物联网时代中的M2M：移为通信，移远通信、广和通的关系

投资者提问：

1、与广和通、移远通信相比，公司的优势在哪里？ 2、公司在国内市场的拓展情况如何

董秘回答(移为通信SZ300590)：

您好！1、 广和通、移远通信属于我司的产业链上游厂商， 业务上没有太多可比性；公司的竞争优势在于：成熟的研发团队、较强的软硬件开发能力、性能稳定的产品及良好的售后服务等； 2、公司按照既定的策略和步骤拓展国内市场，具体情况可参考此前披露的半年报。 谢谢关注！

据了解，移远通信 为移为通信的上游， 但从其历年来的销售毛利率看，移为通信却是力压移远通信，看来作为移为通信的上游移远通信，并未取得更高的利润水平。

通过了解所知， 移远通信毛利率较低的主要原因是：由于芯片属于蜂窝通信模块的核心原材料，芯片的原材料采购额占所有原材料采购额的比例高达80%以上 。其中移远通信芯片供应商主要为高通公司、联发科等芯片厂商，高通公司采购额占所有原材料采购额的比重1915%，联发科采购额占所有原材料采购额的比重1008%。移远通信对上述两家的芯片采购量较大且占比较高，存在供应商集中的风险，同时由于芯片成本较高，直接导致了移远通信的销售毛利率低下。

值得注意的是无论是移远通信，还是移为通信，其二者历年来的毛利率皆双双呈现了逐年走低的现象， 这其中的主要原因是行内企业之间的业务竞争加剧所致，从而导致了销售毛利率的下滑。在竞争激烈的环境下， 两家公司以价取胜，营收规模能够保持逐年扩张着实不简单，这与其所对应的物联网下游需求强劲有着大大的关联。

M2M 产业链主要包括零部件供应商、设备商、平台开发商和 M2M 服务商。 公司作为设备商将不同功能的零部件集成在一起，并且与软件相结合提供面向客户的解决方案。 公司客户群体主要是全球各地的无线 M2M 服务商，通过租用电信运营商的网络来面向客户提供 M2M 服务，他们能够连接不同的运营商，形成全覆盖的 M2M 业务。平台开发商提供应用软件和应用平台以及嵌入式终端的软件。

公司当前主营业务为嵌入式无线 M2M 终端设备研发、销售业务 。产品主要用于各种动静物体追踪业务，主要产品可以分为：车载信息智能终端、资产管理信息智能终端、个人安全智能终端、动物溯源管理产品：

M2M 终端设备被嵌入车队车辆、物品，或置于自然人身上，采集位置信息、驾驶习惯、温度信息、湿度信息等相关信息，通过通信网络，将数据信息传送至 M2M 服务商服务器，M2M 信息需求客户通过终端登录平台软件，分析相关数据信息，实现精细化管理或者提供个人安全服务。

车载追踪通讯产品是公司的主要营收来源， 公司追求多元化发展，因此近年来车载业务的比例在逐年缩小，与之对应物品追踪业务占比逐年提升。2019 年上半年车载追踪通讯产品营收 150 亿元，贡献了 55%的营收。物品追踪通讯产品营收 096 亿元，营收占比为 35%。

动物溯源为主的其他主营业务营收 027 亿元，营收占比为 10%。

个人追踪通讯产品自公司建立以来营收占比便逐年缩小，至 2019 年上半年该项业务完全退出。

预计未来 2-3 年公司海外业务将进行持续扩张，成为利润最大来源；同时国内业务维持“前瞻布局、小规模卡位”的思路，为后续国内市场的开拓做准备

商用车载 M2M 终端设备主要应用于商用车管理和车辆保险行业。在商用车管理中嵌入式无线 M2M 终端设备主要应用于对车辆路线、工作状况监控、车辆调度、物流车队管理。

发达国家商用车管理的商业模式成熟，市场渗透率存在稳定提升的空间。 欧美发达国家是车队管理的前两大市场，根据 BergInsight 的预测，北美市场 2015 年全年发货量 580 万台，预计 2020 年将达 1270 万台，CAGR170%。 商用车使用无线 M2M 渗透率从 2015 年的 198%提升至 2020 年的 392%。欧盟地区 2015 年全年发货量 530 万台，预计2020 年将达 1060 万台，CAGR149%。商用车使用无线 M2M 渗透率从 2015 年的 181%提升至 2020 年的 344%。

