物流研究分析

IAII（人工智能产业研究院）与AIL(智能物流基金会)对国内外领先企业在智能物流领域新技术、新商业模式的应用进行了分析，并探讨智能物流对物流行业发展的影响。 智能物流市场快速发展，预计2025年规模超万亿元，行业正由自动化、无人化向数据化、智能化发展。 主要技术中，无人机、机器人、智能快递柜、可穿戴设备、3D打印、大数据分析等技术已经逐步开始商用；无人卡车、人工智能正处于研发测试阶段，未来前景大。 行业内领先企业积极布局智能物流，抢占先机。–以亚马逊、京东、阿里等为代表的互联网科技企业：注重通过科技手段提升物流效率，依托自身互联网科技基因，在智能物流各领域积极布局，力图实现弯道超车。–以UPS、DHL、顺丰等为代表的领先快递物流企业：通过组建研发 团队，设立研发机构，或与第三方合作等方式，在应用前景明确， 与自身需求紧密相关的智能物流技术上，如无人机、仓内AGV机器人，进行积极布局。–以G7汇通天下为代表的智能物流物联网企业：独立于物流公司和电商平台，专注于物联网、大数据和人工智能平台开发和服务，具有很强的技术实力和商业模式优势。在具有互联网思维的专业团队和资本的助力下，发展前景巨大。 未来，领先物流企业需要结合自身特性、洞察所在领域的客户、市场变化，做好智能物流的提前布局，追赶者应以更加开放的心态拥抱 科技，拥抱智能物流，实现转型升级。一、智能物流的定义物流业是国家经济支撑性产业，2009-2016年，全国社会物流总费用在GDP中的占比由18.1%下降至15.5%，但与发达国家物流费用占GDP约10%的比例相比还有很大差距，提高物流效率，降低物流成本成为政府、物流企业与其客户力争实现的目标。2016年，国家发改委发布《物流业降本增效专项行动方案》，交通运输部也规划从基础设施建设等四方面着手帮助促进物流业降本增效。智能物流是指通过智能硬件、物联网、大数据等智能化技术与手段，提高物流系统分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平。智能物流集多种服务功能于一体，体现了现代经济运作特点的需求，即强调信息流与物质流快速、高效、通畅地运转，从而实现降低社会成本，提高生产效率，整合社会资源的目的。根据中国物流与采购联合会数据，当前物流企业对智能物流的需求主要包括物流数据、物流云、物流设备三大领域，2016 年智能物流市场规模超过2,000亿元，到2025年，智能物流市场规模将超过万亿。 智能物流数据服务市场（形成层）：处于起步阶段，其中占比较大的是电商物流大数据，随数据量积累以及物流企业对数据的逐渐重视，未来物流行业对大数据的需求前景广阔。 智能物流云服务市场（运转层）：基于云计算应用模式的物流平台服务在云平台上，所有的物流公司、行业协会等都集中整合成资源池，各个资源相互展示和互动，按需交流，达成意向，从而降本增效，阿里、亚马逊等纷纷布局。 智能物流设备市场（执行层）：是智能物流市场的重要细分领域，包括自动化分拣线、物流无人机、冷链车、二维码标签等各类智能物流产品。二、智能物流发展驱动因素 2.1 国家大力推进互联网+物流业自2015年以来，国家各级政府机构出台了鼓励物流行业向智能化，智能化发展的政策，并积极鼓励企业进行物流模式的创新，主要方向包括： 大力推进“互联网+”物流发展，发挥互联网平台实时、高效、精准的优势，对线下运输车辆、仓储等资源进行合理调配、整合利用，提高物流资源使用效率， 实现运输工具和货物的实时跟踪和在线化、可视化管理。如国务院办公厅《关于深入实施“互联网+流通”行动计划 的意见》中提出，鼓励发展分享经济新模式，激发市场主体创业创新活力，鼓励包容企业利用互联网平台优化社会闲置资源配置，扩大社会灵活就业。 鼓励物流模式创新，重点发展多式联运、共同配送、无车承运人等高效现代化物流模式。商务部《2015年流通业发展工作要点》中提出，深入推进城市共同配送试点，总结推广试点地区经 验，完善城市物流配送服务体系，促进物流园区分拨中心、公共配送中心、末端配送点三级配送网络合理布局，培育一批具有整合资源功能的城市配送综合信息服务平台，推广共同配送、集中配送、网订店取、自助提货柜等新型配送模式。 加强物流信息化和数据化建设，国务院办公厅《关于推进线上线下互动加快商贸流通创新发展转型升级的意见》中提出，鼓励运用互联网技术大力推进物流标准化，推进信息共享和互联互通； 大力发展智能物流，运用北斗导航、大数据、物联网等技术，构建智能化物流通道网络，建设智能化仓储体系、配送系统。2.2 新商业模式涌现，对智能物流提出要求近10年来，电子商务、新零售、C2M等各种新型商业模式快速发展，同时消费者需求也从单一化、标准化，向差异化、个性化转变，这些变化对物流服务提出了更高的要求。 电商快速发展，电商带动快递业从07 年开始连续9年保持50%左右高速增 长，2016年业务量突破300亿件大关， 达313.5亿件。行业爆发式增长的业务量对物流行业更高的包裹处理效率以及更低的配送成本提出了要求。– 未来电商将持续高速发展，阿里研究院预计2020年网络零售额将超过10万亿元人民币，2017年中，阿里巴巴集团董事局主席马云更是提出“一天10亿包裹数量，不会超过八年，估计在六、七年左右就能实现”。– 跨境电商快速发展，预计到2020年将保持年均增长20%，2020跨境电商贸易进出口占整体对外贸易的比例将由19.5%上升37.6%。 新零售兴起，企业以互联网为依托，通过运用大数据、人工智能等先进技术手段，对线上服务、线下体验以及现代物流进行深度融合的零售新模式。这一模式下，企业将产生如利用消费者数据合理优化库存布局，实现零库存，利用高效网络妥善解决可能产生的逆向物流等诸多智能物流需求。 C2M兴起，由用户需求驱动生产制造， 去除所有中间流通加价环节，连接设计师、制造商，为用户提供顶级品质，平民价格，个性且专属的商品。这一模式下， 消费者诉求将直达制造商，个性化定制成为潮流，对物流的及时响应、定制化匹配能力提出了更高的要求。2.3 物流运作模式革新，推动智能物流需求提升互联网时代下，物流行业与互联网结合， 改变了物流行业原有的市场环境与业务流程，推动出现了一批新的物流模式和业态如车货匹配、众包运力等。基础运输条件的完善以及信息化的进一步提升激发了多式联运模式的快速发展。新的运输运作模式正在形成，与之相适应的智能物流快速增长。 车货匹配，可分为两类：同城货运匹配、城际货运匹配。货主发布运输需求，平台根据货物属性、距离等智能匹配平台注册运力，并提供SOP等各类增值服 务。对物流的数据处理、车辆状态与货物的精确匹配度能力要求极高。 运力众包，主要服务于同城配市场，兴起于O2O时代，由平台整合各类闲散个人资源，为客户提供即时的同城配送服务。平台的智能物流挑战包括如何管理运力资源，如何通过距离、配送价格、周边配送员数量等数据分析进行精确订单分配，以期望为消费者提供最优质的客户体验。 多式联运：包括海铁、公铁、铁公机等多类型多式联运方式，多式联运作为一种集约高效的现代化运输组织模式， 在“一带一路”国家战略的布局实施过程中，迎来了加速发展的重要机遇。由于运输过程中涉及多种运输工具，为实现全程可追溯和系统之间的贯通，信息化的运作十分重要。同时新型技术如无线射频、物联网等的应用大大提高了多式联运换装转运的自动化作业水平。2.4 大数据，无人技术等智能物流相关技术日趋成熟无人机、机器人与自动化、大数据等已 相对成熟，即将商用；可穿戴设备、3D打印、无人卡车、人工智能等技术在未来10 年左右逐步成熟，将广泛应用于仓储、运输、配送、末端等各物流环节。较为成熟，将要或已经实现商用的物流相关技术： 仓内技术：主要是机器人技术，包括AGV(自动导引运输车)、无人叉车、货架穿梭车、分拣机器人等，主要用于仓内搬运、上架、分拣操作，可有效提升仓内的操作效率，降低物本，如亚马逊在13个分拣中心布局超3万个KIVA机器人。 最后一公里配送：无人机技术，包括干线无人机与配送无人机两类，其中配送无人机研发已较为成熟，主要应用于末端最后一公里配送，如京东在2017年618期间，已采用无人机在多省市进行农村小件商品配送，完成1,000余单配送。 智能数据底盘：大数据分析技术，通过对商流、物流等数据进行收集、分析， 主要应用于需求预测、仓储网络、路由优化、设备维修预警等方面，如京东采用数据预测方式，提前洞察消费者需 求，并进行预先分仓备货。相对不成熟，距商用仍有一定时间的物流相关技术： 仓内技术中可穿戴设备技术，最后一公里中3D打印，干线技术中的无人卡车，以及数据底盘的物联网、人工智 能等技术多处于研发测试阶段，可分别用于仓内智能分拣、末端产品配送、干线货物运输、产品溯源、决策支持等方面，如在DHL荷兰仓内，员工可根据智能眼镜的图像提示如包裹体积、目的地信息，进行高效分拣。

