每到電商銷售旺季，都會迎來雪片一樣的訂單，這既考驗電商平臺承擔(dān)的速度和效率，更是對物流公司的分揀和運送能力的檢驗。互聯(lián)網(wǎng)讓用戶變得更為挑剔，用戶很難接受狂歡之后的等待，優(yōu)質(zhì)的物流則是保證用戶體驗的第一環(huán)。

今年618期間，上海區(qū)域200多家韻達網(wǎng)點全部開啟了“預(yù)售極速達”服務(wù)，旨在將預(yù)售訂單第一時間送至客戶手中。在這項服務(wù)的背后，是AI、大數(shù)據(jù)和IT系統(tǒng)結(jié)合的力量。

1

AI讓分揀壓力化為無形

物流行業(yè)，通常有倉儲和分揀兩個關(guān)鍵環(huán)節(jié)，而在物流系統(tǒng)中，分揀是最為繁瑣，用時最長的環(huán)節(jié)。 用戶在電商平臺上下單，由系統(tǒng)分揀模塊，將貨物根據(jù)訂單地址進行區(qū)分，分配至不同地點的倉庫。訂單抵達倉庫之后，即開始分揀。接著出庫抵達下一級分撥中心或者中轉(zhuǎn)站，最后進入配送。 在電商銷售旺季，處于流程前端的下單量會短時間內(nèi)激增，唯有提高分揀流程的效率，才能提升整個物流系統(tǒng)的效率，為用戶提供優(yōu)質(zhì)的服務(wù)。一些優(yōu)秀的物流公司，正在求助于AI，在分揀流程的幾個關(guān)鍵環(huán)節(jié)以智能化的手段，獲得更高的分揀效率。 為了應(yīng)對電商購物節(jié)期間的業(yè)務(wù)量洪峰。韻達在分揀中心實施了網(wǎng)格倉策略，借助由視覺人工智能 (AI) 驅(qū)動的智能共配分揀系統(tǒng)對快件進行自動分揀。 通常的智能分揀中心，現(xiàn)場的人力并不多，核心業(yè)務(wù)流程都依靠系統(tǒng)控制，流水線的運行速度也飛快，會有一種看到水在流動的視覺感受，就像是力與美的結(jié)合。 在這種“美感”的反面，則是分揀線面臨的準(zhǔn)確度與低時延的壓力。分揀線會對快件面單上的信息進行三段碼 OCR (Optical Character Recognition) 檢測，由于識別的結(jié)果決定著快件在分揀線上的去向，因此該步驟對分揀效率至關(guān)重要，對系統(tǒng)的識別準(zhǔn)確度和時延有較高要求。 一旦識別出現(xiàn)錯誤，就會造成分揀線回流，即快件需重新再過分揀線或需要人工分揀；而當(dāng)錯誤率較高時，更會加重網(wǎng)點的操作壓力。故而，韻達提出系統(tǒng)識別的準(zhǔn)確度須達到 95% 以上。另一方面，系統(tǒng)時延與分揀線傳輸速度息息相關(guān)，檢測算法的時延會直接影響分揀傳輸?shù)男?，過慢就會造成快件積壓，進而影響分揀速度和派送時效，韻達經(jīng)過評估后發(fā)現(xiàn)智能分揀線系統(tǒng)的時延必須要小于130ms才能滿足他們對高效率的需求。

為了解決這些難題，韻達選擇了英特爾的解決方案，基于英特爾 數(shù)據(jù)中心GPU Flex系列 170和英特爾 分發(fā)版OpenVINO 工具套件來優(yōu)化其三段碼OCR檢測系統(tǒng)和分撥視頻分析平臺性能。

為驗證方案性能，韻達進行了三段碼 OCR 測試和TSM (Temporal Shift Module) 測試。在三段碼OCR測試中，共對2450張圖片進行了識別，測試結(jié)果顯示平均運行時間為 114ms，很好地滿足了韻達對低時延的需求；準(zhǔn)確度能夠達到 97%-98%，也優(yōu)于韻達 95%的預(yù)期基準(zhǔn)。 在TSM測試中，選用了1200個視頻并分不同實例和批量大小做了測試，測試結(jié)果如圖所示。

