AI公司赚钱太难了。相关报告显示，全球近90%的AI公司处于亏损状态，10%的赚钱企业基本是技术提供商，中国AI产业链中90%以上的企业也同样处于亏损阶段。AI四小龙无一例外全部亏损，而且一个比一个能亏，比如依图 科技 2017-2020H1累计亏损7268亿元；旷世 科技 2017-2020Q3期间累计亏损1306亿元。商汤 科技 IPO不太顺利，有消息称公司将于8月份向港交所提交申请。虽然目前不清楚商汤 科技 亏损多少，但公司与云从 科技 一样，也是亏损的状态。
为什么AI公司赚钱这么难？
云从 科技 主营业务是为客户提供高效人机协同 *** 作系统和行业解决方案，前者是凭借自主研发的人工智能核心技术打造了人机协同 *** 作系统，通过对业务数据、硬件设备和软件应用的全面连接，把握人工智能生态核心入口，为客户提供信息化、数字化、智能化的人工智能服务；后者是基于人机协同 *** 作系统，赋能智慧金融、智慧出行等应用场景，为更广泛的客户群体提供以人工智能技术为核心的行业解决方案：
报告期内公司向客户提供基础 *** 作系统、基于人机协同 *** 作系统的应用产品和核心组件以及技术服务，其中基础 *** 作系统是可以直接销售给客户的，一般交付给具有研发能力的企业和第三方软件厂商，由客户二次开发后投入使用。公司提供的 *** 作系统有智能云平台、视图汇聚分析平台、融智云平台和集成生物识别系统，基于不同的功能，面向物联网、政府、公安等城市治理和金融、商业等不同应用场景：
值得注意的是如果客户前期没有购买云从 科技 *** 作系统，则公司向客户销售 *** 作系统和应用产品，保证相关应用产品有效运行。核心组件是基础 *** 作系统内可以独立交付的功能模块，通常是封装了核心AI能力的软件包，主要交付给研发实力强、对软件管控要求较高的客户，由客户集成到其自由系统中使用，基本不涉及进行定制化开发。技术服务主要是人机协同 *** 作系统在软件产品销售以外的服务，包括公有云服务、风控服务和智能化运维服务。
成立至今云从 科技 人机协同 *** 作系统及应用产品相继经历了初步推进人机协同 *** 作系统内核沉淀的V10、综合多类业务场景的基础 *** 作系统V20和升级人机协同 *** 作系统V30三个阶段，实现了智慧金融、智慧治理、智慧出行和智慧商业四个重点领域的基础 *** 作系统的整合。公司的V40版本则是升级了智慧治理领域的融智云平台和智慧金融领域的集成生物识别系统，通过AI技术优化系统的运行效率和用户体验：
在系统层上云从 科技 开发了面向不同领域的基础 *** 作系统，通过系统和组件的方式将AI技术赋能应用场景。2014年以来旷视 科技 便开始了Brain++这一AI生产力平台的研发，覆盖从数据生成、清洗、预处理、标注和存储到算法架构设计、实验环节设计、训练环境搭建，再到训练、加速、模型评估和产生模型以及模型分发、部署应用全流程。Brain++集成了包括深度学习框架MegEngine（天元）、深度学习云计算平台MegCompute和数据管理平台MegData，将算力、算法和数据能力融为一体，作为AI基础设施，实现从算法生产到应用的全流程化和规模化供给：
旷视 科技 的Brain++平台相比云从 科技 的 *** 作系统+组件的模式，不同之处在于将算力、算法和数据进行融合，实现了AI的全流程。比如公司的Brain++商业版覆盖了数据管理、模型开发和算力调度等算法生产全流程，还可为客户提供集群搭建和部署在内的硬件交付，让客户不必为寻找AI硬件供应商和软硬件适配等问题烦恼，提升了AI的效率。Brain++平台和算法构成了旷视 科技 的核心AI能力：
业务模式上，云从 科技 的基础 *** 作系统、组件和应用产品可以单独销售，但旷视 科技 的Brain++平台是以解决方案的形式对外销售的，这构成了俩公司业务上的差异。
2018-2020年云从 科技 实现营收484亿元、807亿元和755亿元，这其中主营业务收入为483亿元、780亿元和751亿元，2020年主营业务下降主要系疫情影响，这与其商业模式有关。报告期内公司其他业务主要为向少量客户提供外购硬件和技术开发服务，2019年其他业务收入一度达到027亿元，但占比仍较小。