编辑导语：在做物流规划设计时，数据分析是个很重要的步骤，如果不做这些准备，可能会在做方案时手脚慌乱；注重数据分析，认真分析，找出规律，与用户充分的沟通。本文作者分析了物流行业的数据分析主要分析什么。做物流规划设计时，人们往往对设计指标感到茫然，对新员工尤其如此；有些设计人员比较急躁，一上来就急于做方案、画图，结果画来画去，就不知道自己到底要做什么了；耽误了不少时间不说，设计方案要么不知所云，要么离题万里，对用户是一个很大的伤害。一个良好的设计习惯，往往是应该首先明确设计目标，了解清楚设计要求之后，再去动笔。就比如写文章，总应该先确定写什么主题、目的是什么、给谁看；然后才开始写提纲、反复推敲提纲、找好素材和参考资料，再动笔写；然后再反复推敲、修改润色。不然，就很难写成一篇有质量的文章。画图虽然很重要，但到底只是一种比较简单的劳动，而画什么、表现什么主题、达到什么目标才是设计的关键。设计是如此，对一个设计方案的评价也是如此；我遇到很多客户要求评价一个总体的方案，其实这是很难的；其中关键的一点就是：方案是设计需求的响应，对方案进行评估，首先要对设计目标进行分析和评估，这才是根本。数据分析是一件很严肃和需要专业知识的工作，并非仅仅对数据进行简单的加减排列组合就可以了。我特别反对那些不注重数据分析的客户，一项设计，设计指标是基础；基础出现问题，你选用的设备再好，系统再先进，也是于事无补的。其实物流仓储系统的规划设计也没有那么难，关键一点是需求要清楚明确；而需求是可以用数据来描述和定义的，一个项目，其关键数据也就那么几个而已，如收货量、发货量、库存量、拆零量、SKU等，并不难掌握。本文就讲一讲这些最基本的需求，为了便于理解，主要从物流仓储的几个环节进行描述。一、基础数据在进行系统性描述之前，一定要清楚物流的作业当量最后是以小时来计算的（当然还可以细化到半小时，甚至更小单位）。所以，我们所有的物流量，最终要以小时当量来计算；然而，从用户那里得到的实际的设计指标，很可能是年度的作业纲领，如年配送100亿——这个数据非常重要，却也是非常不确定的；因为从这个指标推导下来，就会看到，每年的作业天数、每天的作业时间、货物的价值、仓库库存周转次数等，对最终设计都有很大的影响；所以，这些关联数据应该是要首先明确的。假设设计纲领是G(年配送目标，亿元)，单箱价格是p，则年度总配送箱数是：Q = G/p假设每年作业天数是N（天），每天工作时间是t，则每小时的作业量是：q = Q/N/t如果库存周转天数为D，则库存量的计算公式如下：W = q*t*D以上的数据关系都很容易推导，但在实际中要注意的是：不同的作业，其作业时间可能是变化的；如高峰时期每天作业时间要大于平常作业，发货时间有时也与收货时间不同等，会增加计算和分析的难度。在进行具体数据分析时，还要明确箱与托盘的对应关系。托盘一般选择标准托盘（1200*1000），假设平均的满盘量为n，则库存托盘数应为：P = W/n当然，在描述具体数据时，要区分收货、发货还是退货，每一个作业也许是不一样的。很多时候，用户是不清楚这些差异的，或者表述不清楚，那么我们就应该将自己的经验或理解进行分享，以便双方达到认识的一致。二、收货有关的数据与收货有关的数据，包括到货量（箱）、订单数、车辆的装载量、收货区域大小、收货作业时间、每天收货SKU数等。车辆的装载量和卸载时间主要对于站台设计有影响，包括车辆大小、载重量等；一般情况下，还要分析卸货的方式、速度，以便详细规划站台的数量。收货一般是比较简单的，但也有比较复杂的情形，比如新华书店图书的收货即是如此；因为每天到货的品种很多，还有大量混包的情形，因此收货要进行专门的处理；有些电商的收货也比较复杂，包括要进行QC等动作，对收货区的要求就不一样。很多人对高点平均值和算术平均值对于设计的影响不甚了解；简单来说，将一年（或一定时间）的收货量除以一年（或一定时间）的实际工作天数，即得到平均每天收货量，一年中最大收货量的一天，即最大收货量。在实际上设计中，如果按照平均值设计，则使得加班的天数会很多；如果按照最大值进行设计，则会出现工作很不饱满，设备闲置的现象。因此，一般取平均值和最大值之间的某个值进行设计，具体要根据实际需要确定，发货也有这种情况。三、储存有关的数据库存能力对系统的设计非常重要，但如何确定库存却是非常有讲究的。除了库存总量W以外，还要考虑SKU数，以及各种存储方式下的库存要求等；很多情况下，仓库的设计并非是单一的，所以，设计的时候就要清楚库存的方式是什么、有什么要求。一般的储存形式分为2种主要方式：以托盘为单位储存（分为立体库和平面库两种最基本形式）；以箱为单位储存。当然还有其它形式，如包裹、麻袋、散料等，也有条状物（如钢材）、异形物品（如服装的挂装等）等，不再详述；在设计中，这两种方式都要考虑，有时以托盘为主，有时以箱储存为主，有时两者比较均衡。计算库存能力当然与箱规有关，也与平均库存天数有关，这是基础。SKU对库存分配的要求有很大的制约作用，往往与作业面设计有关；此外，发货量对于库存设计也有非常大的影响，如拆零量，就要求对拆零区有一定限制。库存ABC分析也是非常重要的，对于仓库设计起到重要作用。一般情况下，库存ABC分析结果决定了储存形式，ABC的定义将随着不同业务有所不同，要因地制宜；实际操作中，往往要对够托盘，够1/2托盘的SKU及这些SKU所占库存比例进行分析，以便正确决策。随着电子商务的兴起，SKU不断扩大，ABC分析尤其重要；此外要注意的一个趋势是，箱式存储方式越来越受到重视，其占比越来越高，也影响库存的分析。再计算储存能力时，人们普遍对库存充满率感到困惑。一般情况下，我们知道，托盘或货箱并不能完全被充满，而为了满足作业的顺利进行，货位也不能完全被充满；因此，要留有余地，这两个系数在不同的案例中会有差异，但都不应该忽视。四、拣选有关的数据拣选的订单数、订单行数、发货量是比较重要的设计数据。发货ABC分析同样重要，要注意的是——发货ABC分布与库存ABC往往是不相同的，分析时要注意加以区分。拣选环节设计关注的主要是拣选、包装和输送问题，因此，有关拣选的细节问题就非常重要；如：整盘出库量、整件出库量和拆零出库量，这三个参数对于设计也是非常重要的。一些基础信息也是要清楚的，如拣选效率、播种效率和包装效率等，有些可以通过其它项目经验获得，有些应进行实际测量；需要指出的是，测量结果与作业流程、工位设计以及测量方法有关，有时很难确定一个准确的结果。不同的拣选方法其效率差异很大，这是设计要特别考虑的地方；事实上，采用什么样的技术手段，对设计结果影响甚大；这一些问题，在数据分析时，就应该有所考虑。五、发货有关的数据发货路向、数量、车辆形式、作业时间、暂存时间等数据是发货设计阶段的基础。众所周知，分拣机的格口不可能无限增加；因此，设计中应考虑波次问题，以便控制格口数量；有些物流中心的发货区设计很小，站台停车位很少，给发货造成很大困难。集货区的大小与发货波次有关——很多小的物流中心，每天只安排一次发货，其发货区就要大一些；对一个大型的物流中心来说，一般要按照多个大波次组织发货，每个大波次还有若干小波次，由此可以大幅度降低对集货区的需求；这在设计中是要注意的。随着大家对物流认识越来越深刻，发货装车环节越来越受到重视；因此，设计中也要与时俱进，考虑自动化系统对发货区的影响。六、退货有关的数据退货很重要也很困难，但容易受到忽视。在通常的数据分析中，退货分析也是不充分的；事实上，退货与收货的过程是不一样的，这主要是因为退货收货需要处理的数据量远远大于普通收货。退货作业不是均衡的，有很大的波动性；因此，在数据分析中（实际作业也是如此），要将退货收货与退货处理分开来，其作业时间和作业量都不会一样。对退货来说，其作业流程对于设计会产生影响；一般数据分析仅仅提供退货量即可，包括订单数、订单行、SKU、数量等。要注意的是，退货有两种形式：两者差异是很大的，在数据分析时，要分别对待。七、其它数据分析很重要，也有一定难度，这是需要指出的，经验和专业知识对于数据分析很重要；此外，数据分析结果必须得到用户确认才能用于设计。对一个数据样本的预处理，是分析数据的第一步；什么数据是有效的，什么是无效的，要有明确的规则。剔除无效数据对于数据分析是很关键的一步，当然，要做到这一点，除了认真调研和分析外，经验和常识也很重要。数据要有典型性，因此，数据量不能太少；比如，一年四季的数据是变化的，一个季度之中的数据也是变化的；每月、每周、每天，甚至每个小时的变化如何，要有系统的分析。一个静止的和孤立的数据是没有意义的，必须与系统环境相关联，这一点也很重要。有时，数据分析与方案设计不是一个人，这时就需要注意沟通；数据分析不可能完全独立进行，它需要与设计方案相匹配，正因为如此，每个项目的数据分析的重点也是不一样的。数据分析人员至少要对设计需求有所了解，才能知道如何分析数据，如何从成千上万的数据中找到规律并抽出有用的东西。最后要说明一点的是：数据分析的结果并不是直接应用于设计，而是要据此提出设计指标；其中有些数据的变化是比较缓慢的，如产品特点、订单结构、品项数、作业方式等，有些却会变化剧烈，如设计指标等。这些除了经验、行业情况能够提供帮助外，关键的是要认真分析，找出规律；在这个过程中，充分的调研，与用户充分的沟通尤其重要。本文由 @李启方 原创发布于人人都是产品经理。未经许可，禁止转载题图来自Unsplash，基于CC0协议

