■ 物（wù）流领域正处于由“颠覆性技术推动的代际转变（biàn）的风（fēng）口浪尖”。

■ 人工智能应用中（zhōng）获益最多的行业中，供应链管理排名前（qián）三（sān）。

■ 对运输行（háng）业的一个威（wēi）胁（xié）是来自该行业（yè）的“高科技数（shù）字（zì）进入者”。

未（wèi）来（lái）的人（rén）工智能不但可能“颠覆”现有的物流业（yè），甚至改变（biàn）供应链的管（guǎn）理（lǐ）方式，减少人（rén）们（men）从事的工作数量。

据行业高管表示，以下这些技术未来（lái）将（jiāng）会启（qǐ）用（yòng）——包（bāo）括人行道机器人、自动驾驶（shǐ）卡车、客服机器人（rén）、甚至包括可以（yǐ）对干扰（rǎo）做出预测，或（huò）是解释销售数据预测（cè）为何“大错特错”的生成人工智能。

▍物流更新换代 卡车司机替代？

就在（zài）今年5月，摩根士丹利一份研究报告（gào）中（zhōng）表示，人工智（zhì）能可（kě）能能够完全（或几乎）消除供应链中（zhōng）的所有（yǒu）人类的参与（yǔ），包括那些不用直接面对一线的“后台”任务。

当然，虽然（rán）人工智能催生的创新已经数以万计，但这份报告（gào）对（duì）于人工智能的（de）应用速度（dù）还是（shì）比（bǐ）较谨慎乐（lè）观的。

按照该报告，虽然（rán）目前人工智能在技（jì）术上的应用还很有限，但新技（jì）术从（cóng）研（yán）发到应用并非一个线性的过程：因为以往一种新技术从产生（shēng）到能（néng）够商业应用，大约需要10年的时间，这意味着，生产率的提高是滞后的。但是（shì）随着新（xīn）技术应用（yòng）的加快，人（rén）工智能（néng）这种高（gāo）科技的应（yīng）用速度（dù）可能比个（gè）人电脑（PC）革命期间更快（kuài）。

随时间推移，技术采用（yòng）越来（lái）越（yuè）快 图（tú）片来源：摩根士丹利

按（àn）照该报告，物流领域（yù）正处（chù）于由“颠覆性技术推动的代际转变的风口浪（làng）尖”，已经被（bèi）广泛采用其中的技术包括：自动（dòng）驾驶（shǐ）、电动汽（qì）车（chē）、区块（kuài）链和无人机。而人工智能是这些潜（qián）在变革性技（jì）术（shù）中最新出现的一种，也许是迄今为止最（zuì）强大（dà）的技（jì）术。

例如，该报告表示，预计2024年将有数百辆自（zì）动（dòng）驾驶卡车在美国开始运营（yíng），将（jiāng）每英里成本降低25%至30%，并最终完全消除对司机的需（xū）求（其时间表是“超过三年”）。换句话说，以后难（nán）道卡车司机的职（zhí）业要消（xiāo）失了（le）？

要（yào）回答这个问题，首先要看自动（dòng）卡车（chē）的发展步伐。在这一点上，不妨以（yǐ）“自（zì）动（dòng）卡车第一股”图森的发展为例。

据悉（xī），图森未来成功完成中国首次自动驾（jià）驶重卡在公开道（dào）路（lù）的（de）全（quán）无人化测试，全（quán）程无安全员值守和任何人为干预（yù）。此（cǐ）次全（quán）无人（rén）化测（cè）试区域包（bāo）括（kuò）上海的（de）深水港物流园、东海（hǎi）大桥等自动驾驶公（gōng）开测（cè）试道（dào）路，路线（xiàn）全程约62公里。涉及场景包（bāo）括交通（tōng）信（xìn）号灯识（shí）别、上下匝道、变道行驶、避让紧急车道（dào）车辆、应对车道部（bù）分封路和大雾侧风天气等。

