近年來，中國物流業在互聯網經濟的催動下發展較快，在成本不斷攀升、效率提升緩慢的背景下，物流業最迫切的需求即“降本增效”。人工智能技術及相關軟硬件產品的加入能夠在運輸、倉儲、配送、客服等環節有效降低物流企業的人力成本，提高人員及設備的工作效率，是緩解物流業頑疾的一味良藥。

本報告中的“人工智能 + 物流”指的是基于人工智能技術的軟硬件產品及服務在物流活動各環節中的實際落地應用。 2019年人工智能+ 物流的市場規模為15.9億元，預計到2025年市場規模將接近百億。在物流各環節的應用分布方面，倉儲與運輸占比較大，兩者占比之和超過八成。

人工智能在物流中的應用方向可以大致分為兩種，一是以AI技術賦能的如無人卡車、AMR、無人配送車、無人機、客服機器人等智能設備代替部分人工 ；二是通過計算機視覺、機器學習、運籌優化等技術或算法驅動的如車隊管理系統、倉儲現場管理、設備調度系統、訂單分配系統等軟件系統 提高人工效率。代替人工方向的AI應用市場前景廣闊，但受技術水平和政策限制等因素影響，落地條件尚不成熟，還需要較長的培育時間。提效方向的AI應用已具備一定的技術基礎，但實際場景散落在物流業務體系中的各個角落，場景清晰度不高，空間不足。

目前，人工智能在物流領域還處于探索之中，但從已經取得的成果來看，“人工智能+物流”的確能夠給物流企業在降本增效層面帶來收益。物流企業應該以立足當下、著眼長遠的原則，以輔助管理、提升效率為短期目標，尋找自身業務鏈條中能夠被 AI 技術賦能的環節并通過試點論證，穩步推進；對未來有望打破物流現有業態的前沿應用做好技術儲備。AI公司一方面要把握與物流企業與電商平臺的合作機會，在不斷地測試積累中打磨核心技術；另一方面也要靈活運用自己研發的技術與產品，在關注物流行業的同時尋找其他的適配領域和變現途徑，具備一定的造血能力，以待機會到來之時能夠迅速響應物流領域的市場需求。

物流業的核心痛點

成本增速高于收入增速，物流效率提升緩慢

盡管中國物流業近年來一直保持著較快的發展速度，但隨著人力資源、土地資源等要素成本的不斷提高，中國物流企業的成本增長速度始終高于收入增速，國家發改委與中國物流與采購聯合會共同發布的《全國重點物流企業統計調查報告》中的數據顯示，2007-2016年國內重點企業物流業務成本年均增速為10.5%，比收入增速高0.7個百分點。在行業成本居高不下的背景下，國內物流行業的效率一直處于較低水平。以社會物流總費用與GDP比率為例，2019年全國社會物流總費用達到14.6萬億元，占GDP比率為14.7%。盡管這一比率近年來總體上呈持續下降態勢，但下降速度非常緩慢，與發達國家8-9%的水平相比仍有非常大的差距，與全球平均水平（12%）比起來也尚有一段距離。

物流業與人工智能的契合之處

AI是物流降本增效的良藥，物流亦是AI展示能力的舞臺

物流業的核心痛點決定了該行業最迫切的需求即“降本增效”，物流企業的自動化、信息化轉型升級都是為實現降本增效目的而做出的努力。人工智能技術產品的加入能夠進一步推動物流業向“智慧物流”發展，更大限度地降低人工成本、提升經營效率。對于人工智能行業而言，隨著技術的不斷迭代，人工智能不再是高懸于天上的空中樓閣，“商業落地”已成為人工智能企業發展到當前階段鮮明的主題詞。從落地難度及發展前景來看，業務流程清晰、應用場景獨立、市場空間巨大的物流業無疑是人工智能落地的絕佳選擇。

人工智能+物流概念界定

關鍵詞：人工智能技術、軟硬件產品及服務、落地應用

本報告中所闡述的“人工智能+物流”指的是基于人工智能技術（機器學習、深度學習、計算機視覺、自動駕駛等）的軟硬件產品及服務（無人卡車、無人機/無人車、智能調度系統等）在物流活動各環節（運輸、倉儲、配送、客服等）中的實際落地應用。“人工智能+物流”是物流科技的新形態，本報告對“人工智能+物流”的研究范圍主要集中在物流活動中的運輸、倉儲、配送及客服四個環節，分析研究人工智能技術及產品在上述物流作業流程中的應用情況與效果。

