雷鋒網按：智慧物流一直是物流行業津津樂道的關鍵字， 在人工智慧技術大爆發的背景下， 物流行業將何去何從？2017年7月7日～7月9日， 由雷鋒網承辦的CCF-GAIR大會上， 將開設智慧物流專場， 屆時來自菜鳥、京東等物流行業的專家和學者將彙聚一堂， 共同探討智慧物流的未來。
從2009年開始， 雙11不再只是光棍們自嘲和相互取暖的日子。 在淘寶商城的帶動下， 這一天已逐漸成為一場全民的購物狂歡。
買買買是愉快的， 但等待快遞也是焦急的。 2013年， 菜鳥網路成立， 它被定位為以資料為驅動的社會化協同平臺。 也許很多資深的網購達人已經注意到，
統計資料顯示， 2013年的雙11， 第1億件包裹的送達時間為9天， 2014年為6天， 2015年為4天， 2016年為3.5天。
在這些資料背後， 有中國交通基礎設施和快遞產業鏈不斷完善的因素， 同時， 作為調配物流運力的看不見的手， 演算法的優化更是功不可沒。
那麼演算法優化主要應用在物流的那些環節， 它能為智慧物流帶來什麼？下一步菜鳥網路的演算法團隊還打算解決物流演算法中的哪些痛點？帶著這些問題， 雷鋒網採訪了菜鳥網路的高級演算法專家朱禮君。
朱禮君
朱禮君：現任菜鳥網路高級演算法專家。 于美國馬里蘭大學獲得物理學博士學位。 先後在Goldman Sachs、Amazon和Facebook從事數學建模和演算法方面的研究工作。 2014年回國後加入阿裡巴巴， 先後帶領了天貓個性化推薦演算法團隊和菜鳥網路倉配供應鏈演算法團隊。
以下為採訪實錄：
雷鋒網：請簡單談談在菜鳥網路裡你的演算法團隊主要研究的內容和課題。
朱禮君：在菜鳥網路， 演算法團隊負責的主要是菜鳥物流平臺中各個產品的演算法和數學模型的建立和應用。
雷鋒網：物流的演算法優化主要應用於物流的哪個環節？可否詳細說說演算法優化的會帶來哪些看得見的價值？物流環節的哪些工作崗位可能會受到影響？
朱禮君：菜鳥網路有很多合作夥伴， 這些合作夥伴分佈在各個不同的物流環節。 我們的技術需要與合作夥伴協同， 根據不同的物流場景來實現不一樣的功能。
譬如應用在：
商家端， 演算法會指引商家備貨、補貨以及庫存分佈和運輸進倉， 降低商家供應鏈成本。
倉儲端， 我們通過預測和優化演算法來合理地佈局倉庫裡的貨位和庫存分佈；會動態地跟據倉庫的作業情況生成貨品揀選任務，
配送端， 我們有路徑優化引擎， 來優化車輛的任務指派和行走路徑， 降低車輛行走的路徑， 在節省成本的同時也能為環保盡一份力。
最後一公里的末端網路上， 我們能動態地根據任務來調配社會化運力， 優化供需匹配。
當然， 作為一個開放的平臺， 我們會對外提供我們的演算法服務， 緊跟資料化和自動化的趨勢， 與行業一起發展。
我們要看到， 以前很多需要人決策的問題， 重複性比較大， 會越來越多地由演算法完成。 物流行業從業人的精力就可以更多地被釋放出來，
雷鋒網：為了實現這些物流優化， 你們使用了哪些新的技術手段？相比于傳統的方法， 它們的先進性體現在哪裡？在解決問題的過程中， 傳統方法和新方法是怎樣的一個關係？
朱禮君：我們在實際工作中， 有借鑒機器學習的思想， 其實就是人工智慧技術， 來加速我們求解問題的過程。
目前傳統方法和新方法都有運用， 傳統方法可以解決簡單問題， 新方法能夠解決複雜問題， 新方法是技術進步帶來的產物。
雷鋒網：在演算法方面， 要實現像雙十一這種級別的網購節日的物流優化需要比平時更加注重什麼？
朱禮君：像雙十一這種級別的網購節日對整個社會的物流都有很大的壓力。 對於應付這種壓力，我們需要精准的需求預測，能夠提前知道商品在不同區域的需求量，這樣才能幫助商家未雨綢繆地準備好庫存，做到不缺貨也不滯銷。
