物流巨头顺丰如何布局AI？这是其AI首席科学家的详细解读

随着人工智能的发展，一些物流公司也纷纷尝试利用人工智能技术优化物流环节，提高物流效率。就人工智能将如何改变物流业？物流领域人工的岗位和人工智能之间的关系是什么？

在2018网易经济学家年会“人工智能与人类未来”分论坛上，顺丰人工智能首席科学家刘志欣表示，人工智能技术的发展，实际上是让原有的算法更加高效，而这个算法本身和人工的岗位是共生互补的，它是一个工具，不会取代人的工作。

顺丰AI首席科学家 刘志欣

他认为，物流领域是一个高需求、大流量的方向，这里面本身就会有大量的工作岗位出现。回归人工智能的本质，它就是通过数据完成感知、认知、建模以及规划这四件事，辅助人类更加高效的去完成他的工作。

刘志欣还具体聊了人工智能帮助顺丰提高物流工作效率的三大应用情景：

打造数字化小哥。顺丰目前已经研发出研发第六代智能终端、智能手环以及机械臂来帮助快递小哥在完成工作的同时，提高工作效率。

“智”造有温度的客服。顺丰通过采用NLP技术等一些自然语言处理的技术，去分析客户对话的意图，把关键信息抽取出来，帮助系统自动辅助客服人员，或自动完成一些操作，从而提供更加个性化的服务。

助力公司向自动化、信息化、智能化高效精准管理发展。刘志欣通过三个例子来展示，顺丰利用人工智能技术将多维度的内部、外部数据结合在一起，建立机器学习模型，帮助做智慧决策。

刘志欣表示，作为国内物流行业领军企业，顺丰对引领中国物流未来的发展模式是有责无旁贷的义务。未来，顺丰将会利用人工智能，把人从很多简单重复的工作解放出来，让他们去完成更多更有价值的、更有挑战、更有难度的一些工作，为客户带来更好的体验。

以下为刘志欣讲话实录（全天候科技整理）：

今天的主题是“人工智能与人类未来”，我想大家都比较关心将来人工智能取代我们人类工作的可能性。我将结合我们在人工智能领域方面做的一些工作和大家进行一下交流，交流一下我们对这个问题的理解，看看人工智能是怎么样帮助而不是取代人类的工作的。

首先我们看一下，物流领域，人工岗位和人工智能之间的关系是什么。物流快递行业是一个非常复杂的长链条业务环节，包括小哥上门收件、到了分拣再到目的地、再进行一次分拣，进一步的细化之后，做一些支线运输，还有最后的小哥派件等等。这个业务链条非常长，和它相伴的就是一个非常复杂的网络拓扑结构。怎么让海量的包裹在这个复杂的拓扑网络结构中间高效、快捷，并且低成本的完成它的旅程，流向最终的目的地，这就是我们很多统计、运筹等算法，以及数学模型需要去解决的一个问题。

今天人工智能的飞速发展，也能够帮助我们提升原有模型的能力和效率。举个例子，我们在做线路规划的时候，传统会采用很多预测优化的方法。但是当量非常大，并且情况很复杂，需要做复杂决策的时候，我们就会采用强化学习的方法来使决策更加高效、更加智能。

我们可以看到，人工智能技术的发展，实际上是帮助了我们原有的算法更加高效，而这个算法本身和人工的岗位是共生互补的，它是一个工具，不会取代人的工作。

从另外一个层面来看，物流领域是一个高需求、大流量的方向，这里面天然就需要有大量的工作岗位出现。回到人工智能的本质，人工智能就是通过数据去做四件事情：一是感知；二是认知；三是建模；四是规划。

我们研究AI、研究大数据，根本的目的是为了让员工的工作更加高效，把他们从很多简单重复的工作当中解放出来，去完成更多更有价值的、有挑战、有难度的工作，为我们的客户带来更好的体验。

基于刚才讲的两点，我们可以看到，现在中国物流行业已经走到了一个非常有挑战，但同时也非常振奋的一个时期。作为物流快递行业的领军企业，我们顺丰对如何引领中国物流未来的发展模式是有责无旁贷的义务的。

下面可以根据几个具体的例子跟大家分享一下，人工智能算法是怎么样帮助我们工作人员更加高效地完成他们的工作，让我们的客户有更好的体验，而不是威胁现有的人工工作的岗位。