人工智能+物流發展環境

利好政策與企業及用戶的需求鼓勵物流業積極擁抱人工智能

近年來，物流行業發展基礎和整體環境發生顯著變化，新興技術廣泛應用、包裹數量爆發增長、用戶體驗持續升級等因素對物流企業的運作思路、商業模式、作業方式提出新需求、新挑戰。作為物流行業轉型升級的新動能，人工智能進入物流領域的時間盡管相對較短，但發展環境非常有利。政策層面，國務院、發改委等政府相關部門紛紛出臺物流相關政策及規劃，鼓勵企業利用人工智能技術及產品降低物流成本、提升物流效率；經濟層面，一方面全國物流業總收入始終處于穩定增長狀態，另一方面物流總費用依然居高不下，企業亟需進一步控制物流成本，“人工智能+物流”的空間極為廣闊；社會層面，“人工智能+物流”既能滿足城市居民對提升即時物流服務效率的需求，又可拓展快遞快運的服務邊界以惠及農村居民。

人工智能+物流的核心技術

計算機視覺應用最為廣泛，自動駕駛有望先于其他行業落地

目前，在物流行業實現應用的人工智能技術主要以深度學習、計算機視覺、自動駕駛及自然語言理解為主。物流領域中，深度學習在運輸路徑規劃、運力資源優化、配送智能調度等場景中發揮至關重要的作用；計算機視覺是現階段物流領域應用最廣的人工智能技術，智能倉儲機器人、無人配送車、無人配送機等智能設備都以視覺技術為基礎，此外，計算機視覺還能實現運單識別、體積測量、裝載率測定、分揀行為檢測等多項功能；自動駕駛技術是運輸環節智能化的核心技術，盡管尚未正式投入使用，但頭部企業的無人卡車已經開始在特定路段進行實地路測和試運行；自然語言理解主要用于物流企業，尤其是快遞快運企業的智能客服系統，該技術能有效降低企業在客服環節的人工成本。

人工智能+物流產業鏈分析

產業鏈尚不成熟，角色界限比較模糊

人工智能+物流產業鏈與傳統物流產業鏈差異最大的地方在于，其上下游關系并非涇渭分明，或者說人工智能+物流的產業鏈還不太成熟，AI公司、物流企業、電商平臺都在產業鏈中扮演重要角色，AI公司通過直客模式或集成商渠道向下游客戶提供AI+物流相關產品與技術服務，而物流企業與電商平臺也通過建立研發團隊、成立科技子公司等方式研究開發AI技術在物流各環節中的可行應用，三者之間存在合作加潛在競爭的關系，生態比較開放。

人工智能+物流產業圖譜

人工智能+物流市場規模

現有市場規模15.9億元，倉儲與運輸環節的應用占比較高

AI公司進入物流領域的時間尚短，產業鏈下游物流企業與電商平臺在人工智能產品技術自主研發中的不遺余力也令解決方案提供方們可選擇的入局角度相當有限。從供給側能夠獲取的收入來看，2019年人工智能+物流領域的市場規模為15.9億元，隨著技術能力的提升和行業理解的加深，預計到2025年市場規模將接近百億水平。人工智能在物流各環節的應用分布方面，智能倉儲與智能運輸占比較大，兩者占據了八成以上的份額；智能配送的落地環境尚不成熟，現階段規模較小，但未來想象空間極大；智能客服的應用場景較為單一，在各環節中占比最小。

