當瑞士面臨阿爾卑斯高速公路上數以萬計的貨運卡車所帶來的擁堵和污染時，他們修建了一條世界上最長、最深的鐵路隧道——戈特哈德隧道。這一現代工程的壯舉對民用和商業都是一個巨大的福音，然而，在未來，如此巨大的工程建設將不再是我們改善運輸和物流的唯一途徑。

我們現在所處的世界競爭日益激烈，網絡互聯日益緊密，物流運輸行業里只有29%的CEO有信心其公司的營收將在明年繼續保持增長。于是，越來越多的物流運輸企業轉向新的、基于云的機器學習服務，希望可以提高效率，提升客戶體驗。

云和機器學習的融合催生了自動駕駛技術尤其是人們出行方式的廣泛創新，正在改變整個行業的游戲規則。根據普華永道（PWC）的數據，68%的物流運輸企業負責人認為，未來5年，提供物流運輸服務的核心技術的改變將顛覆整個行業。

我們相信，機器學習將在四個方面帶來物流運輸業的革命：一是需求預測與路線優化；二是自動駕駛與地圖繪制；三是機器人；四是異常檢測。

讓我們來看一個實際的案例。Convoy公司正在利用機器學習優化運輸路線，這將顛覆8000 億美元規模的美國卡車運輸行業。在美國，卡車運輸是一個由托運商及運輸商構成的碎片化的網絡，主要通過代理商和經紀人運行，效率低下，導致美國卡車司機每年950億英里的行程中空駛的比例達到了40%。通過機器學習，Convoy 能夠分析數以百萬計的發貨作業，從而創建了業內最有效的配載系統，有效減少空駛，增加利潤，并減少排放。

但是，美國卡車運輸業依然存在至少10萬名司機的短缺。自動駕駛卡車也許就成為一個新的解決方案。圖森科技 (TuSimple) 的技術團隊部署了 100 多個基于云的 AI（人工智能） 模塊，安全高效地完成了超過100英里的自動駕駛商業運輸。即使載重卡車以65英里時速行駛，圖森科技先進的機器學習算法也能區分出道路上的車輛類型，確定其速度，保持圖森的卡車在車道內安全居中，誤差只有+/-5 厘米。

自動駕駛公司Momenta由北京、蘇州和德國斯圖加特的團隊組成。人工智能是Momenta的核心競爭力。在深度學習模型訓練方面，Momenta將所有在車端采集的有效數據傳回云端，云端根據這些數據產生更好的自動駕駛算法，再推至車端，車端更新之后，使得算法更加穩定、精確度更高，這就形成了一個閉環。相對于本地部署，云端的彈性擴展能力、強大的穩定性和超大的GPU，大大幫助Momenta加快了機器學習的速度。

在東南亞，順風車公司Grab希望增強其實時按需配單和接單的算法。他們也轉向用機器學習工具來處理實時的數據計算和數據流，以支持 150萬次順風車預訂，最終將配單和接單的效率提高了30%。

AI 和機器學習對物流運輸業產生積極影響的另一個例子是 Lyft，它使用了AI 驅動的時間序列分析解決方案。該技術能夠自動識別那些可能導致較大業務問題的異常狀況，及早發現異常事件以便進行檢查。此外，由于采用了AI和機器學習技術，Lyft無需大量投資來建立公司自己的數據科學部門或人工檢查業務運營狀況，大大節省了成本。

預測的準確性對物流運輸業企業至關重要。總部位于阿聯酋的公司Aramex，主要提供國際和國內快遞、貨運代理和網上購物服務，它的實時中轉業務每分鐘處理數千個請求。通過部署基于云的、全托管的服務，Aramax的開發人員和數據科學家訓練、構建和部署了機器學習模型，將中轉時間預測的準確性提高了 74%，將貨運相關的服務呼叫減少了40%。

基于云的機器學習工具也是亞馬遜購物網站Amazon.com的核心。從客戶下單到配送，亞馬遜每年成功高效地投遞數十億個包裹。我們使用預測算法來預測客戶可能訂購什么，確保我們的庫房有足夠的庫存供應。AWS 的AI和機器學習服務也支撐著亞馬遜運營中心的機器人、支持著我們與物流伙伴之間的合作，甚至幫助優化配送路線。

過去幾年的經驗和教訓顯而易見：為了保持競爭力，物流運輸企業正面臨著前所未有的挑戰，其盈利的唯一途徑就是通過真正的技術驅動來提高效率。幸運的是，AI和機器學習領域的創新為這些企業提供了巨大的可能，賦予了他們解決重大問題、實現繁榮發展所需要的先進工具。