摘要：我国物流信息化即将进入以物流业务数字化和物流数据业务化为主要特征的智慧物流时代。物流行业达到规模经济拐点、资源整合红利吸引科技企业进入、物流需求快速迭代升级、智能技术逐步实现商业化应用、人工智能替代劳动力以应对劳动力供给长期短缺五方面是驱动智能物流时代加速到来的重要动因。智慧物流时代的核心逻辑框架内，物流活动将由基础层、作业层、感知层、传输层、分析层、决策层组成，具有自动感知、自我判断、智慧决策、自动执行、深度协同和智能学习的特点。智慧物流将对现代物流的运作模式、企业经营管理和政府监管产生重大变革，本文认为从加快完善智慧物流的标准化体系建设、推动物流企业的数字化改造、充分利用智慧物流的协作共享空间、加强物流数据的政企合作应用以及向多式联运上下游产业链延伸是应对和加快智慧物流时代到来的重要对策。

一、引言

政府的高度重视、学术界的高度关注和企业家的积极推动，使得近两年“智慧物流”迎来了爆发式发展，新技术、新业态、新模式不断涌现，实现了从概念设想到普遍认可的根本性转变。这种加速转变有着资源整合红利、物流需求升级、智能技术成熟等必然因素，同时对物流的发展模式、竞争策略甚至产业属性产生了重大影响，大数据、物联网、人工智能、区块链等对于物流的影响已经初见端倪。但是，无论是物流企业的科技之路还是科技企业的物流之路，最终的竞争将取决于物流与科技的深度融合，加快推进业务流程的数字化改造以应对智慧物流时代的科技竞争将成为物流企业未来发展的必然选择。当前在物流行业达到规模经济拐点、资源整合红利吸引科技企业进入、物流需求快速迭代升级、智能技术逐步实现商业化应用、人工智能替代劳动力以应对劳动力供给长期短缺这五大动因的驱动下，智慧物流时代将加速到来。

新的智慧物流时代具有科技密集型的显著特征，在智慧物流领域，传统物流企业之间不再是直接竞争对手，物流活动将由基础层、作业层、感知层、传输层、分析层、决策层组成核心逻辑框架，它具有自动感知、自我判断、智慧决策、自动执行、深度协同和智能学习的特点。智慧物流将不仅对现代物流的运作模式，而且对企业经营管理和政府监管都将带来重大变革，本文认为从加快完善智慧物流的标准化体系建设、推动物流企业的数字化改造、充分利用智慧物流的协作共享空间、加强物流数据的政企合作应用以及向多式联运上下游产业链延伸是应对和加快智慧物流时代到来的重要对策。

二、我国智慧物流快速发展的原因分析

根据普华永道2016年对全球26个国家的186位运输和物流高管的调研，认为未来五年数据分析对于物流业的重要性远高于其他行业。结合我国物流业发展近几年面临的内外部环境变化，智慧物流迎来爆发式增长有其必然性。

（一）规模和网络经济效应达到拐点是根本动因

物流行业具有规模经济效应，业务规模、人员数量和机构网点的扩大将显著降低物流企业的单位营运成本并有效提升单位收益。物流的规模经济主要是物流业的资产沉没成本和网络经济特征决定的。物流设施和设备一旦投入就不能将之转作其他用途，从而产生巨额的沉没成本。随着企业经营网点的扩大，通道线路和多元服务的边际成本下降，从而呈现网络经济特性。随着物流基础设施的完善以及企业规模的扩张，物流行业的规模经济效应和网络经济效应已经达到质变拐点，开始改变着物流行业的竞争格局。根据中国物流与采购联合会的统计，我国A级以上规模的物流企业数量已经超过5000家，全国物流50强的门槛已经从2004年的2.6亿增加到2017年的28.5亿元。由于规模和网络效应，通过现代化信息技术才使得智能化的网络控制成为可能，从而可以在物流网络上嵌入更多的资源和服务。也正是由于规模和网络效应，物流APP、物流网络、物流园区等通过搭建具有资源聚集效应的平台，改变了传统物流行业的竞争模式。

（二）物流需求加速升级是物流智能化的重要动力

与消费升级趋势一致，物流行业的客户也不断提高自己的期望，希望以更低的价格和更透明的流程，获得更高效便捷的物流服务。工业物流领域，“工业4.0”、“中国制造2025”等工业互联网的发展不仅改变了制造业的流程和产出，更是重新定义了供应链物流的方式，制造革命引发流通革命，制造业与物流业将深度融合发展。智慧物流是工业4.0的核心组成部分，是构建智能工厂的基石。消费物流领域，我国人均GDP超过8800美元，电子商务年均增长率超过40%。更快、更便宜、更灵活等收货方式更受欢迎，C2M和新零售兴起带来的个性化、数字化、体验式消费将更加流行，因此各环节数据的贯通和整合将更加重要。物流服务提供商在降低成本的基础上，更关注消费市场和用户体验，提高可追溯性和可预测性，以智慧技术为支撑的物流解决方案不可或缺。

