鐘翼翔，現任蘇寧物流研發中心運輸產品線產品總監。2011~2017 期間，擔任南京欣網互聯網絡科技有限公司電商產品部經理。2017~至今，擔任蘇寧物流研發中心運輸產品線產品總監，主要負責蘇寧物流及天天快遞的干支線運輸、市內調撥運輸、運輸監控、運力資源池、空鐵聯運等運輸系統設計。

　　I. 從您的經歷來看，需要學習哪些IOT相關的知識可以較為順暢的進入這個行業?

　　答：目前IOT行業的工作其實可以分為兩種模式。

　　第一種是IOT技術和產品的標準輸出，為外部某些領域的用戶提供統一服務：以物流運輸的IOT為例，以第一種為例就好比生產一個車載視頻監控設備及其監控平臺，產品完全標準化，然后將產品再賣給需要該產品的運輸公司，這種也可以理解為IOT技術和設備的研發商，從IOT技術和設備入手制成標準產品再發布到市場。

　　第二種是先敲定所研究的行業領域，再做IOT的適配輸出：同樣以物流運輸的IOT為例，例如蘇寧物流提出了一個車載視頻監控的需求，先有了這樣的需求，再根據需求找到內部IOT研發團隊進行產品的研究、設計、制成、應用，這種其實就是企業內部聚焦于某一領域自有的IOT研發團隊。

　　至于需要學習哪些IOT相關的知識才能進入這個行業，其實如上所說的兩種類型所側重的知識點也有所不同，第一種對IOT的技術應用研發能力要求更高，如對硬件設備、通信技術、管理平臺的研發等，而對業務場景的理解可以稍微簡單一些，該類工作可通過對技術知識的學習研究作為切入點，更偏向純技術研發一些;第二種則對業務場景和單一領域應用作業的知識要求更高，如研究車聯網，首先搞清楚車輛作業具體需求的使用場景和業務邏輯，再根據業務研究進行軟硬件設備的研發，該類工作可以從業務方向入手，先成為業務場景的專家，再逐步轉向IOT技術層面的學習。

　　但是，以上不管側重點如何，若想順暢進入該行業，甚至成為行業內的專家，其軟硬件技術知識和業務知識都需要進行學習研究，二者缺一不可。如果想順暢進入該行業，不妨在鉆研IOT技術知識的同時，也同步對某一領域的業務場景進行了解和學習。

　　II. 物聯網在物流領域有哪些應用場景?如何將二者結合提升物流行業服務?

　　答：目前物流作業核心場景可以粗分為：倉、干、配，即倉庫作業、干線運輸、末端配送三個階段。而倉、干、配三者對于IOT技術的應用也都有各階段重點不同的使用場景和需求。

　　倉：助揀選、算出入、促交接。

　　倉庫(或分撥)作業可以說是IOT應用場景最為密集的物流作業階段之一，倉庫或分撥的大部分作業節點都可以借助IOT技術，如貨物的自動識別與分揀、出入庫的貨物批量自動采集和校驗、貨物的自動移庫和快速交接。

　　干：追貨物、保安全、穩時效。

　　干線運輸階段的IOT應用可以圍繞對車和貨的定位追蹤、門磁的控制，防止出現丟貨或換貨的情況;對車輛安全駕駛的監控，通過主動安全設備和駕駛視頻監控降低事故風險;對車輛的管控，如打造車聯網進行車輛全程管理，實現對時效、運力的統一管控。

　　配：計定位、做引導、降異常。

　　末端配送階段的IOT應用目前相對比較薄弱，各大公司和廠家也都在摸索中，目前比較流行的配送IOT應用包括對末端運輸工具，如電動車的車聯網管理;對配送人員可穿戴設備的研究，如便攜式藍牙掃碼手環、定位和語音交互手表、騎行導航眼鏡等，其目的主要是為配送人員做作業引導提升配送效率、依賴物聯網設備預防作業風險降低異常。

　　物流和IOT技術，如果只是談兩者的結合，場景雖然多，但是可預期的應用并不算深入。其實未來應將IOT結合大數據、AI技術共同應用于物流作業，才能對物流行業產生質變的影響，才能實現物流智能化，才能讓精準的預測和智能在線決策、調度在物流各環節發揮影響力，最終形成一張充滿智慧的物流骨干網。

　　III. 您覺得自建物流與眾包物流在未來誰的優勢較大?

　　答：自建物流和眾包物流首先不是相互排斥的兩種模式，自建物流一般是指企業利用內部資源打造的物流能力，而眾包物流主要采用社會化配送方式，將配送任務以自愿、有償的方式，通過網絡外包給非特定社會群體，以實現社會閑置資源最大化利用，同時提升物流效率。

