0
| 本文作者： 代潤澤 | 2021-11-04 14:37 |
作者 | 代潤澤
編輯 | 二維馬
雙十一在即，作為每年最大的購物節之一，自2009年誕生以來，已經成為了人們日常生活不可或缺的一部分。作為電商體驗非常重要的部分--物流，自然備受關注。
今年雙十一，菜鳥要增大“送貨上門”服務的比例，在鏈路上追求更綠色、更環保，少些包裹，多些包材回收。
菜鳥科技作為物流行業的引領者之一，是雙十一物流順暢的重要保障。去年火爆全網的菜鳥無人車“小蠻驢”已進入備戰狀態，今年雙十一，將有超過300臺小蠻驢上陣，大約配送超過100萬個包裹。
提到菜鳥大家都不陌生。
2013年5月28日，阿里、三通一達(申通、圓通、中通、韻達)等共同組建“菜鳥網絡科技有限公司”，隨后菜鳥開創電子面單，推動了整個物流行業的發展，將物流帶入數字化改革的浪潮中。
電子面單
規模上，菜鳥全球跨境包裹網絡也覆蓋了220多個國家和地區，約70萬條線路，與140多家全球性的物流伙伴合作。在國內，菜鳥城鄉物流能抵達2800多個縣和30000多個鄉村。在中國如此遼闊而復雜的地理環境上，每天有3億個包裹進進出出，還能滿足成本極低、時效極快，能做到這些，菜鳥CTO李強（花名在寬）認為，核心的因素是：快遞行業數字化。
如今每個分撥中心都是高度自動化，都與電子面單息息相關。而菜鳥的初心，是希望做物流產業互聯網，一方面要投入到國際、末端和供應鏈等物流運營當中，解決別人解決不了的問題，讓商業運行更高效。另一方面也要通過技術服務，實實在在做一些能引領整個行業數字化發展的事情，“如果站在互聯網的技術視角看物流行業，其實我們一直在扎根做實實在在的事情。”
在寬向雷鋒網表示，一直以來，菜鳥內部的技術文化被稱為“簡單極致，貼地疾飛”，也就是既有掌握先進技術的自信，也追求用最“貼地”的技術解決物流作業中遇到的痛點。
“其實在行業內，我們是最接地氣，在技術上最緊貼物流，最了解客戶痛點，能結合場景尋找最好的解決方案，并最有效地解決問題的一波物流技術人。”
從物流產業互聯網的定位來看，菜鳥不只用科技手段服務物流行業，本身也在做物流的事情。
“比如跨境包裹，國際上Fedex、UPS在做的事，菜鳥同樣也做得非常好，區別是大家的細分賽道和復雜程度不一樣。”在寬表示，在這背后，意味著大家都要好好做流程、做產品，提升技術，讓成本更低，讓自己更有優勢。
菜鳥在整個物流生態中，接觸到的業務形態和業務流程更復雜，深度觸達的伙伴也更多，那么，看到的問題和場景也更多。
對于整個菜鳥團隊而言，業務、產品、技術，都一直落地物流行業，而且具有廣度和開放度，垂直且深入，給了團隊足夠的場景去了解行業、發展技術。
在寬看來，物流并不是簡單地將包裹送到，這是一個鏈路非常長、涉及到諸多細節的行業，因此，能實實在在解決業務問題、創造業務價值，才是好的技術。
關于此，在寬舉了兩個例子：
一個是，跨境包裹在入庫的時候會打面單，面單上有一個揀貨碼，這是一串4位或6位的數字，出庫的時候工人需要識別這個碼。在操作中發現，包裹擺放的形式會影響結果。如果碼正好正對著工人，工人就可以一眼識別，就很順利，但是方向擺錯了怎么辦？
在寬說，看起來最科技的方法，是讓每個工人戴AR眼鏡，靠技術把包裹識別出來，這是最酷的。但是換個思維，其實，更簡單的方法是，一個面單上打印4個碼，四個邊的四個朝向都有，無論包裹怎么放，工人都能一眼看到和識別，這樣揀貨的速度就快了。看起來這個解決方案沒什么技術含量，不過要承認，這是最有效的辦法，且性價比最高。
另一個例子，電子面單涉及到分單，需要根據消費者的文本地址解析成二段碼、三段碼。純技術手段是靠純粹的算法、模型，然后用更多的數據、算力將這個碼做得更精準。
