这涉及一系列复杂的操作将供应商、制造商、批发商、零售商相连接，并销售给你，即终端消费者。这个过程的监督被称为供应链管理（SCM）。在SCM中，物流是处理商品流动的部分。

像其他数据驱动行业一样，物流和供应链公司正在投资并转型AI解决方案，以应对其最迫切的难题。无论是小型企业和大型企业都在进行机器学习到机器人技术等方面的创新。

物流的崩溃将会导致供应链的断裂，因此公司需要不断寻求方式来管理库存、预测价格以及简化操作。财富500强公司运输公司C.H. Robinson的CIO（首席信息官）Chad Lindbloom，分享了它最近使用AI解决这些问题的经验。

C.H. Robinson（CHR） 在北美地区的主要的业务就是卡车货运。他们的部分客户会定期外包部分或所有物流业务，此外还有许多一次性服务，将导致公司计划外货运任务的激增。

令人感到惊讶的是，作为运输公司，CHR 本身却没有任何车辆。它被称为“货运经纪人”，即在买者和提供卡车运送服务供应商之间充当运营和金融的中间人。并且这些卡车供应商很分散，车队大小不一。

尽管面临这些挑战，CHR 必须兑现承诺，提前为客户准备好特定价格的货运服务。有时候，他们可能在运输的当日最后一秒钟才会获得报价，有时他们需要提前2年就给出报价。

AI价格预测

价格预测是CHR 面临的最大业务挑战。Lindbloom表示，在我们这个行业，价格随着季节、月份甚至每天的不同时段都有变化。此外，卡车行驶车道不同，价格也存在差异。

虽然许多厂商提供AI支持的物流和供应链软件，比如Watson Supply Chain、ToolsGroup以及TransVoyant等，但CHR 的庞大业务更为复杂，为此要求其开发专门的技术以满足特定需求。此前，定价由拥有丰富的业内经验和市场知识的人类专家决定。

在成为CHR 的CIO之前，Lindbloom 已经在金融行业从业25年，并担任了15年首席财务官。通过金融与技术特长相结合，他和自己的团队建立了用于预测价格的机器学习模型，就像华尔街的自动交易商开发出的算法。这些模型会检查货运定价历史数据，并将天气、交通以及社会经济挑战等因素加入其中，估算出公平的交易价格。

AI并非总是比市场专家的表现更好，Lindbloom 认为人类不会被完全取代。他指出：“在有些情况下，人类能够给出更好的交易价格。但在大多数情况下，这种技术可以帮助制定公平的市场定价。”

他还表示，高效算法带来的关键好处是信息的民主化和可获得性。无需依赖少数专家给出评估，更多员工可利用人工智能确保他们在市场中的报价，以便确保他们不会失去生意，同时确保执行力。

AI实现运输匹配

AI的第二个应用案例是保证和管理供应商的库存，以及管理庞大的卡车队列。

在货运买家了解具体报价和可用车辆之前，CHR 就可以为它们提供合理的运输价格。这家公司依赖于战略性的人际关系，特别是雇员之间庞大的贸易网络，以便为特定的用户找到最相配的卡车承运商。

CHR 对每条路线都会进行背景分析，来检测不同价格和服务层次的承运人。易碎、昂贵、时间紧迫的货物需要的更高的服务层次。这些不同的因素汇聚起来，让CHR可为用户和承运人提供最优化的匹配服务。

AI应对意外

管理中断是可利用AI解决的第三个重要问题。飓风、承运人破产以及员工罢工等，都有可能导致物流业务遭到重创。

预测中断事件和训练AI学习人类制定应急计划的能力，都是为了让AI将来可以自动化的纠正失误。CHR 收集大量信息源，来分析过去中断造成的影响，比如法国承运人罢工或美国西北部飓风。例如，如果物流中心受到恶劣天气影响，承运方就需要选择更安全的路线行驶。

部分收集到的数据需要详细调查，包括追踪人类员工如何处理中断事件，以及他们的管理结果。Lindbloom 希望这套系统在向人类学习后，最终能被训练成自动处理事务。

技术开发

由于对可靠性的迫切需要，CHR建立并运营了自己的数据中心，如果需要额外计算能力则可使用云计算。拥有数据中心的资源让CHR 在需要的时候可以迅速进行调整，但依然需要利用闲置的系统进行研发。

除了灵活性外，拥有数中心还能确保隐私和控制权。Lindbloom 强调称：“对于客户来说，我们是运输管理系统的云服务供应商。作为核心云供应商，我们拥有同样的技术，但我们知道数据在哪里，我们可以控制它，我们可以对客户做出更自信的承诺，客户也将更加放心。”

Lindbloom 说：“在我们这个行业，技术是非常重要的因素。”物流和供应链领域的其他巨头也如此认为，并投入大量资金研发AI解决方案：DHL希望利用自动汽车降低成本，Active Ants开发可穿戴技术以优化仓库任务，Locus Robotics开发可穿戴机器人，本田利用智能手机应用实时追踪货物。

利用而不是依赖AI

DHL在2016年的Logistics Trend Radar中预测，国内外物流领域的AI投资依然会持续猛增。越来越多的公司计划在内部研发中加大AI投资，以提供预测性分析、运营与管理、增强现实、机器人以及工业物联网服务。

对于想要利用AI复制CHR成功经验的人，Lindbloom 表示：你要尝试的很多事情可能都不会产生价值，你需要愿意尝试和接受快速失败，尝试用多种不同的模式解决相同的问题，多元类型测试才是关键。

此外，Lindbloom 也表示，不要过度依赖AI，并鼓励公司高管明确定义AI的商业应用，“让商业挑战来推动公司对技术的利用，而不是数据科学家或工程师推动AI的应用”。