圖片來源英特爾白皮書（點擊圖片了解白皮書詳細內(nèi)容）

綜合測試和網(wǎng)店測試結(jié)果，韻達的視覺AI方案從算力、時延、準(zhǔn)確度、并發(fā)能力、穩(wěn)定性和散熱能力等多個方面都能很好地滿足韻達的需求，并帶來了如下企業(yè)優(yōu)勢：

第一，提升業(yè)務(wù)效率并降低成本：智能分揀系統(tǒng)的部署顯著提升了分揀線效率，進而提升了派送效率和派送時效；此外，高效的智能分揀系統(tǒng)還幫助韻達實現(xiàn)了人力和成本節(jié)約。

第二，優(yōu)化業(yè)務(wù)管理和決策：英特爾 數(shù)據(jù)中心GPU Flex系列170帶來的高算力讓韻達實現(xiàn)了更高效的分撥視頻流分析，可幫助韻達在跨年度/跨季度預(yù)測、合理定價、網(wǎng)點時效提升和獎懲制定等方面做出優(yōu)化。

2

每個物流場景，都少不了英特爾的身影

實際上，這僅僅只是韻達基于英特爾GPU的解決方案，其實韻達與英特爾的合作遠不止于此。 早在2018年，韻達就與英特爾展了全方位的技術(shù)交流與協(xié)作，英特爾的至強 可擴展處理器及其他一系列軟硬件產(chǎn)品技術(shù)在“大小件測量”、“數(shù)據(jù)中心異常檢測”以及“件量預(yù)測”等多個關(guān)鍵環(huán)節(jié)上為韻達構(gòu)建起高效的AI應(yīng)用底座。 在2020年，為了利用AI視覺技術(shù)解決在物流運輸、分揀、派送等過程中遇到的難題，韻達也采用了英特爾CPU及其他軟硬件組合，完成了智慧視覺解決方案的優(yōu)化，實現(xiàn)了分轉(zhuǎn)中心智能數(shù)據(jù)處理，但也同時遭遇了新的技術(shù)挑戰(zhàn)：

一方面，由于物流場景的復(fù)雜性與多變性，物流行業(yè)有著爆倉識別、違規(guī)操作分析、車輛到站識別、裝載率識別等非常復(fù)雜的場景，一個場景甚至?xí)霈F(xiàn)幾十種不同的情況，未經(jīng)優(yōu)化的算法可能會出現(xiàn)效率與精度問題，影響設(shè)計目標(biāo)的實現(xiàn)。

另一方面，因為視頻推理等人工智能負(fù)載對于硬件有著嚴(yán)苛的需求，傳統(tǒng)的硬件在邊緣側(cè)難以滿足視頻推理在性能、精度、功耗等方面的需求，同時，專用的硬件方案也有成本昂貴、開發(fā)與部署門檻高等問題。

當(dāng)然，從深度學(xué)習(xí)算法自身來看，面向圖像識別的深度學(xué)習(xí)模型也常會存在解釋性差的問題，模型復(fù)雜度高、優(yōu)化困難，計算強度高、對于算力有著較高要求，需要進一步實現(xiàn)算法優(yōu)化。 在此項目中，英特爾和韻達一起構(gòu)建了基于至強 可擴展處理器和酷睿 處理器的邊緣計算解決方案，將工作負(fù)載轉(zhuǎn)移到網(wǎng)絡(luò)邊緣，不僅降低了網(wǎng)絡(luò)負(fù)載與人工智能推理延遲，還切實降低了人工智能基礎(chǔ)設(shè)施平臺的采購成本，以及高帶寬網(wǎng)絡(luò)的部署與運維成本。 值得一提的是，除了硬件之外，韻達還通過英特爾 SVET開源套件快速搭建了視頻拉流、解碼、抓圖編碼分發(fā)業(yè)務(wù)，同時利用OpenVINO工具套件，在英特爾平臺上優(yōu)化了視覺算法，提升了性能。 不止韻達，也有其他物流公司選擇了英特爾基于異構(gòu)的基礎(chǔ)設(shè)施，利用XPU實現(xiàn)AI推理加速，同時借英特爾 分發(fā)版 OpenVINO 工具套件和英特爾 oneAPI工具套件等簡化開發(fā)與運維，實現(xiàn)應(yīng)用跨 XPU 的無縫切換。有效監(jiān)測園區(qū)內(nèi)是否存在攀爬傳送帶等危險作業(yè)，踩踏、暴力分揀等違規(guī)作業(yè)，以及未戴安全帽等著裝安全問題。 英特爾還將以更多、更高性能的專用加速器，持續(xù)為物流行業(yè)及合作伙伴帶來更多場景的優(yōu)化方案。