物流的定义，是指物体从供应者流向需求者的物理流动，由一系列经济价值和时间价值组成的创造性活动，并将运输、储存、装卸搬运、包装、流通加工、配送、信息处理等功能优化组合的过程。自移动互联网的红利在国内以电子商务为代表涉及商品流通的行业蔓延开后，物流服务的形式出现了升级，内容发生了改变。尽管本质上还是物品在供应者和需求者之间的流通，但其中的核心精简为四个字：降本提效。我们曾在2018年的《智慧零售行业报告》中分析到，中国的零售行业经历“革命性”的转型期后，线下传统中小型零售商面临冲击、线下龙头企业全面转型。拥有运输实力的电商平台如苏宁易购、京东、天猫等进一步缩短了供应链的长度，更及时响应用户对于商品和服务的需求。仓配一体化模式从成本上分析优于“自营仓储+第三方配送”的模式，是未来电商物流的大趋势。电商物流本质也是物流，企业未来竞争力在于运营效率。菜鸟和苏宁/京东是仓配一体化的两种不同模式。菜鸟通过打散分配体系内物流企业订单降低整体成本，而苏宁/京东属于内部资源协同及流程化。需求的多维度变化刺激仓储类型向高密度云仓、前置仓、平行仓、冷链仓的仓储类型分化。末端网络也更快地响应即时需求。现有的仓配一体主要集中为两类：①第一类平台型电商，主要利用庞大的仓储资源和配送网络对货品进行仓与仓之间的调配，进而利用城市间分拣中心、前置仓和门店加速分销，辐射范围半径更小的用户群，实现落地配服务即时送达。 ②第二类快递公司型云仓，主要优势集中于快递公司的单票低成本价格上，淘宝、拼多多等网购需求巨大且覆盖一二线主流城市和下沉市场主要网购人群的电商网站，主要的电商件和个人散件配送体量大，多由“三通一达”和顺丰百世为代表的快递公司进行配送。本报告内容主要探讨基于网购端和线下的零售行业，并最终服务于C端用户的物流体系，从需求下单、仓库分拣、末端配送等物流环节针对行业KOL进行物流效率、仓储效率、配送服务时效性等在内的横向对比。同时涉及包含快递、整车、即时物流在内的多类物流形式。本报告共34页，可能需要较长时间阅读。报告PDF版本可点击链接下载关于36氪研究院36 氪研究院是 36 氪子品牌，专注于一级市场的行业研究，通过定性定量结合的方式研究新兴行业与企业，欢迎大家积极与我们交流讨论。分析师：李坤阳 likunyang@36kr.com，关注消费、汽车。

要做好一个物流信息化管理系统，最重要的一点是需求必须明确。而在需求中，数据又起关键性作用。在一个项目规划中，重点数据也就那么几个。比如：收货量、发货量、库存量、拆零量、SKU等等，为了便于读者理解，我们可以从物流的仓储环节给大家进行形象的描述。收货相关与收货相关的数据：到货量（单位）、订单数、车辆的装载量、收货区域面积、收货作业时间、每天收货SKU数等。车辆的装载量和卸载时间主要对于站台设计有影响，包括车辆大小、载重量等。一般情况下还要分析卸货的方式、速度，以便详细规划站台的数量。很多人对于此方面的设计影响可能并不是特别关注。比如高点平均值及算数平均值的计算数据会对整个的设计过程产生什么样的影响？可能大部分人心中并无清晰答案。通俗讲，将一一定时间的收货量除以特定时间的实际工作天数，即得到每天收货量。一定时间中最大收货量的一天即为最大收货量。在实际设计中，如果要按平均值设计，则会使加班天数增加很多。如果按最大值进行设计，就会出现很多工作无人干，设备闲置。所以要根据实际情况在这两个算术值中取一个特定值进行实际设计。存储相关库存能力设计对整个系统来说又是很关键的一步，而确定库存能力又是非常具有技巧性的。除了库存总量W，还要考虑SKU数，以及各种存储方式下的存储要求。普遍情况下，仓储情况下并非单一。所以设计的时候要考虑清楚库存的方式，以及有哪些要求。大部分时候，存储方式主要分为两种：以托盘为单位存储（立体库和平面库）和以箱为单位存储。其他形式不再赘述。在设计中，要充分考虑这两种方式，有时也会出现两种方式同时采用的方式。库存能力的计算与箱规以及平均库存天数也有关系。SKU对库存资源分配有很大的制约作用，尤其影响作业面设计。当然发货量对于库存设计也有不小的影响，比如拆零量。库存ABC分析对于仓库设计也是一个比较重要的因素。一般情况库存ABC分析决定了存储形式，它的定义随着业务的不同而不同。在实操中，往往要对够托盘，并将比例分配好，从而正确决策。而且随着电子商务的迅猛崛起，SKU会不断壮大，会更加依赖ABC分析。并且箱式存储方式会越来越受到关注，它的比重也会越来越高，从而影响库存分析对于存储能力的计算，人们对于库存总是存在一些疑问。托盘或者货箱并不能做到100%的利用率，为了作业的顺利，货位不可能全部饱和。所以，总是要留出少许空地。这种情况也应该在考虑范围内。拣选相关对设计产生重要作用的除了以上我们所说，拣选的订单数，订单行数，发货量等都会比较重要的数据。连选环节能对设计产生关注的主要有拣选，包装和输送问题。这里涉及三个参数：整盘出库量、整件出库量和拆零出库量。这对于设计都非常重要。当然，一些基础信息也是要非常清楚的。比如拣选效率，播种效率以及包装效率。有些数据可以通过项目经验获取，有些应该进行实际测量。不过测量结果与作业流程，工位设计以及测量方法有很大的关系，难以获得一个准确的 结果不同的拣选方法对应的效率有很大的不同。一定要注意这一点采用怎样的技术手段，对最后的设计结果有很大的影响。所以在数据分析中，一定要考虑全面。发货相关发货路向、数量、车辆形式、作业时间、暂存时间等数据是发货设计阶段的基础。众所周知，分拣机的格口不可能无限增加。因此，设计中应考虑波次问题，以便控制格口数量。有些物流中心的发货区设计很小，站台停车位很少，给发货造成很大困难。集货区的大小与发货波次有关。很多小的物流中心，每天只安排一次发货，其发货区就要大一些；对一个大型的物流中心来说，一般要按照多个大波次组织发货，每个大波次还有若干小波次，由此可以大幅度降低对集货区的需求。这在设计中是要注意的。随着大家对物流认识越来越深刻，发货装车环节越来越受到重视。因此，设计中也要与时俱进，考虑自动化系统对发货区的影响。退货相关退货很重要也很困难，但容易受到忽视。在通常的数据分析中，退货分析也是不充分的。事实上，退货与收货的过程是不一样的。这主要是因为退货收货需要处理的数据量远远大于普通收货。退货作业不是均衡的，有很大的波动性。因此，在数据分析中（实际作业也是如此），要将退货收货与退货处理分开来。其作业时间和作业量都不会一样。对退货来说，其作业流程对于设计会产生影响。一般数据分析仅仅提供退货量即可，包括订单数、订单行、SKU、数量等。要注意的是，退货有两种形式，其一是终端退回到物流中心；其二是物流中心退回供应商或者报废处理。两者差异是很大的。在数据分析时，要分别对待。其他数据分析很重要，也有一定难度，这是需要指出的。经验和专业知识对于数据分析很重要。此外，数据分析结果必须得到用户确认才能用于设计。最后要说明一点的是，数据分析的结果并不是直接应用于设计，而是要据此提出设计指标。其中有些数据的变化是比较缓慢的，如产品特点、订单结构、品项数、作业方式等，有些却会变化剧烈，如设计指标等。这些除了经验、行业情况能够提供帮助外，关键的是要认真分析，找出规律。在这个过程中，充分的调研，与用户充分的沟通尤其重要。

物流行业保持快速发展近年来，我国物流行业保持快速发展，全社会物流总额呈不断上涨趋势。根据发改委数据统计，2018年，全国全社会物流总额为283.1万亿元，按可比价格计算，同比增长6.4%，增速比上年同期回落0.3个百分点。在此背景下，2011-2018年，我国工业品物流总额同样逐年增长。2018年，工业品物流总额为256.8万亿元，按可比价格计算，同比增长6.2%，增速比上年同期持平，占同期全社会物流总额比重达到90.71%。可见，得益于我国工业的崛起，工业物流发展迅猛，工业品物流在全社会物流中占据着重要地位。细分市场方面，以煤炭物流为例，煤炭作为我国最重要的能源，产量长期保持高位，推动着我国煤炭物流市场的持续发展。根据中国煤炭工业网数据，2018年全国铁路煤炭运输持续增长，全年发运煤炭23.8亿吨，同比增长10.3%。相比工业物流，我国农业物流市场发展稍显落后，但也有明显进步。2018年，农产品物流总额为3.9万亿元，按可比价格计算，同比增长3.5%，增速比上年同期回落0.4个百分点，但占同期全社会物流总额比重仅为1.38%。商贸物流方面，改革开放以来，特别是进入新世纪以来，我国商贸物流发展成效显着。一方面，在国家政策引导和市场机制的作用下，城乡商贸物流服务体系逐步完善，服务功能不断增强，服务水平不断提高。另一方面，商贸物流基础设施投资稳步增长，配套设施不断完善，配套能力不断增强。不过，商贸物流整体水平不高，物流效率偏低，难以满足商贸服务业快速发展和居民消费升级的需求。目前国内的批发零售业库存占到7%(发达国家一般为1%-2%)，国内商业流通资本周转率一年1-2次(日本高达15-18次)，物流总成本占GDP的比重为18%(日本、德国占10%左右)。再生资源物流方面，随着我国社会主义市场经济体系逐渐完善，再生资源回收物流规模逐步扩大，区域性的集散市场初步形成，技术水平得到提高，回收利用效果初显成效。2018年，全国再生资源物流总额达1.3万亿元，增长15.1%。