菜鸟CTO：最好的物流科技就是能扎实服务好实体经济

作者 | 代润泽

编辑 | 二维马

双十一在即，作为每年最大的购物节之一，自2009年诞生以来，已经成为了人们日常生活不可或缺的一部分。作为电商体验非常重要的部分--物流，自然备受关注。

今年双十一，菜鸟要增大“送货上门”服务的比例，在链路上追求更绿色、更环保，少些包裹，多些包材回收。

菜鸟科技作为物流行业的引领者之一，是双十一物流顺畅的重要保障。去年火爆全网的菜鸟无人车“小蛮驴”已进入备战状态，今年双十一，将有超过300台小蛮驴上阵，大约配送超过100万个包裹。

提到菜鸟大家都不陌生。

2013年5月28日，阿里、三通一达(申通、圆通、中通、韵达)等共同组建“菜鸟网络科技有限公司”，随后菜鸟开创电子面单，推动了整个物流行业的发展，将物流带入数字化改革的浪潮中。

电子面单

规模上，菜鸟全球跨境包裹网络也覆盖了220多个国家和地区，约70万条线路，与140多家全球性的物流伙伴合作。在国内，菜鸟城乡物流能抵达2800多个县和30000多个乡村。在中国如此辽阔而复杂的地理环境上，每天有3亿个包裹进进出出，还能满足成本极低、时效极快，能做到这些，菜鸟CTO李强（花名在宽）认为，核心的因素是：快递行业数字化。

如今每个分拨中心都是高度自动化，都与电子面单息息相关。而菜鸟的初心，是希望做物流产业互联网，一方面要投入到国际、末端和供应链等物流运营当中，解决别人解决不了的问题，让商业运行更高效。另一方面也要通过技术服务，实实在在做一些能引领整个行业数字化发展的事情，“如果站在互联网的技术视角看物流行业，其实我们一直在扎根做实实在在的事情。”

好的技术要能解决实际问题

在宽向cc博客网(公众号：cc博客网)表示，一直以来，菜鸟内部的技术文化被称为“简单极致，贴地疾飞”，也就是既有掌握先进技术的自信，也追求用最“贴地”的技术解决物流作业中遇到的痛点。

“其实在行业内，我们是最接地气，在技术上最紧贴物流，最了解客户痛点，能结合场景寻找最好的解决方案，并最有效地解决问题的一波物流技术人。”

从物流产业互联网的定位来看，菜鸟不只用科技手段服务物流行业，本身也在做物流的事情。

“比如跨境包裹，国际上Fedex、UPS在做的事，菜鸟同样也做得非常好，区别是大家的细分赛道和复杂程度不一样。”在宽表示，在这背后，意味着大家都要好好做流程、做产品，提升技术，让成本更低，让自己更有优势。

菜鸟在整个物流生态中，接触到的业务形态和业务流程更复杂，深度触达的伙伴也更多，那么，看到的问题和场景也更多。

对于整个菜鸟团队而言，业务、产品、技术，都一直落地物流行业，而且具有广度和开放度，垂直且深入，给了团队足够的场景去了解行业、发展技术。

在宽看来，物流并不是简单地将包裹送到，这是一个链路非常长、涉及到诸多细节的行业，因此，能实实在在解决业务问题、创造业务价值，才是好的技术。

关于此，在宽举了两个例子：

一个是，跨境包裹在入库的时候会打面单，面单上有一个拣货码，这是一串4位或6位的数字，出库的时候工人需要识别这个码。在操作中发现，包裹摆放的形式会影响结果。如果码正好正对着工人，工人就可以一眼识别，就很顺利，但是方向摆错了怎么办？

在宽说，看起来最科技的方法，是让每个工人戴AR眼镜，靠技术把包裹识别出来，这是最酷的。但是换个思维，其实，更简单的方法是，一个面单上打印4个码，四个边的四个朝向都有，无论包裹怎么放，工人都能一眼看到和识别，这样拣货的速度就快了。看起来这个解决方案没什么技术含量，不过要承认，这是最有效的办法，且性价比最高。

