物联网未来的趋势是什么

2006至2020年，物联网应用从闭环、碎片化走向开放、规模化，智慧城市、工业物联网、车联网等率先突破。中国物联网行业规模不断提升，行业规模保持高速增长，江苏、浙江、广东省行业规模均超千亿元。

截至到2019年，我国物联网市场规模已发展到15万亿元。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

近年来，我国政府出台各类政策大力发展物联网行业，不少地方政府也出台物联网专项规划、行动方案和发展意见，从土地使用、基础设施配套、税收优惠、核心技术和应用领域等多个方面为物联网产业的发展提供政策支持。在工业自动控制、环境保护、医疗卫生、公共安全等领域开展了一系列应用试点和示范，并取得了初步进展。

目前我国物联网行业规模已达万亿元。中国物联网行业规模超预期增长，网络建设和应用推广成效突出。在网络强国、新基建等国家战略的推动下，中国加快推动IPv6、NB-IoT、5G等网络建设，消费物联网和产业物联网逐步开始规模化应用，5G、车联网等领域发展取得突破。

政策推动我国物联网高速发展

自2013年《物联网发展专项行动计划》印发以来，国家鼓励应用物联网技术来促进生产生活和社会管理方式向智能化、精细化、网络化方向转变，对于提高国民经济和社会生活信息化水平，提升社会管理和公共服务水平，带动相关学科发展和技术创新能力增强，推动产业结构调整和发展方式转变具有重要意义。

以数字化、网络化、智能化为本质特征的第四次工业革命正在兴起。物联网作为新一代信息技术与制造业深度融合的产物，通过对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现新旧动能转换的关键力量。

我国物联网行业呈高速增长状态 未来将有更广阔的空间

自2013年以来我国物联网行业规模保持高速增长，增速一直维持在15%以上，江苏、浙江、广东省行业规模均超千亿元。中国通信工业协会的数据表明，随着物联网信息处理和应用服务等产业的发展，中国物联网行业规模已经从2013年的4896亿元增长至2019年的15万亿元。

虽然我国物联网发展显著，但我国物联网行业仍处于成长期的早中期阶段。目前中国物联网及相关企业超过3万家，其中中小企业占比超过85%，创新活力突出，对产业发展推动作用巨大。

物联网作为中国新一代信息技术自主创新突破的重点方向，蕴含着巨大的创新空间，在芯片、传感器、近距离传输、海量数据处理以及综合集成、应用等领域，创新活动日趋活跃，创新要素不断积聚。

物联网在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

在政策、经济、社会、技术等因素的驱动下，2020年GSMA移动经济发展报告预测，2019-2025年复合增长率为9%左右，2020年中国物联网行业规模目标16亿元，按照目前物联网行业的发展态势，十三五规划的目标有望超预期完成;预计到2025年，中国物联网行业规模将超过27万亿元。

未来物联网行业将向着多元方向发展

标准化是物联网发展面临的最大挑战之一，它是希望在早期主导市场的行业领导者之间的一场斗争。目前我国物联网行业百家争鸣，还未有一个统一的标准出现。因此在未来可能通过不断竞争将会出现限数量的供应商主导市场，类似于现在使用的Windows、Mac和Linux *** 作系统。

合规化同样是当下物联网面临的问题之一，特别是数据隐私问题。目前数据隐私已成为网络社会的一个关键词，各种用户数据泄露或被滥用的事件频发，特别是Facebook的丑闻引发了全球担忧。

因此在未来，我国各种立法和监管机构将提出更加严格的用户数据保护规定，，用户的敏感数据可能会随着时间的推移而受到更严格的监管。

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》。

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。

有机会，但是建议不要做泛和大，从垂直领域出发比较好，为啥这样说呢？原因如下。

1、各大运营商、互联网公司、设备制造商等等企业都在做综合性的平台。

国内有阿里、华为、三大运营商、百度、腾讯、小米、海尔、京东、中电科等。

国外有亚马逊、IBM、SAP、

谷歌、GE、西门子、博世等。

通过以上名单可以发现，这些公司的特点。

这说明物联网是未来的发展方向，是值得花钱而且花大钱去布局的事。

2、做综合性的物联网平台，要求的资金、资源和技术要求会很高。因为是综合性平台，那么你得搞清楚各行各业的所使用物联网平台的诉求，行业标准等等，不然你的用户群体就会很窄。

