使用自動(dòng)化技術(shù)來(lái)解決人類(lèi)在無(wú)數(shù)重復(fù)任務(wù)的工作量。在物流方面，智能自動(dòng)化具有巨大的潛力和顯著的優(yōu)勢(shì)，貨運(yùn)物流通常需要額外的員工來(lái)擴(kuò)大運(yùn)營(yíng)規(guī)模，而這些員工通常無(wú)法立即投入使用。在貨運(yùn)物流整個(gè)過(guò)程中，快速行動(dòng)和額外能力需要對(duì)市場(chǎng)波動(dòng)做出快速反應(yīng)。

隨著需求的變化，物流自動(dòng)化可以使生產(chǎn)能力快速增長(zhǎng)。如果物流自動(dòng)化可以提高生產(chǎn)率，減少人為錯(cuò)誤，提高工作效率。在物流自動(dòng)化軟件、硬件和平臺(tái)資源到位的情況下，低需求期對(duì)運(yùn)營(yíng)支出的影響最小，遠(yuǎn)低于維持大量人力資源。隨著需求的增加，生產(chǎn)能力已經(jīng)到位，可以隨時(shí)啟動(dòng)。雖然這給了物流公司快速響應(yīng)需求變化所需的靈活性。

人工智能助力物流智能化實(shí)現(xiàn)取長(zhǎng)補(bǔ)短。

將人工智能 (AI) 引入物流自動(dòng)化可以擴(kuò)大人工智能的影響。 AI人工智能減少常見(jiàn)的半技能任務(wù)中的錯(cuò)誤(例如對(duì)產(chǎn)品進(jìn)行分類(lèi)和分類(lèi))。例如，自動(dòng)移動(dòng)機(jī)器人 (AMR) 可改進(jìn)包裹遞送，包括通常最昂貴的最后一公里遞送。 AI人工智能幫助 AMR 進(jìn)行路線規(guī)劃和特征識(shí)別，如人員、障礙物、交付門(mén)戶和門(mén)戶。

在任何環(huán)境中整合物流自動(dòng)化都會(huì)帶來(lái)挑戰(zhàn)。它可以像用動(dòng)力傳送帶代替重復(fù)過(guò)程一樣簡(jiǎn)單，也可以像將合作和獨(dú)立機(jī)器人引入工作場(chǎng)所一樣復(fù)雜。當(dāng)人工智能被添加到這個(gè)自動(dòng)化和集成過(guò)程中時(shí)，挑戰(zhàn)變得更加復(fù)雜，但好處也會(huì)增加。

每個(gè)自動(dòng)化元素的效率也會(huì)隨著解決方案變得更加互聯(lián)，對(duì)過(guò)程中的所有其它階段都有更好的了解。 AI人工智能靠近生成數(shù)據(jù)和采取行動(dòng)的位置稱(chēng)為邊緣AI。采用邊緣人工智能對(duì)物流自動(dòng)化進(jìn)行了重新定義。

Edge AI 隨著快速發(fā)展，其用途不僅限于物流自動(dòng)化。將人工智能置于網(wǎng)絡(luò)邊緣的好處必須與電力、環(huán)境運(yùn)行條件、物理位置和可用空間等資源的可用性相平衡。

邊緣計(jì)算讓人工智能與數(shù)據(jù)結(jié)合突破物流網(wǎng)絡(luò)潛在瓶頸。

邊緣計(jì)算使計(jì)算和數(shù)據(jù)更緊密地結(jié)合在一起。在傳統(tǒng)的物聯(lián)網(wǎng)應(yīng)用中，大多數(shù)數(shù)據(jù)通過(guò)網(wǎng)絡(luò)發(fā)送到(云)服務(wù)器，在那里處理數(shù)據(jù)，并將結(jié)果發(fā)送回物理設(shè)備等網(wǎng)絡(luò)邊緣。只有云計(jì)算才會(huì)導(dǎo)致延遲，這在關(guān)鍵時(shí)間系統(tǒng)中是不可接受的。邊緣計(jì)算的一個(gè)例子是在分揀過(guò)程中捕獲和處理本地包裹的圖像數(shù)據(jù)，以便物流自動(dòng)化系統(tǒng)能夠在0.2秒內(nèi)做出響應(yīng)。該系統(tǒng)的網(wǎng)絡(luò)延遲將減緩排序過(guò)程，但邊緣計(jì)算正在消除這一潛在瓶頸。

雖然邊緣計(jì)算使計(jì)算更接近數(shù)據(jù)，但將人工智能添加到邊緣可以使過(guò)程更加靈活，甚至更不容易出錯(cuò)。同樣，最后一公里的物流在很大程度上依賴(lài)于人類(lèi)，但使用邊緣AI的 AMR 這一點(diǎn)也得到了改善。

增加人工智能對(duì)物流自動(dòng)化中使用的硬件和軟件有著重要的影響，并且有越來(lái)越多的潛在解決方案。通常，用于培訓(xùn)人工智能模型的解決方案不適合在網(wǎng)絡(luò)邊緣部署模型。用于培訓(xùn)的處理資源是為服務(wù)器設(shè)計(jì)的，其中電源、內(nèi)存和其他資源幾乎是無(wú)限的。在邊緣，計(jì)算能力和存儲(chǔ)能力是有限的。

處理器異構(gòu)結(jié)構(gòu)解決不同硬件協(xié)同工作問(wèn)題。

在硬件方面，大型多核處理器不適用于邊緣 AI 應(yīng)用程序。相反，開(kāi)發(fā)人員正在轉(zhuǎn)向邊緣 AI 異構(gòu)硬件解決方案部署優(yōu)化。這當(dāng)然包括在內(nèi) CPU 和 GPU，但是，它擴(kuò)展到了專(zhuān)用的集成電路 (ASIC)、微控制器 (MCU) 和 FPGA。一些架構(gòu)(例如 GPU)擅長(zhǎng)并行處理，而其它架構(gòu)(如 CPU)而且更擅長(zhǎng)順序處理。如今，沒(méi)有一個(gè)架構(gòu)能真正稱(chēng)之為 AI 應(yīng)用程序提供最佳解決方案。總體趨勢(shì)是使用硬件來(lái)配置系統(tǒng)，提供最佳解決方案，而不是使用多個(gè)具有相同架構(gòu)的例子。

這一趨勢(shì)指向異構(gòu)架構(gòu)，其中許多不同的硬件處理解決方案配置為協(xié)同工作，而不是使用多個(gè)設(shè)備的同構(gòu)架構(gòu)。所有設(shè)備都基于相同的處理器。它可以為任何給定的任務(wù)引入正確的解決方案，或者將多個(gè)任務(wù)集成到特定的設(shè)備中，為優(yōu)化每瓦特和/或每美元的性能提供更大的可擴(kuò)展性和機(jī)會(huì)。

從同構(gòu)系統(tǒng)架構(gòu)到異構(gòu)處理，需要一個(gè)龐大的解決方案生態(tài)系統(tǒng)，以及在硬件和軟件級(jí)別配置這些解決方案的成熟能力。這就是為什么與所有具有重要一級(jí)合作關(guān)系的主要芯片供應(yīng)商的供應(yīng)商合作非常重要。這些供應(yīng)商為邊緣計(jì)算提供解決方案，并與他們合作開(kāi)發(fā)可伸縮和靈活的系統(tǒng)。

標(biāo)簽：人工智能,AI人工智能,物流智能化,邊緣計(jì)算