編者按：近兩年AI技術火爆，其在物流領域如何應用，前景如何？森馬服飾物流技術總監張振林在12月2日中國“第四屆中國服裝供應鏈創新峰會暨2017雙11服裝電商物流復盤大會”上，以《AI技術在服裝物流上的應用及前景》為主題進行了精彩演講。本文經演講者授權刊登。

以下為演講實錄：

先看兩張圖片，可能在很多朋友在朋友圈里面都看到了，第一張圖片是個人形的機器人來模仿人的跳躍、旋轉、倒空翻。第二張圖片是2017年聯合國大會上殺手機器人，能夠通過人臉的識別，在茫茫人海中來攻擊它要攻擊的對象。

通過這兩張照片是想說我們現在的人工智能有了很大的突破，第一方面人工智能已經能夠完全能模仿人、學習人，具備了向人學習的能力。第二也是因為人工智能技術的突破，同樣我們產生了很多擔憂，像特斯拉創造者馬斯克表示，如果未來不對人工智能做引導和約束，可能未來的十年人要向機器人乞討生活了。

一、人工智能發展史

為什么人工智能在這幾年獲得這么快的發展，而且比人更厲害，出現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展，前期經過了一段一段時間的高峰和低谷，1996年才開始提出AI概念，給你編成一段規則，讓你完成跳性規則的。人與人之間溝通，人工智能翻譯出來的結果，但不能完整地表達人的情感需求，跟實際的表達差異很大，人工智能進入了低谷。

第二個階段出現了很多系統，醫療系統，很多智能的系統。

第三個階段2011年第一次在谷歌上開始用人工智能來識別貓，2014年人工智能對人臉的識別已經超過了人類，2016年人工智能的AlphaGo跟圍棋高手的對決，已經徹底讓人的能力，人的水平慢慢體現出了弱勢。2016年又開始把人工智能應用于自動駕駛。

從人工智能層面來說，從它的誕生到探索，到爆發經過了兩起兩落，背后是有很深層次的原因。最根本的原因因為硬件技術的成熟，芯片技術的成熟，保證了人工智能有爆發的可能性。

二、什么為人工智能爆發提供了可能？

中國兩家著名的芯片中星微和寒武紀，用來模仿人類大腦神經的結構，深度學習的芯片，英偉達開發了更發達的芯片，讓人工智能成為一種可能。

我們大學時代接觸的是186、386等等那個時代。但今天看來這種算法完全有一種突破，中國銀河二號計算機和一號計算機突破了計算機計算的極限，但今年上半年出來一款新的量子計算機，能夠達到10億次的運算，完全顛覆了過去的計算方式。

硬件技術的成熟同樣在數據采集跟數據的傳播和數據的存儲技術上也獲得了進步。各種各樣的感應設施、探測設施、可視化，讓數據的采集變成可能。最近幾年傳輸技術從原來模擬量子通訊、現在的4G、5G，我們首先運用了量子通訊，讓我們的通訊進入了跳躍式發展。

存儲技術，數據的存儲措施廣泛的部署，在數據存儲能力上廣泛地應用。數據的采集、存儲、傳輸為人工智能的發展提供了第二個可能性。計算機的深度學習，原來早期我們去控制計算機或者說作為一種目標，我們都是自己來編制一種規則，讓設備機器沿著這個規則來走，發展到今天規則已經不再是這種規則了。現在的計算機和人工智能定義為字母學習。

舉個例子，早期的時候我們讓某一個可視化的設備來判斷一個蘋果的時候，會告訴它密度是多少、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來判斷這個蘋果是不是蘋果。但是今天已經完全不像以前了，不是要人工給它參數，給它一千個一萬個蘋果，讓它把一千個一萬個蘋果數據全部采集一遍。下一次提供一個蘋果或者橘子的時候，需要拿它自身在前面一萬個蘋果里面采集的數據，自動套現在所提供的蘋果，來判斷它是蘋果還是橘子，這就是機器已經擁有了自我學習的能力，不再需要人來制造規則。

