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