主营业务中人机协同 *** 作系统营收为031亿元、183亿元和237亿元，营收占比为62%、227%、313%；人工智能解决方案营收为452亿元、597亿元和515亿元，营收占比为936%、740%和682%：
旷视 科技 是一家聚焦物联网场景，以物联网为AI技术落地载体，通过构建完整AIoT产品体系，面向消费物联网、城市物联网、供应链物联网三大核心场景，提供经验验证的解决方案的AI公司。公司业务分为消费物联网解决方案、城市物联网解决方案和供应链物联网解决方案三大类。2017-2020Q3公司营收为304亿元、854亿元、1260亿元和716亿元，其中60%以上的营收来自城市物联网解决方案业务：
值得注意的是，云从 科技 营收中第三方软硬件和智能AIoT设备营收占比虽然从2018年的812%下降至2020年的508%，但仍占据半壁江山。号称行业领先的AI公司，营收一半竟然来自硬件产品，这就引出了一个问题：AI公司靠什么赚钱？
毛利率来看，报告期内云从 科技 主营业务毛利率虽然由215%提升至432%，但仍大幅低于依图 科技 和旷视 科技 的毛利率，依图 科技 主营业务毛利率由2017年的574%提升至2020H1的71%，是这几家公司中最高的：
细分到具体产品或服务，可以看出云从 科技 人机协同 *** 作系统的毛利率在75%以上，处于较高水平。人机协同 *** 作系统中软件授权业务的毛利率超过80%，主要是绝大部分软件授权业务涉及安装调试或定制开发，产生了相应的费用。报告期内公司技术服务毛利率由9945%下降至40%，因为金融风控业务涉及对外采购数据服务，2020年新增的数据中心智能化运维服务需要委托第三方提供服务，降低了毛利率水平。
云从 科技 营收占比最大的人工智能解决方案业务毛利率为1776%、2343%和2819%，主要是该类业务根据客户需求，需外购部分配套软硬件产品或服务，外购材料成本较高，挤压了毛利率空间。公司人工智能解决方案毛利率相比可比企业也明显偏低，比如依图 科技 软件、软硬件组合在报告期内的毛利率分别为641%、819%、875%、868%和113%、328%、543%和696%。
云天励飞和云知声解决方案业务毛利率水平相比依图 科技 和旷视 科技 偏低，与云从 科技 相当。比如云天励飞数字城市云隐管理业务和人居生活智慧化升级业务毛利率分别由4227%、6316%下降至3823%和4443%，主要系解决方案中需要采购硬件并有一定比例的安装服务成本，尤其是硬件设备比例上升会拖累相关业务的毛利率水平：
旷视 科技 业务毛利率水平来看，消费类物联网解决方案业务毛利率超过80%，但其营收占比由2017年的459%下降至2020Q3的181%，营收占比最大的城市物联网毛利率下降至30%以下，因此拖累了公司的毛利率水平：
旷视 科技 在招股书中提到，消费物联网解决方案是公司传统核心优势业务，主要利用人脸识别技术提供云端SaaS类及移动终端类解决方案，成本以软件为主，毛利率水平最高。城市物联网解决方案业务主要为智慧城市及智慧建筑管理，这一业务随着行业经验积累、项目设计与交付能力不断提升，按理公司具有提升毛利率空间的能力。但旷视 科技 提到，因为项目成本中硬件占比提升，导致毛利率有所下降：
结合云从 科技 、云天励飞和旷视 科技 等业务模式，可以看出：如果单纯靠出货 *** 作系统等业务，公司可以保持一个很高的毛利率。未来随着业务不断成熟，成本和费用的下降，公司具有盈利的可能。但目前来看，旷视 科技 、依图 科技 等为代表的AI公司还是以解决方案业务为主，这就涉及到一些硬件的采购和安装，相应的导致毛利率的下降。
AI四小龙无一例外全部亏损，而且一个比一个能亏。云从 科技 报告期内累计亏损2684亿元，看起来不少，但在旷视 科技 和依图 科技 面前还是弱爆了。