　　自建物流和眾包物流的關系不僅不存在互斥性，且還可以說是相輔相成的。以蘇寧物流為例，對于干支線運輸及末端快遞配送為保證服務質量和時效要求基本都以自建物流運力為主，而蘇寧小店商品的即時配則會使用部分眾包物流運力。這也取決于二者的優劣勢：

　　基于自建物流和眾包物流的各自優劣勢，在實際作業中，企業并不是非A即B的選擇，有可能企業會以自建物流為主，同時通過眾包物流來彌補運力短板;也有可能企業會以眾包物流為主，再適當通過自建物流來保證特殊時期、特殊業務范圍下的作業穩定性。

　　所以自建物流和眾包物流針對不同企業、不同業務要求一定是各具優勢，且可互為補充的。

　　IV. 自建物流結合咱們蘇寧現有業務來看，是護城河還是高架炮?

　　答：對于蘇寧來說，自建物流既是護城河，也是高架炮。

　　這個問題首先可以從蘇寧物流現有的物流模式和作業范疇說起，目前蘇寧物流是行業內較少的幾乎覆蓋了全物流業態的公司之一。蘇寧物流起步于傳統零售，最早主要作用是支撐門店銷售的貨物調撥;后又進入電商領域，同步支撐電商物流;隨著新零售的崛起，且特別在2017年蘇寧物流正式合并天天快遞后，目前從倉、分撥、網點、門店、自提點的管理，到干、支、城、配的運輸作業，再到同城配、無車承運人等多種業務模式都有涉及，物流已經融入到了蘇寧集團各產業的方方面面。

　　在這樣的背景下，蘇寧物流已經成為蘇寧集團各產業運作的基礎服務，所以自建物流即可視作現有零售市場“防守”的護城河，也可以當作商業模式創新“突圍”的高架炮。

　　“守”之護城河：通過自建物流穩固運營，提升服務質量。

　　不論是線下門店銷售、線上電商銷售，還是融合O2O的新零售，蘇寧物流都起著業務運營基礎保障的作用。此時只有通過自建物流才能保證物流作業的持續穩定性、服務質量及用戶體驗，此時的自建物流已經是業務運營、品牌塑造、市場影響的核心基礎保障。

　　“攻”之高架炮：依賴自建物流拓展創新，積極應變市場。

　　在市場高速發展的今天，任何產業不創新就等于等待被淘汰。自建物流的最大優勢之一，就是可以配合企業的戰略方針快速調整，以蘇寧物流為例，近年集團的主要方向之一就是布局線下蘇寧小店的快速拓展，此時就需要物流快速實現對蘇寧小店的作業能力支撐，包括對倉到小店的常溫/冷鏈商品的調撥、將小店作為網點/自提點的能力改造等等。在此場景下，自建物流就似一把利劍，可以助力集團戰略實施落地，快速拓展市場。

　　此外，自建物流還可以幫助企業進行創新，自建物流有一定的設備、人力、數據資源，且一般中大型自建物流也都會使用自研系統，所以通過經驗和數據的積累，再結合自有業務需求，可以有針對性的進行產品的研發創新。

　　V. 從您的實踐中，您覺得運輸資源的調度符合帕累托最優么，如何尋找最優?

　　答：其實運輸資源調度尋找最優一直是運輸管理里面的一個難點，而帕累托最優更傾向于一種理想的狀態。想研究這個問題，可以先從運力資源的組成來看。

　　目前運力資源基礎要素可分為：司機、車輛、掛廂。若涉及到調度，則還需考慮到運力的歸屬，是自有運力、外協運力或是臨時運力。且在做資源的調度規劃時還需同步考慮運輸的基礎資源設置，如線路、站點設置等，當然運力調度的前提是作業需求，包括貨量、時效要求以及一些外部影響因素。(如下圖)

　　所以這里會涉及到一個算法模型的設計，我們有什么，目標是什么，約束條件是什么，想得到的結果是什么。且不同運輸類型的情況也不同，干支線運輸更多需要考慮多種車型的最優選擇，且可能還會涉及車頭和掛廂的匹配如何配置最優問題;轄區運輸可能選擇車型有限，但是一個區域眾多門店/網點間并沒有固定配送線路一說(因為轄區內最優的線路一定是根據當天貨量來判斷的)，于是重點就在于如何協調車輛資源，用合適的車量數、車型再找到最合適的線路。

