众所周知，物联网的范围很广很广。在人们都意识生活离不开互联网的时候，你会发现，其实物联网也无处不在。但是物联网又没有像互联网一样应用的很明显，能够通过音视频表现出来。物联网从2016、2017年的LoRa、NB-Iot等技术站在风口上，到2018年渐渐进入一个平稳期，很多人不确定其方向到底在哪里。
近两年一直从事物联网相关的硬件产品开发，对物联网相关知识有了浅陋的了解，对物联网方向也简单认识。简答发表个人见解。
智能家居
提到智能家居，现在我们首先想到的就是AI音箱，它是智能家居的入口，它融合了AI、物联网、大数据等技术一体，实现了人与物、物与物的相连。此类产品有亚马逊的Echo、小米的小爱、京东的叮咚、阿里的天猫精灵等。已经深入到人们的生活中。与我们的智能家居（家用电器等）相接、控制，提供人们的生活质（bi）量（ge）。未来，智能家居行业将会围绕着AI音箱等作更广的发展。如扩展到智能穿戴设备、智能医疗等方面。
畜牧业、农业物联网应用
我国是一个农业大国，也是一个畜牧业大国。物联网在农业中的应用包括植物生长环境的数据采集、农业物流跟踪、食品安全跟踪、农作物生长控制等。目前的市场来看，物联网在农业方面的应用主要还是应用于农场、果蔬基地等，其他，如物流市场、食品安全市场等都还没有很好的应用。这个和现有技术、成本以及需求等相关
畜牧业主要包括牛、羊、猪、鸡鸭鹅等。物联网在畜牧业中应用案例比较多。例如，网易猪、京东的跑步鸡、牛耳标、羊耳标等。物联网在畜牧业中应用主要是动物数据采集（健康、生长周期等）、实时定位、动物溯源（食品安全）等。现在虽有大量案例，但是技术的成熟型以及产品的必要性一直制约其发展。（只针对畜牧业本身，不涉及对应的物联网+畜牧业+金融贷款的组合产品，因为涉及到畜牧业+金融，现在就可以考虑加入区块链）
工业物联网
工业物联网的市场与应用是我目前认为市场行情最好的，也是目前物联网效果最能体现的应用场景。工厂设备改造、无线监控、设备状态检测、工业园区人员监控等需求非常多。工业物联网的应用主要是现代企业需要提高效率、降低人力成本以及维护成本，而现在的物联网解决方案恰好帮助他们解决了。其次，工业应用不像商用对产品性能以及外观等最求很高，其对使用时间，寿命稳定性等要求比较高。这些恰恰是符合物联网终端设备的要求。还有就是现在的窄带物联网技术满足长距离传输需求，符合工业场所的需求。需求和技术都能满足，所以工业物联网的前景非常明朗。
智慧城市
智慧城市这个概念比较大，智慧城市的目的是方便人们生活，智慧城市的每个部分都离不开物联网，包括安防监控、环保、停车等。智慧城市的发展在一定程度上会方便人们的生活，提高生活质量。但是，从现在已经部署的智慧城市的效果来看，并不明显。个人认为其主要原因是人们对物联网的概念还不深入，一直停留在过去的生活方式中，并且生活中的一些微小的变化并不会立刻显示出来，不会像移动互联网那样表现的特别明显。我们现在要做的就是适应时代的变化，让科技进入生活，改变生活。
物联网的应用远不止这么点，它无处不在，让科技进入我们的生活，让物联网提高我们的生活质量，这个是我们作为物联网产品人的职责。让产品进入生活，改变生活，改变物与物，万物互联。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。
高通近期将不少资源投注在AI、嵌入式应用与物联网上，而稍早它们也公布针对物联网终端装置的视觉智慧平台产品，首批的两款产品采用10nm制程，分别为QCS605以及QCS603，整合高通在运算与AI的技术，搭载高通的ISP、高通人工智慧引擎、GPU与ARM多核CPU技术、向量处理器，提供高性能的机器视觉技术与应用，能用于工业与消费级的安防相机、运动相机、穿戴式影像产品、VR与360相机、机器人以及智慧显示器等。
基于QCS605以及QCS603已经开始进行送样，同时也与华晶科技合作，推出基于QCS605的VR360度相机，并预计在2018下半年推出QCS603的工业级安控相机参考设计。目前包括KEDACOM与RicohTheta皆宣布将采用此平台开发新影像产品，另外如商汤科技、Pilotai与MMSolution等也将提供如支援脸部、图像与物体辨识技术，以及运动与物体侦测、分类与追踪，还有先进图像品质校准服务等资源。