在整個物流網路中，我們除了有精准的預測以外還需要有預警和自我調整調節機制，在上游出現意想不到的情況的時候，能夠通過演算法模型動態地做出新的決策，緩解下游的壓力。在上下游的配合上也需要通過演算法的提前規劃做到更好的銜接，保證包裹在每一個物流節點上都能很順暢地流到下一個節點上去，不會產生積壓和阻塞。
另外，因為大促對物流資源的需求大大地超過日常，所以我們也需要更好地去利用演算法，與合作夥伴協同作戰，合理配置社會物流資源。
雷鋒網：想要實現“零庫存”需要在演算法方面做哪些工作？還需綜合考慮哪些因素？
朱禮君：要實現零庫存需要菜鳥網路與合作夥伴深度協同合作，讓行業內的資料更好的連接，通過演算法來優化物流網路的佈局，並且對未來的需求做更精准的預測。
首先，下游的銷售和預測資料要能夠連接到供應鏈的最上游，使得上游的生產商、供應商能快速地回應需求，做到按需生產，縮短庫存週期。
其次，我們需要和合作夥伴一起，根據使用者的需求分佈和各個城市的物流特性來選擇倉庫、分撥中心、配送網站的配置，有了這張網路，我們才能做到貨物的快速流動，讓客戶儘快收到包裹。
另外，我們需要能對未來的銷量進行精准的預測，並且通過演算法的回饋來調整商家的行銷策略，減少缺貨和滯銷的風險。
雷鋒網：從目前來看，在演算法優化的角度，繼續節省快遞送達時間和物流成本的關鍵點在哪裡？切箱問題的演算法目前還有多大的優化空間？
朱禮君：演算法優化能促進菜鳥和合作夥伴更好的協同合作，提高物流鏈路的效率，降低成本。譬如說，在倉庫裡的揀選和打包的任務調度就需要考慮到配送的車輛安排已經下游網點的運力。
為整個物流鏈路做一個全域優化模型是不現實的，我們需要對上下游的環節做合理的數學抽象，然後通過打造模擬系統來檢測演算法產出的決策對上下游的影響。通過不斷地反覆運算來做到全域的優化。
切箱問題，簡單來說就是怎麼給訂單分配箱型，學術圈研究了很多年，是一個很有意思的數學問題。我們現在是打破這個問題的約束，根據訂單的重量和尺寸分佈來重新設計包材的大小，從而降低包材的成本。
另外我們在實際的問題中，我們還遇到了像中空物體、可變形物體的裝箱問題，還有袋子的包裝方案推薦。這些對業務有影響，對技術有挑戰。
雷鋒網：你們認為哪些新的學術方法有望應用到解決這些關鍵點上來？
朱禮君：最近幾年有一些學術界的研究是應用深度學習和強化學習的技術來求解一些傳統的優化問題。簡單來說就是使用人工智慧技術，在這個方向上我們也有投入。
雷鋒網：半導體行業有一個摩爾定律，物流行業在配送時間上有沒有遵循某一個發展規律？今年雙11，你們預計第一億件快遞的送達時間是幾天？
朱禮君：物流行業的配送時間近年來一直在縮短。比如13年的時候，1億包裹的送達花了9天，到了15年提速到了4天，16年就只用了3.5天。配送時間的縮短遵循不是摩爾定律。今年雙11很快就要來了，相信配送時間會繼續縮短。
雷鋒網：下一步還打算解決物流演算法中的哪些痛點？
朱禮君：下一步我們的重點是打造一個服務我們的合作夥伴、服務物流行業的優化引擎。
因為物流中的很多問題的框架都比較類似，我們可以通過一個優化引擎去求解這些問題。比如路徑規劃、庫存管理、箱型推薦、網路規劃等等問題，都是整個物流行業中經常出現的問題。我們在沉澱自己在這方面的演算法技術，把這些演算法產品化，並且通過雲服務開放服務，和行業以及合作夥伴一同來發展。
未來我們會繼續開放我們的演算法服務，和合作夥伴協同，遵循自動化和資料化的趨勢，與行業一同發展。另外從學術的角度來說，我們將持續投入人工智慧在優化領域的研究。
最後值得一提的是，朱禮君還會參加今年的 CCF-GAIR大會，發表題為“大資料時代的物流優化問題“的主題演講，以及“智慧物流和倉儲改變商業未來”的圓桌會談。屆時，我們就能更加詳細的瞭解到菜鳥網路的大資料和演算法優化為物流行業帶來了哪些改變。