3

AI驅(qū)動，讓每個包裹都能準(zhǔn)時送達

通過以上案例，我們也發(fā)現(xiàn)不同物流場景中都面臨著相似的難題：比如模型開發(fā)與維護難度大，計算強度高，再比如專用的硬件方案也有著成本昂貴、開發(fā)與部署門檻高等問題。 走向AI驅(qū)動的智慧物流，要跨越這些難題，英特爾顯然已經(jīng)給出了自己的答案： 那就是更加全面、異構(gòu)化的產(chǎn)品布局，用更加完備的軟硬件產(chǎn)品組合為全開發(fā)鏈路護航。 通用計算芯片：

如至強 可擴展處理器，其部署門檻最低，可以充分利用企業(yè)現(xiàn)有的IT基礎(chǔ)設(shè)施；

通用加速芯片：

英特爾 數(shù)據(jù)中心GPU Flex系列主攻視覺類的AI推理加速，而數(shù)據(jù)中心GPU Max系列包含有超過1000億晶體管，可為AI模型的高效訓(xùn)練提供強有力的支持，同時其還能兼顧科學(xué)計算，加速多個架構(gòu)中的SC和AI工作負(fù)載；

專用加速器：

7月11日Habana Gaudi2已經(jīng)發(fā)布，正式與用戶們見面，并且在6月27日發(fā)布的MLPerf新一代測試報中，它已經(jīng)有了先聲奪人的表現(xiàn)——不論是大家非常熟悉的BERT、ResNet、Unet模型，還是最近半年異軍突起的大語言模型GPT-3，Gaudi2 都有非常靚眼的表現(xiàn)。

當(dāng)然，跨異構(gòu)XPU的切換，少不了軟件的支持。借助OpenVINO 工具套件和oneAPI工具套件等可以幫助用戶簡化AI應(yīng)用開發(fā)并實現(xiàn)跨XPU的無縫切換。用戶可以根據(jù)自身工作負(fù)載的需求，選擇更適合的芯片運行。

4

小結(jié)

物流業(yè)是支撐經(jīng)濟社會發(fā)展的基礎(chǔ)性產(chǎn)業(yè)。在數(shù)字經(jīng)濟時代，物流不僅是單行道，還促進了新的零售業(yè)和新的制造，提高了傳統(tǒng)的庫存周轉(zhuǎn)率，構(gòu)建了靈活的供應(yīng)鏈。 隨著物流業(yè)的規(guī)模不斷擴大，傳統(tǒng)物流的運營模式受到挑戰(zhàn)，急需向智能化轉(zhuǎn)型升級。以數(shù)字化技術(shù)，尤其是AI技術(shù)的賦能，物流行業(yè)走向智慧化，精細化，高效化是大勢所趨。 但AI應(yīng)用的開發(fā)和優(yōu)化并非易事，尤其是在異構(gòu)計算興起的今天更是變得越來越復(fù)雜。英特爾擁有強大且專業(yè)的技術(shù)團隊，完備的異構(gòu)硬件產(chǎn)品布局，易用的軟件工具組合，可以為物流乃至更多行業(yè)AI應(yīng)用的開發(fā)、部署、落地應(yīng)用提供支持。 讓AI驅(qū)動物流行業(yè)智能化轉(zhuǎn)型，讓每個包裹都能準(zhǔn)時送達。 文章來源：科技正能量