物流行业发展动力足首先，经过多年的发展，我国主要物流基础设施取得了显著的进步，公路、铁路和民用航空交通网络呈逐渐延展之势；物流行业固定资产投资也在维持增长，从2010年的3万亿元到2017年的6.1万亿元，7年间增长了一倍多。物流业基础设施的不断完善，将为物流业进一步发展提供充足动力。其次，政策对于物流业的支持力度仍较大，物流行业长期发展动力足。例如，《物流业发展中长期规划(2014-2020年)》提出，到2020年，基本建立布局合理、技术先进、便捷高效、绿色环保、安全有序的现代物流服务体系；物流的社会化、专业化水平进一步提升；物流业增加值年均增长8%左右，物流业增加值占国内生产总值的比重达到7.5%左右。再如，《商贸物流发展“十三五”规划》提出，“十三五”期间，基本形成城乡协调、区域协同、国内外有效衔接的商贸物流网络；商贸物流标准化、信息化、集约化和国际化水平显著提高，商贸流通领域托盘标准化水平大幅提升，标准托盘使用率达到30%左右，先进信息技术应用取得明显成效，商贸物流企业竞争力持续增强；商贸物流成本明显下降，批发零售企业物流费用率降低到7%左右，服务质量和效率明显提升；政府管理与服务方式更加优化，法治化营商环境更趋完善；基本建立起高效集约、协同共享、融合开放、绿色环保的商贸物流体系。以上数据及分析均来自于前瞻产业研究院《中国物流行业商业模式与发展趋势分析报告》。

IAII（人工智能产业研究院）与AIL(智能物流基金会)通过介绍各主要技术的基本情况，同时结合国内外电商平台(如亚马逊、京东)、领先物流企业（如顺丰、DHL），在各技术上的开发历程、应用场景与未来规划，全方位展示智能物流在行业中的发展现状与未来。智能物流技术发展趋势与行业应用实践3.1 仓内技术主要有机器人与自动化分拣、可穿戴设备、无人驾驶叉车、货物识别四类技术， 当前机器人与自动化分拣技术已相对成熟，得到广泛应用，可穿戴设备目前大部分处于研发阶段，其中智能眼镜技术进展较快。机器人与自动化技术仓内机器人包括AGV(自动导引运输车)、无人叉车、货架穿梭车、分拣机器人等， 主要用在搬运、上架、分拣等环节。国外领先企业应用较早，并且已经开始商业化，各企业将在机器人的应用场景深入推进。国外企业如亚马逊、DHL，国内企业京东、菜鸟、申通已经开始布局。领先实践1-亚马逊：通过收购KIVA，构筑技术壁垒，是目前全球市场上物流仓储机器人应用最广泛、最领先的企业2012年，亚马逊为应对自身快速增长的业务需求，收购全球领先的仓内机器人初创企业KIVA Robotics进入仓内机器人领域，主要用于仓内货架搬运、分拣。2013-2014年底，亚马逊首先在美国的10 个亚马逊物流中心布局1.5万个机器人， 随后亚马逊将KIVA部署向其全球各地转运中心拓展，截止2016年，亚马逊已在其全球13个物流中心部署了超过3万个Kiva 机器人，在机器人的帮助下，亚马逊每笔订单的处理都能节省1个小时，捡货到发货时间从要1个半小时缩减为15分钟，每年可以节省约9亿美元的人力成本。2016年，KIVA正式更名为Amazon Robotics， 力图打造新型机器人平台，除研发新型AGV 机器人外，还将致力于研发可胜任打包、分拣等复杂环节的先进机器人，最终实现仓 储无人化的目标。领先实践2-京东：成立X事业部，并与新松机器人合作进行研发，机器人应用覆盖搬运、上架、分拣等环节为在“618”、“双十一”等流量高峰期保证消费者体验，并降低企业整体运营成本2014年，紧随亚马逊收购KIVA后，京东开始布局仓内机器人技术，以实现其无人 仓的战略目标，同年京东研制的第一代仓 储机器人投入“亚洲一号”系列仓库进行实地操作。2016年，京东成立X事业部，开始接手机器人项目研发，组建无人仓团队，并成功开发SHUTTLE货架穿梭车、DELTA型分拣机器人、六轴机器人6-AXIS等六种型号机器人。同年，京东与新松机器人签订战略合作协 议，共同探索机器人在京东仓库中的开发应用，获取相应软硬件技术。目前，京东已经具备了自主批量研发、生产智能物流机器人的能力，研究开发的各类机器人可覆盖从 搬运到分拣的全程操作。2017年，京东部署了大量AGV机器人的昆山无人分拣中心正式亮相，在国内首次实 现前后端无人AGV自动装、卸车作业。同 时，在仓储的商品上架，商品分拣各环节，京东还部署了其研发的SHUTTLE货架穿梭车等各型号机器人，基本实现了仓储全流程自动化。仓内机器人的应用也是京东向无人仓这一战略目标迈进的关键举措，通过部署自动机器人，京东“无人仓”的存储效率可达到传统人工横梁货架存储效率的10倍以上。未来，京东将进一步加快机器人及自动化技术研发(已有十余款机器人在研发计划 中)，在北京亦庄附近建设无人设备工厂，实现仓储机器人等无人设备更大规模量产。并计划开始建设三万平米无人仓，预计到2018年开始投入使用，核心特色体现为数据感知、机器人融入和算法指导生产，全面改变目前仓储的运行模式。领先实践3-阿里菜鸟：建立菜鸟ET实验室，开发仓内机器人，以AGV(自动导引运输车/机器人)为主，已在天津、惠阳仓大规模投入使用，未来将拓展机器人型号2015年，阿里成立ET实验室，目标通过研发物流前沿科技产品，追求符合未来科技发展的物流生产方式，并牵头进行仓内机器人研发，开发出造价高达上百万的“曹操”仓内机器人，其能顶起的重量可达到500斤，同时还能灵活旋转，通过在天津仓部署“曹操”机器人迅速定位商品区位、规划最优拣货路径，提升仓内操作效率。2017年8月，菜鸟广东惠阳机器人仓投入使用，仓内部署上百台阿里自主研发AGV机器人，主要用于货物搬运，提高仓内效率。除了AGV外，菜鸟还尝试在仓储其他环节研发生产机器人，如广州仓库在包装等环节使 用机器人，天津武清仓已在使用自主研发 的仓内分拣机器人(托举机器人)。未来，菜鸟网络将进一步探索机器人与云端智能调度算法、自动化设备的磨合，在更多仓内环节应用机器人，并与合作伙伴将会在多个仓库内复制机器人模式。领先实践4-顺丰：通过直接购买第三方定制化产品重点布局自动化分拣顺丰很早就在中转场应用自动化分拣技术进行分拣，2016年顺丰斥资1亿元在宁波建设了大型自动化中转场，通过引进了全自动化的机器人分拣模式之后，分拣速度得到了很大的提升，针对小件快件，全自动化的分拣机器人甚至可以达到一小时分拣四万件的速度，同时出错率也比起人工分拣大大降低。领先实践5-申通：以直接采购第三方产品，进行定制化设计为主。采用与第三方合作进行仓内机器人仓内布局，2017年申通快递和浙江立镖机器人企业以及海康威视合作研发机器人。2017年，申通在在义乌、天津、临沂三地的分拨中心启用分拣机器人，其可以扫码、称重以及分拣，每小时可完成分拣1.8万件， 可减少70%人工。未来，以申通为代表的通达系将继续加强与外部研发机构的合作，加快对现有分拨中心的升级换代，实现向自动化分拣中心的转变。可穿戴设备当前仍然属于较为前沿的技术，在物流领 域可能应用的产品包括免持扫描设备、现实增强技术-智能眼镜、外骨骼、喷气式背包，国内无商用实例，免持设备与智能眼镜小范围由UPS、DHL应用外，其他多处于研发阶段。整体来说离大规模应用仍然有较远距离。智能眼镜凭借其实时的物品识别、条码阅读和库内导航等功能，提升仓库工作效率，未来有可能被广泛应用，京东及 亚马逊等国内外电商企业已开始研发相关智能设备。领先实践1-亚马逊：提前布局智能装备研究由亚马逊下一代工作室负责，2015年提交 专利申请，智能眼镜配备了可穿戴电脑，可以识别商品所处的位置，而且内置有图形 传感器，能够识别与某项任务相关的物品。这种传感器还有可能识别邮寄地址、条形码或二维码等包裹标记。未进行实际应用，当前尚处于研发状态。领先实践2-菜鸟：重点布局AR增强设备，外部提供硬件，内部强调研发算法2016年，在仓内操作层面，菜鸟高调宣布未来将推动AR智能物流系统，利用微软的Hololens头戴式设备，看到所有快件的信息，仓库商品的质量、体积等相关信息会映入操作者眼帘。方便操作者快速找到对应商品在仓库中所处位置，并且会自动规划最优路线提示操作者拿到相应订单商品。2017年，菜鸟物流推出AR技术快速找快递+刷脸签收。用户取快递时，只要打开手机APP，扫一扫就可以体验AR智能查件，然后根据手机AR显示的位置就可以轻松找到自己的包裹。然后刷脸签收，验证成功后就可以带着包裹离开了。未来， 菜鸟将加大在AR仓内技术领域的研发与应用。领先实践3-DHL：与第三方合作进行研发测试DHL与理光（Ricoh）、可穿戴设备解决方案供应商Ubimax进行合作，将“视觉分拣”技术应用于仓库的分拣流程中。2014 年，DHL已经成功在荷兰进行了智能眼镜应用试验，员工通过智能眼镜扫描仓库中的条码图形以加快采集速度和减少错误。其后，DHL与Vuzix合作打造了一套“免提式”仓库解决方案，其M100智能眼镜将与Ubimax开发的仓库“vision picking”软件协作，该系统提供了实时的物品识 别、条码阅读、室内导航和无缝的信息集成，直接连接到DHL的仓库管理系统。应用之后，分拣效率提升了25%。