這個“雙11”，你的購物車清空了嗎?經(jīng)過了緊張刺激的“搶購”環(huán)節(jié)，想必現(xiàn)在已經(jīng)到了抓耳撓腮的“等快遞”環(huán)節(jié)了吧!

2017年，我國全年快遞業(yè)務量已突破400億件[1]。而初步預計今年“雙11”期間，全行業(yè)處理的郵(快)件業(yè)務量將超過18.7億件[2]。

現(xiàn)在，你能想到的和你想不到的在網(wǎng)上都能買到，大到冰箱彩電，小到香蔥大蒜，快遞小哥都能給你送到門口。

當越來越多的人感受到快遞帶來的便利時，他們也對其提出了更高的要求：速度要再快，送達率要再準確。

在面對如此挑戰(zhàn)時，行業(yè)巨頭韻達把突破點瞄準在節(jié)約工時、提升效率、提高服務質量上。

多年前，韻達就開始嘗試在其快遞物流體系中引入自動分揀、地址歸集、車牌識別等技術手段，以提升各環(huán)節(jié)運作效率，現(xiàn)今取得了良好效果。

但在韻達看來，這些技術手段更多地只起到了“手”和“腳”的作用，要深層次地推動行業(yè)技術進步，還需要解決“頭腦”的問題。

因此，在英特爾的幫助下，韻達圍繞著快遞物流中最重要的三個環(huán)節(jié)，攻克人工智能的“三重門”，率先解決勞動密集型產(chǎn)業(yè)的“頭腦”問題。

AI“一重門”之前端分揀的大小件測量

韻達與英特爾利用機器視覺技術來提升測量的效率。通過裝置在分撥中心輸送系統(tǒng)上的高拍攝像頭，AI應用會采集快件的圖像信息，并傳送到后端服務器進行測量。

測量完成后，數(shù)據(jù)返回至輸送系統(tǒng)，并據(jù)此將不同大小的快件送至合適的分揀和裝車處。

英特爾® Analytics Zoo平臺內置的圖像識別模型，讓應用首先提取出待測量的快件輪廓，進而通過平臺提供的TensorFlow等深度學習框架，結合英特爾® 至強® 可擴展處理器提供的強勁算力，完成從模型訓練、模型重定義到模型推理的全流程AI處理流程，最終獲得準確的大小件測量數(shù)據(jù)。

AI“二重門”之資源調配的件量預測

在“雙11”等購物節(jié)期間，快遞最怕的就是“爆倉”，而避免爆倉的重要手段就是預測件量，匹配相應運力。

為此，韻達利用英特爾® Analytics Zoo平臺提供的LSTM深度學習算法來實施更精準的件量預測方案。

針對韻達AI應用的實際需求，英特爾與韻達一起，針對英特爾® 至強® 可擴展處理器具備的各類特性，對方案進行了充分優(yōu)化，使之獲得最佳表現(xiàn)。

而處理器所配備的英特爾® 高級矢量擴展512(英特爾® AVX -512)等技術在并行計算方面的強大實力，加速了應用的訓練與推理過程。

AI“三重門”之后端支撐的數(shù)據(jù)中心異常檢測

目前，快遞業(yè)數(shù)據(jù)中心普遍存在對大數(shù)據(jù)集執(zhí)行高級分析能力不足的問題，數(shù)據(jù)中心的可靠性也越來越受到黑客攻擊、數(shù)據(jù)擁塞等問題的挑戰(zhàn)。

而英特爾® Analytics Zoo平臺的LSTM算法可以通過有區(qū)分的記憶信息來增強神經(jīng)網(wǎng)絡的效能，濾去大量無關信息，通過對日志數(shù)據(jù)進行大量的訓練和推理，使系統(tǒng)能夠精準地預測到潛在的風險和薄弱環(huán)節(jié)。

未來，在英特爾的助力下，韻達還計劃嘗試視頻處理、智能快遞柜等先進技術，更進一步AI化。

在明年、后年、大后年的“雙11”，你將會感受到更智慧的韻達，更智能的快遞。