3、面对的竞争对手的实力都不可小觑，你要考虑的是现阶段进入这个领域做平台在技术上能否与以上那些公司一较高下呢？你想投入多少时间和精力去做平台呢？人家都可是布局好几年了，踩了很多坑积累了很多经验，且现在平台已具有一定规模，形成了一定的行业壁垒，特别是华为，据我所知，国内运营商的平台都离不开华为的支持。
物联网平台的玩家之多，让人惊叹啊，那么咱们还有没有机会呢？答案是肯定的，有！但我的建议走垂直领域。

物联网的领域很广泛，所以专业的物联网平台未来会有很多，而这种综合性的物联网平台经过几年的厮杀后，最终也就剩下几家巨头。何谓垂直领域的物联网平台呢？

最基本的就是行业垂直，比如工业、农业、教育、医疗、安防、建筑、家居、交通运输等领域。

以上玩家也有做垂直领域的，比如ABB/西门子/GE/普奥云/博世等，他们专注工业领域，爱立信、诺基亚专注通信领域，而互联网巨头则是走综合性的较多，因为他们有一定客户基础、服务器资源和用户群体，可以面对企业和开发者提供平台服务，海尔/小米等企业就是在智能家居领域发力的。

不出意外，安防领域的海康、大华都在对自己的领域来架设相应的物联网平台。
从专业的角度来看物联网平台类型有功能呢？
物联网平台有五种类型

1网络连接，网络连接平台以物联网系统的网络组件为中心。它们为用户提供保持设备在线所必需的软件、连接硬件和数据指导。它们的网络通常依赖现有的运营商服务和WI-FI，并以一种便于物联网设置的方式配置网络连接。
有机会的，物联网的网少不了平台，没有平台就没有物联网。平台提供基于数据的存储、管理等。数据挖掘、数据分析等都基于云平台来计算。

物联网平台从另一个角度来看，是数据的“聚合”平台，通过大数据分析，给决策提供状态、趋势和决策等。
随着5G时代的到来，“边缘计算”一词越来越多的出现在大众视野。今天我们就来讲讲Arex算力资源平台如何利用“边缘计算”制霸未来物联网20。
什么是边缘计算？
首先我们介绍一下什么是边缘计算：边缘计算是分布式计算技术的一种，分布式系统的崛起催生边缘计算平台和新的网络构架分布式AI会在最后一英里网络中增加更多的计算、智能和处理/存储能力，将引发移动端硬件和算力变革。

在这种配置中，人工智能引擎将依赖于大量物联网传感器和执行器，收集和处理大量的 *** 作现场数据。海量数据将为“本地化”的边缘计算AI引擎提供燃料，这些引擎将运行本地进程并在现场做出决策。

因此网络需要另一种水平的实时边缘计算、数据收集和存储，将推动人工智能处理到网络边缘。这将完成云边缘智能和网络化计算机的循环, 并通过基于区块链的智能合约来完成数据授权和业务运转。

物联网中边缘计算与区块链的结合是大势所趋，会将当前的传统物联网完全颠覆掉。
为什么这么说呢？
传统物联网将被淘汰

伴随着近年来通用计算机设备的飞速发展，各类自动化的智能设备开始进入人们视野，背后是廉价传感器和控制设备的爆炸性增长。传统物联网系统基于服务器/客户端的中心化架构。即所有物联设备都通过云实现验证、连接和智能控制。

中心化的物联网架构存在三个问题。

一是云计算成本，例如在家庭应用场景下，两台家电相距不到一米，也需要通过云端进行沟通。数据汇总到单一的控制中心，企业所销售的物联设备越多，其中心云计算服务支出的成本会越大。由于终端物联设备竞争愈加激烈，利润走低，中心计算成本矛盾会越来越突出。

其次，中心化的数据收集和服务方式，无法从根本上向用户保证数据会合法使用。用户的数据保护完全依靠企业单方面的承诺，难以进行有效的监管。

第三，中心化物联生态系统中，一个设备被攻陷，所有的设备会受到影响。例如《麻省理工 科技 评论》2017年所指出的僵尸物联网，可以通过感染并控制摄像头、监视器等物联设备，造成大规模网络瘫痪。
区块链技术重塑物联网
区块链技术可以利用区块链独特的不可篡改的分布式账本记录特性，构建底层通讯节点、建立链上算力生态、依托分布式存储用于计算服务等区块链技术的综合应用，将全球闲置算力整合起来，通过构建“边缘算力”模式为有需求的用户提供d性可扩容的算力交易、算力租赁等服务。为用户打造一个开放、公平、透明和低门槛的去中心化算力资源共享平台，同时结合丰富的行业经验为全球客户提供更优质的服务。