领先实践4-UPS：与第三方合作进行研发测试2012年，为了提升效率，并提供更多的跟踪信息，UPS已经开始启用基于摩托罗拉RS507蓝牙戒指成像仪的新系统，这一可穿戴设备包括一个戴在手指上的支持蓝牙的免提式条形码扫描仪，以及一个戴在员工手腕或髋部的小型终端。利用这一设备，UPS员工能够更快速地获取及处理条形码图像，加快包裹装车速度，截止2013年第四季度时，UPS装备逾3.8万个此类设备；2015-2016年，UPS已开始研发配套的电子眼镜与数据手套。3.2 干线技术干线运输主要是无人驾驶卡车技术。无人驾驶卡车将改变干线物流现有格局， 目前尚处于研发阶段，但已取得阶段性成果，正在进行商用化前测试。无人驾驶卡车无人驾驶乘用车技术已经取得了阶段性成果，目前多家企业开始了对无人驾驶卡车的探索。由多名Alphabet前高管成立Otto，研发卡车无人驾驶技术，核心产品包括传感器、硬件设施和软件系统，目前已经进入测试阶段，虽然公路无人驾驶从技术实现到实际应用仍有一定距离， 但从技术上看，发展潜力非常大，未来卡车生产商将直接在生产环节集成无人驾驶技术。目前，无人驾驶主卡车主要由整车厂商主导，如戴姆勒等，但也有部分电商、物流企业正尝试布局，如亚马逊已申请无人卡车相关专利提前布局，而国内企业如京东也正在尝试研发无人卡车。领先实践1-亚马逊：提前布局无人卡车研究由Prime AIR无人机研发项目组负责，出于降低干线物流成本，防范运力不足等问题需求，2017年初提交的专利申请显示亚马逊正在研制自动驾驶汽车，因为该专利涉及可变车道导航等复杂任务。当前尚处于研发状态。未来，自动驾驶汽车和自动驾驶卡车可能将成为亚马逊内部物流部门的一个重要组成部分。由X事业负责，京东的无人卡车将会是一个移动的配送站，行驶的时候会不断地释放配送机器人，进行末端派送。3.3 最后一公里技术最后一公里相关技术主要包括无人机技术与3D打印技术两大类。无人机技术相对成熟，目前包括京东、顺丰、DHL等国内外多家物流企业已开始进行商业测试，其凭借灵活等特性，预计将成为特定区域未来末端配送重要方式。3D技术尚处于研发阶段，目前仅有亚马逊、UPS等针对其进行技术储备。无人机无机技术已经成熟，主要应用在人口密度相对较小的区域如农村配送，中国企业在该项技术具有领先优势，且政府政策较为开放，制定了相对完善的无人机管理办法，国内无人机即将进入大规模商业应 用阶段。2013年以来各行业内领先企业纷纷启动无人机项目，亚马逊自2013年至今无人机技术已经过多次升级。2017年京东成立无人机运营调度中心标志着无人机在国内已基本可进行大规模商用。未来无人机的载重、航时将会不断突破， 感知、规避和防撞能力有待提升，软件系统、数据收集与分析处理能力将不断提 高，应用范围将更加广泛。领先实践1-亚马逊：成立专门部门PRIME AIR，对无人机技术不断迭代升级，但受限于美国无人机政策，距离正式商用仍有距离2013年亚马逊启动无人机项目，由亚马逊 “下一代实验室”牵头，进行无人机项目研发，已实现高效、无人化配送，进一步向亚马逊全自动化运营的目标迈进。2016年通过对欧洲一个顶级计算机团队的收购，完成了针对无人机的视觉系统的升级，实现对降落环境的监测，保证降落准确度。至今已提出无人机“多层次运营中心”等多项无人机相关专利申请。经过多年酝酿，2016年，亚马逊在英格 兰的农村地区启动无人机送货项目，并首次成功送出第一单。2017年，亚马逊的 无人机送货部门Prime Air在美国公开亮相，并对首次对外发布亚马逊无人机产品。“Prime Air”无人机计划实现30分钟内将产品送到顾客手中，将在120米以下的空域里自动飞行，主要负责运送5磅以下的小包裹。但受限于美国的无人机使用规定，当前尚未进行大规模应用。未来，亚马逊计划在无人机上添加更多功能模块，在2017年提交的一份亚马逊专利申请中显示，其计划将航拍画面等数据加以分析，然后得出消费者消费需求，由无人机进行定制化的商品推荐，如客户的屋顶如果看起来有缺陷，那么亚马逊无人机可以推荐屋顶维修服务。领先实践2-京东：重资布局无人机，开发多款无人机产品，建设无人机调度中心，已初步实现商用化，未来将依托无人机，基本实现对中国农村的全覆盖， 是目前市场上无人机技术应用最领先的企业之一京东农村战略的成功落地使农村市场订单量快速增长。但是农村人口密度低，单位面积下支撑的订单量有限，沿用之前的配送方式无疑意味着运营成本升高，订单周期拉长，客户体验降低。京东尝试用无人机来替代人工送货，将货物从各城镇末级站点送至各村配送点，实现15~25公里范围内的自动配送。2015年末，京东启动无人机研发项目， 由京东物流实验室（后转为X事业部）负责，同时与航天局等国家部门及领先的第三方无人机企业紧密合作。经过多年研发，京东在飞行控制、主动避障、智能化和集群飞行等方面进行了大量技术积累。2016年，成功设计了VTOL固定翼无人机等多款载重5-10kg不等的无人机 。2017年，京东加大对无人机研发投入，在西安成立西北无人机研发中心。京东的无人机项目一开始就以商业为目的，2016年京东成功利用自主研发无人机在宿迁完成物流首单配送，2017年更是在宿迁建立全球首个无人机运营调度中心，标志着京东无人机常态化运营将逐步开展，无人机项目已进入实际应用的快车道。2017年618期间实现多省市无人机配送常态化运营，已经完成1，000余单配送。未来，京东将持续加大物流无人机的研发与应用，将尝试开发大型载重无人机， 拓展配送品类。在四川、陕西建立约300 个无人机机场。建成后将实现24小时内送达中国的任何城市。并期望未来每天能用无人机为40万个村庄送货。领先实践3-DHL：自主研发为主，经过多次迭代升级，技术积累已经较为成熟， 具备商用基础2013年末DHL启动无人机研发项目，应对日益增长的人工成本，并实现在高成本地区一天24小时、一周7天的收发快递， 以自建团队，自主研发为主。同年研发出第一代无人机，起降运动尚需人工遥控， 并成功利用无人机Paketkopter将波恩药房的一个药品包裹从运送至一公里外的DHL总部。2014年，DHL研发出第二代无人机，能携带1.2公斤货物，时速可达65公里，仍需工作人员手工装卸货物；2015年底，第三代无人机亮相，可以在机舱内携带2公斤以内、体积不大于4.4升的货物，由于体形苗条矫健，飞行时速可达80-126公里，可以最大程度地实现“无人操作”。经过将近两年的研发测试，2016年初，DHL在巴伐利亚镇试验其无人机交付项目，共成功递送超过130个包裹，使得其成为全球第一家利用无人机技术为客户提供快递服务的企业。未来，DHL将计划拓展城市的无人机交付项目，从现有渠道信息来看，DHL的无人机送货，暂时限定德国地区，尚未有推广到全球的计划。领先实践4-顺丰：顺丰战略性项目，2012年就已开始布局，通过组建研发团队，入股领先企业等方式，积累了众多技术，近期取得空域许可，即将实现商用早在2012年，为应对中西部、三四线城 市机场数量较少、山脉纵横、路网基础较差，难以实现快速公路转运的问题，顺丰就提出了物流无人机设想，无人机物流成为顺丰重点战略之一。2013年，顺丰内测“无人机快递”服务。2015年，顺丰入股智航无人机，加快无人机领域研发布局。2017年上半年，顺丰自研的Manta Ray垂直起降固定翼无人机问世。截至目前，顺丰在无人机领域上申报和获得的专利数量达111项，顺丰通过投资、自研等多种方式，成功构建了无人机研发体系。2017年6月底，顺丰与赣州市南康区联合申报的物流无人机示范运行区的空域申请，得到了东部战区的正式批复，成为目前国内唯一获得正式审批的示范空域。当前顺丰正在珠三角地区大量测试无人机的配送效果，收集飞行数据，为将来整体运营、调试系统的搭建提供数据支撑。未来，顺丰集团继续推进无人机战略， 在成都双流建立大型物流无人机总部基地，2020年起，开始向全国推广，实现无人机支线网络对接顺丰的全国航空网络， 推动区域内货运航空网络的全覆盖，实现区域内货物运输全国次日达。3D打印3D技术对物流行业将带来颠覆性的变革，但当前技术仍处于研发阶段，美国Stratasvs和3D Systems两家企业占绝大多数市场份额。未来的产品生产至消费的模式将是“城市内3D打印+同城配送”，甚至是“社区3D打印+社区配送”的模式， 物流企业需要通过3D打印网络的铺设实现定制化产品在离消费者最近的服务站点生产、组装与末端配送的职能。领先实践1-亚马逊：提前布局3D打印技术2014年，亚马逊开设3D打印商店，为购 物者提供超过200种产品，并与总部位于辛辛那提的3DLT和布鲁克林的Mixee实验室两家打印企业签署了协议，进行3D 打印的初步布局。通过3D打印商店，用户可以提交他们创造的个性化产品，商品品类包括耳环、摇头玩具等，通过3D预览强化用户体验，并最终打印出用户定制化商品，最终再由亚马逊实现配送。2015年，亚马逊提交的一项专利显示， 其将把静态的3D网络变为动态布局，消费者下单后，将把指令发送给最近的3D 打印车，并在车辆向消费者行驶的途中进行产品3D打印与组装，并最终送达消费者。领先实践2-UPS：与领先3D企业合作， 尝试推出3D打印产品，拓展商业服务2015年UPS推出了一项额外服务——为寄包裹的顾客提供现场3D打印服务， 目前这一网络基本已遍布整个美国，同时，UPS与厂商合作推出定制化产品服务，比如为消费者提供定制高尔夫球杆。UPS在其位于肯塔基州路易斯维尔的大型车间装配了上百台工业3D打印机，当消费者下单后，UPS收到需要任务，把它们交给CloudDDM 3D打印机完成，在打印和组装完成后，再配送给消费者。单选|智能物流干线技术（无人驾驶卡车、无人机）商用化需要多少年？1-33-55-88-1010年以上打开百度APP进行投票行业应用 ｜智能物流链AIL打造全球首个人工智能+区块链+物流平台2018智能物流产业发展研究报告（上）全球机器人未来发展的10大困惑——脑波交互：人机交互终极方向？奇点临近——True-Brain世界首个“人工脑连接体”人机融合：“半机器人”时代来临？