依图 科技 2017-2020H1净利润分别亏损1166亿元、1161亿元、3642亿元和1299亿元，累计亏损7268亿元。旷世 科技 2017-2020Q3期间分别亏损775亿元、280亿元、6639亿元和2846亿元，累计亏损1306亿元。商汤 科技 IPO不太顺利，有消息称公司将于8月份向港交所提交申请。虽然目前不清楚商汤 科技 亏损多少，但公司与云从 科技 一样，也是亏损的状态。
寒武纪主营业务是AI芯片的研发、设计与销售，主营业务与云从 科技 等明显不同，但2017-2020年公司仍然累计亏损超过20亿元。2020年寒武纪亏损大幅减少，但扭亏为盈还是遥遥无期：
行业龙头亏损严重，中小AI公司同样亏的不少。比如提供数字城市运营管理和人居生活智慧化升级应用场景解决方案的云天励飞2017-2020Q3期间净利润累计亏损1607亿元，2020年前三季度公司营收为267亿元，报告期内营收累计仅为68亿元，赚的还没有亏的多。
为什么AI公司赚钱这么难？
先说说这些公司亏损的直接原因。
2018-2020年云从 科技 毛利从105亿元增长至328亿元，毛利率由215%提升至432%，但期间费用由338亿元飙升至1061亿元，直接造成营业利润亏损。
报告期内公司销售费用由129亿元增长至274亿元，销售费用率由2663%提升至3628%，这属于很高的水平了。此外公司研发投入持续加大，由2018年的148亿元增长至578亿元，营收占比由3061%提升至7659%，已经足以让公司亏损了：
报告期内云从 科技 实施股权激励并产生了相应的费用，但这种费用短期对公司利润带来压力，假以时日影响会消除，但销售费用和研发费用的增加是持续性的，毕竟这与公司经营密切相关。比如云从 科技 销售费用中占比最大的是人员薪酬，主要是公司业务扩展，销售人员和平均薪酬增加。
人工智能仍然是一个技术密集型企业，各家公司为了保证持续的竞争力也在投入大量的资金用于研发。目前人工智能相关技术和应用场景的解决方案迭代速度比较快，以云为例产品迭代周期一般为2-6个月，因此人工智能行业的研发是个持续时间长且投入高的过程。比如云从 科技 2020年研发费用率超过75%，公司基于人机协同 *** 作系统在研项目有基础平台、算法工厂、AI融合数据湖、知识计算和人机自然交互等8项之多。
亏损最严重的旷视 科技 也是如此。2017-2020Q3公司期间费用由402亿元增长至1349亿元，规模上超过公司的营收，这其中销售费用率、管理费用率和研发费用率分别由2414%、3345%、6650%提升至416%、5756%和9223%：
另外为了提高研发人员、管理人员等积极性，或者出于营造缺钱的目的，AI公司还会实施股权激励，并为此产生巨大的股份支付费用，侵蚀了公司的盈利空间。比如2019年云从 科技 实施了股权激励，产生了1303亿元的股份支付费用；2019-2020Q3云天励飞为激励核心团队、保证团队稳定性，对核心成员实施股权激励，为此分别支付了208亿元和719亿元的股份支付费用。
目前抛开其他不谈，在研发上的投入和股权激励产生的巨大费用，凭借这两项，已经让大多数AI公司陷入亏损了。
客户变动大、客户集中度较高、单一客户依赖性较高等仍是AI公司面临的共同难题，而这一难题事关公司经营是否可持续，也是这类公司上市中的拦路虎之一。无论是注册制下的科创板、创业板还是审核制下的主板，从发审委到上市委，都盯着这一问题。
今年3月份上交所在云从 科技 第一轮问询中就要求公司就"不同类型产品前五大客户的销售内容、销售收入及变动原因，前五大客户变动较大是否符合行业惯例"等进行问询。
2018年云从 科技 第一大客户分别为北京物联新泊 科技 有限公司，营收占比为3011%；2019-2020年北京汇志凌云数据技术有限责任公司为公司第一大业务，营收占比为3049%和1098%，销售金额变动也非常大。另外江苏趋云信息 科技 有限公司和江西骏马 科技 有限公司成立不久后就成为公司前五大客户，上交所还就合理性、交易价格公允性和是否存在利益输送或其他特殊利益安排等进行问询。
