雷锋网按：智能物流一直是物流行业津津乐道的关键词，在人工智能技术大爆发的背景下，物流行业将何去何从？年月日～月日，由雷锋网承办的CCF-GAIR大会上，将开设智能物流专场，届时来自菜鸟、京东等物流行业的专家和学者将汇聚一堂，共同探讨智能物流的未来。

从年开始，双不再只是光棍们自嘲和相互取暖的日子。在淘宝商城的带动下，这一天已逐渐成为一场全民的购物狂欢。

买买买是愉快的，但等待快递也是焦急的。年，菜鸟网络成立，它被定位为以数据为驱动的社会化协同平台。也许很多资深的网购达人已经注意到，快递的送达时间已在逐年缩短。

统计数据显示，年的双，第亿件包裹的送达时间为天，年为天，年为天，年为.天。

在这些数据背后，有中国交通基础设施和快递产业链不断完善的因素，同时，作为调配物流运力的看不见的手，算法的优化更是功不可没。

那么算法优化主要应用在物流的那些环节，它能为智能物流带来什么？下一步菜鸟网络的算法团队还打算解决物流算法中的哪些痛点？带着这些问题，雷锋网采访了菜鸟网络的高级算法专家朱礼君。

朱礼君：现任菜鸟网络高级算法专家。于美国马里兰大学获得物理学博士学位。先后在Goldman Sachs、Amazon和Facebook从事数学建模和算法方面的研究工作。年回国后加入阿里巴巴，先后带领了天猫个性化推荐算法团队和菜鸟网络仓配供应链算法团队。

朱礼君：在菜鸟网络，算法团队负责的主要是菜鸟物流平台中各个产品的算法和数学模型的建立和应用。我们需要和菜鸟的合作伙伴一起，对物流网络进行优化。

雷锋网：物流的算法优化主要应用于物流的哪个环节？可否详细说说算法优化的会带来哪些看得见的价值？物流环节的哪些工作岗位可能会受到影响？

朱礼君：菜鸟网络有很多合作伙伴，这些合作伙伴分布在各个不同的物流环节。我们的技术需要与合作伙伴协同，根据不同的物流场景来实现不一样的功能。

商家端，算法会指引商家备货、补货以及库存分布和运输进仓，降低商家供应链成本。

仓储端，我们通过预测和优化算法来合理地布局仓库里的货位和库存分布；会动态地跟据仓库的作业情况生成货品拣选任务，优化仓内的作业效率；会推荐合适的包材，降低耗材成本；会做自动化设备调度，通过自动化设备之间的协同来提升仓库运作效率。

配送端，我们有路径优化引擎，来优化车辆的任务指派和行走路径，降低车辆行走的路径，在节省成本的同时也能为环保尽一份力。

最后一公里的末端网络上，我们能动态地根据任务来调配社会化运力，优化供需匹配。

当然，作为一个开放的平台，我们会对外提供我们的算法服务，紧跟数据化和自动化的趋势，与行业一起发展。

我们要看到，以前很多需要人决策的问题，重复性比较大，会越来越多地由算法完成。物流行业从业人的精力就可以更多地被释放出来，深入到物流行业的运营和管理上来。

雷锋网：为了实现这些物流优化，你们使用了哪些新的技术手段？相比于传统的方法，它们的先进性体现在哪里？在解决问题的过程中，传统方法和新方法是怎样的一个关系？

朱礼君：我们在实际工作中，有借鉴机器学习的思想，其实就是人工智能技术，来加速我们求解问题的过程。

目前传统方法和新方法都有运用，传统方法可以解决简单问题，新方法能够解决复杂问题，新方法是技术进步带来的产物。

雷锋网：在算法方面，要实现像双十一这种级别的网购节日的物流优化需要比平时更加注重什么？

朱礼君：像双十一这种级别的网购节日对整个社会的物流都有很大的压力。对于应付这种压力，我们需要精准的需求预测，能够提前知道商品在不同区域的需求量，这样才能帮助商家未雨绸缪地准备好库存，做到不缺货也不滞销。