1-7月份，社会物流总额和社会物流总费用均较快增长，增速较上年同期略有回落，反映出当前物流规模增长合理适度，其中民生消费等领域物流需求继续呈现活跃态势。重点调查的物流企业收入、利润同步增长，经营效益有所改善。一、社会物流需求增势平稳1-7月，全国社会物流总额154.1万亿元，按可比价格计算，同比增长6.9%，增速比上年同期回落0.1个百分点。其中，工业品物流总额139.8万亿元，同比增长6.6%，增速比上年同期回落0.2个百分点。进口货物物流总额7.9万亿元，增长4.4%，增速比上年同期回落7个百分点。二、电商物流需求保持较快增长中物联和京东联合调查的电商物流指数显示，1-7月份总业务量指数平均为134.6点，农村业务量指数平均为133.1点，总业务量和农村业务量规模都保持在30%以上的高速增长。在电商物流需求拉动下，1-7月单位与居民物品物流总额同比增长26.7%，增速比社会物流总额高出19.8个百分点。三、社会物流总费用增速回落1-7月，社会物流总费用为7.2万亿元，同比增长8.3%，增速比上年同期回落1.7个百分点。从构成看，运输费用3.9万亿元，同比增长8%，增速比上年同期回落4.7个百分点；保管费用2.5万亿元，同比增长8.6%，增速比上年同期提高1.7个百分点；管理费用0.9万亿元，同比增长9.1%，增速比上年同期提高0.7个百分点。部分省份物流成本水平也呈回落走势，上半年安徽、河南、湖北、湖南和河北社会物流总费用与GDP的比率分别为15.8%、15.5%、14.8%、15.3%和16.5%，比上年同期均有所回落，山西省2017年社会物流总费用与GDP比率为17.8%，较过去几年显著下降，数据反映出各地经济运行质量效率不断提升。四、行业效益有所改善中国物流信息中心重点物流企业调查数据显示，1-7月企业业务收入快速增长，盈利能力较去年同期有所提高，但企业反映仍然面临一定的成本增长过快带来的经营压力。1-7月重点物流企业累计实现物流业务收入同比增长14.2%，增速比1-6月份提高0.9个百分点。分企业类型看，综合型物流企业业务收入占63%，同比增长17.5%；运输型物流企业业务收入占13%，同比增长7.6%，仓储型物流企业业务收入占24%，同比增长9.2%。1-7月份，重点物流企业实现业务利润同比增长15.3%。分企业类型看，综合型物流企业业务利润同比增长18.3%；运输型物流企业业务利润同比增长8.1%；仓储型物流企业业务利润同比增长8.7%。1-7月份，重点企业收入利润率为9%，比去年同期提高0.3个百分点，其中综合型物流企业收入利润率要高于运输型和仓储型。更多材料及分析均来自中商产业研究院发布的《2018-2023年中国物流行业前景及投资机会研究报告》。（来源：中商产业研究院）

IAII（人工智能产业研究院）与AIL(智能物流基金会)通过介绍各主要技术的基本情况，同时结合国内外电商平台(如亚马逊、京东)、领先物流企业（如顺丰、DHL），在各技术上的开发历程、应用场景与未来规划，全方位展示智能物流在行业中的发展现状与未来。智能物流技术发展趋势与行业应用实践3.4 末端技术末端新技术主要是智能快递柜。目前已实现商用（主要覆盖一二线城市），是各方布局重点，但受限于成本与消费者使用习惯等问题，未来发展存在不确定性。智能快递柜智能快递柜技术较为成熟。已经在一二线城市得到推广，包括顺丰为首的蜂巢、菜鸟投资的速递易等一批快递柜企业已经出现，但当前快递柜仍然面临着使用成本高、便利性智能化程度不足、使用率低、无法当面验货、盈利模式单一等问题。领先实践1-菜鸟：投资快递柜企业，切入智能末端市场，实现数据闭环对于菜鸟网络而言，已经掌握上游商品数据、快递企业数据、快递员数据等，但由于缺乏末端用户的一部分数据，导致数据闭环不能够完整地流通。2016年，菜鸟与格格货栈合作，格格货栈业加入菜鸟网络全国快递自提柜服务平台。2017年6月，菜鸟更进一步，携手 中国邮政、上海复星共同投资智能快递柜领头羊速递易。切入末端市场后，菜鸟可及时获取缺失的那部分末端用户数据信息，从而能够统一调配相关仓配、物流等，最终实现物流资源社会化的目标，未来菜鸟将进一步整合快递柜数据资源， 利用数据优化整体社会物流效率。领先实践2-顺丰：自主研发，联合各物流企业合作推出丰巢，掌握末端数据， 有较强的业务获取能力，能直接承接上游业务2012-2014期间，顺丰尝试进入末端快递柜市场，在全国各地累计投放超过5,000 个顺丰储物柜。为了掐住包裹的入口， 进而控制末端服务和数据，2015年6月， 基于顺丰储物柜资源，顺丰联合申通、中通、韵达、普洛斯发布公告，共同投资创建深圳市丰巢科技有限公司，共同研发运营“丰巢”智能快递柜。截止2017年6月，丰巢已完成逾5万台柜机的布局，日均承接超过300万件包裹的派送。未来，丰巢将探索除快递代收外的其他盈利模式，如与新零售结合推出线上生鲜下单，线下取等功能，实现模式创新， 解决盈利难题。3.5 智能数据底盘技术数据底盘主要包括物联网、大数据及人 工智能三大领域。物联网与大数据分析目前已相对成熟，在电商运营中得到了一定应用，人工智能相对还处于研发阶段，是未来各家研发的重点。物联网技术与大 数据分析技术互为依托，前者为后者提 供部分分析数据来源，后者将前者数据进行业务化，而人工智能则是大数据分析的升级。三者都是未来智能物流发展的重要方向，也是智能物流能否进一步迭代升级的关键。物联网技术物联网的概念已经非常普及，但在物流领域的应用仍然有一定难度。受终端传感器高成本的影响，二维码成为现阶段溯源的主要载体，技术的阶段性突破将不断促进物联网的发展，长期来看，低成本的传感器技术将实现突破，RFID和其他低成本无线通信技术将是未来的方向。物联网技术预计未来在物流行业将得到广泛的应用。目前国内已出现专注智能物流物联网领域的领先企业如汇通天下（G7）。物联网主要有以下四个物流应用场景： 产品溯源：通过传感器能够追溯到农产品从种植到运输到交付环节的所有信息， 包括种植条件，农药使用，农产品品质， 运输温度等，同时通过区块链记录货物从发出到接收过程中的所有步骤，确保了信息的可追溯性，从而避免丢包，错误认领事件的发生。冷链控制：通过车辆内部安装的温控装置，对车内的温湿度情况进行实时监控， 确保全程冷链不掉链。安全运输：通过设备对司机、车辆状态 数据进行收集，及时发现司机疲劳驾驶、车辆超载超速等问题，提早警报，预防事故。路由优化：通过车辆上安装的信息采集设备，可以采集运输车辆情况、路况、天气等信息，上传给信息中心，分析后对车辆进行调度优化。大数据技术大数据已经成为众多企业重点发展的新兴技术，多家企业已成立相应的大数据分析部门或团队，进行大数据分析、研究、应用布局，各企业未来将进一步加强对物流及商流数据的收集、分析与业务应用。大数据技术主要有以下四个物流应用场景： 需求预测：通过收集用户消费特征、商家历史销售等大数据，利用算法提前预测需求，前置仓储与运输环节。目前已经有了一些应用，但在预测精度上仍有很大提升空间，需要扩充数据量，优化算法。设备维护预测：通过物联网的应用，在 设备上安装芯片，可实时监控设备运行数据，并通过大数据分析做到预先维护，增加设备使用寿命。随着机器人在物流环节的使用，这将是未来应用非常广的一个方向。如沃尔沃：在物流车辆设备上安装芯片，可通过数据分析进行提前保养。供应链风险预测：通过对异常数据的收集，进行如贸易风险，不可抗因素造成的货物损坏等进行预测。网络及路由规划：利用历史数据、时效、覆盖范围等构建分析模型，对仓储、运 输、配送网络进行优化布局，如通过对消费者数据的分析，提前在离消费者最近 的仓库进行备货。甚至可实现实时路由优化，指导车辆采用最佳路由线路进行跨城运输与同城配送。人工智能主要由电商平台推动，尚处于研发阶段， 除图像识别外，其他人工智能技术距离大规模应用仍有一段时间。人工智能技术主要有以下五个物流应用场景： 智能运营规则管理：未来将会通过机器学习，使运营规则引擎具备自学习、自适应的能力，能够在感知业务条件后进行自主决策。如未来人工智能将可对电商高 峰期（双十一）与常态不同场景订单依据商品品类等条件自主设置订单生产方式、交付时效、运费、异常订单处理等运营规则，实现人工智能处理。