云从 科技 这种情况在其他AI公司中也存在。比如2017-2020Q3旷视 科技 前五大客户相继经历了杭州联汇 科技 有限公司、中国移动、北京易华录信息技术股份有限公司和东华软件股份公司四家公司，销售金额也从2500多万到8500多万不等，而且多个客户经历了一轮游，在下一年度中不见踪影：
从云从 科技 的反馈来看，AI公司面临碎片化问题，不仅仅是场景的碎片化，还有订单的碎片化。以2020年度人机协同 *** 作系统客户分布情况来看，云从 科技 绝大多数客户的订单规模在100万元以下，1000万元以上的订单占比很低。应用场景上，公司产品覆盖了智慧治理、智慧金融智慧出行、智慧商业等多个领域，营收占比最大的人工智能解决方案也呈现出类似的特征：
客户集中度上，云从 科技 前五大客户销售占比从6223%下降至2792%，相反依图 科技 前五大客户销售占比从3512%提升至6202%，而旷视 科技 常年在20%-30%左右徘徊。
客户的飘忽不定说明了人工智能技术在客户端的复用性很低，订单的碎片化说明了人工智能技术商业化水平还处于较低的水平，难以实现规模化应用。AI公司要想寻求发展就要不断开发新用户、不断延伸新的应用场景，这势必增加了公司的额外开支。前文已经提到，云从 科技 、旷视 科技 等销售费用率很高，尤其是职工薪酬占主要比例，主要是为了扩大业务区域、开拓客户而招兵买马，相应的费用不断增长。
人工智能产业链分为基础层、技术层和应用层三大环节，其中目前以旷视 科技 、云天励飞等为代表的企业多为技术层公司，主要通过开发相关算法赋能智慧城市、智慧金融等应用场景。目前中国的AI产业相比美国，差距在于第一是基础层实力偏弱，尤其是具有全球竞争力的芯片、传感器等领域的公司太少，而且华为等部分企业因为实体清单影响，经营遭遇困难：
云从 科技 、旷视 科技 等相继布局计算机视觉、语音识别和自然语言处理等技术层，但更多的企业处于应用层，参照互联网公司，应用层的竞争会更加激烈，技术实力不佳、综合能力不足的公司会逐渐掉队。另外值得注意的是与美国的谷歌、亚马逊和微软等类似，华为、腾讯和阿里巴巴等巨头的加入让人工智能行业竞争更加激烈。华为、腾讯等公司拥有打通基础层、技术层和应用层的能力，而且在技术、研发、客户、市场等方面拥有云从 科技 等难以撼动的优势，因此势必给这些公司带来巨大压力。
从目前产业发展现状和人工智能技术发展曲线来看，其已到了从技术转向大规模应用的关键节点，目前如何规模化落地成为行业痛点。不过对云从 科技 、旷视 科技 等这些资本一路输血充大的公司来说，现在紧迫的事情是如何通过上市在补血的同时还让曾经的投资者退出，毕竟这么多年下来它们等不及了。
万一所投公司倒闭了，一切都打水漂了。 从1956年到2018年，人工智能技术已经62岁，并且正在为逐渐衰落的传统制造业带来新的生机。阿里巴巴副总裁、iDST（数据科学与技术研究院）副院长华先胜曾表示，没有通用的AI技术，只有和行业结合才有未来。而AI+制造业拥有巨大的发展潜力，是未来智能制造、产业升级的主战场。
“AI+制造”之内涵
AI+制造属于智能制造的范畴。那么什么是智能制造呢？虽然到目前为止，国际和国内尚且没有关于智能制造的准确定义，但工信部的专家给出了一个比较全面的描述性定义：智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。2018年初，周济、李培根、周艳红等人在中国工程院院刊《Engineering》提出“走向新一代智能制造”的观点。文章指出智能制造是一个不断演进发展的大概念，可归纳为三个基本范式：数字化制造、数字化网络化制造、数字化网络化智能化制造——新一代智能制造。该演进对应的是从原来传统制造的“人-物理”二元系统向新一代智能制造“人-信息-物理”三元系统进化的过程（如图1，2所示）。不言而喻，AI+制造就是新一代智能制造，它全面融合了数字化、网络化和智能化；它追求的是人机协同，而不是简单地代替人类劳动。中国工程院院士潘云鹤在2018年10月29-31日举办的中国·佛山人工智能与智能制造国际大会发表题为《人工智能20及其技术端倪》演讲时，同样表示: “很多人工智能科学家已经认识到，最佳的方法不是用计算机去模拟人的全部智能，而是把计算机最擅长的智能和人最擅长的智能联合在一起，形成一个人机融合的智能系统来为人类服务。”
