2018年中国智慧物流行业发展现状及发展趋势分析【图】

    一、智慧物流的定义

    物流业是国家经济支撑性产业， 2009-2016年， 全国社会物流总费用在GDP中的占比由18.1%下降至15.5%， 但与发达国家物流费用占GDP约10%的比例相比还有很大差距， 提高物流效率， 降低物流成本成为政府、 物流企业与其客户力争实现的目标。 2016年， 国家发改委发布《物流业降本增效专项行动方案》， 交通运输部也规划从基础设施建设等四方面着手帮助促进物流业降本增效。智慧物流是指通过智能硬件、 物联网、 大数据等智慧化技术与手段， 提高物流系统分析决策和智能执行的能力， 提升整个物流系统的智能化、 自动化水平。智慧物流集多种服务功能于一体， 体现了现代经济运作特点的需求， 即强调信息流与物质流快速、 高效、 通畅地运转， 从而实现降低社会成本， 提高生产效率， 整合社会资源的目的。当前物流企业对智慧物流的需求主要包括物流数据、 物流云、 物流设备三大领域， 2016年智慧物流市场规模超过2,000亿元， 到2025年，智慧物流市场规模将超过万亿。智慧物流数据服务市场（形成层）： 处于起步阶段， 其中占比较大的是电商物流大数据， 随数据量积累以及物流企业对数据的逐渐重视， 未来物流行业对大数据的需求前景广阔。智慧物流云服务市场（运转层）： 基于云计算应用模式的物流平台服务在云平台上， 所有的物流公司、 行业协会等都集中整合成资源池，各个资源相互展示和互动， 按需交流， 达成意向， 从而降本增效， 阿里、 亚马逊等纷纷布局。智慧物流设备市场（执行层）： 是智慧物流市场的重要细分领域，包括自动化分拣线、 物流无人机、 冷链车、 二维码标签等各类智慧物流产品。

    相关报告：智研咨询发布的《2018-2024年中国智慧物流行业分析与投资决策咨询报告（下卷）》

    二、 智慧物流发展驱动因素

    1、国家大力推进互联网+物流业
自2015年以来， 国家各级政府机构出台了鼓励物流行业向智能化，智慧化发展的政
策， 并积极鼓励企业进行物流模式的创新， 主要方向包括：大力推进“互联网+” 物流发展， 发挥互联网平台实时、 高效、 精准的优势， 对线下运输车辆、 仓储等资源进行合理调配、 整合利用， 提高物流资源使用效率，实现运输工具和货物的实时跟踪和在线化、可视化管理。

    如国务院办公厅《关于深入实施“互联网+流通” 行动计划的意见》 中提出， 鼓励发展分享经济新模式， 激发市场主体创业创新活力， 鼓励包容企业利用互联网平台优化社会闲置资源配置， 扩大社会灵活就业。鼓励物流模式创新， 重点发展多式联运、 共同配送、 无车承运人等高效现代化物流模式。 商务部《2015年流通业发展工作要点》 中提出， 深入推进城市共同配送试点， 总结推广试点地区经验， 完善城市物流配送服务体系，促进物流园区分拨中心、 公共配送中心、 末端配送点三级配送网络合理布局， 培育一批具有整合资源功能的城市配送综合信息服务平台， 推广共同配送、 集中配送、 网订店取、 自助提货柜等新型配送模式。加强物流信息化和数据化建设， 国务院办公厅《关于推进线上线下互动加快商贸流通创新发展转型升级的意见》 中提出， 鼓励运用互联网技术大力推进物流标准化， 推进信息共享和互联互通；大力发展智慧物流， 运用北斗导航、 大数据、 物联网等技术， 构建智能化物流通道网络， 建设智能化仓储体系、 配送系统。

    2、新商业模式涌现， 对智慧物流提出要求

    近10年来，电子商务、 新零售、 C2M等各种新型商业模式快速发展， 同时消费者需求也从单一化、 标准化， 向差异化、个性化转变， 这些变化对物流服务提出了更高的要求。电商快速发展，电商带动快递业从07年开始连续9年保持50%左右高速增长， 2016年业务量突破300亿件大关，达313.5亿件。 行业爆发式增长的业务量对物流行业更高的包裹处理效率以及更低的配送成本提出了要求。– 未来电商将持续高速发展， 阿里研究院预计2020年网络零售额将超过10万亿元人民币， 2017年中， 阿里巴巴集团董事局主席马云更是提出“一天10亿包裹数量， 不会超过八年，估计在六、七年左右就能实现”。– 跨境电商快速发展， 预计到2020年将保持年均增长20%， 2020跨境电商贸易进出口占整体对外贸易的比例将由19.5%上升37.6%。新零售兴起， 企业以互联网为依托， 通过运用大数据、 人工智能等先进技术手段， 对线上服务、 线下体验以及现代物流进行深度融合的零售新模式。 这一模式下， 企业将产生如利用消费者数据合理优化库存布局， 实现零库存， 利用高效网络妥善解决可能产生的逆向物流等诸多智慧物流需求。C2M兴起， 由用户需求驱动生产制造，去除所有中间流通加价环节， 连接设计师、 制造商， 为用户提供顶级品质， 平民价格，个性且专属的商品。 这一模式下，消费者诉求将直达制造商，个性化定制成为潮流， 对物流的及时响应、 定制化匹配能力提出了更高的要求。

