针对懂需求的人不懂算法、懂算法的人不懂硬件、懂硬件的人不懂需求的痛点——

文｜朱逸  金任群

关键词：AIoT；AI场景落地；人工智能；智慧物流；快递行业

   过去十年，中国AI产业的技术发展可谓势如破竹。无论是人脸识别算法、超级计算机、人工智能实验室、“东数西算”基础工程机等，均达到了世界一流水平。未来十年，中国AI产业无论在实力、人才还是雄心上，都展现出强劲的发展趋势。尽管中国AI研究人员发表的论文在各项国际排名中都名列前茅，但是回看整个AI产业能够大规模落地的场景主要局限于三种类型：一是信息流推荐，二是辅助驾驶，三是智能安防。除此之外，无论是农业、商业零售、物流、工业、家居、社区服务等，AI虽有渗透，但渗透率不高。那么，到底是什么影响AI在场景中的落地应用呢？

AI落地应用之痛

        AI难以落地的原因有多个维度，以AI算法为例，其落地分为两个环节，一是训练，二是部署。算法训练只占20%，剩下80%的工作在部署环节。AI公司可以训练100种算法，却并不表示能把这些算法都转换为价值，可能有超过70种都卡在部署环节。

  例如，一家工厂想要运用AI视觉算法检查机床零件的磨损情况，但就是无法部署。因为这个机器缝隙太小，根本放不进摄像头。又如，一种高级的质检算法在实验室里的准确率高达99%，但是运用在真实工作环境中准确率就降到60%以下。因为工厂使用的特殊灯光环境导致反光极其严重，使图像失真。这些都是AI落地遇到的真实问题，各行各业千差万别，这些难题加在一起就成了制约中国AI产业发展的巨大绊脚石。

   我国有如此庞大的实体产业链，有如此多元的落地场景，既是机会，也是挑战。那么，如何提升AI渗透率呢？有哪些模式或关键点需要注意呢？

AIoT意味着什么？

   当前，市场对于AIoT的关注度日益增加，AIoT就是智能物联网，拆开来就是AI和IoT即人工智能和物联网。AIoT不同于以往单纯的IoT概念，而是融入了人工智能的自动化感应，AIoT是三大行业的跨界组合，即物品、人工智能、互联网，是多领域的组合概念，而不是垂直的单一领域。由此可见，三个行业之间两两组合又会形成物联网、智联网和智能设备三个细分的IT行业，而这三大行业的融合地带就是AIoT。其中的物品并不是IT词汇，但其覆盖范围宽广，如从化妆品到电动车、从摄像头到扫地机器人、从机械臂到测绘仪等，这其中已有大量智能化应用了。然而，AIoT产业需要进一步发展，因为其很有可能成为衡量一个国家、市场和企业竞争力的关键要素。

   数字经济时代，如果AI对实体经济的渗透主要在树的根部，那么随着物联网的普及，AI算力的渗透模式就会发生质变，它通过根茎全面拓展开来，而这些大量新增的细小根茎则遍布于各类碎片化场景。

AIoT促进AI场景闭环策略

   什么是碎片化场景呢？需要用出货量和非标化这两个维度来衡量整个AIoT产业。以机器视觉方向的AIoT为例，在出货量上，这个领域需求非常成熟，如智能安防、监控摄像头，每款硬件的出货量都很大，可以运用“海量硬件+定制算法”的方式，先做出一整套物联网硬件，再针对不同场景注入不同的算法，其中每个场景都会对应一套硬件和一套算法。这种做法虽不灵活，但是高效，能最大程度发挥规模效应。

   叠加非标化维度来看，基于不同需求的产品设计就是非标准化的集中体现，由此构成了碎片化场景。碎片化场景是用一套硬件绑定一套算法，这是靠传统规模化生产难以实现的，如流水线的瑕疵监测、养殖场的水下观测等，每个碎片化场景都是个性化、差异化的，其产品是非标化的，AI落地成本高，难以形成规模。因此，诸多成熟的算法模型仅停留在实验室里，未能面向市场，这是科研资源的巨大浪费。

