2018 年天貓雙 11 全球狂歡節已正式落下帷幕，最終成交額定格在 2135 億元，物流訂單總數飆升至 10.42 億單，再次刷新歷史記錄。與往年的雙 11 不同的是，爲解決龐大的包裹量，數字化和精細化成爲行業關鍵詞，第十個雙 11，是在智能物流骨幹網協同下，全行業資源優化的一次大考，和依託 IoT 技術的一場新物流大練兵。
正如菜鳥網絡CTO谷雪梅在ArchSummit 2018 全球架構師峯會“菜鳥智慧新物流專場”致辭時所說，如何把平臺、架構、算法、數據和業務場景融合在一起，爲物流行業降本提效，同時促進行業技術不斷向前發展，這是菜鳥技術人，也是整個智慧物流行業人最重要的使命。
那麼，如何讓無處不在 AI 技術在傳統物流領域發揮必要的價值？柔性自動化這個新興的技術方向將爲電商物流帶來怎樣的變革？自動化倉儲系統的技術和應用的算法又是什麼？如何依靠數據、技術來進行統籌安排，打造敏捷供應鏈？帶着對這些問題的解答，菜鳥網絡研究員徐盈輝、資深技術專家朱禮君、裘民民、許俊開始了這場佈道。
如何思考物流行業中人工智能的落地？
只有當物流資源變得可視、可預測、可控制，並能得到有效反饋，這時的物流體系才能真正實現降本提效。其中，資源共享是關鍵。菜鳥通過建立協同化IT技術平臺，共享資源，並在物流網絡中優化節點與連接，最終促進物流行業共同發展。
降本提效需要減少包括生產過多、生產過快、生產過晚等無謂資源浪費。菜鳥網絡研究員徐盈輝在演講中提到，對於雙11所需求的大量商品，菜鳥會對消費者進行理解，並做到庫存合理分佈，在合適地方存放適當貨量來避免一定的資源浪費。
值得注意的是，包裹從網點由快遞員送到消費者的過程，是一個高頻動態環節。爲此，菜鳥圍繞倉儲物流智能化，優化了包括銷量預測、實效預測、智能交互、機器視覺等技術。但由於數據量龐大，需要通過機器學習算法讓消費者感知包裹位置，根據快遞員的配送情況做合理的預測。此外，快遞包裹的配送會根據目的區域做包裹再組織，進行合理ETA預測，並通過快遞員的派送習慣，預測包裹時空特徵，使得預測模型訓練達到預期效果。
現如今，所有行業都需要讓消費者知情。當快遞員與消費者聯繫溝通時，這在無形中增加了快遞員的工作負荷。包裹放置地點、包裹配送時間等問題都是需與消費者互動才能獲得的時空特徵，爲此菜鳥圍繞POI體系建立了AOI層次性地址知識圖譜，通過智能交互機器人與消費者互動解決了這個問題。
對於物流在線決策的內容，徐盈輝講解道，以前倉庫大量揀選作業單都是人工完成，這樣大大限制了算法在海量空間裏做組合的效果。菜鳥打破了這個邊界，讓所有訂單在倉庫裏更合理的組合並預測未來訂單。同時，對訂單的商品選擇最合理的包材打包以此來降低成本。比方說，有N個商品，已知這些商品的三維尺寸，包材優化要做的事情就是根據這些商品的三維尺寸信息，計算一個最優裝箱順序、合理的朝向、正確的位置，找到一個包材，最終它的成本最小。
而在運輸優化中經常考慮的一個問題是：貨物如何以最短距離，最合理線路運到目的地。這是一個複雜的帶有時間窗約束的多商品流優化問題，制定合理的優化目標就是希望使用較少車輛，包裹走最短的距離，最小的空載率，這是一個超大規模且不可追溯的混合整數規劃問題。通過合理的問題拆解使得問題能被有效求解且可解釋。
全流程優化的終極夢想——柔性自動化