智能運輸中的人工智能應用

人工智能在運輸中的應用方向集中在無人卡車及車輛管理

運輸是物流產業鏈條的核心環節，也是物流成本構成的重要內容，運輸費用在社會物流總費用中的占比始終在50%以上。但由于運輸環境及運輸設備的復雜性，現階段人工智能在物流運輸中的應用尚處于起步階段。目前國內人工智能在物流運輸環節的應用集中于公路干線運輸，主要有兩大方向：一種是以自動駕駛技術為核心的無人卡車；另一種是基于計算機視覺與AIoT產品技術，為運輸車輛管理系統提供實時感知功能。人工智能賦能物流運輸的最終形態必然將是由無人卡車替代人工駕駛卡車，盡管近兩年自動駕駛在卡車領域進展順利，無人卡車在港區、園區等相對封閉的場景中已經開始進入試運行階段，但與實際運營的距離尚遠。未來數年內，人工智能在物流運輸中的商業化價值主要體現在車輛狀態監測、駕駛行為監控等功能。艾瑞認為，2019年國內人工智能+物流運輸的市場規模為6.1億元，預計到2025年超過30億元。

智能運輸丨無人卡車

無人卡車的商業化前夜已經到來，但大規模應用仍需時日

近年來，自動駕駛技術的開發與應用一直深受各界關注，與無人卡車相比，無人駕駛乘用車往往更吸引普通民眾的眼球。從技術角度出發，應用在無人卡車上的自動駕駛技術與乘用車并無二致，其系統架構同樣是由感知層、決策層與執行層組成，感知載體也都以攝像頭、激光雷達、毫米波雷達、超聲波雷達等傳感器為主。但對于目前尚處在實驗階段的無人駕駛車輛而言，城市路況的復雜程度和不確定因素給無人駕駛乘用車的商業化道路帶來極大的障礙。反觀物流領域，港口、物流園區、高速公路等道路運輸主要場景的封閉性較高，運輸路線相對較為固定，測試數據的獲取與積累也更容易。從商業化的進程來看，以圖森未來為代表的L4級別自動駕駛卡車已經率先進入到了試運營階段，無人卡車的商業化序幕正在緩緩拉開。但這只是無人卡車在物流運輸中的初步嘗試，目前仍然存在技術穩定性有待驗證、可測試路段較少、國內甩掛運輸份額較小等諸多問題還未解決，無人卡車距離大規模商業化應用尚需時日。

智能運輸丨車隊管理系統

實時感知車輛與司機狀態，適用于各類運輸車輛

無人卡車能夠從根本上顛覆整個物流運輸流程，但可預見的是在未來一段相當長的時間內，國內公路運輸的主力依然會是規模不一的物流企業及其管理的車隊。目前，國內人工智能賦能物流運輸的主要形式是基于計算機視覺技術與AIoT技術，在車隊管理系統中實現車輛行駛狀況、司機駕駛行為、貨物裝載情況的實時感知功能，使系統在車輛出現行程延誤、線路異常和司機危險行為（瞌睡、看手機、超速、車道偏離等）時進行風險報警、干預和取證判責，并最終達到提升車隊管理效率、減少運輸安全事故的目的。與無人卡車的“替代性”功效不同，車隊管理系統中所應用的計算機視覺技術是在對原有物聯網功能的補充與拓展，依然是以輔助者的角度來幫助司機和車隊管理者，其感知設備是后裝形式的車載終端，決策來自系統平臺，對車輛的控制和動作執行要通過司機手動完成。因此就現階段而言，融入人工智能技術的車隊管理系統在適用性和商業化程度上領先于無人卡車。

智能倉儲中的人工智能應用

目前仍以點狀應用散落于整個智能倉儲系統的各個子系統中

物流業是一個“動靜結合”的產業，運輸與配送代表著物流的“動”，倉儲則代表物流的“靜”。為了提升效率，物流產業對倉儲也有“動”起來的強烈需求，智能倉儲即通過物聯網、大數據、人工智能、自動化設備及各類軟件系統的綜合應用，讓傳統靜態倉儲也朝著動靜結合的方向進行轉變。智能倉儲屬于高度集成化的綜合系統，一般包含立體貨架、有軌巷道堆垛機、出入庫輸送系統、信息識別系統、自動控制系統、計算機監控系統、計算機管理系統以及其他輔助設備組成的智能化系統等。因此在智能倉儲中，商品的入庫、存取、揀選、分揀、包裝、出庫等一系列流程中都有各種類型物流設備的參與，同時需要物聯網、云計算、大數據、人工智能、RFID等技術的支撐。從目前來看，人工智能在智能倉儲系統中的應用還不夠成熟，仍以貨物體積測算、電子面單識別、物流設備調度、視覺引導、視覺監控等多種類型的點狀應用散布于整個系統的各個環節當中。