图1 智能制造三个基本范式演进
图2 从“人-物理系统”到新一代“人-信息-物理系统”
“AI+制造”发展现状
为了发展智能制造，加快我国智能制造技术产业化，国家先后颁布了一系列“AI+制造”相关的政策：
（一）《智能制造2025计划》指出智能制造是新一轮科技革命的核心，也是制造业信息化、网络化、智能化的主攻方向。
（二）2017年12月，工信部发布的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》中，提及神话发展只能制造，鼓励新一代人工智能技术在工业领域各环节的探索应用，提升智能制造关键技术的创新能力，培育推广智能制造新模式。
（三）2018年3月发布的《关于做好2018年工业质量品牌建设工作的通知》中指出组织开展智能制造新模式应用，推进产学研协同发展，推动人工智能等新技术与制造技术深度融合，突破一批关键技术装备与核心工业软件。
同时，全球制造巨头为了抢占人工智能先机，在“AI+制造业”的卡位战也在激烈展开。
海尔通过互联网工厂建立以用户为中心的智能生态圈。截至目前，海尔已建成八大互联工厂，能够为行业生产制造环节提供先进样本支持。同时，海尔牵头成立了行业第一家工业智能研究院，以及全球家电业首个智能制造创新联盟，向整个行业输出制造的标准和模式。
西门子则押宝“数字化双胞胎模型”及Teamcenter协作平台。数字化技术Teamcenter作为跨专业、跨项目阶段和计划的集成化的PLM解决方案，通过产品全生命周期管理的数据管理平台和产品生命周期管理平台，将产品的数据进行管理或者转换成单一来源环境，在此环境下将数据进行数字化，制作一个数字化双胞胎，与生产工艺、制造流程双胞胎，以及制造的设备、工厂的数字化双胞胎，共同形成一套全方位的数字化解决方案。
在智能制造领域，三星主要利用IoT（物联网）、VR（虚拟现实技术）、AR（增强现实技术）、大数据、AI（人工智能）等尖端技术及智能制造解决方案，通过综合管制中心，同时管控着三星遍布全球15个国家的30个工厂生产现况，从而实现一个中心管控全球的“4M+1E”方案(MAN、MACHINE、MATERIAL、METHOD和ENVIRONMENT)。通过这样的技术，可以监控工厂内设备工作、停止及关闭状态，并由此检查每个设备的启动效率。
这些案例向我们清晰地展示出：制造巨头们正在奋力把AI集成到各自关键要素，以期借助“AI+制造”的模式重塑自身在制造业的全球竞争优势，为未来智能制造战争储备d药。
“AI+制造”应用场景
随着人工智能技术在生活领域的快速传播，越来越多来自不同领域的学者及科研人员开始尝试着将制造领域的专有知识注入到人工智能模型中，并将其与制造业中的典型软件、系统及平台相集成，形成了一系列融合创新技术、产品与模式。
产品研发注智，美国工业设计软件巨头欧特克推出的产品创新软件平台Fusion360和Netfabb3D打印软件集成了人工智能和机器学习模块，能够理解设计师的需求并掌握造型、结构、材料和加工制造等数字化设计生产要素的性能参数，在系统的智能化指引下，设计师只需要设置期望的尺寸、重量及材料等约束条件即可以由系统自主设计出成百上千种可选方案，大大缩短了产品研发周期。
生产制造注智，日本NEC公司推出的机器视觉检测系统可以逐一检测生产线上的产品，从视觉上判别金属、人工树脂、塑胶等多种材质产品的各类缺陷，从而快速侦测出不合格品并指导生产线进行分拣，在降低人工成本的同时提升了出厂产品的合格率。
供应链运营注智，美国多联式运输公司CHRobinson针对卡车货运的运营需求开发了用于预测价格的机器学习模型，模型中既整合了不同路线货运定价的历史数据，又将天气、交通以及社会经济挑战等实时参数加入其中，为每一次货运交易估算出公平的交易价格，在确保运输任务规划合理的前提下实现了企业利润的最大化。
