是无人配送车的体积小、车速低，出现事故的风险与造成人身伤害甚至死亡的概率较低；此外，无人配送的场景非常丰富，落地初期可以选择边界相对清晰、环境相对简单、对新技术接受度高的高科技园区、高等院校等场景，在技术成熟度提升和政策支持的前提下逐步向写字楼、小区等环境扩张，为自动驾驶算法的迭代与进化积累大量的数据资源。

　　配送无人机——测试为主，可行的应用场景有限

　　无人机起源于军事领域，早期的发展驱动力是为了减少飞行员伤亡以及应对极端情况，近年来消费级无人机市场也异常火爆。最早将无人机引入物流领域的是亚马逊于2013年提出的Prime Air业务，国内以顺丰、京东为代表的快递、电商巨头也纷纷跟进，推出物流无人机战略。人工智能技术在配送无人机领域的应用原理与自动驾驶并无本质上的差异，主要区别有两点：一是无人机搭载的传感器种类更为繁杂，环境感知算法对数据融合技术的要求更高；二是无人机配送中可选择的路径明显多于车辆，路径上的海拔、地貌、气候等客观约束条件都会对无人机的配送行为产生影响，此外，出于安全考虑，路径规划还需要尽量避开人群聚集区与关键设施，因此配送无人机的路径规划算法更加复杂。2015年至今，快递、电商巨头以及无人机产品技术供应商们通过大量的试验与测试不断打磨提升物流无人机的技术稳定度、探索科学的运营模式。基于国内的人口密度、居住条件、政策限制等现实条件，配送无人机目前较为可行的应用场景在于偏远山区配送、医药资源紧急配送、应急保障物资配送等。

　　智能配送丨订单分配系统

　　以“大数据+算法”之力实现订单与运力的最优匹配

　　鉴于无人配送距离大规模落地较远，可预见的是未来相当长的一段时间内快递及外卖“小哥”仍然会是物流配送的主力军。现阶段人工智能在物流配送中发挥的主要作用是通过订单分配系统合理匹配运力与需求，提升配送效率，有效解决配送资源配置问题。尤其是对配送时效性要求非常高的即时物流领域，在引入基于机器学习与运筹优化算法的订单分配系统后，将行业发展初期使用的效率较低的骑手抢单模式和人工派单模式转变为系统派单模式。即时物流订单分配本质上可以看作是带有若干复杂约束的动态车辆路径问题（DVRP），订单分配系统的工作原理是以大数据平台收集的骑手轨迹、配送业务、实时环境等内容作为基础数据，通过机器学习算法得到预计交付时间、预计未来订单、预计路径耗时等预测数据，最后基于基础数据和预测数据，利用运筹优化模型与算法进行系统派单、路径规划、自动改派等决策行为。订单分配系统给企业带来效率提升的最直接表现即配送时长明显下降，以美团为例，在应用了自主研发的O2O即时配送智能调度系统后，美团外卖的订单平均配送时长由2015年的41分钟缩短至28分钟，降幅达到了31.7%。

　　智能客服

　　2025年物流领域智能客服业务规模有望突破7.7亿元

　　物流领域的智能客服特指以智能语音和NLP技术为代表的客服机器人。从服务类型上可以分为以语音导航、业务识别、智能派单、坐席辅助为主的语音智能客服和以文字查询、业务识别为主的文字智能客服，二者分别服务于电话呼入和客户端、小程序等终端入口。2019年物流领域智能客服业务规模约为1.1亿元，其中语音与文字智能客服份额比约为6:4，按供给侧发展规律预计，2025年整体业务规模约为7.7亿元，年复合增长率为39.1%。因云呼叫中心逐渐替代传统呼叫中心业务，市场中供智能客服发展的基础环境逐渐完善，智能客服市场发展平稳向上，服务内容从面向消费者的前台形式向面向管理的中后台形式拓展，未来市场有望基于语音人机交互形式的拓展而打开新的想象空间。

　　人工智能+物流应用总体评价

　　人工智能+物流发展策略——物流企业

　　厚积薄发：立足当下的点状应用与着眼长远的技术储备

　　对于物流企业来说，衡量是否要在原有的生产经营体系中引入某种技术或软硬件产品，唯一标准是该技术与自身业务融合后能够在多大程度上实现“降本增效”，人工智能亦不例外。物流企业，尤其是引领行业的头部企业们对“人工智能+物流”大多秉持着积极且谨慎的态度，一方面通过自建研发团队以及与AI技术输出方开展合作的形式在自动驾驶、智能机器人、无人机等AI前沿应用领域试图取得实质性突破；另一方面基于深刻的行业理解，在自身业务体系中寻找适合成熟度较高的AI技术“即插即用”的场景，在小范围试点应用的基础上评估应用成果并根据实际效果选择优化推广或暂时弃用，在不断地尝试中积累数据与经验、逐步建立企业的AI技术应用逻辑与应用体系。总体而言，目前物流企业较为合理的“人工智能+物流”发展策略首先要立足当下，应用方向以辅助管理、提升效率为主，将计算机视觉、智能语音等AI技术与机器学习、运筹优化等AI算法融入实际业务中形成若干能够为企业带来效益的点状应用；其次要着眼长远，对落地条件尚不成熟且未来发展前景广阔的无人卡车、无人机等应用适当投入研发力量或采用联合开发、注资收购等方式，做好技术储备，在窗口期真正到来时占据市场先机。

　　人工智能+物流发展策略——AI企业

　　多重适配：适合切入的场景有限，AI企业需要一核多用

　　作为“人工智能+物流”中的技术输出方，目前国内物流相关AI企业的主要业务是向物流企业、电商平台等提供基于自动驾驶、计算机视觉、智能语音、自然语言理解等AI技术的软硬件产品。由于进入物流领域的时日尚短，AI企业对物流行业理解不深导致赋能场景挖掘能力有限，涉及物流内部业务核心的类似于订单分配系统的场景又难以触达，大部分AI企业选择从自动驾驶卡车、无人配送车、无人机等具备较大市场想象空间但技术成熟度稍显不足或落地条件不够完备的应用场景入局，短期内很难取得实质性突破。因此，对于AI企业来说，其“人工智能+物流”发展策略中最关键的还是要致力于提升自身核心产品技术的领先性与稳定度，具备向客户提供较为成熟的软硬件产品的能力是企业发展的根基；其次要积极与物流企业深入合作，以标杆项目和实战数据说话；此外，要灵活运用核心技术与产品，在关注物流行业的同时寻找其他的适配领域和变现途径，例如无人物流车的低速自动驾驶技术同样可以驱动无人清扫车、无人零售车等，使企业具备一定的造血能力，而不是一味地接受资本输血，生存下去的初创企业才有机会等到真正的窗口期到来。