使用自動化技術來解決人類在無數(shù)重復任務的工作量。在物流方面，智能自動化具有巨大的潛力和顯著的優(yōu)勢，貨運物流通常需要額外的員工來擴大運營規(guī)模，而這些員工通常無法立即投入使用。在貨運物流整個過程中，快速行動和額外能力需要對市場波動做出快速反應。

隨著需求的變化，物流自動化可以使生產(chǎn)能力快速增長。如果物流自動化可以提高生產(chǎn)率，減少人為錯誤，提高工作效率。在物流自動化軟件、硬件和平臺資源到位的情況下，低需求期對運營支出的影響最小，遠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，可以隨時啟動。雖然這給了物流公司快速響應需求變化所需的靈活性。

人工智能助力物流智能化實現(xiàn)取長補短。

將人工智能 (AI) 引入物流自動化可以擴大人工智能的影響。 AI人工智能減少常見的半技能任務中的錯誤(例如對產(chǎn)品進行分類和分類)。例如，自動移動機器人 (AMR) 可改進包裹遞送，包括通常最昂貴的最后一公里遞送。 AI人工智能幫助 AMR 進行路線規(guī)劃和特征識別，如人員、障礙物、交付門戶和門戶。

在任何環(huán)境中整合物流自動化都會帶來挑戰(zhàn)。它可以像用動力傳送帶代替重復過程一樣簡單，也可以像將合作和獨立機器人引入工作場所一樣復雜。當人工智能被添加到這個自動化和集成過程中時，挑戰(zhàn)變得更加復雜，但好處也會增加。

每個自動化元素的效率也會隨著解決方案變得更加互聯(lián)，對過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)和采取行動的位置稱為邊緣AI。采用邊緣人工智能對物流自動化進行了重新定義。

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

邊緣計算讓人工智能與數(shù)據(jù)結合突破物流網(wǎng)絡潛在瓶頸。

邊緣計算使計算和數(shù)據(jù)更緊密地結合在一起。在傳統(tǒng)的物聯(lián)網(wǎng)應用中，大多數(shù)數(shù)據(jù)通過網(wǎng)絡發(fā)送到(云)服務器，在那里處理數(shù)據(jù)，并將結果發(fā)送回物理設備等網(wǎng)絡邊緣。只有云計算才會導致延遲，這在關鍵時間系統(tǒng)中是不可接受的。邊緣計算的一個例子是在分揀過程中捕獲和處理本地包裹的圖像數(shù)據(jù)，以便物流自動化系統(tǒng)能夠在0.2秒內(nèi)做出響應。該系統(tǒng)的網(wǎng)絡延遲將減緩排序過程，但邊緣計算正在消除這一潛在瓶頸。

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

增加人工智能對物流自動化中使用的硬件和軟件有著重要的影響，并且有越來越多的潛在解決方案。通常，用于培訓人工智能模型的解決方案不適合在網(wǎng)絡邊緣部署模型。用于培訓的處理資源是為服務器設計的，其中電源、內(nèi)存和其他資源幾乎是無限的。在邊緣，計算能力和存儲能力是有限的。

處理器異構結構解決不同硬件協(xié)同工作問題。

在硬件方面，大型多核處理器不適用于邊緣 AI 應用程序。相反，開發(fā)人員正在轉(zhuǎn)向邊緣 AI 異構硬件解決方案部署優(yōu)化。這當然包括在內(nèi) CPU 和 GPU，但是，它擴展到了專用的集成電路 (ASIC)、微控制器 (MCU) 和 FPGA。一些架構(例如 GPU)擅長并行處理，而其它架構(如 CPU)而且更擅長順序處理。如今，沒有一個架構能真正稱之為 AI 應用程序提供最佳解決方案?？傮w趨勢是使用硬件來配置系統(tǒng)，提供最佳解決方案，而不是使用多個具有相同架構的例子。

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

從同構系統(tǒng)架構到異構處理，需要一個龐大的解決方案生態(tài)系統(tǒng)，以及在硬件和軟件級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合作關系的主要芯片供應商的供應商合作非常重要。這些供應商為邊緣計算提供解決方案，并與他們合作開發(fā)可伸縮和靈活的系統(tǒng)。

標簽：人工智能,AI人工智能,物流智能化,邊緣計算