換個維度，是不是也可以選擇融合的方式，比如結合規則、地圖等元素，再和算法一起，這樣的話不需要那么大的算力、模型，效果一樣非常好。
“物流科技服務的是中小企業，是實體經濟，要讓他們都用得起，有效性和經濟性必須同時考慮。最好的物流科技就是要扎實服務好實體經濟。”
選擇“貼地技術”并非易事，首先要有技術自信。
“在阿里還是菜鳥，無論在底層還是應用，都有非常好的技術基礎，這是非常重要的核心因素，只有達到了一定的技術高度，才能從場景出發選擇合適的技術。”
比如，2020年12月10日，菜鳥人工智能團隊為核心研發的物流路徑規劃算法，獲得2021年Franz Edelman finalist。這個獎項被稱為運籌優化和管理科學的“奧斯卡”，設立50年來，首次有中國物流供應鏈領域企業入圍。
這意味著菜鳥已經擁有了全球最好的車輛路徑算法，從技術角度站在了行業非常高的水平。但是回到“貼地”來看，一定要拿著這樣的算法到處用嗎？顯然不是的。
在寬舉個例子，很多賣家需要發貨，在線下單后物流公司會派車攬收包裹。這里面就涉及到調度問題，根據計算結果預判快遞員何時上門取件，而理想情況下可以用最好的車輛路徑規劃算法搞定，一切靠AI。
然而現實的情況是，車輛在半路遇到了擁堵或交通意外，司機忽然臨時有事兒要晚點到... ...對于賣家來說，根據系統提示的時間打包好了包裹卻等了很久，那么就會猜測，實際上門時間比系統顯示的晚，那么下次就不等打包好就下單，結果快遞員準時攬件，反而等了賣家很久。
那么，如何解決此類場景呢？
在寬表示，其實可以設計一套機制，類似于分片區、承包到小組，也就是網點攬收的模式。然后讓司機同時去做服務、銷售，既可以和賣家保持良好的溝通、實時溝通路況等條件，也能實時了解賣家包裹的打包情況，這樣就將攬收時間的設定變得彈性，隨時可調整。
“解決問題未必非要用多先進的技術，對于技術人員來說，往往希望拿著技術找場景。其實如果從場景出發，解決問題的辦法有很多種，而這也是非常挑戰技術和人性的地方。”
只有對技術非常自信，才有能力在極其復雜的物流場景下解決實際問題。菜鳥可以拿出全球最頂尖的技術實力，也可以選擇最易于操作的解決方案。顯然，菜鳥手里有足夠多的方式，他們要做的就是在其中選擇最優解。
想擁有找到解決問題最有效的手段，菜鳥讓每個技術人員都深入到物流作業的一線中去，每年、每月都要有一定的時間和客戶深度接觸交流，這樣才能真真實實了解到客戶的痛點和作業現場的問題。
其中，一款非常“貼地”且能展現“技術自信”的產品就是LEMO PDA。
該產品獲得了“GMARK、紅點”兩項國際工業設計大獎，是行業極具創新的一款IoT產品，通過對物流生產工具的重構，大幅提升了作業效率。而LEMO PDA也被稱為“體驗最好的、人人用得起的普惠生產力工具”。
已經廣泛應用在倉庫、分撥、站點等場景的LEMO PDA，重量僅為100克、寬度4.2毫米，半個智能手機大小，背部安上一個指環，與顯示屏幕之間的角度為135度，也被很多工友稱為“指環王”。而就是這樣一款，看起來不太像“PDA”的產品，涉及了諸多“貼地”的設計理念。
作為主導研發LEMO PDA的工程師，許俊（花名蘭博）是菜鳥物流科技的研發負責人、阿里巴巴IoT技術小組核心成員，開辟了菜鳥IoT技術和科技商業化新賽道。
他向雷鋒網表示，物流是實體行業，從前是勞動密集型行業，靠得是經驗豐富的老師傅做業務。這里面就要思考，數字化究竟能給這些工人帶來什么？
而LEMO PDA這款產品的設計之初，圍繞的就是“貼地”的核心理念，想做到普惠，要思考如何平衡以下幾個要素：
1、用得起，傳統的PDA有2000多塊錢的購置費，早些年近乎于工人一個月的收入。