UBI 车险主要在欧美地区运用，后装市场仍有很高的提升空间 。2018 年意大利 UBI 渗透率已达 16%，是全球 UBI渗透率最高的国家，这与意大利政策强制要求有关。2014 年全球渗透率 2%，欧洲和美国的渗透率只有 4%，PTOLEMUS 预计到 2020 年欧洲和美国渗透率将分别达到 19%和 26%。UBI 对嵌入式终端信息采集、信息传输的性能要求较高，而盗抢险对嵌入式终端采集驾驶习惯信息要求相对较少，但对于找回相关信息采集性能要求较高。基于以上险种特性，随着未来车辆保险市场的发展，理论上各种类型、各种应用的机动车辆均需安装嵌入式 M2M 终端。基于车辆保险的嵌入式 M2M 终端市场广阔

受 汽车 电子化和车联网发展推动，家用车嵌入式 M2M 发展有望启动。 家用车、轻型车等 汽车 目前使用嵌入式 M2M终端设备比例仍较少，随着新能源 汽车 和 汽车 电子化的普及，家用车车载追踪业务发展空间广阔，根据 GSMA 的统计，2012 年包括嵌入式设备、集成式设备、辅助连接设备在内的民用车全球 M2M 市场容量为 131 亿欧元，而到 2018年市场容量将达到 400 亿欧元。2018 年全球预计有近 3600 万新车将搭载嵌入式移动技术，渗透率达 31%，并远远超过其它连接方式的增长率，2025 年绝大多数新车都会前装连网。

政策推动海外车联网发展，带动家用车 M2M 设备发展。 2018 年 3 月起，欧盟地区销售的所有轻型车新车配装 eCall自动紧急呼叫系统。eCall 系统工作原理是通过在轻型车安装嵌入式 M2M 终端设备实现和公共系统的信息通信。一旦出现交通事故等情况，M2M 终端设备将自动把现场信息及时准确地传输到最近的公共安全应答服务点。有利于在发生严重事故的情况下节省大量救援时间。eCall 系统的标配能够促进 M2M 设备在民用车领域的渗透。带动民用车载 M2M 市场的发展。

与国外成熟市场相比，中国车载 M2M 设备的应用领域发展较晚，功能需求简单 。主要起到追踪、追查（TrackandTrace）作用，中国市场相当数量的 M2M 终端设备还属于低端设备。 汽车 厂商追踪、追查功能的 M2M 装置直接前装至 汽车 内部。

中国作为 汽车 大国，车联网时代有望弯道超车，车载 M2M 设备市场空间广阔。 未来随着 UBI、车队管理和家用车车载追踪业务的发展，M2M 设备市场空间有望进一步提升。根据 BergInsight 的研究报告，中国交通客车、卡车使用 M2M 终端的数量，将由 2014 年的 210 万台增长至 2019 年的 590 万台，复合增长率为 2295%。其中商业车辆（卡车、公共 汽车 ）使用 M2M 渗透率，将由 2014 年的 9%提升至 2019 年的 198%。

公司在国内竞争策略以低成本抢占市场份额为发展目标。 目前业务集中于车辆管理、车队、物流、集装箱物品、融资租赁。目前国内后端 OBD 多用于追踪追查，功能拓展还在初级阶段，整体渗透率较低。因此公司也与国内车企建立联系，寻求导入 T-box 前装业务的机会。

Jasper总部位于美国加利福尼亚州圣克拉拉，离思科总部所在地圣何塞不远。Jasper目前拥有约385名员工，在全球超过100个国家和地区拥有3500家客户。Jasper当前的客户包括了福特汽车、日产、亚马逊、喜力啤酒等。
Jasper创办于2004年，该公司同无线运营商和其它合作伙伴合作，帮助客户连接和管理车队、工业设备、以及包含传感器网络的系统。
思科宣布，该公司将以14亿美元现金收购物联网初创公司Jasper Technologies。作为全球最大的网络设备制造商，思科长期以来一直在促进“物联网”趋势，把其视为互联网进化的下一个重要阶段。思科表示，收购完成之后Jasper将并入公司新成立的物联网软件业务部门，但拥有极大的独立权。Jasper将向思科高级副总裁罗恩·特罗洛普（Rowan Trollope）汇报工作。思科企业发展副总裁罗伯·萨尔瓦诺（Rob Salvagno）就此表示，“收购Jasper，将有助于我们更快速度的推进物联网产业的发展。”

党的十九大报告提出建设“ 交通强国 ”的目标，为我国未来交通运输发展描绘了宏伟蓝图。

要建设交通强国，就要在新时代中国特色社会主义思想的指导下，贯彻新发展理念，以供给侧结构性改革为主线，以创新为引领，全面推动交通运输发展质量变革、效率变革、动力变革。而物联网，就是这个时代带给交通运输发展的强心剂。