另一个例子，电子面单涉及到分单，需要根据消费者的文本地址解析成二段码、三段码。纯技术手段是靠纯粹的算法、模型，然后用更多的数据、算力将这个码做得更精准。

换个维度，是不是也可以选择融合的方式，比如结合规则、地图等元素，再和算法一起，这样的话不需要那么大的算力、模型，效果一样非常好。

“物流科技服务的是中小企业，是实体经济，要让他们都用得起，有效性和经济性必须同时考虑。最好的物流科技就是要扎实服务好实体经济。”

想“贴地”，首先要有技术自信

选择“贴地技术”并非易事，首先要有技术自信。

“在阿里还是菜鸟，无论在底层还是应用，都有非常好的技术基础，这是非常重要的核心因素，只有达到了一定的技术高度，才能从场景出发选择合适的技术。”

比如，2020年12月10日，菜鸟人工智能团队为核心研发的物流路径规划算法，获得2021年Franz Edelman finalist。这个奖项被称为运筹优化和管理科学的“奥斯卡”，设立50年来，首次有中国物流供应链领域企业入围。

这意味着菜鸟已经拥有了全球最好的车辆路径算法，从技术角度站在了行业非常高的水平。但是回到“贴地”来看，一定要拿着这样的算法到处用吗？显然不是的。

在宽举个例子，很多卖家需要发货，在线下单后物流公司会派车揽收包裹。这里面就涉及到调度问题，根据计算结果预判快递员何时上门取件，而理想情况下可以用最好的车辆路径规划算法搞定，一切靠AI。

然而现实的情况是，车辆在半路遇到了拥堵或交通意外，司机忽然临时有事儿要晚点到... ...对于卖家来说，根据系统提示的时间打包好了包裹却等了很久，那么就会猜测，实际上门时间比系统显示的晚，那么下次就不等打包好就下单，结果快递员准时揽件，反而等了卖家很久。

那么，如何解决此类场景呢？

在宽表示，其实可以设计一套机制，类似于分片区、承包到小组，也就是网点揽收的模式。然后让司机同时去做服务、销售，既可以和卖家保持良好的沟通、实时沟通路况等条件，也能实时了解卖家包裹的打包情况，这样就将揽收时间的设定变得弹性，随时可调整。

“解决问题未必非要用多先进的技术，对于技术人员来说，往往希望拿着技术找场景。其实如果从场景出发，解决问题的办法有很多种，而这也是非常挑战技术和人性的地方。”

只有对技术非常自信，才有能力在极其复杂的物流场景下解决实际问题。菜鸟可以拿出全球最顶尖的技术实力，也可以选择最易于操作的解决方案。显然，菜鸟手里有足够多的方式，他们要做的就是在其中选择最优解。

普惠意味着要深入到行业腹地

想拥有找到解决问题最有效的手段，菜鸟让每个技术人员都深入到物流作业的一线中去，每年、每月都要有一定的时间和客户深度接触交流，这样才能真真实实了解到客户的痛点和作业现场的问题。

其中，一款非常“贴地”且能展现“技术自信”的产品就是LEMO PDA。

该产品获得了“GMARK、红点”两项国际工业设计大奖，是行业极具创新的一款IoT产品，通过对物流生产工具的重构，大幅提升了作业效率。而LEMO PDA也被称为“体验最好的、人人用得起的普惠生产力工具”。

已经广泛应用在仓库、分拨、站点等场景的LEMO PDA，重量仅为100克、宽度4.2毫米，半个智能手机大小，背部安上一个指环，与显示屏幕之间的角度为135度，也被很多工友称为“指环王”。而就是这样一款，看起来不太像“PDA”的产品，涉及了诸多“贴地”的设计理念。

