钟翼翔，现任苏宁物流研发中心运输产品线产品总监。2011~2017 期间，担任南京欣网互联网络科技有限公司电商产品部经理。2017~至今，担任苏宁物流研发中心运输产品线产品总监，主要负责苏宁物流及天天快递的干支线运输、市内调拨运输、运输监控、运力资源池、空铁联运等运输系统设计。

　　I. 从您的经历来看，需要学习哪些IOT相关的知识可以较为顺畅的进入这个行业?

　　答：目前IOT行业的工作其实可以分为两种模式。

　　第一种是IOT技术和产品的标准输出，为外部某些领域的用户提供统一服务：以物流运输的IOT为例，以第一种为例就好比生产一个车载视频监控设备及其监控平台，产品完全标准化，然后将产品再卖给需要该产品的运输公司，这种也可以理解为IOT技术和设备的研发商，从IOT技术和设备入手制成标准产品再发布到市场。

　　第二种是先敲定所研究的行业领域，再做IOT的适配输出：同样以物流运输的IOT为例，例如苏宁物流提出了一个车载视频监控的需求，先有了这样的需求，再根据需求找到内部IOT研发团队进行产品的研究、设计、制成、应用，这种其实就是企业内部聚焦于某一领域自有的IOT研发团队。

　　至于需要学习哪些IOT相关的知识才能进入这个行业，其实如上所说的两种类型所侧重的知识点也有所不同，第一种对IOT的技术应用研发能力要求更高，如对硬件设备、通信技术、管理平台的研发等，而对业务场景的理解可以稍微简单一些，该类工作可通过对技术知识的学习研究作为切入点，更偏向纯技术研发一些;第二种则对业务场景和单一领域应用作业的知识要求更高，如研究车联网，首先搞清楚车辆作业具体需求的使用场景和业务逻辑，再根据业务研究进行软硬件设备的研发，该类工作可以从业务方向入手，先成为业务场景的专家，再逐步转向IOT技术层面的学习。

　　但是，以上不管侧重点如何，若想顺畅进入该行业，甚至成为行业内的专家，其软硬件技术知识和业务知识都需要进行学习研究，二者缺一不可。如果想顺畅进入该行业，不妨在钻研IOT技术知识的同时，也同步对某一领域的业务场景进行了解和学习。

　　II. 物联网在物流领域有哪些应用场景?如何将二者结合提升物流行业服务?

　　答：目前物流作业核心场景可以粗分为：仓、干、配，即仓库作业、干线运输、末端配送三个阶段。而仓、干、配三者对于IOT技术的应用也都有各阶段重点不同的使用场景和需求。

　　仓：助拣选、算出入、促交接。

　　仓库(或分拨)作业可以说是IOT应用场景最为密集的物流作业阶段之一，仓库或分拨的大部分作业节点都可以借助IOT技术，如货物的自动识别与分拣、出入库的货物批量自动采集和校验、货物的自动移库和快速交接。

　　干：追货物、保安全、稳时效。

　　干线运输阶段的IOT应用可以围绕对车和货的定位追踪、门磁的控制，防止出现丢货或换货的情况;对车辆安全驾驶的监控，通过主动安全设备和驾驶视频监控降低事故风险;对车辆的管控，如打造车联网进行车辆全程管理，实现对时效、运力的统一管控。

　　配：计定位、做引导、降异常。

　　末端配送阶段的IOT应用目前相对比较薄弱，各大公司和厂家也都在摸索中，目前比较流行的配送IOT应用包括对末端运输工具，如电动车的车联网管理;对配送人员可穿戴设备的研究，如便携式蓝牙扫码手环、定位和语音交互手表、骑行导航眼镜等，其目的主要是为配送人员做作业引导提升配送效率、依赖物联网设备预防作业风险降低异常。

　　物流和IOT技术，如果只是谈两者的结合，场景虽然多，但是可预期的应用并不算深入。其实未来应将IOT结合大数据、AI技术共同应用于物流作业，才能对物流行业产生质变的影响，才能实现物流智能化，才能让精准的预测和智能在线决策、调度在物流各环节发挥影响力，最终形成一张充满智慧的物流骨干网。

　　III. 您觉得自建物流与众包物流在未来谁的优势较大?

　　答：自建物流和众包物流首先不是相互排斥的两种模式，自建物流一般是指企业利用内部资源打造的物流能力，而众包物流主要采用社会化配送方式，将配送任务以自愿、有偿的方式，通过网络外包给非特定社会群体，以实现社会闲置资源最大化利用，同时提升物流效率。