2、上手快，傳統的PDA在物流場景里，考驗工人的文化程度，至少要快速記住不常見的英文字符。
3、不影響工作，傳統的PDA重達300、400克，工作體驗較差，徒增了很多勞動成本。
那么，針對單一、重復性強的體力勞動這個場景，LEMO PDA在設計時就要考慮到，如果做到購置成本足夠低、使用成本足夠低、使用體驗比較好等方面。
滿足單一因素不難，難的是都要兼顧到。那么回到普惠的定義，就不單單是一款便宜好用的設備了。
在寬表示，LEMO PDA在設計的時候，用的是類似于互聯網硬件的方式，把硬件部分變成了輸入和輸出，算力都放在云端和邊緣，那么終端不再是算力端，硬件的成本就變得非常低，而且交互體驗就能做到更極致。而云端有算力的支撐，產品上就可以進行足夠的優化，當終端設計得足夠簡單，產品也能更耐用，這里就起到了很好的平衡。
不過想做到這些，需要依托好的架構，因此LEMO PDA的云端部分也采用低代碼的設計，不同于傳統PDA的APP模式，LEMO PDA可實現低代碼、甚至零代碼的交付效率。因此這足以顯示了“貼地”和“技術自信”的緊密結合。
不同的場景下需要適配的產品不同。
針對倉庫的應用場景中，蘭博表示，傳統倉庫在沒進入PC時代的時候，靠紙質揀選和工人的經驗，揀錯率非常高。那么，如何將工作變成“無需師傅”指引，三分鐘的使用教程就能替換掉從前一到兩個星期的崗前培訓，工人只需要知道自己下一步做什么就行了？
對于庫工來講，花費30秒、1分鐘的時間看視頻，基本上就知道如何操作，也再不用記庫位在哪兒，下一個要揀選什么產品... ...一切工作都靠云端指引。
同時，這款針對適合分撥中心的LEMO PDA，非常引人注意的就是采用彎曲設計。
蘭博表示當時大家在菜鳥的倉庫里“蹲”了一個星期，拿著秒表一步一步觀察，每個工人重復動作，產品的設計雛形就出來了。
工人都是雙手搬貨的，那么除了足夠輕，還要足夠窄，不能翻手腕，還可以隨時揣兜里，得固定... ...那么，最好的解決方案就是背后套個指環。
而彎曲角度為什么是135度呢？蘭博回憶道：“我們調試了很多版，太彎了掃碼不方便，太直了可能有時候需要翻手腕。而135度是從十幾個手板中挑出來的。當時每出來一款，周末的時候我們都要戴一天，感受一下舒不舒服，影不影響工作，然后獲得體感數據。”
并且考慮到耐用性，大家最后將LEMO的按鍵嚴格控制在7個，甚至沒有開關機鍵，產品激活靠任意鍵，云端可以保證PDA任意時間在線，長時間不用就進入休眠狀態，因此這是非常極簡的設計。
“和傳統靠App的產品不同，其實里面會有傳感器識別人手動作，比如手下垂可以認定是休眠狀態，手抬起來又變成激活狀態，也就意味著這樣做功耗很低。”
在窄窄的屏幕上進行簡單的交互，在寬表示這要用低代碼的方式，不再需要開發界面、流程，更多是將規則的東西用代碼的形式展現。
基于菜鳥本身的低代碼開發平臺，在里面可以快速實現諸如小程序的應用，能達到天級的交付效率。并且，這類小程序的設計邏輯與微信、支付寶的類似。
在設計的時候沒采用傳統的安卓架構，而是自研輕量級的操作系統，毫秒級的開機時間，就算遇到了宕機的情況體驗上是眼前一閃。相比傳統的架構，從App退出后，需要重新登錄，重新獲取數據，而在這樣的架構里沒有。
在寬表示，“LEMO PDA是一個獨立的終端，加共享的邊緣設備，最終的成本肯定要比每個設備上都有專屬的算力低很多。”
最終的結果可以看到，這樣的產品設計方案，既能滿足使用場景解決實際問題，又能降低生產成本，更能加速傳統物流行業諸如倉庫和分撥中心部分業務的數字化轉型。
并且這些場景，能真實展現菜鳥懂物流、懂技術，深入到腹地切切實實為物流實體行業做事情。
物流離不開運輸，也就離不開車輛調度。