自动驾驶的优势显而易（yì）见：人工（gōng）长时间（jiān）驾驶会出现（xiàn）驾驶（shǐ）疲劳，这时就需要休息（xī），无疑会影响运输效率（lǜ）。而自动（dòng）驾（jià）驶一旦（dàn）成（chéng）熟（shú），可以每天无（wú）间（jiān）隙行驶，将会极（jí）大提高工作（zuò）效率，而且自动驾驶技术不会产生疲（pí）劳等隐患（huàn），能更快速、更安全地运输到目的地（dì）。

当然（rán），目前的卡（kǎ）车自动驾驶还（hái）有很长的路要（yào）走，但（dàn）可以肯定的是，一旦这条路走通（tōng），将对整（zhěng）个物（wù）流行业的运行（háng）模式（shì）产生（shēng）根本（běn）变革。下面这张表格，介绍的就是全球自动驾驶主要玩家的长（zhǎng）板与（yǔ）短板（bǎn），仅供参考。

自动驾（jià）驶卡（kǎ）车公（gōng）司优（yōu）劣势对比 图片（piàn）来源：国金证券

▍缺货 一去不返（fǎn）？

人工智能（néng）所改变的，当（dāng）然不仅是简单的物流，而是整个供应链（liàn）。

动不动挂在嘴（zuǐ）上的“供应链转型升级”，就是利用（yòng）技（jì）术优化产品从生产到消（xiāo）费（fèi）终端的每个环节，其中每一个（gè）环节（jiē），都（dōu）离（lí）不开人（rén）工智能的“赋能”，过去高度依赖人（rén）工操作的供应环节，都将向智能化方向（xiàng）加速升级。

众所周知，供应链（liàn）不但（dàn）很长，而且会涉（shè）及多（duō）个方面：一（yī）家（jiā）公（gōng）司可能从（cóng）世（shì）界不同地（dì）区的制造商那里采购原材（cái）料，在将部件运到中央装（zhuāng）配（pèi）厂进（jìn）行加工，最后通过（guò）物流送到（dào）终端消费者手中。

生产和（hé）运输货物，本来就（jiù）如此（cǐ）复杂，而连（lián）续三年的新冠全球大流行，以（yǐ）及频发的地缘冲突（tū）加剧了这（zhè）种复杂，进（jìn）而导致了包括计算机芯片这（zhè）种核心部（bù）件（jiàn）等（děng）零件的短缺（quē），以（yǐ）及不得不（bú）对于运输（shū）路线（xiàn）做出的调（diào）整。这种复杂性意味着，企业（yè）往往不知道（dào）他们的产品从流程的一（yī）端到另一端到底（dǐ）会（huì）发生（shēng）什么。

摩根士丹利的报告对此解（jiě）释（shì），这就是人工（gōng）智能和（hé）机器（qì）学（xué）习发挥作（zuò）用之处。通过预测流动的运输（shū）网络（luò）可能出现的（de）问题，并且在问题出现之（zhī）前，人工智能和机器学习甚至有（yǒu）可能提前采取（qǔ）措施，避免物流网络完全中断。

举个简单（dān）的例（lì）子（zǐ）：恶劣天气是货运的大敌（dí），而依靠人工（gōng）智能的数据货运（yùn）网络，能（néng）够提供实时（shí）的（de）货运（yùn）数据，如果遇（yù）到恶劣天（tiān）气等突发事件，帮助人及时变更（gèng）和优化运输线路，工作效（xiào）率也将更高效。

上述（shù）主题同时也为投（tóu）资公司Jefferies所关注，该公（gōng）司对“生（shēng）成性（xìng）人工智（zhì）能对运输和物流（liú）的影（yǐng）响”做出了多种预（yù）测。包括预测（cè）需求，预测（cè）卡车的维（wéi）修时（shí）间，制定最佳（jiā）的运（yùn）输路（lù）线，以（yǐ）及实时跟（gēn）踪货物。

根据该机（jī）构在（zài）6月6日研究报告的（de）观点，随着生成（chéng）性人工（gōng）智能在卡车运输和（hé）物流领域等的采用，卡车司机的（de）短（duǎn）缺、极地漩涡带来的暴风雪使贸易停止，以（yǐ）及货架上婴儿配方（fāng）奶粉的匮（kuì）乏将成为（wéi）遥（yáo）远的记忆。