從芯片技術的成熟，從數據采集的成熟，數據傳輸的成熟，數據存儲的成熟，以及到機器自我學習的成熟，讓人工智能會得到一次突飛猛進的發展。

三、哪些行業會有大規模的爆發和應用？

人工智能的發展跟我們的生活息息相關，首先在哪些行業會得到發展？

舉個例子，現在去銀行很痛苦的，如果是黑卡的用戶或者是金卡的用戶可能還有一些優先權，如果要是普通的客戶要排隊，排很長很長的隊，甚至要幾個小時，這個對于在生活和應用場景來說就要解決這個痛點，人工智能有辦法了。未來的銀行只會服務于20%的黑卡和金卡用戶，因為他們所需要的需求是個性化的需求，是多樣化的需求，而對于80%的用戶，就像你我一樣去存錢轉賬的這些都交給人工智能，你直接去柜臺給你一個人機接口的畫面，一個人機接口的設備，你自己獨立的完成。銀行系統只提供給你最專業的和最差異化的服務。

第二個我們去醫院不管大病小病，先去測體溫、量血壓，各種各樣的檢測，然后要等幾個小時，才有結果出來，隨著現在人工智能技術的發展這些可能會被取代。以后去醫院不管什么病，可能會有更好更有適合你體外無創傷的檢測，直接告訴你身體有什么樣的問題，再去找相應的科室大夫。獲取前面無數病人的基礎上已經生成了很好的處理的模板，不再需要專業的醫生來給你提供服務，人工智能將在醫療、金融、汽車、物流等等行業都會有大規模的爆發和應用。

四、物流行業的機會在哪？

對于我們在行業的參與者而言，我們有什么樣的機會，我想前面的硬件做芯片、采集數據、傳輸設備等等都不可能有機會了，因為已經被壟斷了，而且他們所提供的技術、提供的產品、提供的服務是超出了這個時代的要求，唯一我們所擁有的就是在應用層面上，我們去做這種人工智能技術的開發，人工智能技術的應用數據采集，并且算法上會有更好的發展機會。

這是我國物流行業的現狀，國家在重點推工業4.0，很多政府部門加快了對工業4.0的投入，各個基金都瘋狂地追逐人工智能AI領域。這是2015年-2020年未來工業4.0，工業自動化的規模，到2020年在805億，這些數據來自高盛。電商和快遞的推動，也會讓工業自動化，工業智能會成為大規模的需求，到2020年應該有189億，在電商和快遞這塊。就針對這種需求，針對智能化、自動化，我們現有的主流能夠提供的設備基本上是基于右邊的這些輸送類、分揀類、互聯類、無線射頻技術類等等還停留在這樣的層面。

在服裝行業，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用過，穿梭車，往復式穿梭車，用來做貨品和托盤調度的，四向穿梭車和多向穿梭車。

第二種KIVA機器人，會涉及到人工智能，路徑優化和路徑算法，涉及到路徑技術。

第三塊是用來做托盤存儲、運輸、揀選以及做箱運輸和箱揀選，這是目前在服裝行業上人工智能的應用，基本上還停留在這四塊。

往復式穿梭車、Kiva機器人把這塊定義為密集服務。但是這些AI技術在服裝行業有一定程度的推廣，但跟我們的業務息息相關，有需求，但是能不能做還要考慮這幾個方面：

第一，有沒有很大的業務流量。對于一個新的技術，包括Kiva機器人也好，如果一天就500單、800單，投入和產出是不是合適的。

第二，所有的智能化產品和智能化的設備投入見效周期都特別長。

第三，對于現有在服裝物流這塊，早期還是停留在勞動密集型企業程度上，我們思維還一直停留在勞動力。現有階段下勞動力的成本還沒有達到設備成本的高度，思維上做了一些自我限制。但未來我相信設備替代人一定成為一種趨勢。

第四，自動化和智能的設備自身也存在著一定缺陷，需要完善優化。

大概解讀了一下人工智能為什么能獲得發展，發展的根源在于硬件技術基礎上的提升，我們的數據采集技術，數據存儲技術，數據的傳輸技術以及人工智能上的自我學習的能力提升，所以讓人工智能在現在這個時間段獲得了極大的發展。

但是人工智能的發展在我們服裝行業上僅僅還停留在四個設備和四個層面，更多地是用來做一些速度算法和調度程序。

未來很美好，但是現在還是在摸索過程中。

謝謝！

（注：本文轉自寶開高級顧問王繼祥微信公眾號）