简单来说就是Arex算力资源平台利用分布式计算模式将全球的闲置算力进行整合，从而构建出高数量级的“边缘算力”，并以此为算力源对需要的应用场景进行高能输出。

边缘算力的应用场景到底有多广阔？

边缘计算将数据处理从云中心转移到网络边缘，计算和数据存储可以分散到互联网靠近物联终端、传感器和用户的边缘，不仅可以缓解云带宽压力，还可以优化面向感知驱动的网络服务架构。（例如家里的空调、热水器与冰箱、安防摄像头等可以通过边缘计算进行协调运行，即使是在连接不上云服务器的情况下，也能确保最佳的节能和服务状态。）

第三方数据分析机构IDC预测，在2020年全球将有约500亿的智能设备接入互联网，除了目前大火的5G通信外，包括大数据人工智能穿戴产品、无人驾驶技术、智慧城市服务等，其中40%的数据需要边缘计算服务。由此可见边缘计算有着强大市场潜力，也是当前各服务商争夺的热点。

无人驾驶技术：

无人驾驶

智能穿戴设备：
智慧城市：
要回答物联网云平台是不是还有机会的问题，首先要搞清楚几方面的状况：

一是定位。从技术角度来说，你是做物联网云平台的那一层，IaaS、PaaS、SaaS，单做某层或是混合？而技术的定位取决于：（1）你觉得那一块是你发掘出的空白或者你觉得有前景？（2）为你的客户提供什么样的价值（3）你想做什么样的商业模式。这三个问题依次定推，最后才决定了你了的技术定位和技术架构。找准定位，这是你开始一切的起点。

二是资源。这个我就不多说了，包括资金、技术、人脉、产业链合作，这是你保障自己可以开始有效行动的基础。

三是团队。团队是真正去实施理想的载体，可以是几个人的创业“作坊”，也可以是有一定规模的公司，也可以是松散的联盟组织。

其实，物联网的市场何其大，需要的云服务何其多，宏观市场和细分市场规模都足够你有所作为。做不做，做不做得好在于自己。至于，做不做设备终端，就看你是怎么玩了。

机会很大

物联网平台承上启下，是物联网产业链枢纽。按照逻辑关系和功能物联网平台从下到上提供终端管理、连接管理、应用支持、业务分析等主要功能。

通信技术发展促进连接数迅速猛增，物联网迎来告诉发展引爆点

连接数告诉增长是物联网行业发展基础

物联网发展路径为连接--感知--智能，目前处于物联网发展第一阶段即物联网连接数快速增长阶段。到2018年，全球物联网连接数将超过手机连接数。

物联网发展第一阶段：物联网连接大规模建立阶段，越来越多的设备在放入通信模块后通过移动网络（LPWA\GSM\3G\LTE\5G等）、WiFi、蓝牙、RFID、ZigBee等连接技术连接入网，在这一阶段网络基础设施建设、连接建设及管理、终端智能化是核心。爱立信预测到2021年，全球的移动连接数将达到275亿，其中物联网连接数将达到157亿、手机连接数为86亿。智能制造、智能物流、智能安防、智能电力、智能交通、车联网、智能家居、可穿戴设备、智慧医疗等领域连接数将呈指数级增长。该阶段中最大投资机会主要在于网络基础设施建设、通讯芯片和模组、各类传感器、连接管理平台、测量表具等。

物联网发展第二阶段：大量连接入网的设备状态被感知，产生海量数据，形成了物联网大数据。这一阶段传感器、计量器等器件进一步智能化，多样化的数据被感知和采集，汇集到云平台进行存储、分类处理和分析，此时物联网也成为云计算平台规模最大的业务之一。根据IDC的预测， 2020年全球数据总量将超过40ZB(相当于4万亿GB)，这一数据量将是2012年的22倍，年复合增长率48%。这一阶段，云计算将伴随物联网快速发展。该阶段主要投资机会在AEP平台、云存储、云计算、数据分析等。