作为主导研发LEMO PDA的工程师，许俊（花名兰博）是菜鸟物流科技的研发负责人、阿里巴巴IoT技术小组核心成员，开辟了菜鸟IoT技术和科技商业化新赛道。

他向cc博客网表示，物流是实体行业，从前是劳动密集型行业，靠得是经验丰富的老师傅做业务。这里面就要思考，数字化究竟能给这些工人带来什么？

而LEMO PDA这款产品的设计之初，围绕的就是“贴地”的核心理念，想做到普惠，要思考如何平衡以下几个要素：

1、用得起，传统的PDA有2000多块钱的购置费，早些年近乎于工人一个月的收入。

2、上手快，传统的PDA在物流场景里，考验工人的文化程度，至少要快速记住不常见的英文字符。

3、不影响工作，传统的PDA重达300、400克，工作体验较差，徒增了很多劳动成本。

那么，针对单一、重复性强的体力劳动这个场景，LEMO PDA在设计时就要考虑到，如果做到购置成本足够低、使用成本足够低、使用体验比较好等方面。

满足单一因素不难，难的是都要兼顾到。那么回到普惠的定义，就不单单是一款便宜好用的设备了。

在宽表示，LEMO PDA在设计的时候，用的是类似于互联网硬件的方式，把硬件部分变成了输入和输出，算力都放在云端和边缘，那么终端不再是算力端，硬件的成本就变得非常低，而且交互体验就能做到更极致。而云端有算力的支撑，产品上就可以进行足够的优化，当终端设计得足够简单，产品也能更耐用，这里就起到了很好的平衡。

不过想做到这些，需要依托好的架构，因此LEMO PDA的云端部分也采用低代码的设计，不同于传统PDA的APP模式，LEMO PDA可实现低代码、甚至零代码的交付效率。因此这足以显示了“贴地”和“技术自信”的紧密结合。

135度来源于在手上一遍遍调试

不同的场景下需要适配的产品不同。

针对仓库的应用场景中，兰博表示，传统仓库在没进入PC时代的时候，靠纸质拣选和工人的经验，拣错率非常高。那么，如何将工作变成“无需师傅”指引，三分钟的使用教程就能替换掉从前一到两个星期的岗前培训，工人只需要知道自己下一步做什么就行了？

对于库工来讲，花费30秒、1分钟的时间看视频，基本上就知道如何操作，也再不用记库位在哪儿，下一个要拣选什么产品... ...一切工作都靠云端指引。

同时，这款针对适合分拨中心的LEMO PDA，非常引人注意的就是采用弯曲设计。

兰博表示当时大家在菜鸟的仓库里“蹲”了一个星期，拿着秒表一步一步观察，每个工人重复动作，产品的设计雏形就出来了。

工人都是双手搬货的，那么除了足够轻，还要足够窄，不能翻手腕，还可以随时揣兜里，得固定... ...那么，最好的解决方案就是背后套个指环。

而弯曲角度为什么是135度呢？兰博回忆道：“我们调试了很多版，太弯了扫码不方便，太直了可能有时候需要翻手腕。而135度是从十几个手板中挑出来的。当时每出来一款，周末的时候我们都要戴一天，感受一下舒不舒服，影不影响工作，然后获得体感数据。”

并且考虑到耐用性，大家最后将LEMO的按键严格控制在7个，甚至没有开关机键，产品激活靠任意键，云端可以保证PDA任意时间在线，长时间不用就进入休眠状态，因此这是非常极简的设计。

“和传统靠App的产品不同，其实里面会有传感器识别人手动作，比如手下垂可以认定是休眠状态，手抬起来又变成激活状态，也就意味着这样做功耗很低。”