以上条条直击运输（shū）行业的痛点，以卡车司机短缺（quē）为例，它一直是美国运输业的难题：据全美卡车协会（huì）预测（cè），2027年（nián）美国运输业（yè）市场规模可（kě）达万亿，但存在严重供需不平衡（héng）问题，主（zhǔ）要系（xì）司机短缺（quē）：2019年（nián）缺口（kǒu）6.6万人（rén），预计2026年缺口为（wéi）16万人。人（rén）工（gōng）智（zhì）能的应用，或许能补上缺口。

“科学技术是第一（yī）生产力”，推进供应链转型升级，离（lí）不开强大的（de）科技支撑，尤（yóu）其是（shì）机器视觉、深（shēn）度学习（xí）、大数据和云计算（suàn）等重点技术（shù）的（de）不断创新，为供应链变革提（tí）供了（le）巨大的想象空（kōng）间。

具体（tǐ）到应用上（shàng），供应链中有大量（liàng）适用人工智能的环节，比如无人驾（jià）驶仓库推车（chē）、巡检机（jī）器人等，从生（shēng）产端到最（zuì）后的消费终端，都（dōu）可以融合人（rén）工智能技术。麦肯锡（xī）的一项（xiàng）调研数（shù）据表明（míng），人（rén）工智能应用中获（huò）益最多的行业（yè）中，供应（yīng）链管理排名前三（sān）。

▍传统行业巨头 拥抱人工智能

既然人工智能能（néng）够“颠覆”整个物（wù）流行（háng）业（yè），航运巨头马士基，也在（zài）积极拥抱人工智能。该（gāi）公司首席（xí）技术（shù）和信息（xī）官卡普尔（Navneet Kapoor）就（jiù）表示，生（shēng）成式人工智能将成为该公司运营的一个重要组成（chéng）部分。

卡（kǎ）普尔进一步指出，人工智能和机器学习已（yǐ）经存在了很（hěn）长时间（jiān），并从（cóng）只是（shì）“有趣（qù）的”模型项目，发展（zhǎn）到公司内部更“真实”的项目（mù）；现在随（suí）着生成（chéng）性人工智能的出现，人工智能（néng）有了真正登上主（zhǔ）流企业界舞台的转折机（jī）会。

卡普尔说，马士基已经使用人工智能好几年了，现在正（zhèng）在“积（jī）极寻求” 将人工智能更大规模地融入其业务（wù）流程和功能（néng）的方法。目前（qián）已经在使用的一种途径，是（shì）帮助客户更好地计划（huá）。

卡普尔解释说，马士基正在（zài）使用（yòng）人工智能建立所谓的“预测性”货物（wù）到达模型，为客户提高预定（dìng）的（de）可靠（kào）性。即使在新冠结束之后，保证可靠性也（yě）至关（guān）重要，而通过模型，客户可以更好地规（guī）划供应链和（hé）库存，降低成本（běn）。马（mǎ）士基还希望在航运（yùn）路线拥挤时，使用人工智能来推荐（jiàn）解决方案。例如（rú），就货（huò）物应该空运还是储存提（tí）出建议。

而且，卡普尔说，该公司希望使用（yòng）一种大语言模型，以此学习如何从大量数据中识别（bié）、总结和生成文本及（jí）其他类型的内容，进而更好地了解销（xiāo）售过程。“你可以全面了解客户在去年（nián）与你进行的所有交易，你可（kě）以弄清楚在某个（gè）业务领域失去订（dìng）单（dān）的可能根本原因。”

▍双刃剑 AI会（huì）加剧失业么？

像ChatGPT这样（yàng）的toC人工智能大行其（qí）道，已经使（shǐ）得（dé）昔日“风光无限”的一众白领，担心自己的饭碗朝不（bú）保夕。那么随着生成型人工智（zhì）能在供应链里的深入应用，会有更多人因（yīn）此丢掉饭碗么？