前文提到，菜鳥獲得2021年Franz Edelman finalist，在業內引起了巨大的反響，團隊開發的Greed Solver涵蓋在線決策、VRP、Binpacking和Online Assignment。
菜鳥人工智能部負責人、阿里巴巴供應鏈與運籌優化小組核心成員胡浩源（花名本華）向雷鋒網表示，能獲獎，離不開阿里和菜鳥豐富的業務場景，本身就有很多相關的場景挑戰，比如菜鳥的車輛調度，以及盒馬、餓了么等騎手的路線規劃。
關于菜鳥決策優化的場景，本華表示，傳統的方式之一是建模，然后使用求解器求解追求精確解，而Greed Solver從實際業務問題需要的求解特性出發，混合了啟發式、GPU&分布式等高性能計算、機器學習與運籌優化融合等，與菜鳥的業務相融合，這也是“貼地”的具體展現。
和LEMO PDA的設計一樣，在做決策優化的時候，團隊先到線下，去倉庫、分撥中心里體驗工作，要做快遞員感知路徑，因為決策優化最終管理的是人而不是機器。
了解到真實的場景后，要開始尋找適合自己的發展路徑。
而做決策優化有兩條路線，一條追求通用求解，希望使用人員完成建模過程后，能夠基本都使用求解器完成求解過程；另一條是特定求解，用貼地氣的產品挖掘最大的商業價值，進而集中火力投入資源在局部形成極高密度，在這個垂直領域構建門檻優勢。
菜鳥的Greed Solver選擇了基于業務價值判斷反推的特定求解， “這是兩條完全不同的路線，通用求解器有更深的科學技術問題挖掘，特定求解器則是一個混合了科學、技術、工程、業務領域知識的融合工程。”更進一步，菜鳥的Greed Solver大力發展了實時求解相關的技術，在實際的業務場景中，比較難的并不是求得一個最優解，而是有限的時間求得一個盡可能好的解，和在信息不充分的情況下做實時決策，獲得全局的一個最佳收益。
以派單為例，站在上帝視角，通過算法能算出最優解。然而實際過程中大部分是一個online決策的問題，基于當前的greedy分配未必是最優，需要考慮后續訂單到來的可能性對于最優的影響，比如有些訂單hold一下，就可以和后續的訂單合并，在滿足時效的同時提升騎手的效率。
比如跨境包裹，從中國到巴西的配送時間由原來的60天到十幾個工作日，核心因素就是合單。很多海外消費者不會只買一個商品，那么包裹到了分撥中心就要等一下，看看能不能合起來。這個期間要權衡等待時間不要太長要滿足消費體驗，還不能為了彌補等待時間增加客戶的成本。在寬坦言：“要滿足成本低、服務好諸多因素，在過去的兩年來，菜鳥通過物流技術解決了一批此類物流難題。”
說起研發Greed Solver，本華回憶道，這是基于本身阿里內部的業務需求，比如2016年應用到鄉村物流，然后開始應用到零售通，逐漸應用到盒馬，再到國外的Lazada，“回頭看，這個業務的過程比較曲折，我們內部叫‘鐵掌水上漂’。在伴隨業務成長的同時，要有自己的技術定力往前一直走，因為相信，所以看見。”
“當時達摩院要做線性規劃和混合證書規劃的產品，大家研究要不要一起做，最終我們還是回到一開始決策的原則，我們基于自己的優勢和資源，差異化的去解決特定的、業務價值顯著的問題，往高頻、實時決策、實用價值大的算法走，基于業務需求去建設技術能力。”
關于路徑選擇，在寬表示，第一，要從場景到AI；第二，要重視效率和效果并行；第三，產業互聯網需要對行業、國家創造價值。
“其實四年前就定下來，我們要走就是分布式計算、高性能計算、機器學習和運籌優化的結合。”
首先，運籌優化并不是中國的優勢領域，學科上需要向國外學習。但是國內的優勢是有龐大的場景和數據，在大數據、大規模分布式機器學習上是有積累的，那么能不能把這幾個領域結合起來？