第一点，AI助力打造数字化小哥。

每天我们有上千万包裹，大概4千多万公斤的重量。经过几十位一线的小哥、两亿次分拣、6亿次搬运，这些包裹能够送到全国各个地方。怎么看待这个问题？

可能很多人会认为这是一个非常重资产的行业。我们的看法是，不仅仅局限于此，（物流快递）不止是一个重资产（的行业），更多的是一个非常宝贵的获取数据资源（的行业）。因为我们几十万小哥散布在全国每个小区、每个写字楼，就像毛细血管一样，收集大量的贴近物理世界的数据。所以说，我们要充分的挖掘这些小哥给我们带来的数据价值，因为数据本身是人工智能一个重要的引擎。

在去年的时候，本来有一个第五代的手持终端给小哥工作，它最大的功能就是扫描和操作。但是我们发现，它并不能够帮助我们去采集小哥日常行为数据。于是我们很快投入资源，研发了第六代手持终端，更多是完成采集数据等方面的工作。

我们还面临着一个问题，就是小哥平常工作的时候需要双手劳动，如果拿着一个手持终端进行一些工作会非常不方便，所以我们研发了智能手环，能够帮助他更高效、更方便的进行工作。除了末端的生态之外，我们还有很多装修、分拣、装车、卸车的工作。（因为）一个是工作强度非常大，再一个如果是很重的物品，其实是有着很高的风险的。所以我们也投入资源开发了机械臂，来帮助小哥更轻松的完成这些工作。

回到线路规划，线路规划是物流领域非常核心的问题。我们结合了传统方法做这方面的一些工作，根据实时的件量来优化路线，以及很多复杂条件下的决策，让我们的物流更加高效，成本更加可控。这个主要是AI助力快递小哥方面的例子。

第二点，“智”造温度的客服。

怎么看待智能客服这个问题？我们希望给客户提供一种更加针对个人的、更加定制化、更加有温度的一些服务。但实际上我们发现，客服人员每天绝大部分工作都是在重复一些简单、单调的工作。

基于这个问题，我们采用了一些NLP技术，一些自然语言处理的技术去分析客户对话当中的意图，把他的关键信息抽取出来之后，帮助系统自动辅助客服人员，或者自动完成一些操作，让客服人员真正把他们的时间、能力和资源投入到对客户更加定制化、更加有温度的场景中来，真正完成一个人和人之间的交流。

第三个点，智能决策辅助人工决策，助力公司向自动化、信息化、智能化高效精准管理发展。

传统管理都是基于人的知觉、经验或者是一些预判的规则，这个会受限于个人的能力，也会受限于我们做的是一些局部判断，并不是一个全局判断。所以，我们将非常多维度的内部、外部数据结合在一起，建立机器学习模型，帮助做智慧决策。

这里有几个具体例子：

一是终端场的管理和规划。

终端场是非常重要的环节，大量的货物在这里进出做分拣。这时候，我们采用计算机视觉技术，辅助搭建模型，仿真整个操作环节，帮助整个终端场里面各个环节的操作更加高效，让我们的资源更加弹性、可控、更加灵活。

二是关于小哥的管理方面。

分配任务方面，我们通过实际数据发现，不同的收派任务其实有很大区别，比如说区域，甚至包括用户什么时候在家等等。这时候，我们就会根据数据寻找出各个任务不同的规律，同时也挖掘小哥自己擅长做什么方面的工作，将这个任务和小哥的能力进行匹配，可以达到互补，让资源更加弹性的目的。

三是关于客户方面的管理。

传统上我们会有专门的团队对所有的中小客户、大客户进行管理。比如，这个时候他们会定期的去分析这些客户是否有异动，是否会有流失风险。但是这个有很严重的滞后，不可能做到每天对大量的客户进行分析。所以，我们从大量的数据当中去挖掘客户异动规律，做机器学习。

传统上是人为定义很多规则，而且这个规则覆盖不全。现在的话，我们可以做到实时，甚至根据客户的件量和订单等数据，可以预判他是否有流失的风险，能够让销售人员第一时间介入，和客户进行沟通，帮助他们减少损失。

从这几个方面的例子我们可以看到，人工智能本身可以帮助一线的工作人员，可以帮助二线的客服人员，还可以帮助三线的一些管理人员。总的来说，更多完成的是通过数据和算法来帮助我们更加高效，更加有效，更加轻松的完成工作，而不是取代人的工作。