　　以蘇寧為例，目前蘇寧運輸在運力資源管理上，結合智慧調度的需要，會通過運輸星圖平臺進行運力最優向的計算。同時也為司機上線了蘇寧行星運輸手持客戶端，以星圖平臺為核心，通過對司機行星手持和車輛監控設備的作業數據收集，并結合業務規則和目標，進行運力資源(含承運商/車隊、司機、車輛)從錄入到評估的全流程管理，含信息收集、數據錄入、潛在合作分析、預先評估、結算方式設定、作業跟進、安全監控、作業回溯、質量評級。

　　并同時根據作業背景、運輸類型、業務要求、風險預測進行運力調度及作業排程確認。這里面還會涉及到兩個階段，第一階段是基于歷史數據的運力及調度安排的預測，第二階段是根據當前作業數據進行運力及調度的微調。

　　所以運力調度及作業排程的最優算法所涉及的要素較多，這塊現在、將來應該都會是運輸類系統所重點研究和持續迭代的一項核心工作。

　　VI. 您覺得運輸管理系統的核心難點在哪?

　　答：目前行業里主流的運輸管理系統分為幾種，SaaS類運輸管理系統、企業自建類運輸管理系統、車隊監管類系統、O2O車貨匹配類系統等等。每類系統所解決的問題和關注的側重點都有不同，但在成本、安全、時效上的目標基本是一致的，所以在功能設計上，基本都是圍繞這幾點開展。

　　但是目前行業里大部分的運輸管理系統都存在一個問題，更多的功能只是在做信息化的線上登記，而缺少“智能”化的算法引入。目前市場上很多號稱智能的運輸管理系統，可能做的也就是車輛等運力數據的錄入管理、班線站點等基礎信息維護管理、訂單的接收和車輛排程的人工安排、車輛在途的監控及提供一些報表查詢數據。這類系統更多做的只是把原本線下的作業登記搬到了線上而已，缺少真正所謂“智能”的系統化能力。

　　所以我所認為的目前運輸管理系統的核心難點就是：如何將大部分的運輸作業步驟均逐步實現智能化的數據預測和方案推薦，并基于已有數據的積累實現系統的深度學習。

　　這里面會涉及到對運輸作業全流程關鍵節點的細化剖析，并將這些關鍵節點及細化問題點再進行深入研究，針對每一個問題點都成立一個課題，進行系統可基于深度學習優化決策的應用研發。

　　以蘇寧的星圖運輸系統為例，我們將運輸全流程拆為了3大階段、12個核心環節、26個研究課題(如下圖)。通過對每一個課題和深度決策模型的結合，以期待實現通過系統決策就可給出每個環節的最優方案。

　　VII. 跨境電商和物流運輸的中轉時效是業務中的一個難點，這塊的提升有哪些主流思路可以借鑒?

　　答：對跨境電商和物流運輸的中轉時效的保障其實是一個貫穿策略層和作業層的問題，若想提升時效，不僅在物流底層服務的框架設計上需進行考慮，還得對分撥和運輸的作業流程進行針對性的優化調整，該問題粗獷來看可以分為五點：

　　1、在物流底層服務的設計上，合理規劃運輸網絡。

　　若想提升中轉時效，在物流底層服務的設計上，需從運輸網絡、路由、時效的合理性進行梳理。特別是運輸網絡規劃上，可結合算法模型的設計，通過系統進行運輸網絡的最優推薦。

　　2、在作業批次的安排上，通過配載路由實現靈活的班車調整。

　　在作業批次的控制上，配合分撥作業批次的時間安排，再結合班車的到發車時間，并通過配載路由的調整，讓一些貨物在不能滿足直發班車到達目的分撥的情況下，也可以通過其他分撥進行途徑中轉，以追上預定時效或將時效偏差盡量降低。

　　3、在中轉分撥到發車的控制上，通過運輸在途監控和到發車預測降低運輸作業風險。

　　在運輸作業層面，可通過對車輛在途監控進行時效的預測預警，降低延誤風險。若真出現了不可抗拒的情況而導致了延誤，可通過異常預警及時告知調度，并通過系統的補救式推算安排補救方案，以盡量追回預定時效。

　　同時在中轉分撥側做好到車和發車預測，在車輛快要抵達分撥時做好垛口的預約和裝卸車工作的安排，以保證高效交接。

　　4、在中轉分撥內部作業效率的提升上，通過分撥設備的自動化應用及作業預判提升效率。

　　在分撥作業層面，可通過自動化設備以提升中轉分撥的作業效率，在作業過程中還可通過視頻監控的圖像識別進行分撥爆倉、道口堵塞等異常情況的預判和預警，提前做好應對方案，降低作業異常風險。