（三）市场整合红利吸引科技企业进入是主要诱因

我国物流市场供给零散、需求分散，存量资产的使用效率不高，蕴含着巨大的资源整合红利。供给方面，物流市场产业集中度不高。道路货运业共有营运货车2000万辆左右、运输经营业户718万家、从业人员超过3000万人，其中超过90%为个体经营，前10名市场份额之和仅为1.8%。零散的物流市场供给，使得现有存量资源利用效率偏低，车均实载率只有60%左右、日均有效行驶里程为330公里。需求方面，社区、乡村的物流需求崛起，需求分布更广且不均匀，碎片化发展态势将更为严重。通过互联互通、数据赋能和协同共享，智慧物流有效解决了信息不对称问题，实现了分散需求的集中整合和闲置供给的有效利用，促进了物流组织化和集约化，提高了市场效率的同时释放了整合红利。

表2：中美卡车运输效率对比

数据来源：交通运输部，中国道路运输发展报告（2017），人民交通出版社。

（四）智能技术日趋成熟并商业化应用是重要基础

信息技术基本覆盖了运输、仓储、配送等物流领域的全部作业流程，如运输环节中的车货匹配平台、无人驾驶以及车联网等重大技术，智能仓储环节的自动货架等自动化技术，末端配送的送货机器人、无人机、3D打印以及智能快递柜等。大数据、物联网、人工智能等各领域的科技发展对于物流行业的影响已经显现，未来极具发展前景。

各项科技的适用范围因为技术发展进程和政策而有所差异，现阶段车货匹配、无人仓、智能机器人和智能快递柜等技术的商业化应用已经比较成熟，可穿戴设备、3D打印、无人驾驶、人工智能、区块链等技术则有望在未来3-10年左右逐步成熟，并广泛应用于物流的仓储、运输、配送、末端等各环节。届时，互联网将全面整合物流人员、装备以及货物，链接数量会呈现指数级增长，形成全覆盖、广连接的智慧物流互联网。

(五)人工智能替代劳动力应对劳动力供给长期短缺是重要推手

长期以来，中国的物流业一直属于典型的劳动密集型行业，从收货、运输、仓储到最后一公里交付，人口红利是物流行业长期保持低成本高速扩张的重要原因。但是，由于劳动力供给短缺，这一趋势未来将被中断。

2017年中国15-59岁的人口总量为90199万人，较上年减少了600万人，连续六年下降。而与此相对应的是，2011-2016年间，中国快递业务量则以超过50%的平均速率增长，2017年快递业务量增速仍达到28%，预测2018年底快递总量将达到441.6亿件。随着人口红利的消失，依赖人力资源投入的物流发展模式难以为继，也无法满足日益高速发展的物流业的需要，因此“智能化技术+自动化装备”将是应对劳动力短缺的长期之道，物流各环节正在部分或者全部实现自动化。目前，无人机和智能快递柜等智能化、自助化的手段在配送场景中已经得到展现，上海洋山四期全自动码头已经实现开港运营，全面实现了“智能装卸”、“无人码头”和“零排放”，码头的日常管理仅需要九个人。

表3：快递与劳动人口增长率变化

资料来源：中国统计年鉴（2008-2017年）。

三、智慧物流的逻辑框架体系及影响

（一）智慧物流的核心架构

智慧物流呈现科技密集型特征。智慧物流领域，竞争对手不再是传统的物流企业，但同时真正的竞争对手也越来越难以辨认。科技型企业随时可能从其他行业切入，获取物流价值链的部分环节。在智慧物流框架内，物流活动由基础层、作业层、感知层、传输层、分析层、决策层组成。

1.基础层。智慧物流的基础设施，包括物流基础设施的智慧化改造以及地理信息数据、货物数据标准、数据交换标准等行业基础标准的建立。

2.作业层。智慧物流的物理活动，既是一切物流活动的起点，也是智慧物流决策反馈作用的终点，形成智慧物流系统闭环。

3.感知层。智慧物流的数据入口，是实现物流全程可视、可控和可追溯的基础与前提，通过RFID、二维码、传感器、音视频处理等技术捕捉物流运作过程中的流体、流速、流向、流量及环境等各种基础数据参数，实现物流业务数字化。

4.传输层。智慧物流的神经网络，利用各种传输网络和通信技术，及时、安全地传输所收集的信息。用于传输的数据通路，主要包括互联网、局域网和移动通信技术等。

5.分析层。智慧物流的决策大脑，对感知层获取的数据进行处理和加工，把各种物流信息数据集中在云存储中，通过信息整合、分类与智能处理技术，按照预先设定的逻辑和规则，利用大数据、云计算、人工智能等技术分析处理，产生决策指令，再通过感知通信技术向执行系统下达。

6.决策层。智慧物流的执行系统，包括数据互换系统、公共信息平台、企业服务系统等，接收和执行分析层的决策命令，现在和未来主要应用于多式联运、车货匹配、需求预测、路径优化、流程可视化、空闲资产的协同共享、信用评价等领域。

