在5G環(huán)境下，物流行業(yè)的底層技術(shù)將逐步轉(zhuǎn)變成“物聯(lián)網(wǎng)+大數(shù)據(jù)+人工智能”。5G通信技術(shù)則是這些技術(shù)的基礎(chǔ)環(huán)境，具有“高速度、低功耗、低時(shí)延、萬(wàn)物互聯(lián)、泛在網(wǎng)、重構(gòu)安全”等六大特點(diǎn)。針對(duì)跨境電商物流處理的訂單包裹處理中的老大難問題，包括“海量級(jí)訂單短時(shí)間通過(guò)、貨品種類雜分揀效率低、涉及安全性貨物管理、貨物防盜、貨物軌跡難追蹤”都有了很好的解決場(chǎng)景和解決方案。

而在5G環(huán)境下，物流行業(yè)的底層技術(shù)將逐步轉(zhuǎn)變成“物聯(lián)網(wǎng)+大數(shù)據(jù)+人工智能”。

物聯(lián)網(wǎng)

物聯(lián)網(wǎng)的作用就是打通線下與線上，將線下實(shí)物與信息系統(tǒng)打通。物聯(lián)網(wǎng)技術(shù)本身包括三個(gè)層級(jí)：感知層、網(wǎng)絡(luò)層、應(yīng)用層。感知層包括各類感應(yīng)芯片、模組和各類傳感器等設(shè)備，包括物品識(shí)別感知、傳感感知、地理位置感知、視頻語(yǔ)音感知等。網(wǎng)絡(luò)層包括組網(wǎng)與通信，通信包括短距離的WIFI 藍(lán)牙、Zigbee等，長(zhǎng)距離傳輸即廣域物聯(lián)網(wǎng)傳輸包括NB-IOT、LoRa等 ；組網(wǎng)方式包括異構(gòu)網(wǎng)整合、自組合網(wǎng)絡(luò)、事件協(xié)同、網(wǎng)絡(luò)參數(shù)配置等。

物聯(lián)網(wǎng)在倉(cāng)儲(chǔ)、運(yùn)輸、配送三個(gè)物流場(chǎng)景應(yīng)用非常出色，有利于提高我們的物流效率，提高數(shù)據(jù)的透明度，實(shí)現(xiàn)全鏈條數(shù)據(jù)可視化。

大數(shù)據(jù)

2015年，全球約有48.8億的物聯(lián)網(wǎng)設(shè)備，而據(jù)Gartner預(yù)測(cè)，至2020年，物聯(lián)網(wǎng)設(shè)備將達(dá) 250.1億，每天約有500萬(wàn)臺(tái)設(shè)備彼此聯(lián)結(jié)、接入互聯(lián)網(wǎng)或兩者兼?zhèn)洹Ｈ蚣s有64億個(gè)數(shù)據(jù)通信體。 物聯(lián)網(wǎng)比互聯(lián)網(wǎng)要大得多。最為重要的是，物聯(lián)網(wǎng)將產(chǎn)生大量非傳統(tǒng)意義的數(shù)據(jù)（大數(shù)據(jù)）。在2020年， 預(yù)計(jì)該數(shù)字宇宙將達(dá)到44ZB字節(jié)（一個(gè)ZB字節(jié)等于十億字節(jié)）。

面對(duì)洶涌而來(lái)的大數(shù)據(jù)，如果不能處理好數(shù)據(jù)，未來(lái)物流場(chǎng)景中大量機(jī)器人、自動(dòng)化設(shè)備、無(wú)人汽車就無(wú)法運(yùn)行。而處理好數(shù)據(jù)，將會(huì)爆發(fā)物流行業(yè)效率革命。

首先，大數(shù)據(jù)可以幫助我們實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)下的物流運(yùn)營(yíng)，優(yōu)化物流管理決策，這種決策是一種決策體系，從無(wú)數(shù)基層操作到線路優(yōu)化設(shè)計(jì)、運(yùn)力調(diào)配等方面一起來(lái)提高運(yùn)營(yíng)效率，降低物流成本，減少浪費(fèi)。其次，大數(shù)據(jù)可以為生產(chǎn)者貿(mào)易商提供更好的增值服務(wù)，幫助他們實(shí)現(xiàn)更好的預(yù)測(cè)消費(fèi)訂單數(shù)量和分布，提供更好的、高效的供應(yīng)鏈解決方案。由于全程供應(yīng)鏈可視化，減少了信息壁壘，降低了不信任，供應(yīng)鏈金融資源將得到更加高效的配置。

大數(shù)據(jù)和金融將作為未來(lái)整體物流及經(jīng)濟(jì)運(yùn)營(yíng)的最基礎(chǔ)的驅(qū)動(dòng)力。

人工智能

人工智能本質(zhì)上是一種統(tǒng)計(jì)分析技術(shù)，但是由于AR技術(shù)、圖像識(shí)別、機(jī)器學(xué)習(xí)、無(wú)人汽車等新的技術(shù)手段加入，特別是物聯(lián)網(wǎng)的興起，導(dǎo)致接入設(shè)備幾何量級(jí)的增長(zhǎng)，將來(lái)的數(shù)據(jù)沉淀量更是無(wú)比的龐大，為人工智能提供了更多廣闊的用武之地；而人工智能淬煉了大數(shù)據(jù)的含金量。

