AI賦能亞馬遜物流，從購買前的需求預測，到路線規(guī)劃和優(yōu)化、以及預測道路意外狀況．．．．．．每一個環(huán)節(jié)都嵌入AI技術。
人工智能助力“最后一公里”，亞馬遜把物流玩得透透的。
應戰(zhàn)“剁手星期一”（感恩節(jié)后的第一個星期一11月27日，通常是美國最火爆的網購日），亞馬遜利用AI更安全、更高效地將包裹送到客戶手中。
談到AI在物流的作用，亞馬遜負責最后一英里配送負的的規(guī)劃技術副總裁Scot Hamilton指出：
“剁手星期一”是我們的超級碗，我們已經訓練了幾個月，人工智能幫助我們完成了這一天之前和之中的所有工作。
盡管AI看不到也感覺不到，但它就像氧氣一樣至關重要。當你沒有意識到它的存在時，這意味著它正在完美地工作。
本周一亞馬遜在其官網上介紹人工智能如何賦能物流，從開始送貨前的幾個月，到司機上路的那一刻，再到包裹送到客戶門口，每一個環(huán)節(jié)都嵌入AI技術。
值得一提的是，亞馬遜已成為美國最大的快遞公司，據亞馬遜的最新內部數據顯示，其在美國的年度配送量首次超越了競爭對手UPS 和 FedEx，預計在“黑五”和“剁手星期一”之前將運送總計48億個包裹，2023年末將達到約59億個包裹。
購買前：預測需求、優(yōu)化庫存、協(xié)調發(fā)貨
其實早在客戶點擊購買商品之前，亞馬遜的供應鏈優(yōu)化技術SCOT就已經開始工作。
SCOT利用深度學習模型和海量數據集，每天預測4億多種產品的需求和銷量，來決定在哪些倉庫、存放多少數量的產品，并協(xié)調全球數百萬賣家發(fā)貨。
十年前，亞馬遜首次將深度學習模型引入SCOT，預測的準確率在短短兩年內躍升了15倍，同時亞馬遜能夠儲備更多的商品，并更快地將商品送到客戶手中。
2020年，亞馬遜開始使用Transformer框架，來引入一個統(tǒng)一的預測模型。
在亞馬遜龐大的產品目錄中，該模型能更準確地預測顧客會喜歡什么、購買什么，該技術有助于進一步改善對亞馬遜產品上架的規(guī)劃。
打包：搬運貨物、協(xié)助員工
客戶下單之后就進到了物流環(huán)節(jié)，隨著AI技術的發(fā)展，機器人變得越來越智能，賦能打包、運輸的整條鏈路，從而將將包裹送到客戶手中。
具備AI機器視覺功能的機器人可以識別、分類和檢查數億種商品的質量，然后將其打包，裝上送貨車。
亞馬遜擁有全球最大的移動工業(yè)機器人車隊，部署超75萬臺機器人。只要客戶點擊亞馬遜網站上的“立即購買 ”按鈕，履約中心的中央規(guī)劃軟件就會派出中的一個機器人去取購買的商品。
名為“Sequoia”的機器人滑到存儲貨物的下方，將其從地板上抬起，然后送到亞馬遜員工的手中，由員工掃描、貼標簽并準備包裝。
亞馬遜此前稱，Sequoia可以將識別和存儲庫存的速度提高75%，同時將倉庫處理訂單的時間縮短25%。
此外，亞馬遜利用生成式AI創(chuàng)建“合成數據”，模擬機器人在“剁手星期一”等高峰期可能遇到的各種場景，以訓練機器學習。
而一旦一個機器人學會了如何更高效地導航，整個車隊也會獲得同樣的能力。
分類：自動化分揀
一旦物品包裝完畢并貼好標簽，接下來員工就會把包裹交給名為“Robin”的機器人。
具備AI增強視覺系統(tǒng)的Robin會幫助分揀包裹，可以了解哪里有哪些物體，它可以識別出不同大小的盒子、軟包裝和疊在一起的信件。
機器人Robin首先對一堆產品進行場景區(qū)分，再決定要抓取哪個包裹，然后計算如何接近包裹，并選擇使用多少個吸盤來抓取包裹。
看起來簡單的操作，對Robin的難度卻很大，選擇太多，它可能會抓起不止一個包裹；選擇太少，它可能會掉落貨物。
運輸：預測道路意外狀況
投遞站是包裹送達客戶的最后一站。
亞馬遜介紹稱，僅馬薩諸塞州的一個投遞站每天就會收到多達65000個包裹，而在節(jié)假日期間，這個數字會增長到100000個以上。
正如Hamilton指出的，總是會發(fā)生意想不到的事情，比如裝載商品的卡車可能會提前到達車站，或者可能出現惡劣天氣、路上堵車等等。
而AI在這一環(huán)發(fā)揮的作用，正是幫助預測道路意外狀況。
派送：智能規(guī)劃路線
“最后一公里”派送，AI也發(fā)揮著重要作用。
由于不同的客戶每天訂購不同的商品，因此路線規(guī)劃和優(yōu)化是亞馬遜需要解決的最棘手的問題之一，該公司使用20多個機器學習模型在幕后協(xié)同工作。
Hamilton說：
規(guī)劃路線需要的決策點就像宇宙中的原子一樣多，而人工智能對于實現這一點至關重要。人工智能之所以重要，是因為有太多需要在當下做出的決定無法再由人工完成，尤其是在如此大規(guī)模的情況下。
亞馬遜最后一英里送貨團隊正在探索使用生成式AI和大模型來簡化司機的決策，具體的路徑和步驟包括：
通過明確客戶送貨備注（這在大型建筑中非常有用），以及通過了解送貨地址的不同屬性（如建筑輪廓、道路入口點），并將其與物理世界進行匹配。