在整个物流网络中，我们除了有精准的预测以外还需要有预警和自适应调节机制，在上游出现意想不到的情况的时候，能够通过算法模型动态地做出新的决策，缓解下游的压力。在上下游的配合上也需要通过算法的提前规划做到更好的衔接，保证包裹在每一个物流节点上都能很顺畅地流到下一个节点上去，不会产生积压和阻塞。

另外，因为大促对物流资源的需求大大地超过日常，所以我们也需要更好地去利用算法，与合作伙伴协同作战，合理配置社会物流资源。

朱礼君：要实现零库存需要菜鸟网络与合作伙伴深度协同合作，让行业内的数据更好的连接，通过算法来优化物流网络的布局，并且对未来的需求做更精准的预测。

首先，下游的销售和预测数据要能够连接到供应链的最上游，使得上游的生产商、供应商能快速地响应需求，做到按需生产，缩短库存周期。

其次，我们需要和合作伙伴一起，根据用户的需求分布和各个城市的物流特性来选择仓库、分拨中心、配送站点的配置，有了这张网络，我们才能做到货物的快速流动，让客户尽快收到包裹。

另外，我们需要能对未来的销量进行精准的预测，并且通过算法的反馈来调整商家的营销策略，减少缺货和滞销的风险。

雷锋网(公众号：雷锋网)：从目前来看，在算法优化的角度，继续节省快递送达时间和物流成本的关键点在哪里？切箱问题的算法目前还有多大的优化空间？

朱礼君：算法优化能促进菜鸟和合作伙伴更好的协同合作，提高物流链路的效率，降低成本。譬如说，在仓库里的拣选和打包的任务调度就需要考虑到配送的车辆安排已经下游网点的运力。

为整个物流链路做一个全局优化模型是不现实的，我们需要对上下游的环节做合理的数学抽象，然后通过打造仿真系统来检测算法产出的决策对上下游的影响。通过不断地迭代来做到全局的优化。

切箱问题，简单来说就是怎么给订单分配箱型，学术圈研究了很多年，是一个很有意思的数学问题。我们现在是打破这个问题的约束，根据订单的重量和尺寸分布来重新设计包材的大小，从而降低包材的成本。

另外我们在实际的问题中，我们还遇到了像中空物体、可变形物体的装箱问题，还有袋子的包装方案推荐。这些对业务有影响，对技术有挑战。

朱礼君：最近几年有一些学术界的研究是应用深度学习和强化学习的技术来求解一些传统的优化问题。简单来说就是使用人工智能技术，在这个方向上我们也有投入。

雷锋网：半导体行业有一个摩尔定律，物流行业在配送时间上有没有遵循某一个发展规律？今年双，你们预计第一亿件快递的送达时间是几天？

朱礼君：物流行业的配送时间近年来一直在缩短。比如年的时候，亿包裹的送达花了天，到了年提速到了天，年就只用了.天。配送时间的缩短遵循不是摩尔定律。今年双很快就要来了，相信配送时间会继续缩短。

朱礼君：下一步我们的重点是打造一个服务我们的合作伙伴、服务物流行业的优化引擎。

因为物流中的很多问题的框架都比较类似，我们可以通过一个优化引擎去求解这些问题。比如路径规划、库存管理、箱型推荐、网络规划等等问题，都是整个物流行业中经常出现的问题。我们在沉淀自己在这方面的算法技术，把这些算法产品化，并且通过云服务开放服务，和行业以及合作伙伴一同来发展。

未来我们会继续开放我们的算法服务，和合作伙伴协同，遵循自动化和数据化的趋势，与行业一同发展。另外从学术的角度来说，我们将持续投入人工智能在优化领域的研究。

最后值得一提的是，朱礼君还会参加今年的CCF-GAIR大会，发表题为“大数据时代的物流优化问题“的主题演讲，以及“智能物流和仓储改变商业未来”的圆桌会谈。届时，我们就能更加详细的了解到菜鸟网络的大数据和算法优化为物流行业带来了哪些改变。