   其实，这些碎片化场景可通过“海量算法+标准硬件”的方式落地。例如，一个摄像头或者机械臂可以根据不同场景加载不同算法，这样一来硬件可以量产，而算法可以各异，如同智能手机一样，可以灵活安装各种小众APP。

  以物业管理为例，垃圾与火灾隐患是两大主要问题，如何用AI同时解决这两类问题呢？最简单方法就是用普通摄像头加载不同的高级算法。从硬件角度来看，这类摄像头技术简单、成本低，让这些设备针对垃圾、火情两类场景加载不同的算法模型才是真正的挑战。依照传统做法，则需要一套算法识别垃圾，另一套算法识别烟头，这两种算法切换之后精准度还不能下降，即便漏掉了一个烟头也可能导致火灾。因此，在这种场景下，“海量算法+标准硬件”组合模式最能够体现价值。

   但是，在整个AIoT领域里，这种模式并未大规模应用。究其缘由，懂需求的人不懂算法、懂算法的人不懂硬件、懂硬件的人不懂需求，跨界融合困难重重。突破这些难题，创建AIoT开放平台显得尤为重要，平台可以开放AI算法到物联网硬件，所有软硬件、技术都可以提供给有需求的企业共创产品，如物流、零售、交通运输等企业，可以利用开放研发平台做AIoT新产品。

   前文提到垃圾和火情的识别场景，最早发现这种需求的可能就是某个物业系统集成公司的产品经理。对于AI的理解，这些公司可能是外行，但是对于小区需求的理解绝对是权威。那么问题在于，即便他们能发现需求也不会有下文，因为产品经理会先找到技术团队评估实现难度。结果发现大家既不懂算法也不懂硬件，再好的想法也只能作罢。AIoT开放平台能够给这类公司提供从软件、算法到摄像头、芯片、传感器的模组方案，再到模型训练算法的部署，最后是POC测试方案与交付，这类小团队也能做出符合大家都需要的产品。

AIoT实践案例：快递行业落地场景

   对于物流领域而言，具备构成AIoT的三大要素，即物品、人工智能、互联网，这就为AI实现场景闭环，以及为AIoT大规模的实践提供了机会。基于大数据、云计算、人工智能、智能硬件等的快速发展，快递行业已步入智能化阶段。那么AIoT在快递行业有哪些可能的落地领域呢？

1.车辆智能化管控

   建立AIoT管理平台，对快递运输干线中经常使用的挂车进行“头+挂”的覆盖。例如，基于大数据平台，可以实现油耗监控及驾驶行为监测和挂车的智能终端，高精度定位、胎温胎压监测、电子制动、远程锁车等功能。在长距离运输过程中，最重要的是货物安全，以及对仓内货物的实时监控，运用AIoT则可自动感知位置、重量、速度、温度等常规数据，进一步提升对货物的主动感知。当前，已有技术公司开发了相关AIoT车辆及装载的管理系统，能让物流企业告别人为的粗颗粒度装载，通过“传感器＋AI算法”，对舱内货物进行高精度扫描＋三维图像建模，最终实现每10秒自动计算货舱容积占比，实现精细化装载，且货舱在装载过程中的空间分布都能够以3D方式呈现，在最大程度上保证了车辆满载。另外，还可实时查看货物在运输途中的状态，在货车行驶途中，平台每3分钟就会自动上传货舱内的高清图像信息，且从出发到送达全程可视化，能够最大程度杜绝人为作弊。

2.中转场操作智能化

   快递中转场有大量的人员、车辆出入，传统的人工管理需要投入大量的精力与成本，过往摄像头的布置，能够在一定程度上满足对场内情况的了解，但需要辅助大量人工检查。这就意味着“硬件+人工”的密集型管理很难做到第一时间发现问题。而AIoT的“硬件+算法”模式则能解决大量人员的问题，只要在合适的地方安装监控硬件，加载算法就能实现对场地、作业人员、流转的货物、装卸中的车辆等进行监控，一旦出现问题，则可以提醒与报警至总控平台，这能较大程度上降低人工成本，提升货物中转场的管理效率。