对此（cǐ）卡普尔说：“在我看来，生成性人工（gōng）智能（néng）是一生中仅有一次的（de）颠覆。因此（cǐ）会造成传统情（qíng）境下的工作（zuò）岗位流（liú）失（shī），但我（wǒ）也相（xiàng）信它（tā）将创造新（xīn）的工作（zuò），就像之前的（de）每（měi）一（yī）次技（jì）术颠覆一样。例如（rú），提示工程师（训练人工智能以做出更好反应的人（rén））的角色可能会更有需（xū）求。”

摩根士丹利的（de）报（bào）告指出，对运输（shū）行业（yè）的一个威胁是（shì）来自该行（háng）业的“高科技（jì）数字进（jìn）入者”，按照报告描述，人工（gōng）智能对物流（liú）行业是一把双（shuāng）刃剑：可能会帮助行业（yè）变得更有效率，但也可能减少对组（zǔ）织包（bāo）装、存储和运输的第三（sān）方物流公（gōng）司的服（fú）务需求。

马（mǎ）士基已经通过其增长风险投资部门投资了人工智（zhì）能初创企业，包括自动（dòng）驾驶电动卡车（chē）制（zhì）造商（shāng）Einride；自动销（xiāo）售（shòu）谈判（pàn）的公司Pactum；以（yǐ）及帮助公司了解（jiě）其库存情况（kuàng）并预（yù）测延误的人工智能平台7bridges。

卡普（pǔ）尔解释说：“我们把数据初创公司看（kàn）成是转（zhuǎn）型的推动者和加速器，但我（wǒ）们也很警（jǐng）惕：我们不想在这个问题上木知木觉......数据初创公司可以成（chéng）为我们和客户（hù）之（zhī）间的（de）中（zhōng）介，我们需要确保我们保（bǎo）持领先，但（dàn）也向这些初创（chuàng）公司学习”。

▍知识助理 大显神通

基于人工智（zhì）能，且已经被多个领域证明了威力的“知（zhī）识助理”，在供应链方面同样（yàng）广阔天地，大有（yǒu）作为。

一家旨在帮助企业集中和分析数据（jù）的软件公司o9 Solutions的总裁兼首席运营官里卡洛（Igor Rikalo）表示，知识助理（lǐ）可以帮助（zhù）解（jiě）决（jué）另（lìng）一个问题（tí）：商品的过（guò）剩和不足，而（ér）这往往是内部团队之间缺乏沟通的结果（guǒ）——销售部门与（yǔ）从事供（gòng）应链（liàn）管（guǎn）理的部门在交易上存在不一致（zhì）。

按照其（qí）说法，选择知（zhī）识助理也是（shì）一种“次（cì）优的”结果，因为销售团队投入巨资推广的（de）商品，可能会遇（yù）到供应链受限的（de）难题，而这无（wú）疑会（huì）造成财力（lì）的浪费。

他补充说，希望每个人都有这种由（yóu）人（rén）工智能及大型（xíng）语言模型驱动的（de）“知识助（zhù）理”，能够深入了解（jiě）一系列销售（shòu）问题，例如，为什么供应商的交货量低于订购（gòu）量的情况。

回答这些问题通常需要（yào）销售、营销、供应链和采购团队的投入，但生成（chéng）性人工智能可能能够检测大数据以提供答案。这也（yě）可能意味着综合业务规划团（tuán）队需要（yào）更少的（de）人员（yuán），这些团队负责监督长期（qī）目标的实现（xiàn）、以及（jí）对营业收入和特定（dìng）产品的需（xū）求预（yù）测。

里卡（kǎ）洛说：“今天（tiān）1000人的（de）规（guī）划团队可能转变为（wéi）100人（rén）或（huò）更少”。

▍写（xiě）在最后（hòu）

通过（guò）人工智能促进供应链转（zhuǎn）型升级，最大的挑战仍然来自于人，单纯依靠人工智能完全取代人工的想法并不切实际。因（yīn）为人工智能再怎么样，最终（zhōng）还是要人来操（cāo）作和控制，并且人之所以为人的（de）同（tóng）理心，可（kě）能是人（rén）工智能最缺乏的。