一、智慧物流的定義

    物流業是國家經濟支撐性產業， 2009-2016年， 全國社會物流總費用在GDP中的占比由18.1%下降至15.5%， 但與發達國家物流費用占GDP約10%的比例相比還有很大差距， 提高物流效率， 降低物流成本成為政府、 物流企業與其客戶力爭實現的目標。 2016年， 國家發改委發布《物流業降本增效專項行動方案》， 交通運輸部也規劃從基礎設施建設等四方面著手幫助促進物流業降本增效。智慧物流是指通過智能硬件、 物聯網、 大數據等智慧化技術與手段， 提高物流系統分析決策和智能執行的能力， 提升整個物流系統的智能化、 自動化水平。智慧物流集多種服務功能于一體， 體現了現代經濟運作特點的需求， 即強調信息流與物質流快速、 高效、 通暢地運轉， 從而實現降低社會成本， 提高生產效率， 整合社會資源的目的。當前物流企業對智慧物流的需求主要包括物流數據、 物流云、 物流設備三大領域， 2016年智慧物流市場規模超過2,000億元， 到2025年，智慧物流市場規模將超過萬億。智慧物流數據服務市場（形成層）： 處于起步階段， 其中占比較大的是電商物流大數據， 隨數據量積累以及物流企業對數據的逐漸重視， 未來物流行業對大數據的需求前景廣闊。智慧物流云服務市場（運轉層）： 基于云計算應用模式的物流平臺服務在云平臺上， 所有的物流公司、 行業協會等都集中整合成資源池，各個資源相互展示和互動， 按需交流， 達成意向， 從而降本增效， 阿里、 亞馬遜等紛紛布局。智慧物流設備市場（執行層）： 是智慧物流市場的重要細分領域，包括自動化分揀線、 物流無人機、 冷鏈車、 二維碼標簽等各類智慧物流產品。

    相關報告：智研咨詢發布的《2018-2024年中國智慧物流行業分析與投資決策咨詢報告（下卷）》

    二、 智慧物流發展驅動因素

    1、國家大力推進互聯網+物流業
自2015年以來， 國家各級政府機構出臺了鼓勵物流行業向智能化，智慧化發展的政
策， 并積極鼓勵企業進行物流模式的創新， 主要方向包括：大力推進“互聯網+” 物流發展， 發揮互聯網平臺實時、 高效、 精準的優勢， 對線下運輸車輛、 倉儲等資源進行合理調配、 整合利用， 提高物流資源使用效率，實現運輸工具和貨物的實時跟蹤和在線化、可視化管理。

    如國務院辦公廳《關于深入實施“互聯網+流通” 行動計劃的意見》 中提出， 鼓勵發展分享經濟新模式， 激發市場主體創業創新活力， 鼓勵包容企業利用互聯網平臺優化社會閑置資源配置， 擴大社會靈活就業。鼓勵物流模式創新， 重點發展多式聯運、 共同配送、 無車承運人等高效現代化物流模式。 商務部《2015年流通業發展工作要點》 中提出， 深入推進城市共同配送試點， 總結推廣試點地區經驗， 完善城市物流配送服務體系，促進物流園區分撥中心、 公共配送中心、 末端配送點三級配送網絡合理布局， 培育一批具有整合資源功能的城市配送綜合信息服務平臺， 推廣共同配送、 集中配送、 網訂店取、 自助提貨柜等新型配送模式。加強物流信息化和數據化建設， 國務院辦公廳《關于推進線上線下互動加快商貿流通創新發展轉型升級的意見》 中提出， 鼓勵運用互聯網技術大力推進物流標準化， 推進信息共享和互聯互通；大力發展智慧物流， 運用北斗導航、 大數據、 物聯網等技術， 構建智能化物流通道網絡， 建設智能化倉儲體系、 配送系統。

    2、新商業模式涌現， 對智慧物流提出要求

    近10年來，電子商務、 新零售、 C2M等各種新型商業模式快速發展， 同時消費者需求也從單一化、 標準化， 向差異化、個性化轉變， 這些變化對物流服務提出了更高的要求。電商快速發展，電商帶動快遞業從07年開始連續9年保持50%左右高速增長， 2016年業務量突破300億件大關，達313.5億件。 行業爆發式增長的業務量對物流行業更高的包裹處理效率以及更低的配送成本提出了要求。– 未來電商將持續高速發展， 阿里研究院預計2020年網絡零售額將超過10萬億元人民幣， 2017年中， 阿里巴巴集團董事局主席馬云更是提出“一天10億包裹數量， 不會超過八年，估計在六、七年左右就能實現”。– 跨境電商快速發展， 預計到2020年將保持年均增長20%， 2020跨境電商貿易進出口占整體對外貿易的比例將由19.5%上升37.6%。新零售興起， 企業以互聯網為依托， 通過運用大數據、 人工智能等先進技術手段， 對線上服務、 線下體驗以及現代物流進行深度融合的零售新模式。 這一模式下， 企業將產生如利用消費者數據合理優化庫存布局， 實現零庫存， 利用高效網絡妥善解決可能產生的逆向物流等諸多智慧物流需求。C2M興起， 由用戶需求驅動生產制造，去除所有中間流通加價環節， 連接設計師、 制造商， 為用戶提供頂級品質， 平民價格，個性且專屬的商品。 這一模式下，消費者訴求將直達制造商，個性化定制成為潮流， 對物流的及時響應、 定制化匹配能力提出了更高的要求。