智能倉儲丨倉儲現場管理

倉內管理——規范員工行為、減少貨物損失、降低理賠風險

人工智能在智能倉儲中的應用領域之一是在倉儲現場管理場景中，其實現途徑是以高清攝像頭為硬件載體，通過計算機視覺技術監測并識別倉儲現場中人員、貨物、車輛的行為與狀態。根據作業環境，我們可以將人工智能技術在倉儲現場管理中的具體應用分為倉內現場管理與場院現場管理。計算機視覺技術在倉內現場管理的應用場景一是針對倉內工作人員的行為進行實時監測，識別并記錄暴力分揀、違規搬運等容易對貨物、包裹造成破壞及損傷的行為，采集行為實施人員的相關信息；二是監測倉內流轉的貨物、包裹的外觀情況，識別并判斷包裹的破損情況，對存在明顯破損的包裹進行預警上報。在倉內現場管理中引入計算機視覺技術，能夠起到監督與規范員工行為、降低貨物破損與丟失概率、減少理賠成本等作用。

智能倉儲丨AMR

倉儲AMR市場尚處于起步階段，未來六年CAGR達36.7%

盡管AMR具備柔性部署、自主靈活等優勢，但AMR產品技術門檻較高，國內能夠實現量產且推動項目落地的企業相對較少，AMR市場尚處于起步階段，還需要一段市場驗證時間。而隨著落地項目帶來的數據積累以及算法的不斷優化打磨，AMR將會逐步得到更為廣泛的應用，其市場發展前景極為可觀。艾瑞認為，2019年國內倉儲AMR的市場規模為6.8億元，未來數年，AMR市場規模將以高速增長狀態迅速擴張，預計到2025年，國內倉儲AMR的市場規模將超過40億元。

智能倉儲丨設備調度系統

基于深度學習與運籌優化算法，提升設備群體的智能化程度

隨著AS/RS、AGV、AMR、穿梭車、激光叉車、堆垛/分揀機器人等不同類別的自動化及智能化設備越來越多地進入到倉儲環境中，設備的調度與協同成為影響設備工作效能的關鍵因素之一。如果把倉儲環境中的各類設備比作一只足球隊，那么設備調度系統就相當于球隊的教練，負責制定球隊戰術、選擇出場球員以及指揮球員跑位等工作。早期倉儲設備的調度與控制主要是以WCS（倉庫控制系統）為載體，接收WMS/ERP等上層系統的指令后，控制著設備按照既定設計的運行方式進行工作。而在人工智能技術，尤其是深度學習與運籌優化算法的驅動下，設備調度系統在準確性、靈活性、自主性方面取得顯著提升。以AGVS為例，基于大規模聚類、約束優化、時間序列預測等底層算法，AGV智能調度系統能夠靈活指揮數百乃至上千臺AGV完成任務最優匹配、協同路徑規劃、調整貨架布局、補貨計劃生成等多項業務，并隨數據積累與學習不斷自主優化算法。可以說，AI算法加持的設備調度系統能夠在一定程度上將系統自身的智能賦予設備本體，使設備群體的智能化程度得以提升。

智能配送中的人工智能應用

理論上市場空間極為廣闊，但仍需要較長時間培育

配送是貨物流動過程的最后環節，也是物流鏈條上人力資源投入最重的環節。以快遞業與即時配送行業為例，全國快遞員數量在2018年就已突破300萬，工作靈活性較強的即時配送行業所需人力更甚于快遞行業，2019年，僅在美團點評平臺上領取過收入的騎手數量就高達398.7萬人。對于旨在降低人力成本和提高人力效能的人工智能而言，配送領域的應用前景相當廣闊，且場景清晰明確。從“替代人工”角度來看，配送中的人工智能核心應用集中于無人配送領域，實現形式是無人配送車與配送無人機；從“輔助管理”角度來看，人工智能主要應用在即時配送領域的訂單分配系統中，為系統提供訂單數量預估、訂單實時匹配、訂單路徑規劃等能力。人工智能在物流配送領域的施展空間極大，但受限于技術穩定度不足、成本與收益不匹配、監管政策嚴格等因素，無人配送在商業落地層面尚處在萌芽階段；而即時配送中的訂單分配系統盡管已廣泛使用深度學習及優化算法，但其核心技術都由各大平臺自研自用，軟硬件供應商并無獲利空間。艾瑞認為，2019年國內人工智能+物流配送的市場規模為1.9億元，預計到2024年超過10億元。