    3、物流运作模式革新， 推动智慧物流需求提升

    互联网时代下， 物流行业与互联网结合，改变了物流行业原有的市场环境与业务流程， 推动出现了一批新的物流模式和业态如车货匹配、 众包运力等。 基础运输条件的完善以及信息化的进一步提升激发了多式联运模式的快速发展。 新的运输运作模式正在形成， 与之相适应的智慧物流快速增长。车货匹配，可分为两类： 同城货运匹配、城际货运匹配。 货主发布运输需求， 平台根据货物属性、 距离等智能匹配平台注册运力， 并提供SOP等各类增值服务。 对物流的数据处理、 车辆状态与货物的精确匹配度能力要求极高。运力众包， 主要服务于同城配市场， 兴起于O2O时代， 由平台整合各类闲散个人资源， 为客户提供即时的同城配送服务。 平台的智慧物流挑战包括如何管理运力资源， 如何通过距离、 配送价格、周边配送员数量等数据分析进行精确订单分配， 以期望为消费者提供最优质的客户体验。多式联运：包括海铁、 公铁、 铁公机等多类型多式联运方式， 多式联运作为一种集约高效的现代化运输组织模式，在“一带一路” 国家战略的布局实施过程中， 迎来了加速发展的重要机遇。 由于运输过程中涉及多种运输工具， 为实现全程可追溯和系统之间的贯通， 信息化的运作十分重要。 同时新型技术如无线射频、 物联网等的应用大大提高了多式联运换装转运的自动化作业水平。

    4、大数据， 无人技术等智慧物流相关技术日趋成熟

    无人机、 机器人与自动化、 大数据等已相对成熟， 即将商用；可穿戴设备、 3D打印、 无人卡车、 人工智能等技术在未来10年左右逐步成熟， 将广泛应用于仓储、 运输、 配送、 末端等各物流环节。较为成熟， 将要或已经实现商用的物流相关技术：仓内技术： 主要是机器人技术，包括AGV(自动导引运输车)、 无人叉车、 货架穿梭车、 分拣机器人等， 主要用于仓内搬运、 上架、 分拣操作，可有效提升仓内的操作效率， 降低物本， 如亚马逊在13个分拣中心布局超3万个KIVA机器人。最后一公里配送： 无人机技术，包括干线无人机与配送无人机两类， 其中配送无人机研发已较为成熟， 主要应用于末端最后一公里配送， 如京东在2017年618期间， 已采用无人机在多省市进行农村小件商品配送， 完成1,000余单配送。智慧数据底盘： 大数据分析技术， 通过对商流、 物流等数据进行收集、 分析，主要应用于需求预测、 仓储网络、 路由优化、 设备维修预警等方面， 如京东采用数据预测方式， 提前洞察消费者需求， 并进行预先分仓备货。相对不成熟， 距商用仍有一定时间的物流相关技术：仓内技术中可穿戴设备技术， 最后一公里中3D打印，干线技术中的无人卡车， 以及数据底盘的物联网、 人工智能等技术多处于研发测试阶段，可分别用于仓内智能分拣、 末端产品配送、干线货物运输、 产品溯源、 决策支持等方面， 如在DHL荷兰仓内， 员工可根据智能眼镜的图像提示如包裹体积、 目的地信息， 进行高效分拣。

    三、 智慧物流技术发展趋势与行业应用实践

    我们将通过介绍各主要技术的基本情况， 同时结合国内外电商平台(如亚马逊、 京东)、 领先物流企业（如顺丰、 DHL）， 在各技术上的开发历程、 应用场景与未来规划， 全方位展示智慧物流在行业中的发展现状与未来。

智慧物流技术全景图

数据来源：公开资料整理

    1、仓内技术

    主要有机器人与自动化分拣、可穿戴设备、 无人驾驶叉车、 货物识别四类技术，当前机器人与自动化分拣技术已相对成熟， 得到广泛应用，可穿戴设备目前大部分处于研发阶段， 其中智能眼镜技术进展较快。