    3、物流運作模式革新， 推動智慧物流需求提升

    互聯網時代下， 物流行業與互聯網結合，改變了物流行業原有的市場環境與業務流程， 推動出現了一批新的物流模式和業態如車貨匹配、 眾包運力等。 基礎運輸條件的完善以及信息化的進一步提升激發了多式聯運模式的快速發展。 新的運輸運作模式正在形成， 與之相適應的智慧物流快速增長。車貨匹配，可分為兩類： 同城貨運匹配、城際貨運匹配。 貨主發布運輸需求， 平臺根據貨物屬性、 距離等智能匹配平臺注冊運力， 并提供SOP等各類增值服務。 對物流的數據處理、 車輛狀態與貨物的精確匹配度能力要求極高。運力眾包， 主要服務于同城配市場， 興起于O2O時代， 由平臺整合各類閑散個人資源， 為客戶提供即時的同城配送服務。 平臺的智慧物流挑戰包括如何管理運力資源， 如何通過距離、 配送價格、周邊配送員數量等數據分析進行精確訂單分配， 以期望為消費者提供最優質的客戶體驗。多式聯運：包括海鐵、 公鐵、 鐵公機等多類型多式聯運方式， 多式聯運作為一種集約高效的現代化運輸組織模式，在“一帶一路” 國家戰略的布局實施過程中， 迎來了加速發展的重要機遇。 由于運輸過程中涉及多種運輸工具， 為實現全程可追溯和系統之間的貫通， 信息化的運作十分重要。 同時新型技術如無線射頻、 物聯網等的應用大大提高了多式聯運換裝轉運的自動化作業水平。

    4、大數據， 無人技術等智慧物流相關技術日趨成熟

    無人機、 機器人與自動化、 大數據等已相對成熟， 即將商用；可穿戴設備、 3D打印、 無人卡車、 人工智能等技術在未來10年左右逐步成熟， 將廣泛應用于倉儲、 運輸、 配送、 末端等各物流環節。較為成熟， 將要或已經實現商用的物流相關技術：倉內技術： 主要是機器人技術，包括AGV(自動導引運輸車)、 無人叉車、 貨架穿梭車、 分揀機器人等， 主要用于倉內搬運、 上架、 分揀操作，可有效提升倉內的操作效率， 降低物本， 如亞馬遜在13個分揀中心布局超3萬個KIVA機器人。最后一公里配送： 無人機技術，包括干線無人機與配送無人機兩類， 其中配送無人機研發已較為成熟， 主要應用于末端最后一公里配送， 如京東在2017年618期間， 已采用無人機在多省市進行農村小件商品配送， 完成1,000余單配送。智慧數據底盤： 大數據分析技術， 通過對商流、 物流等數據進行收集、 分析，主要應用于需求預測、 倉儲網絡、 路由優化、 設備維修預警等方面， 如京東采用數據預測方式， 提前洞察消費者需求， 并進行預先分倉備貨。相對不成熟， 距商用仍有一定時間的物流相關技術：倉內技術中可穿戴設備技術， 最后一公里中3D打印，干線技術中的無人卡車， 以及數據底盤的物聯網、 人工智能等技術多處于研發測試階段，可分別用于倉內智能分揀、 末端產品配送、干線貨物運輸、 產品溯源、 決策支持等方面， 如在DHL荷蘭倉內， 員工可根據智能眼鏡的圖像提示如包裹體積、 目的地信息， 進行高效分揀。

    三、 智慧物流技術發展趨勢與行業應用實踐

    我們將通過介紹各主要技術的基本情況， 同時結合國內外電商平臺(如亞馬遜、 京東)、 領先物流企業（如順豐、 DHL）， 在各技術上的開發歷程、 應用場景與未來規劃， 全方位展示智慧物流在行業中的發展現狀與未來。

智慧物流技術全景圖

數據來源：公開資料整理

    1、倉內技術

    主要有機器人與自動化分揀、可穿戴設備、 無人駕駛叉車、 貨物識別四類技術，當前機器人與自動化分揀技術已相對成熟， 得到廣泛應用，可穿戴設備目前大部分處于研發階段， 其中智能眼鏡技術進展較快。