QCS605与QCS603皆采用高通半客制化Kryo300系列CPU搭配Adreno615GPU，而效能较高的QCS605采用2Kryo300Gold(25GHz)6Kryo300Silver(17GHz)CPU，至于QCS603为2Kryo300Gold(16GHz)2Kryo300Silver(17GHz)组合，两者皆具备Hexagon685DSP，可支援整合高通Snapdragon神经处理引擎软体框架、ONNX交换格是、Android神经网路API与高通HexagonNeuralNeork的高通人工智慧引擎，能够达到每秒21TOPS的深度神经推理网路性能。
同时两项视觉智慧平台搭载双14bit的Spectra270ISP，可支援4K@60fps或是57K@30fps的影片，或是以更低解析度进行多路并行串流，同时支援双16M相机，并且可提供避免在HDR产生叠影的交错式HDR、电子防手振、变形校正、降噪、色差校正与硬体式移动补偿式时间滤波。
同时两项视觉智慧平台皆可支援最高WQHD解析度的触控萤幕，也可相容馆饭的作业系统，开发者能够借由其支援的硬体加速合成、3D覆盖、OpenGL、OpenCL与Vulkan等主流API，能作为开发者进行产品差异化，并可用于VR360相机的终端内容自动拼接，机器人导航与避障，或是运动相机的影片摘要机能。
此外还搭载MU-MIMO与双频同步的2x280211acWiFi、蓝牙51，以及支援高通3D音讯、高通Aqstic音讯与aptX音讯等，搭配人工智慧技术，可支援自然语言处理；音讯语音辨识；语音插播与在嘈杂环境下的关键音讯收音；当然为了符合工业安全需求，也提供如硬体可信根的安全启动、可信执行环境、硬体加密引擎、储存安全、金钥分发与无线协议安全等。
本人从事 科技 行业已经10多年的时间，现负责某企业人工智能与区块链实验室。从我的经验了解到，2020年其实人工智能和万物互联已经开始向我们走来，随着人工智能（AI)、物联网(IoT)、5G等新技术的蓬勃发展，以及与产业端的深度融合，使得智能工业，智能农业，智能教育，智能交通，智能医疗等等成为了可以预期的目标。物联网
物联网是指无处不在的终端设备和设施，包括具备智能传感器、移动终端、工业系统、楼宇系统、智能家居，通过RFID技术的资产识别，携带无线终端的人、车、动物。其目的是实现物与物、物与人、物品与网络的链接，方便管理及控制。
人工智能
随着万物互联，必将产生海量的数据。人工智能可以通过对数据的收集和处理，完成对数据的分析，从而利用数据提取出模型和规则，用于代替人工进行趋势预测，策略执行等工作。
5G
5G网络具有高速率、大容量、低时延等特点，它可支持长时间、大规模的连接需求的物联网应用。同时，5G技术将在交通、教育、医疗等领域发挥着极大的作用，更将有助于我们充分利用资源，创造出更大的价值。可以说，5G不仅是新一代的移动通讯技术，更是未来实现万物互联的基础。
IoT硬件销售市场规模
中国智能家居市场爆发时间预测
Top12 用户入口调查
通过披露出的数据来看，2020年将会赢来行业的爆发与增长。随着物联网的爆发，必将会带动相关行业的共同繁荣。虽然当下物联网仍处于市场初期阶段，随着相关技术的整合与完善，业务场景的不断优化，必将引发一轮新的技术繁荣，从而把人来待遇另一个新的阶段。
人工智能的时代其实已经到来，随着5G、物联网等的持续发展，万物互联的时代也已经慢慢在“入侵”我们的生活了。
以人工智能为例，现在人工智能产品已经广泛的应用于我们日常生活、企业经营等中，在本次疫情中也有很多人工智能的应用。
人工智能医疗设备、人工智能外呼机器人等等，都是人工智能在改变着我们的生产生活方式。
以呼叫中心为例，我们看看人工智能如何使呼叫中心智能化？
呼叫中心是依靠技术与人力资源支持的行业，随着人口红利的消失，降低人力成本成为企业的迫切需求。利用AI技术，企业呼叫中心将在人机协同、智能分析、优化用户体验方面迎来创新与突破。
在呼叫中心领域，AI技术发展有两大方向：以AI辅助人工劳动，实现高效协同；以AI替代人工劳动，节省人力成本。我们相信以AI辅助人的工作，人机协同提升呼叫中心的效率是现阶段的主要方向。基于呼叫中心的通话能力，我们将开展一系列的人工智能 探索 与实践。
呼叫中心的AI变革，首先发生在呼叫中心座席人员方面，通过ASR语音识别引擎实现对大量通话的有效分析，进行高效的全量智能质检，这是人工智能实现的第一步。第二步，AI技术将针对客户方面进行创新，发展对话机器人。辅助人工座席员开展工作，人工监控对话机器人的表现与服务质量，可以实现高效协同，在必要时参与客户的沟通服务。从客户分析的维度，客服场景中基于用户画像、平台用户行为，预判来电客户的需求；营销场景中，AI技术可以分析潜在用户的匹配度，判断是否为客户，以及选择最合适的沟通时间，实现接通率的优化；在风控场景下，判断用户的信用表现。