3.仓储管理的智能化

   我国很多快递公司实现了业务的横向发展，仓储、快运、合同物流各细分领域都已触及，其目标在于综合物流服务的一体化。在仓储管理中，以前需要大量的人员，虽然已有WMS进行系统化的管理，但只是对货物进行物理化管理，并未实现智能化。依照AIoT的要素构成，仓库具备大量的物品要素，有着较高的落地可能性，AIoT针对仓储管理中很多环节都有着应用的可能。例如收发货快速检验，过往收发货会消耗大量时间，车辆排队是常事，关键在于单货一致性的核对，而AIoT能快速实现两者的匹配核对，人工只需复核即可；仓内的货物保存有一定的控温、控湿要求，AIoT则可以实现在此方面的监控；另外，人员出入审核、产品增减感应、开闭合门的感应等，都是在仓储管理中会到遇到典型场景。

4.则是分拣的智能化

   自动化分拣在快递行业已经普及，然而在一些细节上，AIoT依然有实践的空间。以补码为例，快递中转场地每天有成千上万的快件在分拣线上井然有序地赶往目的地，但时常会出现“认错路”的情况。因为快件在转运过程中会出现面单折叠、脱落或磨损等现象，导致面单识别错误，快件也因此流向错误的目的地。现实的做法是给计算机“看”运单条码的图片，让计算机在数千万文字、图片的训练下，自行学习归纳AI补码的技术特征，对扫描设备无法识别或识别出错的运单条码进行二次识别与矫正。即使遇到不同尺寸、不同字体、不同明暗程度的情况，都能够有效识别，这不仅需要优化设计算法，同时也离不开IoT设备的支撑，简单的算法或设备优化，都不能解决这个问题，必须是“硬件+算法”的组合，其背后是AIoT在发挥作用。

5.社会化包装容器循环利用

  国家大力推进“双碳”战略，而快递包装不可降解造成的污染已具有一定规模性，国家为此出台了《邮件快件包装管理办法》，旨在大力推进社会化绿色包装。而要实现绿色包装，不仅需要在整体社会观念、意识、材料、包装上花功夫，还需在软硬件的技术设施上有所布局。如在循环包装箱的开发与设计上，可考虑在特定区域部署相关的固定点循环回收箱，以回收社会公众的包装，通过AIoT技术对于箱体开启、保存、装载、识别等方面进行管控。同时，在货品转运与运输过程中，开发相关的循环箱，借助AIoT对箱体的空间位置、温度设定、完整状况、损耗程度等进行监控，这将大大降低包装材料的消耗，推动绿色包装进程。特别是在生鲜、农产品日益增多的情况下，对于货品的装载越发小单元化，进而开发小单元循环快递箱，并赋予AIoT技术，将有助于对特定商品运输、存储、配送的效率提升。

 此外，快递领域的AIoT还有很多场景，如安检、运输追溯、操作管理、工作场所环境等，均有落地实践的可能。伴随着中国快递量的快速增长，对智能化分拣、运输、配送等一系列迭代需求巨大。在AI落地过程中，许多企业建立了专业部门甚至是IT公司，然而势必会遇到一系列软硬件、算法等技术问题。靠内部研发创设并不是不行，关键是快递公司是技术应用为主的组织，优势是在应用，而并非研发。

  对于技术迭代、智能化运营的难题，如果运用AIoT开放平台，快递公司便可以寻求与匹配相应算法、软硬件，降低技术迭代、产品创新方面的门槛，快递公司可结合实际快速实现产品、设备或系统的创建。■

作者单位

朱逸 上海建桥学院商学院

金任群 中通快递股份有限公司