    機器人與自動化技術

    倉內機器人包括AGV(自動導引運輸車)、無人叉車、 貨架穿梭車、 分揀機器人等，主要用在搬運、 上架、 分揀等環節。 國外領先企業應用較早， 并且已經開始商業化，各企業將在機器人的應用場景深入推進。 國外企業如亞馬遜、 DHL， 國內企業京東、 菜鳥、 申通已經開始布局。

    DHL： 采用與第三方合作方式進行研發，產品布局以直接購買第三方定制化產成品為主2016年DHL引進智能協作機器人Baxter和Sawyer， 推進倉儲環節的自動化進程。 協作機器人能夠與倉庫人員共同工作， 負責協助重復性、 對體力要求較高的工作， 整體效率提升。 同年， DHL日本倉庫，引進豐田自動機械制造的KEYCAR系列AGV機器人，幫助提升倉內運作效率。

    可穿戴設備

    當前仍然屬于較為前沿的技術， 在物流領域可能應用的產品包括免持掃描設備、 現實增強技術-智能眼鏡、 外骨骼、 噴氣式背包， 國內無商用實例， 免持設備與智能眼鏡小范圍由UPS、 DHL應用外， 其他多處于研發階段。 整體來說離大規模應用仍然有較遠距離。智能眼鏡憑借其實時的物品識別、條碼閱讀和庫內導航等功能， 提升倉庫工作效率， 未來有可能被廣泛應用， 京東及亞馬遜等國內外電商企業已開始研發相關智能設備。

    2、干線技術

    干線運輸主要是無人駕駛卡車技術。 無人駕駛卡車將改變干線物流現有格局，目前尚處于研發階段， 但已取得階段性成果， 正在進行商用化前測試。

    無人駕駛卡車

    無人駕駛乘用車技術已經取得了階段性成果， 目前多家企業開始了對無人駕駛卡車的探索。 由多名Alphabet前高管成立Otto， 研發卡車無人駕駛技術， 核心產品包括傳感器、 硬件設施和軟件系統， 目前已經進入測試階段， 雖然公路無人駕駛從技術實現到實際應用仍有一定距離，但從技術上看， 發展潛力非常大， 未來卡車生產商將直接在生產環節集成無人駕駛技術。目前， 無人駕駛主卡車主要由整車廠商主導， 如戴姆勒等， 但也有部分電商、 物流企業正嘗試布局， 如亞馬遜已申請無人卡車相關專利提前布局， 而國內企業如京東也正在嘗試研發無人卡車。

    3、最后一公里技術

    最后一公里相關技術主要包括無人機技術與3D打印技術兩大類。 無人機技術相對成熟， 目前包括京東、 順豐、 DHL等國內外多家物流企業已開始進行商業測試，其憑借靈活等特性， 預計將成為特定區域未來末端配送重要方式。 3D技術尚處于研發階段， 目前僅有亞馬遜、 UPS等針對其進行技術儲備。

    無人機

    無機技術已經成熟， 主要應用在人口密度相對較小的區域如農村配送，中國企業在該項技術具有領先優勢， 且政府政策較為開放， 制定了相對完善的無人機管理辦法， 國內無人機即將進入大規模商業應用階段。 2013年以來各行業內領先企業紛紛啟動無人機項目， 亞馬遜自2013年至今無人機技術已經過多次升級。 2017年京東成立無人機運營調度中心標志著無人機在國內已基本可進行大規模商用。未來無人機的載重、 航時將會不斷突破，感知、 規避和防撞能力有待提升， 軟件系統、 數據收集與分析處理能力將不斷提高， 應用范圍將更加廣泛。

    3D打印

    3D技術對物流行業將帶來顛覆性的變革， 但當前技術仍處于研發階段， 美國Stratasvs和3D Systems兩家企業占絕大多數市場份額。 未來的產品生產至消費的模式將是“城市內3D打印+同城配送”，甚至是“社區3D打印+社區配送” 的模式，物流企業需要通過3D打印網絡的鋪設實現定制化產品在離消費者最近的服務站點生產、 組裝與末端配送的職能。

    4、末端技術

    末端新技術主要是智能快遞柜。 目前已實現商用（主要覆蓋一二線城市）， 是各方布局重點， 但受限于成本與消費者使用習慣等問題， 未來發展存在不確定性。

    智能快遞柜

    智能快遞柜技術較為成熟。 已經在一二線城市得到推廣，包括順豐為首的蜂巢、 菜鳥投資的速遞易等一批快遞柜企業已經出現， 但當前快遞柜仍然面臨著使用成本高、 便利性智能化程度不足、 使用率低、無法當面驗貨、 盈利模式單一等問題。