此外，在呼叫中心管理运营和决策方面，AI技术将助力企业知识库的建立，成为呼叫中心大脑，实现面向用户体验的呼叫中心服务，帮助进行客户沟通的管理与决策，优化客户沟通体验。在呼叫中心的整体运营监控中，发现问题的预警。在人员技能提升与培训方面，提词器能够帮助新人加速学习，了解业务与解答问题的重点。通过质检打分，支持新人检索优秀员工的话术，实现知识学习、经验积累和技能提升。
我们现在就前进在人工智能时代的道路上。
未来5至10年是人工智能时代的关键发展期。
这是 历史 规律，是人工智能无法阻挡的 历史 趋势。
上面四部曲，大约需要20至30年实现，中间需要解决的问题主要有以下几个人。
自然消化和通过一次性变现解决，不会引起 社会 阵痛，就像上世纪五十年代的工商业改造。
社会 进步必定伴随人的精神状态进步。 社会 风气和习惯具有极大的人性进化力量。简单一点，看看朝鲜和中国的过去，虽然贫穷，到不缺精神。
如果既有富裕，又有精神，这个 社会 是不是人人喜欢！
人的本性使然！
靠科学技术自身的推动力量
靠每一个人的向往和力量
靠 社会 各方的共同努力！
本人作为 科技 领域的创作者，每天都会浏览大量的有关 科技 的信息，并由此深深的觉得我们赶上了一个快速变化的时代， 科技 推动这整个时代的进步，不断诞生的新生事物，充满了未知和变化，也带来了新的机遇。
而物联网就是继互联网之后的又一次信息技术革命浪潮， 谷歌执行董事长Eric Schmidt曾宣称，互联网即将成为 历史 ，物联网将取而代之，成为生活的重要部分。中兴通讯首席技术官兼执行副总裁徐慧俊也曾表示，随着以5G技术为标杆的移动互联网时代到来，万物互联、万物感知正逐渐成为现实。
那物联网离我到底还有多远呢？我们用数据来看一看~
近年来，全球物联网产业市场规模呈现快速上升趋势，已从2013年的19万亿美元上升至2016年的32万亿美元。物联网产业的发展与可用连接数密切相关。 预计到2020年，全球连接数将达到260亿(智能手机90亿，可穿戴设备100亿，M2M连接70亿)，潜在市场规模将超过7万亿美元。
当前，中国物联网产业的空间格局已经形成了以北京、上海、深圳、重庆为核心的环渤海、长三角、珠三角、中西部地区四大产业集聚区。由于中国拥有庞大的全球电子消费市场和工业规模，因此物联网在中国拥有广阔的前景。 2014年，中国物联网产业市场规模达到6000亿元。 2019年9月，在无锡年举行的世界物联网博览会上，发布了《2018-2019中国物联网发展年度报告》。在这份中报告中，2018年我国物联网产业规模已超12万亿元，物联网业务收入较上年增长729%。可见物联网发展之快。 但也不得不承认当前的物联网市场还处于初级阶段，是窗口期。同时，新的洗牌期在到来，行业群雄并起，未来发展潜力巨大。
智能化不是工业化
工业化的三要素：生产者、生产资料和资本是全职时间输送的。
智能化的三要素：消费者、智能手机和消费是休闲时间输送的。
智能化成果按照工业化分配制度分配，是全球所有矛盾的根源。
更直接说：消费者是创造智能化价值的主体，但消费者却不能分享智能化成果是所有矛盾的根源。
因为智能化是未来，是希望！当未来和希望被独享和独占，焦虑会自然覆盖到 社会 的每个角落。
2、智能化10是免费共享，智能化20应该是什么？
站在10领导者的视角，自然是工业化40。依然按照传统分配方式，将未来独享进行到底。
但如果站在消费者的视角，显然是智能化20，承认每个消费者对智能化的贡献。
承认方式：股权共享。
简言之，免费共享，共享的是现在！
股权共享，共享的是现在和未来。
人不仅需要现在，更需要未来。
3、原理与图纸比机器本身更重要！
英国完成第一次工业革命，对其他国家形成碾压式的打击。
满清选择购置q炮，建立北洋舰队，但很快就沉了。
普鲁士选择成为第1个普及义务教育的国家，使德意志民族不仅从一盘散沙的状态走出，引领第二次工业革命浪潮，而且自然孕育出爱因斯坦等一批跨世纪的人才。爱因斯坦时空取代了牛顿时空。因此，重要的是国民应该知道所以然，而不是具体的某个机器、软件和AI。
无人驾驶，无人超市，无人工厂就是人工智能的到来，5G普及就能实现万物互联。未来已来，你准备好了吗？《智能 社会 》已提前十年为我们布局。
我们已经处于这个时代了，一方面一些公司绑架了这些概念，用大量的钱去建设一些似是而非的工程，让我们误解了人工智能和物联网，另一方面，这些技术是革命性的，但还处于初期，就像工业革命刚开始，原始蒸汽机无法带来相比人力的巨大生产力提升。建议去看看谷歌等公司的一些研究，就能体会到这两个技术会带来的变化。
