有了AI，亚马逊把物流玩得更溜了

谈到AI在物流的作用，亚马逊负责最后一英里配送负的的规划技术副总裁Scot Hamilton指出：

“剁手星期一”是我们的超级碗，我们已经训练了几个月，人工智能帮助我们完成了这一天之前和之中的所有工作。

尽管AI看不到也感觉不到，但它就像氧气一样至关重要。当你没有意识到它的存在时，这意味着它正在完美地工作。

本周一亚马逊在其官网上介绍人工智能如何赋能物流，从开始送货前的几个月，到司机上路的那一刻，再到包裹送到客户门口，每一个环节都嵌入AI技术。

值得一提的是，亚马逊已成为美国最大的快递公司，据亚马逊的最新内部数据显示，其在美国的年度配送量首次超越了竞争对手UPS 和 FedEx，预计在“黑五”和“剁手星期一”之前将运送总计48亿个包裹，2023年末将达到约59亿个包裹。

购买前：预测需求、优化库存、协调发货

其实早在客户点击购买商品之前，亚马逊的供应链优化技术SCOT就已经开始工作。

SCOT利用深度学习模型和海量数据集，每天预测4亿多种产品的需求和销量，来决定在哪些仓库、存放多少数量的产品，并协调全球数百万卖家发货。

十年前，亚马逊首次将深度学习模型引入SCOT，预测的准确率在短短两年内跃升了15倍，同时亚马逊能够储备更多的商品，并更快地将商品送到客户手中。

2020年，亚马逊开始使用Transformer框架，来引入一个统一的预测模型。

在亚马逊庞大的产品目录中，该模型能更准确地预测顾客会喜欢什么、购买什么，该技术有助于进一步改善对亚马逊产品上架的规划。

打包：搬运货物、协助员工

客户下单之后就进到了物流环节，随着AI技术的发展，机器人变得越来越智能，赋能打包、运输的整条链路，从而将将包裹送到客户手中。

具备AI机器视觉功能的机器人可以识别、分类和检查数亿种商品的质量，然后将其打包，装上送货车。

亚马逊拥有全球最大的移动工业机器人车队，部署超75万台机器人。只要客户点击亚马逊网站上的“立即购买 ”按钮，履约中心的中央规划软件就会派出中的一个机器人去取购买的商品。

名为“Sequoia”的机器人滑到存储货物的下方，将其从地板上抬起，然后送到亚马逊员工的手中，由员工扫描、贴标签并准备包装。

亚马逊此前称，Sequoia可以将识别和存储库存的速度提高75%，同时将仓库处理订单的时间缩短25%。

此外，亚马逊利用生成式AI创建“合成数据”，模拟机器人在“剁手星期一”等高峰期可能遇到的各种场景，以训练机器学习。

而一旦一个机器人学会了如何更高效地导航，整个车队也会获得同样的能力。

分类：自动化分拣

一旦物品包装完毕并贴好标签，接下来员工就会把包裹交给名为“Robin”的机器人。

具备AI增强视觉系统的Robin会帮助分拣包裹，可以了解哪里有哪些物体，它可以识别出不同大小的盒子、软包装和叠在一起的信件。

机器人Robin首先对一堆产品进行场景区分，再决定要抓取哪个包裹，然后计算如何接近包裹，并选择使用多少个吸盘来抓取包裹。

看起来简单的操作，对Robin的难度却很大，选择太多，它可能会抓起不止一个包裹；选择太少，它可能会掉落货物。

运输：预测道路意外状况

投递站是包裹送达客户的最后一站。

亚马逊介绍称，仅马萨诸塞州的一个投递站每天就会收到多达65000个包裹，而在节假日期间，这个数字会增长到100000个以上。

正如Hamilton指出的，总是会发生意想不到的事情，比如装载商品的卡车可能会提前到达车站，或者可能出现恶劣天气、路上堵车等等。

而AI在这一环发挥的作用，正是帮助预测道路意外状况。

派送：智能规划路线

“最后一公里”派送，AI也发挥着重要作用。

由于不同的客户每天订购不同的商品，因此路线规划和优化是亚马逊需要解决的最棘手的问题之一，该公司使用20多个机器学习模型在幕后协同工作。

Hamilton说：

规划路线需要的决策点就像宇宙中的原子一样多，而人工智能对于实现这一点至关重要。人工智能之所以重要，是因为有太多需要在当下做出的决定无法再由人工完成，尤其是在如此大规模的情况下。

亚马逊最后一英里送货团队正在探索使用生成式AI和大模型来简化司机的决策，具体的路径和步骤包括：

通过明确客户送货备注（这在大型建筑中非常有用），以及通过了解送货地址的不同属性（如建筑轮廓、道路入口点），并将其与物理世界进行匹配。