人工智能的應(yīng)用范圍極廣，特別是在機(jī)器具有學(xué)習(xí)能力之后，主要指的是機(jī)器學(xué)習(xí)領(lǐng)域的深度學(xué)習(xí)技術(shù)，將大大節(jié)約培養(yǎng)專業(yè)人才的時(shí)間和不確定性。目前由于物聯(lián)網(wǎng)未大規(guī)模鋪開，數(shù)據(jù)沉淀量不足，人工智能除了在圖像識(shí)別方面有所發(fā)展，在其他領(lǐng)域的深度還不足。

但是可以確信的是，未來(lái)人工智能技術(shù)將是整體社會(huì)經(jīng)濟(jì)運(yùn)行的大腦學(xué)習(xí)中樞。

云計(jì)算

最左側(cè)是服務(wù)提供者來(lái)提供數(shù)據(jù)，上傳到云中心，終端客戶發(fā)送請(qǐng)求到云中心，請(qǐng)求發(fā)送相關(guān)數(shù)據(jù)給終端客戶，終端客戶始終是消費(fèi)者的角色。

和云計(jì)算類似，邊緣計(jì)算也是處理數(shù)據(jù)的一種方式，隨著物聯(lián)網(wǎng)和5G技術(shù)的快速發(fā)展，越來(lái)越多的設(shè)備接入網(wǎng)絡(luò)，數(shù)據(jù)量則會(huì)成指數(shù)倍的增長(zhǎng)，數(shù)據(jù)量一旦大了，如果數(shù)據(jù)都通過(guò)云計(jì)算來(lái)傳輸，網(wǎng)絡(luò)時(shí)間消耗太大。兩者不同點(diǎn)是云計(jì)算需要把數(shù)據(jù)上傳到云端，而邊緣計(jì)算則少去了上傳步驟，將數(shù)據(jù)直接在本地處理。

邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開放平臺(tái)，就近提供最近端服務(wù)。其應(yīng)用程序在邊緣側(cè)發(fā)起，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足行業(yè)在實(shí)時(shí)業(yè)務(wù)、應(yīng)用智能、安全與隱私保護(hù)等方面的基本需求。邊緣計(jì)算處于物理實(shí)體和工業(yè)連接之間，或處于物理實(shí)體的頂端。而云端計(jì)算，仍然可以訪問邊緣計(jì)算的歷史數(shù)據(jù)。借助于邊緣計(jì)算，在人臉識(shí)別領(lǐng)域，響應(yīng)時(shí)間由900ms減少為169ms，把部分計(jì)算任務(wù)從云端卸載到邊緣之后，整個(gè)系統(tǒng)對(duì)能源的消耗減少了30%-40%。數(shù)據(jù)在整合、遷移等方面可以減少20倍的時(shí)間。

隨著數(shù)據(jù)雪崩，預(yù)測(cè)到2025年，全球數(shù)據(jù)將增長(zhǎng)10倍，達(dá)到163 Zettabytes，將計(jì)算和數(shù)據(jù)移動(dòng)到更接近用戶的位置是有必要的。反過(guò)來(lái)，這將導(dǎo)致出現(xiàn)許多不同的邊緣計(jì)算“平臺(tái)”：無(wú)線邊緣、移動(dòng)邊緣、建筑邊緣。

所以未來(lái)數(shù)據(jù)存儲(chǔ)和計(jì)算的載體是混合云技術(shù)，融合了集中云計(jì)算和邊緣元計(jì)算的形態(tài)，在物流行業(yè)有非常普遍應(yīng)用。

AR技術(shù)

下面重點(diǎn)介紹一下AR（增強(qiáng)現(xiàn)實(shí)技術(shù)）在物流行業(yè)的應(yīng)用，這也是新技術(shù)中成熟度走在最前列的技術(shù)。

基于5G實(shí)現(xiàn)的增強(qiáng)現(xiàn)實(shí)場(chǎng)景應(yīng)用

AR技術(shù)（增強(qiáng)現(xiàn)實(shí)技術(shù)/Augmented Reality， AR） 是5G時(shí)代系列技術(shù)中比較成熟的技術(shù)，作用就是將虛擬信息疊加在真實(shí)世界，形成多元化信息的新場(chǎng)景，用戶能夠通過(guò)AR眼鏡這樣的硬件終端觀察工作場(chǎng)景，并在后臺(tái)數(shù)據(jù)分析指引下開展現(xiàn)場(chǎng)工作，大大優(yōu)化了現(xiàn)場(chǎng)作業(yè)決策效果和效率，降低了員工培訓(xùn)的需求，將數(shù)據(jù)、人、貨物之間緊密聯(lián)系在一起。