仓库选址：人工智能技术能够根据现实环境的种种约束条件，如顾客、供应商和生产商的地理位置、运输经济性、劳动力可获得性、建筑成本、税收制度等，进行充分的优化与学习，从而给出接近最优解决方案的选址模式。决策辅助：利用机器学习等技术来自动识别场院内外的人、物、设备、车的状态和学习优秀的管理和操作人员的指挥调度经验和决策等，逐步实现辅助决策和自 动决策。图像识别：利用计算机图像识别、地址 库、合卷积神经网提升手写运单机器有 效识别率和准确率，大幅度地减少人工输单的工作量和差错可能。智能调度：通过对商品数量、体积等基础数据分析，对各环节如包装、运输车辆等进行智能调度，如通过测算百万SKU商品的体积数据和包装箱尺寸，利用深度学习算法技术，由系统智能地计算并推荐耗材和打包排序，从而合理安排箱型和商品摆放方案。智能数据底盘领先实践1-京东：依托青龙、玄武等五大系统，打造数据化运营能力京东从2012年推出第一代青龙系统开 始，由CTO办公室下属运营研发部负责，每年对青龙系统进行迭代，截止2016年，已将青龙系统迭代升级至第六代青龙智能物流系统。依托青龙物流系统，京东实现对平台商流，物流的全面掌握，如京东可以预测订单，提前调配力量。除青龙系统外，京东内部还构建有：仓储管理系统：主要是“玄武系统”，目前已升级至5.0版本，与配送的青龙系统并称为运营研发部的两大护法神器。在2017年，在昆山无人仓库中，京东集运研发部自主研发的定制化、智能化的设备管控系统——DCS智能管控系统上线，可实现对仓库内各类设备的智能调拨。大运输系统(赤兔TMS)：将仓库、分拣、终端等各节点连接，从而将所有节点业务串联互通并运转起来，实现运输服务统一化、数据采集智能化、操作流程标准化和跟踪监控透明化，形成完整的物流供应链体系。大件物流调度系统：充当整个大件物流系统的大脑，通过三层调度、三级数据处理器，计算出派送问题的最佳解决方案。大数据分析系统：通过大数据分析系统实现智能补货，并进行智能分仓备货，并进行智能仓库选址。未来京东将继续加大技术创新的投入， 依托SAAS化的信息系统，通过组件化的业务应用和智能算法服务，实现动态、实时调度，并致力于成为国内零售基础设施服务商，将向全社会提供高效率、低成本、高智能的智能供应链解决方案。智能数据底盘领先实践2-菜鸟：依托自身商流、合作伙伴数据流优势，专注对物流预测，促进物流整体效率提升根据数据显示，截至2015年11月，中国超过70%的快递包裹、数千家国内外物流、仓储企业以及170万物流及配送人员都在菜鸟数据平台上运转。2013年菜鸟网络成立后，原阿里物流事业部与菜鸟网络整合，物流数据平台打通， 物流预警雷达进行升级和改造，新增了区域和网点预测等诸多功能。这些数据将帮助电商平台和快递企业做决策，通过线路预测规避各大快递企业分拨点爆仓。2014年5月，菜鸟网络联合“三通一达”等14家主流快递企业推出了电子面单平台， 通过数据的流转，菜鸟网络电子面单系统可以串联快递企业、商家与消费者的数据信息。各快递合作伙伴的数据显示，使用电子面单，发货速度能提升30%以上。2015年，菜鸟网络运用大数据分析，结合高德地图的空间定位技术，推出智能路由分单，可用数据实现包裹跟网点的精准匹配，准确率达98%以上，随着大数据沉淀，可向100%接近。2016年，菜鸟网络与高德地图合作，双方打通底层地址数据，建设国内最先进的5 级地址库。同年双十一，菜鸟依托人工智能通过对区域订单量的预判，提前指导商家布局仓储，提升了整体物流效率。2017年入股中国领先的智能仓储设备企业-快仓，快仓专注于移动机器人、可移动货架、补货，拣货工作站等系统研发， 以人工智能算法的软件系统为核心。未来，菜鸟将对开放战略升级，更加注重赋能中小商家和中小物流，把物流云全链路的能力向行业开放，真正带动行业整体效率提升。四、结束语通过对各技术行业实践的分析，我们发现，行业内领先企业积极布局智能物流，抢占先机：电商平台物流企业（亚马逊、京东、阿里等）：在物流基础设施不如传统物流企业情况下，更加注重通过技术手段提升物流整体操作效率。依托自身互联网技术基因优势，在各技术领域积极布局，力图对传统物流企业实现弯道超车。技术依赖度与技术成熟度都较高。领先物流企业（顺丰、UPS、DHL等）：通过组建技术研发团队，设立技术趋势研发机构，与领先第三方研发机构合作，在应用前景较大，与物流紧密相关的新兴技术上积极布局。但受限于数据劣势，在大数据、人工智能方面与电商物流企业仍有差距。智能物流物联网企业（G7等）：独立于物流公司和电商平台，专注于物联网、大数据和人工智能平台开发和服务，具有很强的技术实力和商业模式优势。在具有互联网思维的专业团队和资本的助力下，发展前景巨大。对于国内物流企业而言，智能物流是其能否在未来的市场竞争中占据优势地位的关键所在，面对新的时代趋势，企业需要把握以下成功要素： 拥抱智能：物流企业需要结合自身特性、所在领域的客户特征变化，以开放的心态拥抱科技，拥抱智能物流，实现转型升级。 提前布局：智能风口下，纵观各家电商互联网巨头及领先国内外物流企业，其都已在智能物流变革中提前布局。智能物流早已不是一道选择题，谁能把握先机，谁才能占据主动，物流企业需要提前布局，抓住智能物流先机。 重视数据：数据化是物流向下一代升级，真正实现智能物流的关键，虽然当前物流企业在数据获取方面存在天然劣势，但可尝试与第三方企业合作，及早在物联网、大数据、人工智能等方面积累技术，积极对现有信息系统换代升级。2018智能物流产业发展研究报告（上）2018智能物流产业发展研究报告（中）行业应用 ｜智能物流链AIL打造全球首个人工智能+区块链+物流平台

中国物流科技行业发展概况从采购、生产到销售，物流环节贯穿商品流通全过程成长期的中国物流，机遇挑战相伴左右中国物流业的发展历史悠久，舟、车、常平仓、广惠仓、驿站等运输和仓储要素齐全，更开辟了丝绸之路、京杭大运河等著名商贸交流之路，为现代化物流的诞生奠定基础。但古代物流仅是单一环节的管理，我国真正意义上的运仓配一体的标准化现代物流模式起步于20世纪90年代：邓小平的南巡讲话进一步深化了改革开放，给我国物流业发展带来蓬勃活力。加上90年代末东南亚金融危机的爆发，使得我们对物流业发展重要性有了切身体会，开始由理论转向实战，探索实际的运行操作。进入21世纪，政策环境利好，运力网络大规模覆盖、信息平台建设迅速推进，我国物流进入了飞速发展的成长期，也即意味着，机遇与挑战并存将是贯穿这一时期的鲜明主题。物流需求稳中向好，16年总额达230亿据国家统计局数据显示，2016年我国社会物流总额229.7万亿元，比上年增长6.1个百分点，增速小幅回升。其中工业品物流需求仍占主导地位，达到93.2%。具体到不同的工业品种类来看，采矿业、高耗能行业物流需求增速回落，采矿业物流需求由上年增长2.7%转为下降1%。装备制造业、高技术产业物流需求增速持续加快，分别比上年增长9.5%和10.8%，呈现出经济结构持续优化、新旧动能转换加快的特点。运行质量有所提升，但相比其他国家仍旧存在差距2016年，社会物流总费用为11.1万亿元，同比增长2.9%，继续保持低速增长。社会物流总费用与GDP的比率为14.9%，比上年下降1.1个百分点，经济运行中的物流成本有所下降，运行的质量有所提升。但与其他国家相比，仍存在一定差距。2016年我国物流费用与GDP的比率高出全球平均水平3%，高出美国6个百分点。与同样属于发展中的人口大国-印度相比，我国的比率同样处于较高水平。降本增效，提高物流运行质量是现阶段国内物流业发展的关键任务。中国物流科技行业转型与升级从企业到产业，从体制到体系，全面推进物流发展降本增效物流业是融合运输、仓储、货代、信息等产业的复合型服务业，是支撑国民经济发展的基础性、战略性产业。物流业整体运行质量的提升不仅需要从单个企业层面入手，以头部企业的示范效应带动整体行业向上发展，更关乎产业结构、体系、政策等更宏观范围的改革和转型。现阶段，从实施难度来看，企业层面的升级可行性更大，操作性上也更容易实现。现实阻碍反作用力+直接推力=升级之路运、仓、配多点渗透，全面开启智能化作业流程仓储作业已经在自动化层面发展多年，未来要提高智能化水平，根据商品的件型、重量、销量、交付时效等属性，设计不同的作业流程，并采用相匹配的物流智能化系统进行操作。运输、分拣和派送环节的辅助驾驶、编队运输、自动化及机器人分拣、智能终端已经实现应用。随着购物场景的碎片化以及交付地点的动态化，未来在实现无人化作业的同时，会基于实时定位的应用，在消费者日常的某个动态节点实现交付，与消费者的工作和生活完美融合。中国物流科技行业产业链图谱中国物流科技行业发展现状16年车货匹配平台规模1.3万亿元，物流智能装备347亿元公路货运占整个物流运输的比重最大，进一步可细分为整车、零担和快递三个部分。零担和快递的行业集中度相对整车市场较高，相应运营效率较好。剩下的整车领域，行业分散，一个人一辆货车就可以做起整车生意。但也因此可优化的空间和市场潜力广阔。2013年前后，以运满满为代表的一大批车货匹配平台涌入到整车行业，利用信息技术改善车源和货源的双向匹配效率，给行业带来了变革。16年全年车货匹配平台的市场规模超过万亿元，并继续保持稳定增长。