中國勞動力總人口減少、電商倉庫大、存儲商品多、時效要求高等挑戰推動着物流行業自動化的發展。對此，菜鳥網絡資深算法專家朱禮君解釋道：
- 電商訂單變化快，業務變化也非常快。菜鳥通過人工智能技術，使得更多機器人解決物流自動化問題；
- 柔性自動化倉庫的機器人靈活，容易擴張及改造；
- 柔性自動化控制邏輯非常複雜，這是一個缺點也是優點，這樣可以把所有智能移到雲端，即可進行性複製。從某種意義上來說，這也把難問題統一解決掉了。
在自動化倉庫裏面的做長距離搬運基本作業單元AGV，可以從倉庫裏面任意兩點之間進行搬運工作。在倉庫相對可控一個環境，其導航定位方式可以設置多種：貼二維碼、激光導航、視覺導航等。而比較成熟的自動化AGV系統，機器小車只需頂起貨架，移動到工人處，工人再根據系統指示揀選對應的商品，單個揀選站故障也不會影響其餘揀選站。
值得注意的是，在電商倉庫中貨架可以動態分佈，並實行多區並行方案，同一個訂單的所有商品到達合流區域纔可出庫，所有過程均自動化完成。菜鳥自動化倉儲系統架構的最核心的調度引擎是調度算法，包括訂單生成、揀選任務生成、合流區調度、多區協同調度等等都是由調度引擎完成。
如何爲同時在同一倉庫的機器人規劃行駛路徑？假設兩個機器人都從A1到A2，若都走最短路徑時則會相撞，這時只能其一避讓纔可避免，爲實現這個過程菜鳥對傳統AI算法做了改造，在考慮機器人的加速度、減速度的基礎下進行智能路徑規劃。
在演講中，朱禮君還爲大家分享了AGV網絡掉線的例子：在很窄的通道中堆滿機器人的“堵車”情景，其學術名詞爲死鎖。那麼提前避免死鎖，或迅速恢復異常情況，這可能比在正常情況的算法還要重要。
對此，菜鳥總結了一套準則：所有模型都是理想化的模型。起初物流行業的目標就是優化總體吞吐量，調度模型也最簡單，但這跟實際情況並不相符，並需要不斷的自我質疑和假設。所以在最終的模型中，還需考慮目標各區域作業的均衡，從實踐出真知，纔是真正的物流優化。
雙 11 物流能力應當如何沉澱？
雙11是一個系統工程，需要極多人力物力的準備，而在雙11大促之前，大數據最重要的使命就是幫助雙11做一個確定性預計和預測。
菜鳥網絡資深數據技術專家裘民民進一步分析：首先針對雙11大促，菜鳥需要預測物流單量來決定後續社會化運力與倉儲面積的籌備情況。但單量預測影響因素非常之多，除了每年的歷史數據之外，更多的是日常變化的一些趨勢。此外，預售工作的啓動也同樣可以幫助迭代優化單量的預估。
其次，整個訂單的產生都需要經過商家的ERP系統進行處理，這條交易鏈致使整個信息的交互流過程變得十分複雜，這就涉及到商家行爲分析。不僅如此，由於包裹量巨大，單量的實際倉庫面積、網絡流速、訂單出庫時間等等都會涉及預測與決策。爲此，菜鳥從預測模型到優化模型，確定每個環節物流資源，把它工序化，並根據預測評估可以承受的行業物流成本，決定物流資源的整體佈局。
一旦雙11開始，菜鳥的首要任務就轉變爲，從技術角度監控包裹和物流訂單以及實際作業的具體情況，因此菜鳥對實時計算和實時監控都有着非常高的需求。
雙11當天菜鳥希望基於實時計算數據估計出總的訂單量。但由於歷史數據的有限性，致使去年訂單量乘以比例的預估方式不切實際。因此菜鳥借鑑在機器學習裏的特殊工程概念，把實際發生曲線和歷史數據曲線相互做一些交叉和拼接，並進行動態調整，將這兩步疊加起來才能預測一個比較好的結果。