    机器人与自动化技术

    仓内机器人包括AGV(自动导引运输车)、无人叉车、 货架穿梭车、 分拣机器人等，主要用在搬运、 上架、 分拣等环节。 国外领先企业应用较早， 并且已经开始商业化，各企业将在机器人的应用场景深入推进。 国外企业如亚马逊、 DHL， 国内企业京东、 菜鸟、 申通已经开始布局。

    DHL： 采用与第三方合作方式进行研发，产品布局以直接购买第三方定制化产成品为主2016年DHL引进智能协作机器人Baxter和Sawyer， 推进仓储环节的自动化进程。 协作机器人能够与仓库人员共同工作， 负责协助重复性、 对体力要求较高的工作， 整体效率提升。 同年， DHL日本仓库，引进丰田自动机械制造的KEYCAR系列AGV机器人，帮助提升仓内运作效率。

    可穿戴设备

    当前仍然属于较为前沿的技术， 在物流领域可能应用的产品包括免持扫描设备、 现实增强技术-智能眼镜、 外骨骼、 喷气式背包， 国内无商用实例， 免持设备与智能眼镜小范围由UPS、 DHL应用外， 其他多处于研发阶段。 整体来说离大规模应用仍然有较远距离。智能眼镜凭借其实时的物品识别、条码阅读和库内导航等功能， 提升仓库工作效率， 未来有可能被广泛应用， 京东及亚马逊等国内外电商企业已开始研发相关智能设备。

    2、干线技术

    干线运输主要是无人驾驶卡车技术。 无人驾驶卡车将改变干线物流现有格局，目前尚处于研发阶段， 但已取得阶段性成果， 正在进行商用化前测试。

    无人驾驶卡车

    无人驾驶乘用车技术已经取得了阶段性成果， 目前多家企业开始了对无人驾驶卡车的探索。 由多名Alphabet前高管成立Otto， 研发卡车无人驾驶技术， 核心产品包括传感器、 硬件设施和软件系统， 目前已经进入测试阶段， 虽然公路无人驾驶从技术实现到实际应用仍有一定距离，但从技术上看， 发展潜力非常大， 未来卡车生产商将直接在生产环节集成无人驾驶技术。目前， 无人驾驶主卡车主要由整车厂商主导， 如戴姆勒等， 但也有部分电商、 物流企业正尝试布局， 如亚马逊已申请无人卡车相关专利提前布局， 而国内企业如京东也正在尝试研发无人卡车。

    3、最后一公里技术

    最后一公里相关技术主要包括无人机技术与3D打印技术两大类。 无人机技术相对成熟， 目前包括京东、 顺丰、 DHL等国内外多家物流企业已开始进行商业测试，其凭借灵活等特性， 预计将成为特定区域未来末端配送重要方式。 3D技术尚处于研发阶段， 目前仅有亚马逊、 UPS等针对其进行技术储备。

    无人机

    无机技术已经成熟， 主要应用在人口密度相对较小的区域如农村配送，中国企业在该项技术具有领先优势， 且政府政策较为开放， 制定了相对完善的无人机管理办法， 国内无人机即将进入大规模商业应用阶段。 2013年以来各行业内领先企业纷纷启动无人机项目， 亚马逊自2013年至今无人机技术已经过多次升级。 2017年京东成立无人机运营调度中心标志着无人机在国内已基本可进行大规模商用。未来无人机的载重、 航时将会不断突破，感知、 规避和防撞能力有待提升， 软件系统、 数据收集与分析处理能力将不断提高， 应用范围将更加广泛。

    3D打印

    3D技术对物流行业将带来颠覆性的变革， 但当前技术仍处于研发阶段， 美国Stratasvs和3D Systems两家企业占绝大多数市场份额。 未来的产品生产至消费的模式将是“城市内3D打印+同城配送”，甚至是“社区3D打印+社区配送” 的模式，物流企业需要通过3D打印网络的铺设实现定制化产品在离消费者最近的服务站点生产、 组装与末端配送的职能。

    4、末端技术

    末端新技术主要是智能快递柜。 目前已实现商用（主要覆盖一二线城市）， 是各方布局重点， 但受限于成本与消费者使用习惯等问题， 未来发展存在不确定性。

    智能快递柜

    智能快递柜技术较为成熟。 已经在一二线城市得到推广，包括顺丰为首的蜂巢、 菜鸟投资的速递易等一批快递柜企业已经出现， 但当前快递柜仍然面临着使用成本高、 便利性智能化程度不足、 使用率低、无法当面验货、 盈利模式单一等问题。