在窄窄的屏幕上进行简单的交互，在宽表示这要用低代码的方式，不再需要开发界面、流程，更多是将规则的东西用代码的形式展现。

基于菜鸟本身的低代码开发平台，在里面可以快速实现诸如小程序的应用，能达到天级的交付效率。并且，这类小程序的设计逻辑与微信、支付宝的类似。

在设计的时候没采用传统的安卓架构，而是自研轻量级的操作系统，毫秒级的开机时间，就算遇到了宕机的情况体验上是眼前一闪。相比传统的架构，从App退出后，需要重新登录，重新获取数据，而在这样的架构里没有。

在宽表示，“LEMO PDA是一个独立的终端，加共享的边缘设备，最终的成本肯定要比每个设备上都有专属的算力低很多。”

最终的结果可以看到，这样的产品设计方案，既能满足使用场景解决实际问题，又能降低生产成本，更能加速传统物流行业诸如仓库和分拨中心部分业务的数字化转型。

并且这些场景，能真实展现菜鸟懂物流、懂技术，深入到腹地切切实实为物流实体行业做事情。

什么才是最优解？

物流离不开运输，也就离不开车辆调度。

前文提到，菜鸟获得2021年Franz Edelman finalist，在业内引起了巨大的反响，团队开发的Greed Solver涵盖在线决策、VRP、Binpacking和Online Assignment。

菜鸟人工智能部负责人、阿里巴巴供应链与运筹优化小组核心成员胡浩源（花名本华）向cc博客网表示，能获奖，离不开阿里和菜鸟丰富的业务场景，本身就有很多相关的场景挑战，比如菜鸟的车辆调度，以及盒马、饿了么等骑手的路线规划。

关于菜鸟决策优化的场景，本华表示，传统的方式之一是建模，然后使用求解器求解追求精确解，而Greed Solver从实际业务问题需要的求解特性出发，混合了启发式、GPU&分布式等高性能计算、机器学习与运筹优化融合等，与菜鸟的业务相融合，这也是“贴地”的具体展现。

和LEMO PDA的设计一样，在做决策优化的时候，团队先到线下，去仓库、分拨中心里体验工作，要做快递员感知路径，因为决策优化最终管理的是人而不是机器。

了解到真实的场景后，要开始寻找适合自己的发展路径。

而做决策优化有两条路线，一条追求通用求解，希望使用人员完成建模过程后，能够基本都使用求解器完成求解过程；另一条是特定求解，用贴地气的产品挖掘最大的商业价值，进而集中火力投入资源在局部形成极高密度，在这个垂直领域构建门槛优势。

菜鸟的Greed Solver选择了基于业务价值判断反推的特定求解， “这是两条完全不同的路线，通用求解器有更深的科学技术问题挖掘，特定求解器则是一个混合了科学、技术、工程、业务领域知识的融合工程。”更进一步，菜鸟的Greed Solver大力发展了实时求解相关的技术，在实际的业务场景中，比较难的并不是求得一个最优解，而是有限的时间求得一个尽可能好的解，和在信息不充分的情况下做实时决策，获得全局的一个最佳收益。

以派单为例，站在上帝视角，通过算法能算出最优解。然而实际过程中大部分是一个online决策的问题，基于当前的greedy分配未必是最优，需要考虑后续订单到来的可能性对于最优的影响，比如有些订单hold一下，就可以和后续的订单合并，在满足时效的同时提升骑手的效率。

比如跨境包裹，从中国到巴西的配送时间由原来的60天到十几个工作日，核心因素就是合单。很多海外消费者不会只买一个商品，那么包裹到了分拨中心就要等一下，看看能不能合起来。这个期间要权衡等待时间不要太长要满足消费体验，还不能为了弥补等待时间增加客户的成本。在宽坦言：“要满足成本低、服务好诸多因素，在过去的两年来，菜鸟通过物流技术解决了一批此类物流难题。”

“贴地”意味着一定是先场景再AI

说起研发Greed Solver，本华回忆道，这是基于本身阿里内部的业务需求，比如2016年应用到乡村物流，然后开始应用到零售通，逐渐应用到盒马，再到国外的Lazada，“回头看，这个业务的过程比较曲折，我们内部叫‘铁掌水上漂’。在伴随业务成长的同时，要有自己的技术定力往前一直走，因为相信，所以看见。”