　　5、作業流程分段分析，針對問題定期回顧總結。

　　通過對全環節的穿透性管控，把時效未達成影響最大的每個環節，透入每個分撥中，找出環節影響最大，分撥占比最高的問題與分撥段，針對改善。

　　VIII. IOT目前在大家想象場景主要還集中的智能家居，您覺得還會在哪些領域產生比較巨大的影響?

　　答：對于IOT大家想象的場景之所以主要集中在智能家居，主要原因還是因為智能家居的應用和我們每個人都息息相關，所以也是最容易引起大家發揮想象并愿意共同探討的場景。但是這并不代表IOT只會對智能家居產生比較巨大的影響，在不久的將來甚至是現在IOT一定會深入我們的個人生活需要、工業制造、醫療保健、體育娛樂、物流作業等方方面面。

　　IOT與其看是一種技術，不如看是一種工具，且這種工具是可以被各個領域所應用的。如果一定要選擇幾個有巨大影響的領域，我認為除了智能家居外IOT對智慧城市建設、工業生產、物流作業等領域在當前階段就已經有了較為深刻的影響。

　　智慧城市建設

　　智慧城市是一個比較大的概念，大到交通、教育、能源、環保、市政管理、公共服務，細到路燈照明、停車引導、信息咨詢，這里面或多或少都會涉及到IOT的應用。

　　工業生產

　　國內的工業生產目前正在尋求從“制造”向“智造”的轉型蛻變，而這其中最關鍵的工具之一就是對于IOT的應用。工業物聯網將生產過程的每一個環節、設備變成數據終端，全方位采集底層基礎數據，并進行更深層面的數據分析與挖掘，從而提高效率、優化運營。

　　物流作業

　　物流作業前面也提到了大量的實例，IOT在倉、干、配三個階段均有豐富的應用場景和拓展空間，不論是承運設備、裝載設備、監控設備還是可穿戴設備，IOT在物流領域若能結合大數據、AI和5G技術，一定能在不遠的將來再次帶來一輪新的技術革命。

　　IV. 您理解的智慧物流是怎樣的?未來智慧物流會有哪些發展方向?

　　答：目前隨著“智慧化”的發展趨勢，各種智慧物流的定義和概念也說的很多。這里我從稍微貼近實際物流作業的角度也談一談我對智慧物流的理解。

　　我所理解的智慧物流基于兩個“無人”：

　　第一個是“無人”決策，是通過系統的深度學習以替代人腦做出的最優決策。

　　智慧物流中“智慧”的實現其實主要就是通過系統的深度學習以替代人的經驗判斷做出符合實際作業利益最大化的最優決策。而類似需要這樣的系統決策的地方實際貫穿于我們物流作業的每一個流程和環節，總體來說可分為兩類，即規劃層決策和執行層決策。

　　規劃層決策：從整體物流框架設計上的決策，包括運輸網絡、站點布局、時效設計、作業規范等等。

　　執行層決策：在作業場景中需要進行的執行性決策，從中心倉、分撥、前置倉、網點、門店、自提站、自提點的收存揀發作業到運輸、配送的細分節點作業，幾乎每一步都存在著決策點。

　　第二個是“無人”作業，是結合IOT和基于大數據及AI決策實現的“無人化”作業執行。

　　在實現系統最優決策的情況下，再結合IOT即可著手智慧建設的第二步，無人化作業。例如無人園區、無人倉、無人重卡、無人機、無人車等。未來的智慧物流作業應該是基于最優選擇后的執行效率高、作業錯誤低、風險可預測、異常可補救的高效模式，而能支撐這種高效模式持續穩定開展的作業工具一定是“無人化”的實現。目前我們能欣喜的看到很多無人倉、無人機已經投入了實際的生產應用中，像無人重卡、無人裝卸也在實驗考察階段，未來物流作業的核心流程會逐步由有人轉為無人，而人的工作會由一線執行逐步轉為幕后監控。

　　所以，在向這兩個“無人”方向探索的道路上，蘇寧物流也專門成立了基于“無人”決策的智慧創新研發中心和基于“無人”作業應用的智能硬件研究院。

　　除了我所提的兩個“無人”外，未來對智慧物流的想象空間其實還可以更豐富、更夸張一些，而且我也深信，隨著技術的快速發展迭代，對智慧物流的定義和理解也一定會不斷更新升華。