    5、智慧數據底盤技術

    數據底盤主要包括物聯網、 大數據及人工智能三大領域。 物聯網與大數據分析目前已相對成熟， 在電商運營中得到了一定應用， 人工智能相對還處于研發階段， 是未來各家研發的重點。 物聯網技術與大數據分析技術互為依托， 前者為后者提供部分分析數據來源， 后者將前者數據進行業務化， 而人工智能則是大數據分析的升級。 三者都是未來智慧物流發展的重要方向，也是智慧物流能否進一步迭代升級的關鍵。

    物聯網技術

    物聯網的概念已經非常普及， 但在物流領域的應用仍然有一定難度。 受終端傳感器高成本的影響， 二維碼成為現階段溯源的主要載體， 技術的階段性突破將不斷促進物聯網的發展，長期來看， 低成本的傳感器技術將實現突破， RFID和其他低成本無線通信技術將是未來的方向。 物聯網技術預計未來在物流行業將得到廣泛的應用。 目前國內已出現專注智慧物流物聯網領域的領先企業如匯通天下（G7）。Vvv物聯網主要有以下四個物流應用場景：產品溯源： 通過傳感器能夠追溯到農產品從種植到運輸到交付環節的所有信息，包括種植條件， 農藥使用， 農產品品質，運輸溫度等， 同時通過區塊鏈記錄貨物從發出到接收過程中的所有步驟， 確保了信息的可追溯性， 從而避免丟包， 錯誤認領事件的發生。

    冷鏈控制： 通過車輛內部安裝的溫控裝置， 對車內的溫濕度情況進行實時監控，確保全程冷鏈不掉鏈。

    安全運輸： 通過設備對司機、 車輛狀態數據進行收集， 及時發現司機疲勞駕駛、車輛超載超速等問題， 提早警報， 預防事故。

    路由優化： 通過車輛上安裝的信息采集設備，可以采集運輸車輛情況、 路況、 天氣等信息， 上傳給信息中心， 分析后對車輛進行調度優化。

    大數據技術

    大數據已經成為眾多企業重點發展的新興技術， 多家企業已成立相應的大數據分析部門或團隊， 進行大數據分析、 研究、應用布局，各企業未來將進一步加強對物流及商流數據的收集、 分析與業務應用。大數據技術主要有以下四個物流應用場景：需求預測： 通過收集用戶消費特征、 商家歷史銷售等大數據， 利用算法提前預測需求， 前置倉儲與運輸環節。 目前已經有了一些應用， 但在預測精度上仍有很大提升空間， 需要擴充數據量， 優化算法。

    設備維護預測： 通過物聯網的應用， 在設備上安裝芯片，可實時監控設備運行數據， 并通過大數據分析做到預先維護， 增加設備使用壽命。 隨著機器人在物流環節的使用， 這將是未來應用非常廣的一個方向。

    供應鏈風險預測： 通過對異常數據的收集， 進行如貿易風險， 不可抗因素造成的貨物損壞等進行預測。

    網絡及路由規劃： 利用歷史數據、 時效、覆蓋范圍等構建分析模型， 對倉儲、 運輸、 配送網絡進行優化布局， 如通過對消費者數據的分析， 提前在離消費者最近的倉庫進行備貨。 甚至可實現實時路由優化， 指導車輛采用最佳路由線路進行跨城運輸與同城配送。

    人工智能

    主要由電商平臺推動， 尚處于研發階段，除圖像識別外， 其他人工智能技術距離大規模應用仍有一段時間。人工智能技術主要有以下五個物流應用場景：智能運營規則管理： 未來將會通過機器學習， 使運營規則引擎具備自學習、 自適應的能力， 能夠在感知業務條件后進行自主決策。 如未來人工智能將可對電商高峰期（雙十一） 與常態不同場景訂單依據商品品類等條件自主設置訂單生產方式、交付時效、 運費、 異常訂單處理等運營規則， 實現人工智能處理。

    倉庫選址： 人工智能技術能夠根據現實環境的種種約束條件， 如顧客、 供應商和生產商的地理位置、 運輸經濟性、 勞動力可獲得性、 建筑成本、 稅收制度等， 進行充分的優化與學習， 從而給出接近最優解決方案的選址模式。

    決策輔助： 利用機器學習等技術來自動識別場院內外的人、 物、 設備、 車的狀態和學習優秀的管理和操作人員的指揮調度經驗和決策等， 逐步實現輔助決策和自動決策。

    圖像識別： 利用計算機圖像識別、 地址庫、 合卷積神經網提升手寫運單機器有效識別率和準確率， 大幅度地減少人工輸單的工作量和差錯可能。

    智能調度： 通過對商品數量、 體積等基礎數據分析， 對各環節如包裝、 運輸車輛等進行智能調度， 如通過測算百萬SKU商品的體積數據和包裝箱尺寸， 利用深度學習算法技術， 由系統智能地計算并推薦耗材和打包排序， 從而合理安排箱型和商品擺放方案。