有了 AI,亚马逊把物流玩得更溜了

Wallstreetcn
2023.11.29 08:05
portai
I'm PortAI, I can summarize articles.

亚马逊利用人工智能技术优化物流,从预测需求到路线规划和优化,每个环节都嵌入 AI。亚马逊已成为美国最大的快递公司,预计在 “黑五” 和 “剁手星期一” 之前将运送总计 48 亿个包裹。亚马逊利用深度学习模型和海量数据集预测需求和销量,以决定产品存放和发货。该模型在准确率上取得了显著提升。亚马逊还引入了 Transformer 框架来统一预测模型。这些技术提升了亚马逊物流的效率和客户满意度。

人工智能助力 “最后一公里”,亚马逊把物流玩得透透的。

应战 “剁手星期一”(感恩节后的第一个星期一 11 月 27 日,通常是美国最火爆的网购日),亚马逊利用 AI 更安全、更高效地将包裹送到客户手中。

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。