物联网发展第三阶段：初始人工智能已经实现，对物联网产生数据的智能分析和物联网行业应用及服务将体现出核心价值。Gartner 预测2020 年物联网应用与服务产值将达到2620 亿美元，市场规模超过物联网基础设施领域的4 倍。该阶段物联网数据发挥出最大价值，企业对传感数据进行分析并利用分析结果构建解决方案实现商业变现，同时运营商坐拥大量用户数据信息，通过数据的变现将大幅改善运营商的收入。该阶段投资者机会主要在于物联网综合解决方案提供商、人工智能、机器学习厂商等

物联网云平台是一个专门为物联网定制的云平台，物联网与普通的互联网是不同的:物联网终端设备比普通互联网手机端,电脑端多出几个数量级;普通互联网对>智慧物流是物联网等新一代信息技术支撑、知识社会下一代创新（创新20）环境下的物流新业态。它基于全面透彻的感知、宽带泛在的互联以及智能融合的应用，构建有利于创新涌现的物流业运行环境与生态，实现以用户创新、开放创新、大众创新、协同创新为特征的以人为本可持续创新。物联网技术在智慧物流中起着基础性的技术支撑作用。
智慧物流通过物联网技术的应用，在物流过程中获取信息从而分析信息做出决策，使商品从源头开始被实施跟踪与管理，实现信息流快于实物流，可通过RFID、传感器、移动通讯技术等让配送货物自动化、信息化和网络化，进而形成面向创新20的物流新业态。

文| AI 财经 社 饶翔宇

编辑| 张硕

进入2019年，多家自动驾驶初创公司先后宣布获得融资。值得注意的是，致力于物流行业自动驾驶技术的企业正在获得资本越来越多的认可。

2019年3月1日，专注于无人驾驶货运的飞步 科技 获得来自青松基金、和玉资本的数千万美元 Pre-A 轮投资。

2月13日，专注于研发无人驾驶卡车的创业公司图森未来宣布完成新浪资本领投的9500万美元D轮融资，此轮融资后图森未来的估值超过10亿美元。

2月12日，硅谷自动驾驶公司Nuro宣布完成来自软银愿景基金的 94 亿美元融资。Nuro的首款产品主要用于本地货物配送的自动驾驶服务。

2月8日，自动驾驶初创公司Aurora宣布获得来自亚马逊、红杉资本和壳牌投资部门的超过53亿美元投资。亚马逊的入局被视为Aurora接下来将在自动驾驶物流方面进行发力。

刚刚过去的2018年，多家物流行业的无人驾驶创业公司也在融资方面取得新进展。比如2018年4月，普洛斯和物联网 科技 公司G7、蔚来资本出资组建了无人驾驶新技术公司嬴彻 科技 ，同年10月，为物流行业提供解决方案的G7完成32亿美元融资；2018年11月15日，智加 科技 宣布完成A+轮融资，随后与一汽解放、满帮集团联合宣布，将用3-5年让无人重卡进入干线物流。

如此高密度、高额度的资金进场，正预示着经过了此前乘用车自动驾驶创业公司的融资热后，无人驾驶的风正在物流领域吹起。事实上，相比于乘用车的落地场景，物流行业全封闭或半封闭的行车环境、两点间程式化的用车需求显然更有利于无人驾驶技术的落地。

不过，技术落地是一方面，技术商业化则是另一方面，底层计算平台的成熟度、车规级激光雷达的成本、特定场景算法都将成为后者能否实现的关键。从目前来看， 无人驾驶的落地与商业化就像是一场马拉松，物流领域的玩家已经跑在了相对靠前的位置。

无人驾驶的风向变化

2016年底至2017年初，一批包括禾多 科技 、驭势 科技 、文远知行、Roadstarai、Momenta等在内，专注于乘用车领域的无人驾驶创业公司相继成立。在一到两年时间内，这些公司都纷纷宣布获得多轮融资，最高单笔融资额更是达到上亿美元。

虽然入场较早、融资频频，但是受制于自动驾驶乘用车的应用场景过于复杂，上述创业公司在系统的稳定性和行车的安全性上，还有很多技术性的问题需要解决，比如激光雷达的成本控制和精准度的提高、底层计算平台的成熟度都远非短时间能够解决的。

除此之外，文远知行和Roadstarai两家公司还相继发生了高管内斗、联合创始人因收受回扣遭“解职”的事件，由此暴露出了技术出身的创始团队在公司管理上能力不足的问题，频繁的人事纠纷也进一步阻碍了上述公司的技术落地和商业化进程。