除了信息化平台的建设，智能装备的应用也在蓬勃发展，16年市场规模接近347亿元，较之上一年增长29.8个百分比。典型企业用户量对比应用｜运输｜车货匹配配货时间缩短2天以上，日均行驶里程提升33.3%目前，我国的公路物流货运量占到了整体货运量的80%，干线物流在整个公路物流中占比最大，但是行业整体运作效率不高，我国货车日均有效行驶里程300km/天，美国则可以达到1000km/天。国内2000多万货车，空驶率40%。造成资源错配、效率低下的原因主要在于信息的不对称性，车货匹配平台利用信息技术将线下信息进行整合，发布信息并进行精准匹配，可以优化供应链下游的货物与司机的资源分配，降低空驶率，进而节约运输成本。市场竞争激烈，融资能力差距逐渐拉开车货匹配市场从2016年初开始到今年9月之间，融资数量超过20次，但大部分集中在A轮及以前阶段，且融资金额较小。目前，少数企业在融资能力上开始逐渐拉开差距，平台的技术研发能力、运力基础、体验、诚信保障、以及可延展的业务及盈利空间，均是资本关注的重点。应用｜运输｜新能源车电耗代替油耗，年运营成本平均下降超过300%2017年最新出台的新能源车补贴政策，对新能源客车以动力电池为补贴核心，以电池的生产成本和技术进步水平为核算依据，并进一步完善新能源货车和专用车的补贴标准，按提供驱动动力的电池电量的分档累退方式核定。同时设定中央和地方补贴上限，其中地方（地方各级财政补贴总和）不得超过中央财政单车补贴额的50%。除燃料电池汽车外，各类车型2019-2020年中央及地方补贴标准和上限，在现行标准基础上回落20%。但对比传统燃油车，新能源纯电动车的运营和维护成本仍大幅降低，加上清洁，无污染，将在物流运输中大规模普及。动力电池是核心零部件，其性能直接影响整车品质伴随着新能源汽车的高速发展，动力电池投资热度只增不减。作为技术核心的电池，目前成本占到了整车成本的1/3至1/2，意味着整车厂可能需要把一辆车一半的收入分给电池厂。目前我国电池企业在技术和生产方面有了明显提升，但和松下、三星、LG相比还是有一定差距。电池的重要性，除了体现在车辆续航能力等方面，整车的管理系统等其他成本也会下降。应用｜运输｜无人驾驶无人驾驶商业化进程加快，降低物流行业运输成本随着物联网、大数据、云计算等技术纷纷向汽车业渗透，汽车制造业迈向了智能化的时代，无人驾驶的实现备受期待。无人驾驶不仅可以为驾驶出行提供更多的安全保障，在商用的货物配送领域发挥空间更大。根据驾驶系统的自动化程度，无人驾驶从无自动驾驶阶段到完全自动驾驶共6个阶段。现阶段的发展应用还处于辅助驾驶向完全自动驾驶的过渡阶段，距离无人驾驶的大规模商用还有相当长的一段时间。互联网巨头 PK 老牌车企，技术研发和生态发展全面竞争目前无人驾驶领域入局者主要有两方：一是谷歌、百度等互联网巨头以及英尔特等软硬件提供商，从自动驾驶算法切入，实现跨越式发展；二是奔驰、福田、一汽等传统老牌车企，以整车控制集成为切入点，借助高级辅助驾驶（ADAS）经验继续深入；双方的竞争从技术层面延伸至上下游的生态体系构建。目前共享出行理念的诞生和需求增加，分时租赁、网约车等形式也成为布局的重点。无人驾驶技术加上用户场景的建立，将会颠覆整个交通运输行业。应用｜仓储｜无人仓整体无人仓亮相，从入库到装车打造现代化智能仓储仓储行业正在变得更加自动化和智能化，自动化可以刚性提高效率，智能化可以满足差异化、个性化需求，增强供应链柔性。商品的入库、储存、拣选、分拣、出库等一系列流程，在无人仓中都可以用相应的自动化设备或者机器人替代。常见的有AGV机器人，根据不同用途又分为搬运、拣选和分拣等不同类型，以及专业从事码垛工作的码垛机器人。另外，RFID标签、立体仓库的应用等均显著减少成本费用，提高了作业效率。AGV的关键在于调度，码垛机器人的控制系统有待提高从单个AGV机器人来看，核心技术主要在定位、导航、避障等操作方面。但实际在无人仓中运作时，通常一个大型仓库需要配备几十甚至上百个机器人，如何通盘的调配和统筹安排，把集体效用发挥到最好才是考验技术实力的核心指标。针对码垛机器人，国内外的差距主要体现在控制系统上，国外一般采用的伺服控制，精度和响应速度远好于国内的变频器。应用｜仓储｜ＡＧＶ｜拣选货到人的智能拣选，均效提高3-5倍，节约人力70%仓储物流的拣选一般有人到货和货到人两种方式。人到货方式中，当前应用最广的是PDA人工拣选，语音拣选、AR眼镜拣选等新兴技术尚未在国内普及。货到人方式中，主要有穿梭车和拣选机器人两种解决办法，都是根据拣货员指令，将所需的商品送到作业人员面前，节约行走和寻找时间。但前者设备投资大，柔性小。后者更加灵活，可根据实际需求，自主规划，相对于人工拣选，机器人操作均效提高3-5倍，节约人力70%。应用｜仓储｜ＡＧＶ｜分拣提高分拣效率30%，节约人力70%分拣环节的机器人应用能够节约70%左右的人力。2017年8月，京东物流昆山无人分拣中心正式亮相，昆山无人分拣中心最大的特点是从供包到装车，全流程无人操作。目前，该中心已经实现自动供包并对包裹进行六面扫描，保证面单信息被快速识别，由分拣系统获取使用，进而实现即时有效的分拣。申通的快递分拣机器人“小黄人”可以24小时不间断分拣，扫码、称重、分拣功能“三合一”，能够实现快递面单信息识别，以最优路线投递。应用｜配送｜送货机器人/无人机无人送货时代即将到来，机器人上岗取代快递小哥应用｜配送 | 对比送货机器人技术尚未成熟，无人机只欠政策东风物流精细化运营后，末端配送的成本和效率成为优化重点，物流公司不约而同将最后一公里的物流配送寄托在机器人身上，阿里和京东相继推出自主研发的送货机器人。无人机方面，顺丰、京东、邮政等也纷纷加快布局动作。就实际应用来看，送货机器人技术尚未成熟，最大难点在于城市道路的极其复杂，加上承载量较小，目前各家投入比例相对小于无人机领域。而无人机技术已经相当成熟，目前最大的阻碍来自政策监管，一旦政策放开后，大规模的商用将会迅速普及。应用｜配送｜智能快递柜丰鸟之争点燃快递柜终端大战，三方势力角逐高下2017年6月，顺丰和菜鸟双方互相关闭数据接口，一时间引起业内广泛关注。虽然在国家邮政局的协调下，双方同意从6月3日12时起，全面恢复业务合作和数据传输，但丰鸟之争实质上是数据、用户等的竞争。丰巢在智能快递柜的布局力度和速度在2017年1月份25亿元的融资后表现得更加强劲，可能对菜鸟形成了一定压力，菜鸟迅速入股速递易的举动，也被看成是和顺丰的正面较量。目前智能快递柜市场入局者主要分为三类：京东、苏宁等电商系；丰巢、邮政易邮柜等快递系；速递易、日日顺、云柜等第三方，各有优势。随着国家队和阿里站队速递易、阿里投资的苏宁和日日顺也将逐渐统一阵营，丰巢背后则有顺丰、腾讯、京东等的支持，三方势力逐渐演化为两大阵营的对峙。集成物联网、无线通讯等技术，解决最后100米交付痛点智能快递柜结构分为储物终端、平台管理系统，可以智能存件、智能取件、远程监控、信息管理、信息发布等。内嵌固定式条码扫描头，可读一维、二维条码及手机屏幕条码信息。取件时，用户可凭手机上的收到的取件码，在智能物流柜的扫描窗口刷取，验证成功即可取件。核心技术在于物联网、智能识别、无线通讯等。中国物流科技行业趋势与展望政企合作布局物流大数据，重塑供应链智能化模式智造时代，工业机器人发展前景广阔自2013年来，我国已成为全球最大的机器人消费国，但国产机器人的份额仅占约三成的份额，且处于行业低端，高端机器人主要依赖进口，具有自主研发能力，可以生产关键零部件或机器人产品的企业仅百家左右。随着人工智能技术的成熟，机器人产业的重要性日益提高，国家相继发布《关于推进工业机器人产业发展指导意见》、《中国制造2025》、《关于推进工业机器人产业发展指导意见》等多部政策，明确了十三五期间的发展目标，预示工业机器人即将迎来广阔发展前景。自2013年来，我国已成为全球最大的机器人消费国，但国产机器人的份额仅占约三成的份额，且处于行业低端，高端机器人主要依赖进口，具有自主研发能力，可以生产关键零部件或机器人产品的企业仅百家左右。随着人工智能技术的成熟，机器人产业的重要性日益提高，国家相继发布《关于推进工业机器人产业发展指导意见》、《中国制造2025》、《关于推进工业机器人产业发展指导意见》等多部政策，明确了十三五期间的发展目标，预示工业机器人即将迎来广阔发展前景。科技创新，催生商业新模式物流科技的创新将给传统的商业模式带来升级和变革。未来，大数据、云计算等技术的成熟和应用，可以更灵活的调整物流结构，由传统先订单后物流的模式，转变为分析消费数据，提前将一部分商品前置，或是生产符合客户需求的定制化产品，精准地配置库存，降低成本。另外，自动化设备方面，由于投资规模大，回报周期长，且改动成本高，一般要求对业务不要具有太多的变化，但目前国内商业发展活跃，变化快，因此10年内一般不会实行仓库全自动化，但自动化程度会逐渐提高，较好的兼顾供应链柔性。因此，一些大规模有实力的物流公司很有可能会凭借其自动化、智能化的供应链体系优势，打造社会化运力平台，惠及更多中小型企业。由于机器人价格昂贵，一些智能装备制造商也正开拓代运营业务，企业在成本允许范围内，能享受到更加先进的仓储管理服务。