　　自建物流和众包物流的关系不仅不存在互斥性，且还可以说是相辅相成的。以苏宁物流为例，对于干支线运输及末端快递配送为保证服务质量和时效要求基本都以自建物流运力为主，而苏宁小店商品的即时配则会使用部分众包物流运力。这也取决于二者的优劣势：

　　基于自建物流和众包物流的各自优劣势，在实际作业中，企业并不是非A即B的选择，有可能企业会以自建物流为主，同时通过众包物流来弥补运力短板;也有可能企业会以众包物流为主，再适当通过自建物流来保证特殊时期、特殊业务范围下的作业稳定性。

　　所以自建物流和众包物流针对不同企业、不同业务要求一定是各具优势，且可互为补充的。

　　IV. 自建物流结合咱们苏宁现有业务来看，是护城河还是高架炮?

　　答：对于苏宁来说，自建物流既是护城河，也是高架炮。

　　这个问题首先可以从苏宁物流现有的物流模式和作业范畴说起，目前苏宁物流是行业内较少的几乎覆盖了全物流业态的公司之一。苏宁物流起步于传统零售，最早主要作用是支撑门店销售的货物调拨;后又进入电商领域，同步支撑电商物流;随着新零售的崛起，且特别在2017年苏宁物流正式合并天天快递后，目前从仓、分拨、网点、门店、自提点的管理，到干、支、城、配的运输作业，再到同城配、无车承运人等多种业务模式都有涉及，物流已经融入到了苏宁集团各产业的方方面面。

　　在这样的背景下，苏宁物流已经成为苏宁集团各产业运作的基础服务，所以自建物流即可视作现有零售市场“防守”的护城河，也可以当作商业模式创新“突围”的高架炮。

　　“守”之护城河：通过自建物流稳固运营，提升服务质量。

　　不论是线下门店销售、线上电商销售，还是融合O2O的新零售，苏宁物流都起着业务运营基础保障的作用。此时只有通过自建物流才能保证物流作业的持续稳定性、服务质量及用户体验，此时的自建物流已经是业务运营、品牌塑造、市场影响的核心基础保障。

　　“攻”之高架炮：依赖自建物流拓展创新，积极应变市场。

　　在市场高速发展的今天，任何产业不创新就等于等待被淘汰。自建物流的最大优势之一，就是可以配合企业的战略方针快速调整，以苏宁物流为例，近年集团的主要方向之一就是布局线下苏宁小店的快速拓展，此时就需要物流快速实现对苏宁小店的作业能力支撑，包括对仓到小店的常温/冷链商品的调拨、将小店作为网点/自提点的能力改造等等。在此场景下，自建物流就似一把利剑，可以助力集团战略实施落地，快速拓展市场。

　　此外，自建物流还可以帮助企业进行创新，自建物流有一定的设备、人力、数据资源，且一般中大型自建物流也都会使用自研系统，所以通过经验和数据的积累，再结合自有业务需求，可以有针对性的进行产品的研发创新。

　　V. 从您的实践中，您觉得运输资源的调度符合帕累托最优么，如何寻找最优?

　　答：其实运输资源调度寻找最优一直是运输管理里面的一个难点，而帕累托最优更倾向于一种理想的状态。想研究这个问题，可以先从运力资源的组成来看。

　　目前运力资源基础要素可分为：司机、车辆、挂厢。若涉及到调度，则还需考虑到运力的归属，是自有运力、外协运力或是临时运力。且在做资源的调度规划时还需同步考虑运输的基础资源设置，如线路、站点设置等，当然运力调度的前提是作业需求，包括货量、时效要求以及一些外部影响因素。(如下图)

　　所以这里会涉及到一个算法模型的设计，我们有什么，目标是什么，约束条件是什么，想得到的结果是什么。且不同运输类型的情况也不同，干支线运输更多需要考虑多种车型的最优选择，且可能还会涉及车头和挂厢的匹配如何配置最优问题;辖区运输可能选择车型有限，但是一个区域众多门店/网点间并没有固定配送线路一说(因为辖区内最优的线路一定是根据当天货量来判断的)，于是重点就在于如何协调车辆资源，用合适的车量数、车型再找到最合适的线路。