实现乘用车的自动驾驶还有很长的路，但是在物流行业，自动驾驶已经有了商业化试运营案例。

获得软银94亿美元融资后，Nuro创始人朱家俊称，未来，Nuro还将和多家合作伙伴一起推出无人配送服务，包括餐厅、药房、生鲜超市、服装百货、干洗等。

今年2月，零售巨头亚马逊在一个星期内，拿出超过12亿美元分别投资了无人驾驶创业公司Aurora和电动卡车公司Rivian。不仅如此，亚马逊此前还连续三轮投资了被称为“货运版Uber”的卡车物流平台Convoy。

刚刚获得融资的图森未来也公布了公司在无人驾驶物流卡车研发上的最新进展。据介绍，在美国，图森未来无人驾驶卡车日均完成3-5次货物运输，服务13位终端货主客户。在中国，图森未来在中国北方某港口持续试运营超过300天，并将在上海临港地区开展无人驾驶示范运营。

国内的京东、菜鸟、苏宁等巨头也在不断进场。

比如，2016年京东就成立了专门的“X事业”，专注于“互联网+物流”，希望打造着眼未来的智慧仓储物流系统。目前，京东第四代无人驾驶物流车已经在北京的开放道路上，开启了全场景常态化配送。菜鸟ET物流实验室也在云栖大会现场发布第四代新零售物流无人车。苏宁的“卧龙一号”则是国内首个能与电梯进行信息交互的无人车，可以实现从户外到室内的配送。

“无人驾驶已经不是一个讲demo的时间段了，现在更强调落地。在无人驾驶乘用车落地变得遥遥无期的当下，场景相对简单、市场规模超过万亿的物流行业自然有着更多的机会。”无人驾驶领域的创业者张驰（化名）对AI 财经 社表示，以Nuro为例 ，低速物流车相对更安全，落地也会更快。

根据张驰的说法，物流领域最快落地的应该是低速无人配送车和港口、码头、仓库、矿产等封闭场景的无人驾驶卡车；其次，就是负责干线物流运输的自动驾驶；最后，则是 社会 化道路上行驶、场景最复杂的无人驾驶城配物流车。

“事实上，在全封闭的工厂和仓储园区，已经有了无人驾驶的小规模的商业化应用。”钟鼎资本合伙人汤涛对AI 财经 社表示，此前钟鼎投资过一家专注在场内物流领域做无人叉车和无人牵引车的公司，现在该公司已经开始出货并陆续产生营收了。

汤涛对于物流无人驾驶领域这一波投资浪潮并不意外。在他看来，物流行业目前面临着越来越严重的“用工荒”的问题，越来越多的年轻人不再愿意从事枯燥、繁重的运输工作，所以物流行业对于无人驾驶技术的需求要比乘用车市场来得更加强烈。

此外，今年资本市场整体上开始偏谨慎，大家更喜欢投一些盈利时间表更明确的的公司。在自动驾驶的实现方向上，无人物流车可能会更快商业化——一方面因为技术上更容易实现；另一方面从政策角度上来讲，商用车可能会更快跑出来。

投资未来

2019CES前夕，百度利用旗下的自动驾驶车队，从长沙运送了一个包裹到拉斯维加斯。整个过程中，除了跨洋飞行外，在干线物流、支线物流、终端配送的各个环节均是百度无人驾驶车队在工作。这个全球首次完成的自动驾驶物流闭环，让很多人看到了物流行业技术节点的到来。

“从各种条件来看，距离物流无人车的大规模商业化应用还需要较长的一段时间。”张驰表示，目前整个无人驾驶行业主要的3大环节——底层的计算平台、各个场景的算法以及车规级的激光雷达都还未发展成熟，改装一辆无人车的成本可能超过200万元，成本过于昂贵。受此影响，物流领域无人驾驶技术的爆发还需要继续等待。

事实上，除了无人驾驶整个产业链还尚未成熟，国内外的相关政策法规也还未完全放开。

在美国，针对自动驾驶道路测试的管理规范主要由各州自行立法。截至2017 年底，美国有内华达州、加利福尼亚州、佛罗里达州、密歇根州等共 21 个州通过了地方层面的法案，另有 10 个州发布了行政命令，支持自动驾驶 汽车 道路测试，明确申请测试的资格要求及测试过程中的管理要求。