    5、智慧数据底盘技术

    数据底盘主要包括物联网、 大数据及人工智能三大领域。 物联网与大数据分析目前已相对成熟， 在电商运营中得到了一定应用， 人工智能相对还处于研发阶段， 是未来各家研发的重点。 物联网技术与大数据分析技术互为依托， 前者为后者提供部分分析数据来源， 后者将前者数据进行业务化， 而人工智能则是大数据分析的升级。 三者都是未来智慧物流发展的重要方向，也是智慧物流能否进一步迭代升级的关键。

    物联网技术

    物联网的概念已经非常普及， 但在物流领域的应用仍然有一定难度。 受终端传感器高成本的影响， 二维码成为现阶段溯源的主要载体， 技术的阶段性突破将不断促进物联网的发展，长期来看， 低成本的传感器技术将实现突破， RFID和其他低成本无线通信技术将是未来的方向。 物联网技术预计未来在物流行业将得到广泛的应用。 目前国内已出现专注智慧物流物联网领域的领先企业如汇通天下（G7）。Vvv物联网主要有以下四个物流应用场景：产品溯源： 通过传感器能够追溯到农产品从种植到运输到交付环节的所有信息，包括种植条件， 农药使用， 农产品品质，运输温度等， 同时通过区块链记录货物从发出到接收过程中的所有步骤， 确保了信息的可追溯性， 从而避免丢包， 错误认领事件的发生。

    冷链控制： 通过车辆内部安装的温控装置， 对车内的温湿度情况进行实时监控，确保全程冷链不掉链。

    安全运输： 通过设备对司机、 车辆状态数据进行收集， 及时发现司机疲劳驾驶、车辆超载超速等问题， 提早警报， 预防事故。

    路由优化： 通过车辆上安装的信息采集设备，可以采集运输车辆情况、 路况、 天气等信息， 上传给信息中心， 分析后对车辆进行调度优化。

    大数据技术

    大数据已经成为众多企业重点发展的新兴技术， 多家企业已成立相应的大数据分析部门或团队， 进行大数据分析、 研究、应用布局，各企业未来将进一步加强对物流及商流数据的收集、 分析与业务应用。大数据技术主要有以下四个物流应用场景：需求预测： 通过收集用户消费特征、 商家历史销售等大数据， 利用算法提前预测需求， 前置仓储与运输环节。 目前已经有了一些应用， 但在预测精度上仍有很大提升空间， 需要扩充数据量， 优化算法。

    设备维护预测： 通过物联网的应用， 在设备上安装芯片，可实时监控设备运行数据， 并通过大数据分析做到预先维护， 增加设备使用寿命。 随着机器人在物流环节的使用， 这将是未来应用非常广的一个方向。

    供应链风险预测： 通过对异常数据的收集， 进行如贸易风险， 不可抗因素造成的货物损坏等进行预测。

    网络及路由规划： 利用历史数据、 时效、覆盖范围等构建分析模型， 对仓储、 运输、 配送网络进行优化布局， 如通过对消费者数据的分析， 提前在离消费者最近的仓库进行备货。 甚至可实现实时路由优化， 指导车辆采用最佳路由线路进行跨城运输与同城配送。

    人工智能

    主要由电商平台推动， 尚处于研发阶段，除图像识别外， 其他人工智能技术距离大规模应用仍有一段时间。人工智能技术主要有以下五个物流应用场景：智能运营规则管理： 未来将会通过机器学习， 使运营规则引擎具备自学习、 自适应的能力， 能够在感知业务条件后进行自主决策。 如未来人工智能将可对电商高峰期（双十一） 与常态不同场景订单依据商品品类等条件自主设置订单生产方式、交付时效、 运费、 异常订单处理等运营规则， 实现人工智能处理。

    仓库选址： 人工智能技术能够根据现实环境的种种约束条件， 如顾客、 供应商和生产商的地理位置、 运输经济性、 劳动力可获得性、 建筑成本、 税收制度等， 进行充分的优化与学习， 从而给出接近最优解决方案的选址模式。

    决策辅助： 利用机器学习等技术来自动识别场院内外的人、 物、 设备、 车的状态和学习优秀的管理和操作人员的指挥调度经验和决策等， 逐步实现辅助决策和自动决策。

    图像识别： 利用计算机图像识别、 地址库、 合卷积神经网提升手写运单机器有效识别率和准确率， 大幅度地减少人工输单的工作量和差错可能。

    智能调度： 通过对商品数量、 体积等基础数据分析， 对各环节如包装、 运输车辆等进行智能调度， 如通过测算百万SKU商品的体积数据和包装箱尺寸， 利用深度学习算法技术， 由系统智能地计算并推荐耗材和打包排序， 从而合理安排箱型和商品摆放方案。