其实现在已经来了，只是还没有形成大面积的普及，比如我们公司的人脸识别门禁等设备。
本人机器人从业者，人工智能目前还是不成熟，最终问题都需要转换为数学算法，其实这个概念几十年前就已经提出来，到现在仍然不成熟。还是从基础学科抓起吧。先把道研究清楚，术自然不是问题
未来已来，你准备好了吗？
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。
5G作为和AI并列的另一个重要领域，也多次被美国政府在内部工作会议上讨论研究。去年10月，特朗普签署了一份总统备忘录，要求商务部制定长期、全面的5G战略。而中国也不仅将5G写入《十三五规划》，还支持产业界成立IMT-2020(5G)推进组，启动了全球规模最大的5G技术研发试验。
5G和AI之所以被如此重视，频频被政府及各行业提及，是因为这两者的结合，将会产生聚变效应，衍生出许多新技术、新平台、新商业模式、新产业等，带来前所未有的创新机遇，甚至可能是一个新时代的到来。
目前的人工智能基本依赖于云计算和终端自身处理，终端将获取到的海量信息在自身进行一次加工和提炼，然后到云端的AI大脑进行统一处理。但是受制于终端的处理能力以及网络的传输能力有限，目前的人工智能速度较慢并且智力低下。如果通过5G网络将应用与云端连接，并运用边缘计算等技术，5G核心网分布式架构将完美匹配应用延伸到边缘的需求，边缘网关可以将信息直接转发到边缘应用，帮助AI将应用延伸到边缘。
5G是万物互联的基石，就像信息高速公路一样，它为海量的数据和信息的传递提供了可能性，同时，也带来了更高效的传输速率；AI是万物互联网的助推器，不仅仅是云端的大脑，也是能够完成学习和进化到的神经网络，成为人类智慧的延伸。两者相加，互相作用，AI将使能于5G，优化5G网络，推动5G落地。具备AI属性的5G网络，是自能的网络。5G同样是使能技术，改变生产方式、改变社会生活，让AI无处不在。5G作为新的基础网络设施，不单为人服务，还为物服务，为社会服务。二者作为新时代的生产力，将带来整个社会生产方式的改变和生产力的提升。
区别
一、什么是物联网
1，物联网在之前被定义为通过射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络，简言之物联网就是“物物相连的互联网”。
后来被重新定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。
广义上说，当下涉及的信息技术的应用，都可以纳入物联网的范畴。
二、什么是人工智能
人工智能英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分枝，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
它是对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能大致有10个方向的应用：1、个性化推荐；2、人脸识别；3、无人驾驶汽车；4、智能客服聊天机器人；5、机器翻译；6、医学图像处理；7、图像搜索；8、声纹识别；9、智能外呼机器人；10、智能音箱。
1、个性化推荐：基于聚类与协同过滤技术的人工智能应用，它建立在海量数据挖掘的基础上，通过分析用户的历史行为建立推荐模型，主动给用户提供匹配他们的需求与兴趣的信息，既可以为用户快速定位需求产品，弱化用户被动消费意识，提升用户兴致和留存黏性，又可以帮助商家快速引流，找准用户群体与定位，做好产品营销。
2、人脸识别：基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别涉及的技术主要包括计算机视觉、图像处理等。
3、无人驾驶汽车：智能汽车的一种，主要依靠车内以计算机系统为主的智能驾驶控制器来实现无人驾驶。
4、教育
iFlytek和普通教育等公司已经开始探索人工智能在教育领域的应用。 通过图像识别，可以通过机器对试卷进行校正和答题，通过语音识别提高发音，人机交互可以在线答题。 人工智能与教育的结合可以在一定程度上改善教育部门教师分布的不平衡和高成本，从工具层面为教师和学生提供更有效的学习方法。 然而，它不能对教育内容产生更实质性的影响。
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）