其次，最優解和最快近似解是兩回事，機器學習預測用于實際場景跟不上速度，場景稍縱即逝。
那么關于效果方面，從商業角度來看，本華表示衡量決策算法的好壞取決于實時決策的結果和站在上帝視角的全局最優的對比，比如online assignment追求的就是“近似最優”，并且工程實踐與難度會更高，有許多嚴苛的實時求解約束。
“比如，online assignmen在一個業務場景最終計算能拉到每秒10萬QPS，而一開始這個數值可能是500，那么500到10萬的過程，使得最終效果能提高十幾個點，簡單來講，其他的資源不變的情況下，我們成本更低、算得更快。”本華認為，從互聯網角度，頻率越高越有商業價值。那么對于業務而言，想要做到秒級求解考驗的就不光是技術問題了。
提到效率，這里面需要相應速度、產品建設得非常快，遇到用戶特殊需求，需要快速適配，要把開發提得很快，后來在算法上也要做一些低代碼化的工作，為的就是保證效果的同時快速響應。
“如果求解時間是100、200毫秒級，我們只需要在這個時間下再提速。”
從成立至今，隨著行業的不斷發展演化，菜鳥團隊逐漸沉淀形成一個非常體系的技術，而這可以支持實時決策非常多的領域，如裝箱、派單、履行分單合單、服務器調度、流量分配、資金路由等。
一直以來，菜鳥都秉承“擁有技術自信，從場景出發”。
比如菜鳥無人車小蠻驢，關于由來在寬回憶道，2015、2016年的時候，關于整個物流科技未來發展的方向，大家預判到，從長期來看，物流能力需要大幅度提升，需要新型的智能要素的加入。
“我們的切入點是什么？就是倉庫里面的AGV小車。”倉庫是相對穩定的環境，菜鳥很快就把倉內自動化做成了行業標桿。
在配送端菜鳥選了在最后一公里低速無人駕駛領域探索，“2016年組建的團隊，第一臺車就做出來了。最早是在阿里巴巴的西溪園區給內部員工送快遞，把包裹從園區的小郵局送到工位上。”
從阿里園區工位走出來，走到浙大校園里，再到部分物流園區，從一個倉庫到另一個倉庫，這些都說結合實際的應用場景，逐漸完善技術，前文提到的300臺車、100萬個包裹的規模，也能增加算法的準確性。
這也是“貼地飛行”的真實體現，從場景出發，貼合實際完善技術。
小蠻驢行駛在上海理工校園里
其實，物流與商業是密不可分的，一個好的物流能力的發揮，需要整個在商業擁有很好的設計。
比如淘特有N元N件的營銷活動，那么就要想辦法降低物流成本，比如客戶挑了10個產品，想辦法如何變成1個包裹，這里面需要從上到下一體化設計。
在寬看來，幸運的是，三年前，他從菜鳥回到阿里巴巴做電商、做全球化，對商家和消費組之間有了重新的認識。而菜鳥把全球化作為非常重要的戰略方向，因此從電商全球化到物流全球化，對于在寬而言是水到渠成的過程，也能更好地從電商到物流進行一體化設計。
“簡單極致，貼地疾飛”，在寬認為任何一個物流公司可能都是一個科技公司，真正拉開差距的是，物流技術與實體產業的結合有多深。
當下的互聯網已經發展到了下半場，需要走到產業中去找到隱藏更深、更復雜的問題，“帶著技術、思維深耕行業腹地，才能找到真正解決問題的辦法。”在寬坦言，現在已經沒有跨行業的技術“銀彈”了。
鉆研理論可以讓自己站在更高處，能更好地解決實際問題，然而對于實體產業來說，還要從解決有價值的問題出發。
正如前文提到的LEMO PDA和Greed Solver，八年來的探索，隨著菜鳥本身對物流的理解越來越深，因此將物流場景作為錨點，然后再看哪些技術適合，而不只是站在技術看業務。
“從一開始菜鳥就有技術標簽，未來也不會撕掉。我們的技術視野會越來越高，我們的技術應用也會越來越扎實貼地。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