智能配送丨無人配送

無人配送車——城市環境中自動駕駛技術的“降維”落地

無人配送車是應用在快遞快運配送與即時物流配送中低速自動駕駛無人車，其核心技術架構與汽車自動駕駛系統基本一致，都是由環境感知、車輛定位、路徑規劃決策、車輛控制、車輛執行等模塊組成。由于無人配送車的運行環境里有著大量的非機動車與行人，路面復雜程度要高于機動車道，因此對于超聲波雷達、廣角攝像頭等近距離傳感器的依賴度更高，環境感知算法的側重點與汽車、卡車等機動車自動駕駛系統也有所不同。但在人口、車輛密集的城市環境中，無人配送車無疑是比無人駕駛乘用車更加適合自動駕駛技術落地的載體，首要原因是無人配送車的體積小、車速低，出現事故的風險與造成人身傷害甚至死亡的概率較低；此外，無人配送的場景非常豐富，落地初期可以選擇邊界相對清晰、環境相對簡單、對新技術接受度高的高科技園區、高等院校等場景，在技術成熟度提升和政策支持的前提下逐步向寫字樓、小區等環境擴張，為自動駕駛算法的迭代與進化積累大量的數據資源。

配送無人機——測試為主，可行的應用場景有限

無人機起源于軍事領域，早期的發展驅動力是為了減少飛行員傷亡以及應對極端情況，近年來消費級無人機市場也異常火爆。最早將無人機引入物流領域的是亞馬遜于2013年提出的Prime Air業務，國內以順豐、京東為代表的快遞、電商巨頭也紛紛跟進，推出物流無人機戰略。人工智能技術在配送無人機領域的應用原理與自動駕駛并無本質上的差異，主要區別有兩點：一是無人機搭載的傳感器種類更為繁雜，環境感知算法對數據融合技術的要求更高；二是無人機配送中可選擇的路徑明顯多于車輛，路徑上的海拔、地貌、氣候等客觀約束條件都會對無人機的配送行為產生影響，此外，出于安全考慮，路徑規劃還需要盡量避開人群聚集區與關鍵設施，因此配送無人機的路徑規劃算法更加復雜。2015年至今，快遞、電商巨頭以及無人機產品技術供應商們通過大量的試驗與測試不斷打磨提升物流無人機的技術穩定度、探索科學的運營模式。基于國內的人口密度、居住條件、政策限制等現實條件，配送無人機目前較為可行的應用場景在于偏遠山區配送、醫藥資源緊急配送、應急保障物資配送等。

智能配送丨訂單分配系統

以“大數據+算法”之力實現訂單與運力的最優匹配

鑒于無人配送距離大規模落地較遠，可預見的是未來相當長的一段時間內快遞及外賣“小哥”仍然會是物流配送的主力軍。現階段人工智能在物流配送中發揮的主要作用是通過訂單分配系統合理匹配運力與需求，提升配送效率，有效解決配送資源配置問題。尤其是對配送時效性要求非常高的即時物流領域，在引入基于機器學習與運籌優化算法的訂單分配系統后，將行業發展初期使用的效率較低的騎手搶單模式和人工派單模式轉變為系統派單模式。即時物流訂單分配本質上可以看作是帶有若干復雜約束的動態車輛路徑問題（DVRP），訂單分配系統的工作原理是以大數據平臺收集的騎手軌跡、配送業務、實時環境等內容作為基礎數據，通過機器學習算法得到預計交付時間、預計未來訂單、預計路徑耗時等預測數據，最后基于基礎數據和預測數據，利用運籌優化模型與算法進行系統派單、路徑規劃、自動改派等決策行為。訂單分配系統給企業帶來效率提升的最直接表現即配送時長明顯下降，以美團為例，在應用了自主研發的O2O即時配送智能調度系統后，美團外賣的訂單平均配送時長由2015年的41分鐘縮短至28分鐘，降幅達到了31.7%。

