UPS說(shuō):我們是算法驅(qū)動(dòng)。
仿佛忽然間,物流行業(yè)達(dá)成了一個(gè)共識(shí):牛逼的物流公司一定是一家科技公司。
百世和百世,當(dāng)時(shí)幾乎都是因“科技”而生。順豐、韻達(dá)、圓通、中通等快遞公司,近年來(lái)也紛紛提出“科技引領(lǐng)”的口號(hào),立志“成為一家以科技驅(qū)動(dòng)發(fā)展的企業(yè)”。
今年5月,安能宣布未來(lái)3年將投入20億用于“物流+科技”戰(zhàn)略布局,并與3家科技公司達(dá)成戰(zhàn)略合作協(xié)議。在這3家科技公司里出現(xiàn)了一張行業(yè)新面孔:奇弦智能。
各行各業(yè)都在說(shuō)“黑科技”,而“奇弦智能”就“黑得一塌糊涂”,簡(jiǎn)直是物流界的“一股黑流”。他們到底“黑”在哪里?
一家“很黑的”公司
奇弦智能2016年3月才成立,創(chuàng)業(yè)第7個(gè)月就完成估值5億的第二輪融資,在互聯(lián)網(wǎng)日趨透明的大背景下,竟是一個(gè)搜不到任何消息的“黑戶(hù)”。
第一黑,無(wú)“知”,沒(méi)有感知。
在不到一年半的時(shí)間里,奇弦智能“悄悄地”與“三通一達(dá)”、百世、順豐、京東、EMS、德邦、安能這10家大企業(yè)中的7家建立了合作關(guān)系。
在網(wǎng)上搜索有關(guān)“奇弦”的新聞,僅找到一篇,還是招聘新聞。從這篇新聞中才發(fā)現(xiàn),原來(lái)他們已經(jīng)悄悄完成了2輪融資。經(jīng)調(diào)查,奇弦智能的估值已翻了五倍,且投資方都是科技背景的公司。
第二黑,小天才扎堆“搞事”。
奇弦有80%的員工都是國(guó)家和各省的理科狀元級(jí)別怪才,其中有40%沒(méi)有參加過(guò)高考,均因獲得全國(guó)計(jì)算機(jī)競(jìng)賽一等獎(jiǎng)而保送名牌大學(xué);還有40%是理科競(jìng)賽二等獎(jiǎng)、三等獎(jiǎng)及省內(nèi)一等獎(jiǎng)。
是什么樣的“黑”技術(shù)需要凝聚如此多的“小天才”才能去應(yīng)付?在他們的招聘要求里,唯一的一個(gè)標(biāo)準(zhǔn)就是:“不要拉低奇弦智能的平均智商?!?
這么一幫小天才聚在一起究竟是在搞什么事兒?
順豐、“三通一達(dá)”等公司擁有的IT和科技人才規(guī)模如今都已成百上千,不乏各種博士和奇能異士,難道就沒(méi)有一家能搞出這一“黑”技術(shù)?如此高價(jià)值的“事”,為何因“為科技而生”的菜鳥(niǎo)和百世都不去搞呢?
第三黑,神秘技術(shù)。
奇弦智能的“黑”技術(shù)誰(shuí)也不知道。它既不是大數(shù)據(jù),也不是人工智能,還不是運(yùn)籌優(yōu)化和仿真,搞了個(gè)“組織全息計(jì)算”。誰(shuí)也不知道這是個(gè)什么東東。
“組織全息計(jì)算”聽(tīng)上去很牛逼,號(hào)稱(chēng)“要把一個(gè)商業(yè)組織的運(yùn)行裝到計(jì)算機(jī)中去”。
但從常理上來(lái)講,想想都不太可能。企業(yè)在不斷變化,你怎么把運(yùn)營(yíng)的全部要素和變化實(shí)時(shí)映射到計(jì)算機(jī)里面去?這么大的計(jì)算量,如何做計(jì)算?我們講運(yùn)籌學(xué),幾十個(gè)變量就已經(jīng)很難了,當(dāng)你把成千上萬(wàn)了變量裝進(jìn)去,如何協(xié)同計(jì)算和優(yōu)化?