市场营销注智，美国亚马逊商城基于机器学习模型对用户的购买习惯以及产品的属性进行深度学习，形成了全面的知识图谱，在此基础上向用户进行个性化推荐，也向销售商提供相关的生产与营销建议，这项技术的应用使亚马逊增加了10%到30%的附加利润。
产品服务注智，日本的小松机械在生产工程机械的同时也推出了智能化工程（Smart Construction）服务项目。施工过程中，借助该项目可实现由一队无人机测绘三维地图，然后指导智能机器人控制大型工业车辆作业，从而帮助用户大幅提高施工效率和品质。
售后运维注智，电梯厂商蒂森克虏伯公司与微软合作，为其旗下24000名技术工人配备了集成人工智能技术的增强现实眼镜，以便在安装、检修电梯设备的时候能够智能化辅助识别现场并获得技术支持。业务升级后，技术工人的工作效率得以大幅提升，以往需要2小时才能解决的问题通常20分钟就能完成。
可以看到，当前人工智能技术向制造领域的渗透在广度及深度方面均在快速推进，对制造业整体发展的支撑效应初显。但是我们也可以看到，当前产业界对人工智能的融合应用探索大多数还处于探索阶段，对部分环节的应用模式还存在较大争议，多数企业仍处于观望状态，距全行业普及应用还有较大距离。
“AI+制造”在捷普
捷普集团作为一家科技创新驱动型企业，时刻走在科技前列。正如我们的首席执行官Mark Mondello所宣称的那样。我们致力于走在人工智能、增强现实等技术的前沿，并将以此为中心，借助堪比数字化的速度，为日益严苛的消费者市场提供创新产品与解决方案。在AI+制造领域，捷普正在尝试将人工智能技术与增强现实和其他智能技术相结合，为客户打造更加敏捷的制造流程。公司早在2016年汉诺威工业博览会上，便与微软合作推出了预测分析解决方案。我们借助微软的Azure机器学习平台建立一个预测模型来提高生产和质量控制流程的效率。其中最引人注目的当属自动光学检测系统，它可以帮助我们快速识别部件质量是否良好。近期我们又推出了脑波计划（Project Brainwave），旨在完善自身的自动光学检测流程，并利用系统所收集的数据来训练系统检测缺陷产品的能力，确保只将真正有缺陷的部件进行人工检测。相信，在捷普人的努力下，未来我们定可以一睹其风采！
“AI+制造”之未来
总之，“AI+制造”势必会重塑设计、制造、服务等产品全生命周期的各环节及其集成，催生新技术、新产品、新业态、新模式，深刻影响和改变人类的生产结构、生产方式乃至生活方式和思维模式，实现社会生产力的整体跃升。未来，“AI+制造”必将给制造业带来革命性的变化并成为制造业未来发展的核心驱动力。
路漫漫而其修远兮，我们将携手上下而求索！
因为：“AI+制造”，未来超乎你想象！
参考文献：
[1] 走向新一代智能制造，《Engineering》，2018,1
[2]《“AI+制造”最终目的是加快制造业转型升级》，《经济参考报》
[3] 《AI+制造业，才是智能制造、产业升级的主战场》，>姓名：陈心语 学号：21009102266 书院：海棠1号书院
转自： 2020年中国人工智能+物流发展研究报告_应用 (sohucom)
嵌牛导读
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159亿元，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。
嵌牛鼻子人工智能运用于物流行业。
嵌牛提问人工智能在物流行业有什么运用呢？
嵌牛正文
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105%，比收入增速高07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146万亿元，占GDP比率为147%。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159亿元，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159亿元，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61亿元，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367%