一，物联网该如何让交通改头换面呢？

1基于物联网的智能交通系统架构

基于物联网的智能交通系统一定要全面考虑到各个类型的基础设施、交通对象等。

通过构建基础交通的感知网络，才能开发出各种类型的智能管理的服务系统。这种全新的理念一定能从根本上，改变交通系统，只注重业务开发的模式，转而向信息资源共享需求的方向发展。把物联网真正的运用到智能化的交通领域中，首先就是构建在物联网环境下的，智能交通系统架构。

这项在物联网基础上的，智能交通的架构，主要由感知层、网络层和应用层这三个方面组成。

11感知层

物联网的智能交通系统的感知层，主要负责准确的采集各种交通信息。尤其是各类交通信息的感知要通过网络和传感器来得以实现。传感器的采集过程，一定要完全经过无线传感器网络的完全传输，才能实现好数据的汇聚。

12 应用层

应用层的主要功能，是对交通感知网络进行数据采集，并且要进一步对数据信息进行分析和应用，支持各种智能化的交通服务。应用层系统主要分为，政府应用系统、社会应用系统、各个企业之间的示范系统等等。

其中，最为典型的应用系统，主要包括交通控制系统与动态控制系统。要想实现好智能无线传感器与电信网络传感器之间的融合，一定要把无线传感器网络连接到电信网络上。利用电信网络来进一步实现对无线传感器的网络中各项业务的监控与管理。

13 业务平台

业务平台是促进电信网络的运行与管理，并且还要与无线网络传感器进行结合的业务实体，同时还要协调好电信网络中的其他实体，来完成好整个业务系统。

管理平台作为实现电信网络对无线传感器网络的管理实体平台，主要目的是为了实现对业务平台的设备与网络进行管理。同时，为了保证电信网络更加可靠的运行，一定要在电信网络和无线交通传感器之间引入有效的控制机制。

这项接入控制机制，指的是电信网络利用网关系统，对控制点进行有效的控制，为无线传感器网络提供全程的服务。

2 物联网技术对智能交通系统的影响

由于物联网在电子通信与计算机技术方面具有成熟的技术优势，因此，物联网技术与智能交通系统的有效结合，才能为我国的交通运输行业提供出全新的发展思路。

物联网是在计算机与互联网技术之后的，信息产业的第三次浪潮，从而孕育出了改变产品生产与销售的网络系统。与此同时，物联网提出的全新的理念，对人类的生活方式产生了比较深远的影响。到目前为止，在交通运输与物流行业，逐步推广了物联网技术。

21 感知信息

物联网的核心内容是传输过程中的信息数据，首先就是要对物体的属性进行标识，属性主要包括静态与动态两种，还要通过一定的设备读取物体的属性，并且要把信息转化成一种网络传输的重要的数据。

22 采集信息

在物联网环境下构建智能化交通系统，一方面要采集大量的交通信息，并且对实时性信息进行采集和处理。另一方面，更要侧重于对信息资源的有效整合与传输功能。

由于智能化交通系统，是以高速公路作为一个技术性的交流平台，一定要以交通信息为基础，促进人们的交通出行与交通工具之间的联系，提高了交通系统的安全性与效率。

因此，只要交通系统把先进的交通信息当成基础，从而为其他的交通出行者，提供各个方面的交通信息服务体系，用来促进交通运输的合理分布。

23 信息的应用

物体要想实现有效信息的传递，主要有两个应用的方向：一是经过物体的集中有效处理传递给“人”，经过“人”的高级处理，才能进一步控制住物体。

另外一个方面，是直接对“物”进行合理的智能控制，并不需要经过“人”，就能授予权力。通过深入分析互联网的整体的运行情况，一定要在物质和人之间实现好信息的合理交互。

因此，这种“物”很有可能涉及到在物质世界中的具体的实体的存在，还包括人的具体的实体属性。

尤其是物联网中的各项活动都是以人的意愿为基础，进行的活动。同时，网络的规范标准，是实现物联网的运行环境的一个最终的因素，为智能交通信息提供了有效合理的环境支持。

二，应用实例

1，物联网技术实现对司机不良驾驶行为的智能分析与判断

G7公司已经采用了成熟的技术手段，实现物联网技术对位置、声音、图像等的数据采集和人工智能识别。 

“目前我公司已经可以做到对驾驶员危险行为的实时监控和管理。当驾驶员出现打瞌睡、玩手机等危险行为时，车机端就会给司机报警，云端监控的管理员也可以得到通知，车队管理员还可以下发语音信息提醒驾驶员。”公司总裁介绍，“同时，实时采集的图像还可以作为事后证据，对司机进行安全教育管理，有效降低事故率。有一个客户使用了3个月，每百万公里的事故率就降到了之前的三分之一。”