算法決定物流下一輪競(jìng)爭(zhēng)的成敗
雖然沒(méi)能完全看明白奇弦智能這家“黑”科技公司到底在干什么,但有一點(diǎn)肯定的是他們?cè)诟愫退惴ㄏ嚓P(guān)的東西。而且這么多大型物流公司和同一家科技公司深度合作,這是不是代表了某個(gè)技術(shù)趨勢(shì)呢?
科技焦慮癥
物流科技其實(shí)不是一個(gè)新熱門(mén)詞,在一輪又一輪的行業(yè)變革中都起到了舉足輕重的作用。從最早的企業(yè)內(nèi)部信息系統(tǒng)ERP,到TMS、WMS,到移動(dòng)互聯(lián)網(wǎng)時(shí)代的APP、O2O,再到當(dāng)下大熱的無(wú)人機(jī)、大數(shù)據(jù)、人工智能等,行業(yè)圍繞著信息化、數(shù)字化、移動(dòng)化、可視化、智能化方向一路交織向前發(fā)展。
在每一次新科技進(jìn)入物流領(lǐng)域的時(shí)候,物流公司都像得了焦慮癥一樣爭(zhēng)先恐后沖進(jìn)去,生怕自己被同行趕超,生怕自己沒(méi)在科技前沿,生怕自己錯(cuò)過(guò)顛覆行業(yè)的機(jī)會(huì)。
前幾年物流行業(yè)蓬勃發(fā)展,很多公司靠著跑馬圈地跑在了行業(yè)前列。如今行業(yè)競(jìng)爭(zhēng)升級(jí),從對(duì)壟斷資源的競(jìng)爭(zhēng)轉(zhuǎn)向開(kāi)放市場(chǎng)的競(jìng)爭(zhēng),從粗放式的規(guī)模競(jìng)爭(zhēng)轉(zhuǎn)向精細(xì)化的服務(wù)競(jìng)爭(zhēng),眾多物流公司已經(jīng)強(qiáng)烈的意識(shí)到需要用科技的手段來(lái)提升自己的競(jìng)爭(zhēng)力。但到底是用什么樣技術(shù)呢?
無(wú)人機(jī)等決定顏值,當(dāng)下算法決定成敗
要回答這個(gè)問(wèn)題,還要看物流公司想解決什么樣的問(wèn)題。絕大部分物流公司每天都會(huì)面臨這樣的決策問(wèn)題,比如該如何給車(chē)輛排班才能以更低的成本提供比競(jìng)爭(zhēng)對(duì)手時(shí)效更好的服務(wù),該如何為服務(wù)合理定價(jià),該如何制定庫(kù)存策略在成本不變的情況下提高產(chǎn)品送達(dá)實(shí)效,如何降低人工成本提高工作效率,拓展市場(chǎng)時(shí)分撥中心應(yīng)該設(shè)在哪里、需要多大場(chǎng)地。諸如此類(lèi)問(wèn)題會(huì)直接影響物流公司的市場(chǎng)份額和盈利能力,關(guān)乎企業(yè)中短期的競(jìng)爭(zhēng)勝敗甚至是生死存亡。
在上一輪競(jìng)爭(zhēng)中,物流公司之間靠信息化、數(shù)字化拉開(kāi)了競(jìng)爭(zhēng)差距。下一輪競(jìng)爭(zhēng)會(huì)更為激烈,只有靠算法才能進(jìn)一步把物流應(yīng)有的規(guī)模效應(yīng)、網(wǎng)絡(luò)效應(yīng)、協(xié)同效應(yīng)充分發(fā)揮出來(lái)。
如此多的快遞快運(yùn)公司和奇弦智能的深度合作已經(jīng)充分能看出,與無(wú)人機(jī)那些在短期內(nèi)只能增加顏值的技術(shù)相比,運(yùn)用算法來(lái)協(xié)助科學(xué)決策、促進(jìn)業(yè)務(wù)協(xié)同、效率提升、成本節(jié)約、快速迭代才是解決物流公司目前燃眉之急的有效技術(shù)手段。算法是下一輪行業(yè)競(jìng)爭(zhēng)的核心。