　　以苏宁为例，目前苏宁运输在运力资源管理上，结合智慧调度的需要，会通过运输星图平台进行运力最优向的计算。同时也为司机上线了苏宁行星运输手持客户端，以星图平台为核心，通过对司机行星手持和车辆监控设备的作业数据收集，并结合业务规则和目标，进行运力资源(含承运商/车队、司机、车辆)从录入到评估的全流程管理，含信息收集、数据录入、潜在合作分析、预先评估、结算方式设定、作业跟进、安全监控、作业回溯、质量评级。

　　并同时根据作业背景、运输类型、业务要求、风险预测进行运力调度及作业排程确认。这里面还会涉及到两个阶段，第一阶段是基于历史数据的运力及调度安排的预测，第二阶段是根据当前作业数据进行运力及调度的微调。

　　所以运力调度及作业排程的最优算法所涉及的要素较多，这块现在、将来应该都会是运输类系统所重点研究和持续迭代的一项核心工作。

　　VI. 您觉得运输管理系统的核心难点在哪?

　　答：目前行业里主流的运输管理系统分为几种，SaaS类运输管理系统、企业自建类运输管理系统、车队监管类系统、O2O车货匹配类系统等等。每类系统所解决的问题和关注的侧重点都有不同，但在成本、安全、时效上的目标基本是一致的，所以在功能设计上，基本都是围绕这几点开展。

　　但是目前行业里大部分的运输管理系统都存在一个问题，更多的功能只是在做信息化的线上登记，而缺少“智能”化的算法引入。目前市场上很多号称智能的运输管理系统，可能做的也就是车辆等运力数据的录入管理、班线站点等基础信息维护管理、订单的接收和车辆排程的人工安排、车辆在途的监控及提供一些报表查询数据。这类系统更多做的只是把原本线下的作业登记搬到了线上而已，缺少真正所谓“智能”的系统化能力。

　　所以我所认为的目前运输管理系统的核心难点就是：如何将大部分的运输作业步骤均逐步实现智能化的数据预测和方案推荐，并基于已有数据的积累实现系统的深度学习。

　　这里面会涉及到对运输作业全流程关键节点的细化剖析，并将这些关键节点及细化问题点再进行深入研究，针对每一个问题点都成立一个课题，进行系统可基于深度学习优化决策的应用研发。

　　以苏宁的星图运输系统为例，我们将运输全流程拆为了3大阶段、12个核心环节、26个研究课题(如下图)。通过对每一个课题和深度决策模型的结合，以期待实现通过系统决策就可给出每个环节的最优方案。

　　VII. 跨境电商和物流运输的中转时效是业务中的一个难点，这块的提升有哪些主流思路可以借鉴?

　　答：对跨境电商和物流运输的中转时效的保障其实是一个贯穿策略层和作业层的问题，若想提升时效，不仅在物流底层服务的框架设计上需进行考虑，还得对分拨和运输的作业流程进行针对性的优化调整，该问题粗犷来看可以分为五点：

　　1、在物流底层服务的设计上，合理规划运输网络。

　　若想提升中转时效，在物流底层服务的设计上，需从运输网络、路由、时效的合理性进行梳理。特别是运输网络规划上，可结合算法模型的设计，通过系统进行运输网络的最优推荐。

　　2、在作业批次的安排上，通过配载路由实现灵活的班车调整。

　　在作业批次的控制上，配合分拨作业批次的时间安排，再结合班车的到发车时间，并通过配载路由的调整，让一些货物在不能满足直发班车到达目的分拨的情况下，也可以通过其他分拨进行途径中转，以追上预定时效或将时效偏差尽量降低。

　　3、在中转分拨到发车的控制上，通过运输在途监控和到发车预测降低运输作业风险。

　　在运输作业层面，可通过对车辆在途监控进行时效的预测预警，降低延误风险。若真出现了不可抗拒的情况而导致了延误，可通过异常预警及时告知调度，并通过系统的补救式推算安排补救方案，以尽量追回预定时效。

　　同时在中转分拨侧做好到车和发车预测，在车辆快要抵达分拨时做好垛口的预约和装卸车工作的安排，以保证高效交接。

　　4、在中转分拨内部作业效率的提升上，通过分拨设备的自动化应用及作业预判提升效率。

　　在分拨作业层面，可通过自动化设备以提升中转分拨的作业效率，在作业过程中还可通过视频监控的图像识别进行分拨爆仓、道口堵塞等异常情况的预判和预警，提前做好应对方案，降低作业异常风险。