對於比較抽象的數據分析，第一步爲定位步驟，對應一個top指標，找到影響指標波動的細粒度維度。當確定定位以後，就可以開始第二步——推理，比如定位到某地，其爲何發生如此變化，諸如此類爲一個推理過程。
那麼這些步驟可以通過技術解決嗎？可以。對於定位來說，本質上就是找最關鍵組合，並計算出它對整個指標的貢獻度。推理層面則需要找到指標與事件之間的關係，然後把歷史事件與數據變化通過學習的方式找到，形成知識圖譜，未來發生變化時就可較快找到數據變化對應的背後原因，並在很大程度上提高分析效率。
10億包裹背後的技術定義者——菜鳥智慧新物流
菜鳥智慧新物流到底是什麼樣？菜鳥網絡資深技術專家許俊在演講中從整體平臺架構和工程技術角度進行了闡述。
汗水物流時代向智能物流新時代的演進，變化背後承載着這樣的技術演變：信息化階段與數字化階段。早年大型物流園區裏，單個機房需要上百人來運維，現在幾萬臺服務器僅需一人管理。智慧新物流的體系結構到底是什麼？首先要有一個智能化基礎設施。其次，需要在很多核心的作業環節，實現柔性自動化的技術體系。最後，面向物流技術的前沿儲備作爲體系結構的基礎服務層。
對於信息化架構，菜鳥的技術站和整體運維，在過去很長時間與阿里共享一個機房，並與淘寶、天貓很多技術一脈相承。這會帶來一些新問題，第一，對於物流系統，資源的彈性會面臨挑戰；第二，物流系統搭建在在單機房中，這就演變爲一個單點問題，但這並不具備多地容災的能力；第三，全球化購買背景中，海外部署的基礎架構也會發生大變化。
在這樣背景下，菜鳥從2017年開始研發混合雲架構，通過研發和運維繫統線上線下一體化，保證研發體系的一致性。通過高速專線的方式，讓雲上VPC和IDC實現網絡高速通信，實現一套代碼多套部署，實現應用系統編程過程。
針對數字化架構，許俊基於技術角度闡述了關於物流領域藉助數字化待需解決的問題：第一個維度，無論是物品還是裝備，其數字化爲主動性還是被動性的問題；第二個維度，物流領域的核心要素所存在的運動環境問題；第三個維度，物品是運動還是靜止，比如某位置種AGV不斷運動的情況是遇到網絡問題，還是掉線。而其數字化思路就是基於數字化技術模型影射到中間技術架構，從感知層、連接層再到應用層，最終數據與上層物流、供應鏈業務系統進行數據迴環，這與物流領域的IOT技術架構比較類似。
在演講的最後，許俊分享了在安防方面菜鳥所做的嘗試——“天眼”。當包裹經過商家發貨流動到攬收網點，中間需要經歷複雜的流轉過程。爲此，菜鳥在攬收網點、分佈中心、驛站等中轉環節架設大量攝像頭，以保障整個物流的全程實時監控及反饋。
由於攝像頭數量龐大，“天眼”系統面臨的包括攝像頭管理、在線率、視覺計算網絡傳輸的穩定性等技術挑戰被菜鳥統一歸納爲大規模弱中心集成管理技術問題。把攝像頭與雲端對接，經過編解碼體系爲這個技術問題的解決方案，但若視頻24小時不斷上傳，那麼一家快遞公司僅僅支付網絡費用就已高達每年幾千萬。爲此，菜鳥通過引入邊緣網關和邊緣計算體系，並對數據進行預處理，以此來降低成本。
未來，天眼上會集成越來越多視覺識別模式，所有都會通過菜鳥算法容器進行高效率算法迭代和新算法引入。而菜鳥天眼系統也將進一步與實時調度系統產生聯動，通過雲和端實現包裹全鏈路可視化，實現基於大數據之外的全新視覺管理體系。