算法技術(shù)稀缺
算法有別于企業(yè)信息化,諸如TMS等信息化工具幫助物流企業(yè)固化業(yè)務(wù)流程、加快信息傳遞,是相對(duì)成熟的技術(shù),有大量的軟件企業(yè)能提供較為成熟的產(chǎn)品。算法是個(gè)稀缺技術(shù),國(guó)內(nèi)外懂算法的人才不多,懂物流領(lǐng)域算法的更少,能將算法通過(guò)先進(jìn)的計(jì)算機(jī)技術(shù)成功運(yùn)用到企業(yè)的全世界都屈指可數(shù)。
國(guó)外大型物流公司已經(jīng)受益于算法了,F(xiàn)edex在孟菲斯的超級(jí)樞紐智能調(diào)度靠算法,馬士基運(yùn)用復(fù)雜的算法動(dòng)態(tài)調(diào)整各項(xiàng)收費(fèi),UPS直接稱(chēng)自己是一家算法公司。有人問(wèn),是不是可以直接把國(guó)外現(xiàn)成的技術(shù)拿來(lái)用呢?
答案或許是否定的,一來(lái)是行業(yè)環(huán)境不同,想想多少?lài)?guó)外成熟的企業(yè)信息系統(tǒng)到了中國(guó)就水土不服了;二來(lái)是國(guó)外現(xiàn)有的技術(shù)能處理國(guó)內(nèi)物流行業(yè)如此復(fù)雜多變的問(wèn)題嗎?
今天中國(guó)的物流行業(yè)不像歐美那么成熟,而是處在高速發(fā)展、快速迭代、不斷整合的過(guò)程中。我們的“物流”特別“妖”,在中國(guó)土壤上產(chǎn)生的物流自帶屬性,你很難降住它,因?yàn)橛刑嗟淖兞吭诒澈蟆皳v鬼”。
奇弦智能要降中國(guó)物流的“妖”
奇弦智能的核心技術(shù)是運(yùn)籌與優(yōu)化嗎?
不是。因?yàn)檫\(yùn)籌沒(méi)辦法應(yīng)對(duì)那么多的變量,不能解決高維變量帶來(lái)的NP-hard(非確定性多項(xiàng)式問(wèn)題non-deterministic polynomial,縮寫(xiě)NP)和維數(shù)災(zāi)難。在奇弦智能看來(lái),今天中國(guó)快遞和物流公司所遇到的問(wèn)題和挑戰(zhàn)很特殊,很難“解耦”成過(guò)去幾十年國(guó)際物流大公司所形成的標(biāo)準(zhǔn)化運(yùn)籌問(wèn)題來(lái)求解。試圖將一個(gè)復(fù)雜計(jì)算問(wèn)題“拆解”為成一個(gè)個(gè)相互獨(dú)立的“積木”問(wèn)題,然后逐個(gè)擊破的方法,很難適合于中國(guó)情景,效果也非常有限。
奇弦智能的核心技術(shù)是模擬與仿真嗎?
不是。仿真的核心是基于某個(gè)時(shí)間截面,針對(duì)公司的某個(gè)子系統(tǒng),以“簡(jiǎn)單就是美”的原則去抽象和簡(jiǎn)化出一個(gè)模型,來(lái)對(duì)現(xiàn)實(shí)進(jìn)行建模、模擬和分析。
今天中國(guó)的主流快遞和物流公司,依然在“野蠻”生長(zhǎng),組織的核心部分都在實(shí)時(shí)發(fā)生著各種不可預(yù)料的變化,但傳統(tǒng)仿真適合回答的問(wèn)題,在如此多變的情境下其價(jià)值極其易逝。
奇弦智能的核心技術(shù)是大數(shù)據(jù)與深度學(xué)習(xí)嗎?