图1：智慧物流的核心框架

（二）智慧物流的特点

1.自动感知。智慧物流利用物联网技术实现所有物流要素数字化和业务数据化，并且实现各类数据信息自动感知、传输和存储，实现智慧物流网和实体网的实时互联互通。

2.自我判断。智慧物流实时监测物流活动，并且根据预设的逻辑和规则及时分析数据，发现物流过程中的薄弱环节或漏洞，预测问题的潜在影响。

3.智慧决策。在信息分析判断的基础上，按照约束条件做出应对的方法、措施、方案，实现物流系统程控化和自动化发展。

4.自动执行。在人授权的范围内，“数据”驱动实施决策与执行，将风险降到最低，减少人工干预。

5.深度协同。跨企业、跨流程之间深度协同，基于物流系统全局优化的智能算法，实现整体最优，调度整个物流系统中各参与方高效分工协作。

6.智能学习。在执行中学习，在学习中优化，通过主动学习新的知识，创造适应环境的语言和思维能力，在物流实际运作中不断升级。

（三）智慧物流的影响

1.对物流组织模式的影响

（1）回归物流的本质。现代物流模式下，物流企业在基础设施、时间、成本等有限的资源约束下，通过班线班列、运输工具、物流园区、运输组织等现代物流管理集中集约利用资源，在满足客户需求的前提下尽可能降低成本，从而衍生出中转、分拨、仓储、集拼等作业。智慧物流模式下，需求即时响应、供需自动匹配、资源智能整合，可突破现有的集约集中利用有限资源的解决形式，产生更多的点到点运输，减少衍生作业，越来越多地参与商品价值的创造。智慧物流将使得货物能够以最优的路径、经济的方式和合理的时间配送至目的地，回归物流创造时间价值和空间价值的本质。

（2）从局部最优向全局最优转变。现代物流模式下，物流企业的边界清晰。作为决策主体，企业关注的重点是内部流程优化与资源整合从而实现企业的个体最优决策。尽管一些企业尝试组建物流企业联盟，但是由于资源共享、利益分配机制不明晰，使得有限的联盟均不是很成功。智慧物流模式下，物流全过程的信息开放和资源整合使得企业边界越来越模糊，行业发展的重点转变为跨企业、跨流程的网络、设施、信息共享协作整合以实现“共赢”，有利于实现整个物流链条的全局最优。

（3）从运力主导向信息主导转变。现代物流模式下，由于存在信息不对称，大企业在网络、运力、信息、信誉方面具有天然优势，能够发挥网络优势，从而占据市场主导地位。智慧物流模式下，信息不对称由于现代信息技术的应用得到有效解决，物流业务将会呈现去中心化、去中介化，平台型企业由于拥有数据资源将占主导地位，推动线上线下实现无缝协作，行业集约程度将大幅提高。

（4）从重资产向轻资产化转变。现代物流模式下，存在着物流资产总体产能过剩和结构性短缺并存的矛盾，资源利用效率不高，存在大量存量资源和闲置资源。智慧物流模式下，依托现代技术推动资源使用权共享，实现存量资源的社会化转变和闲置资源的最大化利用。一批物流装备提供商将会出现提供专业化的装备租赁服务，推动重资产所有权与使用权分离，同时会出现一批专业化的物流运输组织服务商和物流数据运营商。

（5）从滞后应对向动态前瞻转变。大数据能够对资源的利用情况进行更准确和全面的分析和预测，并可以通过动态调度和智能排班等运营策略显著降低资源布局的不平衡，实现干线运输网络、末端配送网络等多网络、多类型的资源衔接整合。当前，已有部分领先物流公司建立了智能报价系统，通过动态的报价机制实现资源的供需平衡。

2.对企业管理的影响

现代物流模式下，企业管理的重点在于寻找市场，在满足客户需求的情况系下通过内部流程优化和管控尽可能降低成本，制定物流解决方案并且在执行过程中强化对物流过程的控制。智慧物流模式下，企业管理的重点在于全流程的透明化改造，为了满足数字化运营的要求再造物流流程，并且注重物流运作过程中的在线控制和实时决策，强化对于风险的自动干预。

3.对政府监管的影响

现代物流模式下，政府监管面向的对象主要是实体物流企业，并且采用垂直式的组织架构进行集中型、地域型监管，监管重点在于以审批为主的事前资质监管，监管手段注重以行政化为主。智慧物流模式下，监管手段逐步趋向智能化透明化，政府面对的更多是各类虚拟平台，虚拟平台面向各类供需主体。离散型、网络化监管要求与传统监管体制之间的矛盾越来越突出，未来监管的重点将由以审批为主的事前资质监管转向以信用为主的事中事后监管。随着区块链技术商业化，物流信用记录方式、契约规则彻底改变，物流信用系统、物流金融创新将在政府治理方面具有更大的发展潜力。