對於應付這種壓力，我們需要精准的需求預測，能夠提前知道商品在不同區域的需求量，這樣才能幫助商家未雨綢繆地準備好庫存，做到不缺貨也不滯銷。在整個物流網路中，我們除了有精准的預測以外還需要有預警和自我調整調節機制，在上游出現意想不到的情況的時候，能夠通過演算法模型動態地做出新的決策，緩解下游的壓力。在上下游的配合上也需要通過演算法的提前規劃做到更好的銜接，保證包裹在每一個物流節點上都能很順暢地流到下一個節點上去，不會產生積壓和阻塞。
另外，因為大促對物流資源的需求大大地超過日常，所以我們也需要更好地去利用演算法，與合作夥伴協同作戰，合理配置社會物流資源。
雷鋒網：想要實現“零庫存”需要在演算法方面做哪些工作？還需綜合考慮哪些因素？
朱禮君：要實現零庫存需要菜鳥網路與合作夥伴深度協同合作，讓行業內的資料更好的連接，通過演算法來優化物流網路的佈局，並且對未來的需求做更精准的預測。
首先，下游的銷售和預測資料要能夠連接到供應鏈的最上游，使得上游的生產商、供應商能快速地回應需求，做到按需生產，縮短庫存週期。
其次，我們需要和合作夥伴一起，根據使用者的需求分佈和各個城市的物流特性來選擇倉庫、分撥中心、配送網站的配置，有了這張網路，我們才能做到貨物的快速流動，讓客戶儘快收到包裹。
另外，我們需要能對未來的銷量進行精准的預測，並且通過演算法的回饋來調整商家的行銷策略，減少缺貨和滯銷的風險。
雷鋒網：從目前來看，在演算法優化的角度，繼續節省快遞送達時間和物流成本的關鍵點在哪裡？切箱問題的演算法目前還有多大的優化空間？
朱禮君：演算法優化能促進菜鳥和合作夥伴更好的協同合作，提高物流鏈路的效率，降低成本。譬如說，在倉庫裡的揀選和打包的任務調度就需要考慮到配送的車輛安排已經下游網點的運力。
為整個物流鏈路做一個全域優化模型是不現實的，我們需要對上下游的環節做合理的數學抽象，然後通過打造模擬系統來檢測演算法產出的決策對上下游的影響。通過不斷地反覆運算來做到全域的優化。
切箱問題，簡單來說就是怎麼給訂單分配箱型，學術圈研究了很多年，是一個很有意思的數學問題。我們現在是打破這個問題的約束，根據訂單的重量和尺寸分佈來重新設計包材的大小，從而降低包材的成本。
另外我們在實際的問題中，我們還遇到了像中空物體、可變形物體的裝箱問題，還有袋子的包裝方案推薦。這些對業務有影響，對技術有挑戰。
雷鋒網：你們認為哪些新的學術方法有望應用到解決這些關鍵點上來？
朱禮君：最近幾年有一些學術界的研究是應用深度學習和強化學習的技術來求解一些傳統的優化問題。簡單來說就是使用人工智慧技術，在這個方向上我們也有投入。
雷鋒網：半導體行業有一個摩爾定律，物流行業在配送時間上有沒有遵循某一個發展規律？今年雙11，你們預計第一億件快遞的送達時間是幾天？
朱禮君：物流行業的配送時間近年來一直在縮短。比如13年的時候，1億包裹的送達花了9天，到了15年提速到了4天，16年就只用了3.5天。配送時間的縮短遵循不是摩爾定律。今年雙11很快就要來了，相信配送時間會繼續縮短。
雷鋒網：下一步還打算解決物流演算法中的哪些痛點？
朱禮君：下一步我們的重點是打造一個服務我們的合作夥伴、服務物流行業的優化引擎。
因為物流中的很多問題的框架都比較類似，我們可以通過一個優化引擎去求解這些問題。比如路徑規劃、庫存管理、箱型推薦、網路規劃等等問題，都是整個物流行業中經常出現的問題。我們在沉澱自己在這方面的演算法技術，把這些演算法產品化，並且通過雲服務開放服務，和行業以及合作夥伴一同來發展。
未來我們會繼續開放我們的演算法服務，和合作夥伴協同，遵循自動化和資料化的趨勢，與行業一同發展。另外從學術的角度來說，我們將持續投入人工智慧在優化領域的研究。
最後值得一提的是，朱禮君還會參加今年的 CCF-GAIR大會，發表題為“大資料時代的物流優化問題“的主題演講，以及“智慧物流和倉儲改變商業未來”的圓桌會談。屆時，我們就能更加詳細的瞭解到菜鳥網路的大資料和演算法優化為物流行業帶來了哪些改變。