也不是。因?yàn)榻裉斓拇髷?shù)據(jù)公司,幾乎無(wú)一不是借助統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)或深度學(xué)習(xí)等看似“酷炫”的科技手段,來(lái)學(xué)習(xí)和分析大數(shù)據(jù)背后蘊(yùn)含的相關(guān)性規(guī)律。
但這個(gè)世界背后的最大的本質(zhì)是“因果”,僅僅靠相關(guān)性規(guī)律的計(jì)算,難以捕捉現(xiàn)實(shí)中大量存在的非連續(xù)性變化。今天中國(guó)的快遞和物流市場(chǎng)在生長(zhǎng),競(jìng)爭(zhēng)不斷,企業(yè)也在發(fā)生不連續(xù)的變化。傳統(tǒng)大數(shù)據(jù)確實(shí)能在一些局部問(wèn)題上獲得突破,但無(wú)法實(shí)現(xiàn)整個(gè)組織的計(jì)算。
奇弦智能的核心技術(shù)是組織全息計(jì)算
通俗的講,“組織全息計(jì)算”就是在計(jì)算機(jī)里面還原出一家公司,這家公司所有的要素都在里面,而且這些要素所構(gòu)成的因果規(guī)律都在里面,可以實(shí)時(shí)地計(jì)算現(xiàn)實(shí)中所有的變化,并把它們都鏡像到計(jì)算機(jī)里面。
奇弦智能運(yùn)用自己研發(fā)的計(jì)算機(jī)平臺(tái),幫助物流公司快速將整個(gè)核心運(yùn)營(yíng)系統(tǒng)“原子”級(jí)別還原到計(jì)算機(jī)里,然后借助超級(jí)計(jì)算能力,進(jìn)行實(shí)時(shí)的運(yùn)算。
雖然奇弦是一家年輕的創(chuàng)業(yè)公司,但據(jù)說(shuō)奇弦研發(fā)團(tuán)隊(duì)積累了10年的技術(shù)和算法已能幫助合作伙伴的中轉(zhuǎn)場(chǎng)或轉(zhuǎn)運(yùn)中心效益提升高達(dá)30%,在保證時(shí)效不變的情況下全網(wǎng)車(chē)線(xiàn)成本降幅最高能達(dá)25%。最最重要的是,能讓一家公司的核心運(yùn)營(yíng)系統(tǒng)優(yōu)化試錯(cuò)迭代的速度提升至少10倍。
就這次討論的算法而言,運(yùn)聯(lián)認(rèn)為今天我們所說(shuō)的算法,不是類(lèi)似“車(chē)貨匹配”平臺(tái)的某個(gè)領(lǐng)域、某個(gè)應(yīng)用這樣的范疇,也不是類(lèi)似“送貨無(wú)人機(jī)”在某個(gè)場(chǎng)景下的某種工具。
算法可以用在物流多個(gè)領(lǐng)域的各個(gè)環(huán)節(jié),協(xié)調(diào)多個(gè)參與方共同增效降本,產(chǎn)生協(xié)同效應(yīng)。它對(duì)于物流行業(yè)的影響會(huì)類(lèi)似于工業(yè)4.0,它是一種生產(chǎn)方式的升級(jí),是對(duì)管理的賦能,是行業(yè)變革的加速器。
無(wú)論奇弦智能的黑科技未來(lái)何去何從,我們希望看到在中國(guó)會(huì)有更多物流科技公司的出現(xiàn),依靠技術(shù)推動(dòng)整個(gè)行業(yè)的進(jìn)化和演化。
【獨(dú)家稿件及免責(zé)聲明】本網(wǎng)注明轉(zhuǎn)載文章中的信息僅供用戶(hù)參考。凡注明來(lái)源“運(yùn)輸人網(wǎng)”的作品,未經(jīng)本網(wǎng)授權(quán)均不得轉(zhuǎn)載、摘編或使用。聯(lián)系郵件:master@yunshuren.com
評(píng)論