　　5、作业流程分段分析，针对问题定期回顾总结。

　　通过对全环节的穿透性管控，把时效未达成影响最大的每个环节，透入每个分拨中，找出环节影响最大，分拨占比最高的问题与分拨段，针对改善。

　　VIII. IOT目前在大家想象场景主要还集中的智能家居，您觉得还会在哪些领域产生比较巨大的影响?

　　答：对于IOT大家想象的场景之所以主要集中在智能家居，主要原因还是因为智能家居的应用和我们每个人都息息相关，所以也是最容易引起大家发挥想象并愿意共同探讨的场景。但是这并不代表IOT只会对智能家居产生比较巨大的影响，在不久的将来甚至是现在IOT一定会深入我们的个人生活需要、工业制造、医疗保健、体育娱乐、物流作业等方方面面。

　　IOT与其看是一种技术，不如看是一种工具，且这种工具是可以被各个领域所应用的。如果一定要选择几个有巨大影响的领域，我认为除了智能家居外IOT对智慧城市建设、工业生产、物流作业等领域在当前阶段就已经有了较为深刻的影响。

　　智慧城市建设

　　智慧城市是一个比较大的概念，大到交通、教育、能源、环保、市政管理、公共服务，细到路灯照明、停车引导、信息咨询，这里面或多或少都会涉及到IOT的应用。

　　工业生产

　　国内的工业生产目前正在寻求从“制造”向“智造”的转型蜕变，而这其中最关键的工具之一就是对于IOT的应用。工业物联网将生产过程的每一个环节、设备变成数据终端，全方位采集底层基础数据，并进行更深层面的数据分析与挖掘，从而提高效率、优化运营。

　　物流作业

　　物流作业前面也提到了大量的实例，IOT在仓、干、配三个阶段均有丰富的应用场景和拓展空间，不论是承运设备、装载设备、监控设备还是可穿戴设备，IOT在物流领域若能结合大数据、AI和5G技术，一定能在不远的将来再次带来一轮新的技术革命。

　　IV. 您理解的智慧物流是怎样的?未来智慧物流会有哪些发展方向?

　　答：目前随着“智慧化”的发展趋势，各种智慧物流的定义和概念也说的很多。这里我从稍微贴近实际物流作业的角度也谈一谈我对智慧物流的理解。

　　我所理解的智慧物流基于两个“无人”：

　　第一个是“无人”决策，是通过系统的深度学习以替代人脑做出的最优决策。

　　智慧物流中“智慧”的实现其实主要就是通过系统的深度学习以替代人的经验判断做出符合实际作业利益最大化的最优决策。而类似需要这样的系统决策的地方实际贯穿于我们物流作业的每一个流程和环节，总体来说可分为两类，即规划层决策和执行层决策。

　　规划层决策：从整体物流框架设计上的决策，包括运输网络、站点布局、时效设计、作业规范等等。

　　执行层决策：在作业场景中需要进行的执行性决策，从中心仓、分拨、前置仓、网点、门店、自提站、自提点的收存拣发作业到运输、配送的细分节点作业，几乎每一步都存在着决策点。

　　第二个是“无人”作业，是结合IOT和基于大数据及AI决策实现的“无人化”作业执行。

　　在实现系统最优决策的情况下，再结合IOT即可着手智慧建设的第二步，无人化作业。例如无人园区、无人仓、无人重卡、无人机、无人车等。未来的智慧物流作业应该是基于最优选择后的执行效率高、作业错误低、风险可预测、异常可补救的高效模式，而能支撑这种高效模式持续稳定开展的作业工具一定是“无人化”的实现。目前我们能欣喜的看到很多无人仓、无人机已经投入了实际的生产应用中，像无人重卡、无人装卸也在实验考察阶段，未来物流作业的核心流程会逐步由有人转为无人，而人的工作会由一线执行逐步转为幕后监控。

　　所以，在向这两个“无人”方向探索的道路上，苏宁物流也专门成立了基于“无人”决策的智慧创新研发中心和基于“无人”作业应用的智能硬件研究院。

　　除了我所提的两个“无人”外，未来对智慧物流的想象空间其实还可以更丰富、更夸张一些，而且我也深信，随着技术的快速发展迭代，对智慧物流的定义和理解也一定会不断更新升华。