智能客服

2025年物流領域智能客服業務規模有望突破7.7億元

物流領域的智能客服特指以智能語音和NLP技術為代表的客服機器人。從服務類型上可以分為以語音導航、業務識別、智能派單、坐席輔助為主的語音智能客服和以文字查詢、業務識別為主的文字智能客服，二者分別服務于電話呼入和客戶端、小程序等終端入口。2019年物流領域智能客服業務規模約為1.1億元，其中語音與文字智能客服份額比約為6:4，按供給側發展規律預計，2025年整體業務規模約為7.7億元，年復合增長率為39.1%。因云呼叫中心逐漸替代傳統呼叫中心業務，市場中供智能客服發展的基礎環境逐漸完善，智能客服市場發展平穩向上，服務內容從面向消費者的前臺形式向面向管理的中后臺形式拓展，未來市場有望基于語音人機交互形式的拓展而打開新的想象空間。

人工智能+物流應用總體評價

人工智能+物流發展策略——物流企業

厚積薄發：立足當下的點狀應用與著眼長遠的技術儲備

對于物流企業來說，衡量是否要在原有的生產經營體系中引入某種技術或軟硬件產品，唯一標準是該技術與自身業務融合后能夠在多大程度上實現“降本增效”，人工智能亦不例外。物流企業，尤其是引領行業的頭部企業們對“人工智能+物流”大多秉持著積極且謹慎的態度，一方面通過自建研發團隊以及與AI技術輸出方開展合作的形式在自動駕駛、智能機器人、無人機等AI前沿應用領域試圖取得實質性突破；另一方面基于深刻的行業理解，在自身業務體系中尋找適合成熟度較高的AI技術“即插即用”的場景，在小范圍試點應用的基礎上評估應用成果并根據實際效果選擇優化推廣或暫時棄用，在不斷地嘗試中積累數據與經驗、逐步建立企業的AI技術應用邏輯與應用體系。總體而言，目前物流企業較為合理的“人工智能+物流”發展策略首先要立足當下，應用方向以輔助管理、提升效率為主，將計算機視覺、智能語音等AI技術與機器學習、運籌優化等AI算法融入實際業務中形成若干能夠為企業帶來效益的點狀應用；其次要著眼長遠，對落地條件尚不成熟且未來發展前景廣闊的無人卡車、無人機等應用適當投入研發力量或采用聯合開發、注資收購等方式，做好技術儲備，在窗口期真正到來時占據市場先機。

人工智能+物流發展策略——AI企業

多重適配：適合切入的場景有限，AI企業需要一核多用

作為“人工智能+物流”中的技術輸出方，目前國內物流相關AI企業的主要業務是向物流企業、電商平臺等提供基于自動駕駛、計算機視覺、智能語音、自然語言理解等AI技術的軟硬件產品。由于進入物流領域的時日尚短，AI企業對物流行業理解不深導致賦能場景挖掘能力有限，涉及物流內部業務核心的類似于訂單分配系統的場景又難以觸達，大部分AI企業選擇從自動駕駛卡車、無人配送車、無人機等具備較大市場想象空間但技術成熟度稍顯不足或落地條件不夠完備的應用場景入局，短期內很難取得實質性突破。因此，對于AI企業來說，其“人工智能+物流”發展策略中最關鍵的還是要致力于提升自身核心產品技術的領先性與穩定度，具備向客戶提供較為成熟的軟硬件產品的能力是企業發展的根基；其次要積極與物流企業深入合作，以標桿項目和實戰數據說話；此外，要靈活運用核心技術與產品，在關注物流行業的同時尋找其他的適配領域和變現途徑，例如無人物流車的低速自動駕駛技術同樣可以驅動無人清掃車、無人零售車等，使企業具備一定的造血能力，而不是一味地接受資本輸血，生存下去的初創企業才有機會等到真正的窗口期到來。