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68亿元，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3987万人。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19亿元，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317%。
智能客服
2025年物流领域智能客服业务规模有望突破77亿元
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11亿元，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77亿元，年复合增长率为391%。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。
我觉得二者相辅相成，但物联网可能更适应社会发展需求。原因如下
人工智能类似软件，需要物联网作为载体，物联网类似个硬件，是需要人工智能来驱动的。人工智能需要落地的应用作为载体，物联网就是一个最重要的载体。
物联网的英文是Internet of things简称IOT，翻译过来就是,,物物相连,万物互联，简单来说,即是物与物相连互联的互联网，但其实,物联网在我们的生活中已经无处不在，从我们在上学期间使用的校园一卡通，到高速上的ETC,再到近些年流行的智能手环可穿戴设备等等，都是物联网运用的例子，另外,随着AI技术的发展，物联网+AI带来了更多的可能性。
传统家居产品的智能化就是一个很好的例子，互联网时代,我们使用手机等设备获取输出信息，d属于人机交互模型，是以人为主体在网络上传输数据和信息，物联网主要分为3个组成部分，网络连接(connectivity)、数据处理，(device)、网络连接，传感器被安装在各种产品中，它们就是万物互联的物，这些传感器或者是芯片，让产品拥有感知能力和数据处理能力。
同时物联网感知设备每天可以收集产生大量的数据，如何利用这些数据并且分析数据，就成为难题，随着人工智能的发展，一些人工智能的分析方法就可以引入进来，人工智能为物联网面临的数据难题提供了最好的解决方案，人工智能通过强大的数据分析能力，在人类的帮助下做出最佳的决策，人工智能与物联网相融合，利用人工智能实时分析数据的物联网设备终端正在走入我们的千家万户。
最简单的设备例子：语音音箱和手机端语音助手，就是建立在自然语音处理的技术之上的物联网终端设备，物联网家庭摄像头也极大的依赖计算机视觉技术实施监控功能。这些物联网设备也只有借助人工智能技术的加持才能真正的发挥其优越性。物联网和人工智能 的关系就是一种相辅相成，携手并进，互相依赖的关系。
但人工智能的周期发展还是很长的，而目前很多大学把人工智能的核心的内容在研究生阶段培养，本科阶段用来测验学生是否有学习的潜力和能力。同时人工智能专业对教学设备和教学师资有过高的要求，而人工智能行业但凡有独特认知和能力的人才基本上在大型企业，没有在学校。人工智能对学历要求比较高。
物联网工程的市场庞大，因此就业前景也非常好。毕业生可从事信息传播时代内容方面的深度、综合、跨学科的信息传播工作,同时也能在新闻传播技术方面从事设计、制作等方面的传播技术类工作或者在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作等等。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）