2，中兴通讯智慧交通系统

采用感知层、网络层、综合管控平台和各种交通行业应用的四层架构，以统一的智能交通管控平台为依托，以现有交通信息网络、城市道路交通信息系统和各地市交通监控中心的信息资源为基础，加强对全市主干路网交通信息和营运车辆的动态信息采集、汇总、融合。并通过对应用的互联、数据中心建设和应用整合三步走平台建设方式，实现交通业务的延续、优化和创新。满足智慧交通系统建设需求，实现与现有交通系统便捷融合，并全面降低交通运营者的运维成本。

“云计算”+“视频监控”+“车联网”，实现精确感知、畅通信息、智慧调度；

TD-LTE无线承载和GoTa专用调度系统，安全承载、高效服务；

智能、开放、高效、安全的智能交通管控平台，实现全方位交通信息应用共享挖掘；

通过云平台海量信息收集存储能力，建立数据仓库，根据数据挖掘模型对海量信息进行分析处理和业务仿真，提供决策参考

随着互联网、移动通信网络和传感器网络等技术的应用，物联网应用于智能交通已经初见雏形，在未来几年将具有极强的发展潜力。

物联网近期颇受重视，尤其是随着阿里巴巴创立达摩院从事物联网领域研究以来，各大科技巨头纷纷聚焦物联网研究和发展，物联网也随之走上风口浪尖。那么物联网未来的发展趋势是怎样的呢？不同的人有不同的看法，有人认为是风口，也有人认为是虎口，中景元物联云平台总经理周毅认为：物联网是风口还是虎口并不重要，重要的是能够切实地满足各行各业的现实需求带来实际效益。物联网未来的发展应该更加注重安全性和合作共赢。

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。

Long Term Evolution Category 1（长期演进技术类别1）即LTE CAT 1 是一种众所周知的LTE标准，广泛应用于全球物联网通信行业。由3GPP（第三代合作伙伴计划）（第8版）在2008年推出以用于物联网，自推出以来一直保持显著增长。LTE Cat 1 因其广泛的覆盖范围和低成本优势而广受欢迎。LTE Cat 1 专为功能繁杂的物联网应用而设计，目前被认可为不可或缺的连接技术。LTE CAT 1 使用技术优越并可全球部署的动态系统，在全球范围内提供最佳的物联网解决方案。换而言之，LTE CAT 1 可以被称为LTE 物联网的特定变体，它使物联网网络更加智能。
LTE CAT 1的特点

• 中速LTE 标准

• 专为物联网和M2M 通信而设计

• 满足足够的上、下行数据速度

• 适用于带宽密集型物联网应用

• 超强的建筑穿透力

• 低延迟（50至100ms）

• 更高的数据传输效率

• 上行（5Mb/s）和下行（10Mb/s）

• 向下兼容3G 和2G

• 优化后的功耗延长电池寿命周期（最多5年）

• 支持低功耗的待机和睡眠模式

• 支持全双工FDD/TDD 和VoLTE（LTE语音服务）

• 室内覆盖

• 语音支持

• 移动支持

• 远程控制设备

• 超低成本

• 使用简捷

LTE CAT 1的应用

LTE CAT 1 应用于多种领域

• 自动化/交通：帮助监测车辆和各种参数、诊断信息、里程、位置、发动机使用情况、车队管理、电动滑板车等

• 安全：视频监控、交通摄像头、传输高质量视频、家庭监控、低端/基于云的摄像头、支持LTE 语音

• 移动医疗警报系统，门诊监测，预测性维护。适用于自动取款机、自动贩卖机、智能电网、资产跟踪、电表、无线支付、智能可穿戴设备。通过蜂窝网络一键通话。

LTE CAT M/LTEM/eMTC

众所周知，2017年3GPP 推出的LTE CAT M/LTEM/eMTC（第13版，这里“M”代表机器）是定义低成本机器类通信协议或简单的LTEM 协议，主要用于增强机器间的通信，这项技术相对较新，正处于发展阶段，专门为机对机通信和物联网设计使用。在实际运用中，为支持更高吞吐量设备的移动性而设计，并提供：

• 低延迟（10-15微秒）

• 上行和下行1Mbps

• 支持VoLTE

• 电池寿命长达10年

它还用于物联网平台设备。

这两种技术都被证明是物联网和M2M 通信的最佳选择。根据使用情况和覆盖率，用户可以自行选择。此外，在计算各种参数时，这两种技术都有各自优势，如Quectelcom收集的数据所示：
CAT 1 和CAT M 基础数据

LTE CAT 1 和CAT M 的对比

---