目前，美国自动驾驶 汽车 发展最具代表性的地区是加州，当地开放的政策使得几乎全球所有的自动驾驶公司都会选择在此进行道路测试。根据加州机动车管理局(DMV)公布的数据显示，截至 2018 年 12 月 7 日，共有62家来自不同领域的企业获准在加州测试自动驾驶 汽车 的许可，其中 Waymo是唯一一家获得无驾驶员在车内的自动驾驶测试资格的企业。

在中国，截至 2018 年 12 月 25 日，北京市、上海市、重庆市、杭州市、江苏省共 15 个省市区公布了地方级的测试管理实施细则，准许企业申请自动驾驶 汽车 道路测试的许可。在牌照发放方面，截至 2018 年 12 月 25 日，国内共有 27 家公司获得了共95 张测试牌照。其中，百度分别从北京、平潭、重庆、长沙、天津五个城市共申请获得了 51 张测试牌照。

同时，国内的无人驾驶路测场景也变得更加多元。

2019年1月21日，公安部交通管理科学研究所宣布建成我国首个专门用于自动驾驶测试的封闭高速公路。该封闭高速公路位于江苏省无锡市通锡高速公路（S19）南通方向，全长41km。1月22日，百度旗下的22辆“阿波罗”自动驾驶数据采集及测设车辆，在山西省五盂高速阳泉段进行了相关测试。

高速公路路测场景的开放，对于做干线物流无人驾驶技术研发的G7、智加 科技 以及图森未来来说，显然是一个有力的政策加持。事实上，在政策逐渐放开的同时，物流无人卡车的场景联动也已开始。

2018年11月8日，智加 科技 宣布与满帮集团达成独家战略合作。据统计，中国干线货车700万辆中有520万辆是满帮会员，中国物流企业150万家中有125万家是满帮会员。满帮庞大的交易数据和交通数据将能很好地加速智加 科技 干线物流的无人驾驶技术落地。

“政策的制定是与技术的成熟度是密切相关的。现在各地政府对无人驾驶都是非常支持的，但是路测到真正的商业化还有一个过程，接下来能拿到商业化牌照的，肯定是技术跑在最前面的。”汤涛表示，政策的管制只是暂时的，未来当物流无人车这个大方向上出现成熟、安全的解决方案后，政策自然就会进一步放开。

按照汤涛的说法，所有入局无人驾驶的投资机构，不管是乘用车还是商用车，都是在投未来。

“其实，短期算账是算不过来的。这个核心逻辑就是你信不信自动驾驶的卡车会在未来的物流行业占到一定比例。这类公司是不会有太多家的，最早开始做的，容易收集到更多的corner case，然后就能把系统修改得更稳定，然后成本也会更低。”汤涛表示，在这种情况下，市场上的头部公司就会把主要的份额都吃掉。

至于怎么去制定估值模型，投资的创业公司怎么去盈利，这就是一个时间表的问题了。

以下是物联网常见的应用场景：
1、车联网
车联网行业中，车载智能终端、车载扫码支付设备、行车记录仪、车载综合监控/DVR。车载设备借助物联卡，流量卡实现车与车、人、路、平台之间的联系。
2、智慧物流
智慧物流是指物联网用于物流行业，在物流的运输、仓储、包装、装卸、配送，大大降低了物流运输成本，提高运输效率，在物流中的运用大致是这四个方向：仓储管理、运输监测、冷链物流、智能快递柜。
3、智能穿戴
智能穿戴其实就是指智能手表、智能手环、智能眼镜等，物联网卡是智能穿戴行业不可或缺的一部分。
4、智慧城市
智慧城市是未来城市发展的方向和趋势，通过物联网、云计算、大数据、空间地理信息集成等智能计算技术的应用，使得城市管理、教育、医疗、交通运输、住宅等更互联、高效和智能，人们可以随时随地享受到便利的生活。
5、智能安防
安防是物联网的一大应用场景，智能安防主要包括三大部分，智能门禁、报警系统、监控系统，行业中主要以安防监控为主。
6、智慧农业
将物联网技术运用到农业中去，使传统农业更具“智慧”，从而实现农业无人化、自动化、智能化管理。
7、智慧医疗
安全健康也是我们非常关心的问题，物联网技术在医疗行业中有着极大的作用，物联网卡将设备进行连接，实现信息实时采集和稳定传输数据，对医疗行业的服务水平和效率有着积极的促进作用。在医疗中的运用大致是这两个场景：可穿戴医疗设备、数字化医院。

---