AR技術(shù)目前未普及形成工業(yè)級(jí)別應(yīng)用，主要受制于：

1）4G通信技術(shù)的帶寬無(wú)法支撐AR應(yīng)用的商業(yè)應(yīng)用，需要5G帶寬才能勝任數(shù)據(jù)的傳輸有效性；

2）以及5G對(duì)移動(dòng)邊緣計(jì)算的支撐，由于物聯(lián)網(wǎng)帶動(dòng)貨物上網(wǎng)形成數(shù)據(jù)，因此在物流工作場(chǎng)景下，數(shù)據(jù)流動(dòng)和相應(yīng)的分析決策數(shù)據(jù)具有信息量大、一次性使用，高響應(yīng)度等特點(diǎn)，如果這些數(shù)據(jù)要上傳中心云進(jìn)行計(jì)算會(huì)造成數(shù)據(jù)擁堵和不經(jīng)濟(jì)。

因此需要邊緣計(jì)算能夠?qū)F(xiàn)場(chǎng)大量數(shù)據(jù)計(jì)算在靠近工作端完成，AR設(shè)備使用后，工作人員等于用AR眼鏡完成“掃描槍+屏幕終端+數(shù)據(jù)處理+工作優(yōu)化現(xiàn)場(chǎng)指示”的四合一功能加持，大大提高了工作效率，降低差錯(cuò)概率和工作強(qiáng)度。

（一）倉(cāng)儲(chǔ)環(huán)節(jié)，例如在專線包裹集中分揀后需要按照派送渠道和路由打包成航空貨物包裝，在裝運(yùn)過(guò)程中，需要認(rèn)真識(shí)別相關(guān)標(biāo)志，極易出現(xiàn)錯(cuò)投渠道的事故。而采用AR技術(shù)后，AR眼鏡對(duì)包裝可以迅速讀取標(biāo)簽數(shù)據(jù)，在員工眼中，可以將貨物運(yùn)輸路徑的信息疊加在實(shí)體貨物上，并與裝運(yùn)工具上的標(biāo)簽信息進(jìn)行匹配提示，避免差錯(cuò)發(fā)生。電商倉(cāng)庫(kù)作業(yè)中瓶頸在貨物的分揀和復(fù)核，特別像鞋服等顏色、尺碼都需要識(shí)別的貨物，人工識(shí)別效率很低，差錯(cuò)率高，AR技術(shù)首先可以幫助引導(dǎo)員工到具體的揀貨位置，然后顯示需要進(jìn)行挑揀的貨物的數(shù)量，員工可在AR輔助下完成分揀動(dòng)作，或者在AR技術(shù)幫助下完成上架位置的優(yōu)化決策。

（二）運(yùn)輸環(huán)節(jié)，例如在專線包裹集中分揀后需要按照派送渠道和路由打包成航空貨物包裝，全程需要幾次轉(zhuǎn)運(yùn)環(huán)節(jié)，極易發(fā)生錯(cuò)裝、漏裝事故，需要員工認(rèn)真識(shí)別相關(guān)標(biāo)志。而有了AR技術(shù)和后臺(tái)運(yùn)算的支撐，工作人員對(duì)包裝可以迅速讀取標(biāo)簽數(shù)據(jù)，在員工眼中，可以將貨物運(yùn)輸路徑的信息疊加在實(shí)體貨物上，并與裝運(yùn)工具上的標(biāo)簽信息進(jìn)行匹配提示，優(yōu)化運(yùn)輸物品的配載和裝載順序，避免差錯(cuò)發(fā)生。有了工作人員實(shí)現(xiàn)更高效、準(zhǔn)確地裝卸調(diào)貨流程。全過(guò)程的檢索和識(shí)別，可以大大提高派遣效率，保障最后一公里派送，使得物流從倉(cāng)儲(chǔ)到運(yùn)輸?shù)脚渌偷淖鳂I(yè)真正完成信息一體化、操作在線化。

（三）全程數(shù)字化。 由于過(guò)去大量人工判斷的物流操作環(huán)節(jié)引入AR，確保貨物在物流操作全過(guò)程被數(shù)字化監(jiān)控，不僅提高了操作效率，降低了差錯(cuò)率。物流操作實(shí)現(xiàn)全程信息化，加快了信息流轉(zhuǎn)，降低了物流、電商賣家、電商平臺(tái)、消費(fèi)者的信息不對(duì)稱，使得倉(cāng)、干、配等流程十分高效透明，提高了客戶體驗(yàn)，促進(jìn)了線上零售的業(yè)務(wù)發(fā)展。

我們預(yù)計(jì)在未來(lái)四到五年，物流企業(yè)的信息系統(tǒng)構(gòu)架將出現(xiàn)顛覆性的變化，軟硬件高度融合，數(shù)據(jù)實(shí)時(shí)響應(yīng)，全鏈可視化，數(shù)據(jù)分享效率空前提高的一種狀態(tài)，物流行業(yè)的運(yùn)作模式也將發(fā)生根本性的改變。
責(zé)任編輯:pj