“当时达摩院要做线性规划和混合证书规划的产品，大家研究要不要一起做，最终我们还是回到一开始决策的原则，我们基于自己的优势和资源，差异化的去解决特定的、业务价值显著的问题，往高频、实时决策、实用价值大的算法走，基于业务需求去建设技术能力。”

关于路径选择，在宽表示，第一，要从场景到AI；第二，要重视效率和效果并行；第三，产业互联网需要对行业、国家创造价值。

“其实四年前就定下来，我们要走就是分布式计算、高性能计算、机器学习和运筹优化的结合。”

首先，运筹优化并不是中国的优势领域，学科上需要向国外学习。但是国内的优势是有庞大的场景和数据，在大数据、大规模分布式机器学习上是有积累的，那么能不能把这几个领域结合起来？

其次，最优解和最快近似解是两回事，机器学习预测用于实际场景跟不上速度，场景稍纵即逝。

那么关于效果方面，从商业角度来看，本华表示衡量决策算法的好坏取决于实时决策的结果和站在上帝视角的全局最优的对比，比如online assignment追求的就是“近似最优”，并且工程实践与难度会更高，有许多严苛的实时求解约束。

“比如，online assignmen在一个业务场景最终计算能拉到每秒10万QPS，而一开始这个数值可能是500，那么500到10万的过程，使得最终效果能提高十几个点，简单来讲，其他的资源不变的情况下，我们成本更低、算得更快。”本华认为，从互联网角度，频率越高越有商业价值。那么对于业务而言，想要做到秒级求解考验的就不光是技术问题了。

提到效率，这里面需要相应速度、产品建设得非常快，遇到用户特殊需求，需要快速适配，要把开发提得很快，后来在算法上也要做一些低代码化的工作，为的就是保证效果的同时快速响应。

“如果求解时间是100、200毫秒级，我们只需要在这个时间下再提速。”

从成立至今，随着行业的不断发展演化，菜鸟团队逐渐沉淀形成一个非常体系的技术，而这可以支持实时决策非常多的领域，如装箱、派单、履行分单合单、服务器调度、流量分配、资金路由等。

写在最后

一直以来，菜鸟都秉承“拥有技术自信，从场景出发”。

比如菜鸟无人车小蛮驴，关于由来在宽回忆道，2015、2016年的时候，关于整个物流科技未来发展的方向，大家预判到，从长期来看，物流能力需要大幅度提升，需要新型的智能要素的加入。

“我们的切入点是什么？就是仓库里面的AGV小车。”仓库是相对稳定的环境，菜鸟很快就把仓内自动化做成了行业标杆。

在配送端菜鸟选了在最后一公里低速无人驾驶领域探索，“2016年组建的团队，第一台车就做出来了。最早是在阿里巴巴的西溪园区给内部员工送快递，把包裹从园区的小邮局送到工位上。”

从阿里园区工位走出来，走到浙大校园里，再到部分物流园区，从一个仓库到另一个仓库，这些都说结合实际的应用场景，逐渐完善技术，前文提到的300台车、100万个包裹的规模，也能增加算法的准确性。

这也是“贴地飞行”的真实体现，从场景出发，贴合实际完善技术。

小蛮驴行驶在上海理工校园里

其实，物流与商业是密不可分的，一个好的物流能力的发挥，需要整个在商业拥有很好的设计。

比如淘特有N元N件的营销活动，那么就要想办法降低物流成本，比如客户挑了10个产品，想办法如何变成1个包裹，这里面需要从上到下一体化设计。

在宽看来，幸运的是，三年前，他从菜鸟回到阿里巴巴做电商、做全球化，对商家和消费组之间有了重新的认识。而菜鸟把全球化作为非常重要的战略方向，因此从电商全球化到物流全球化，对于在宽而言是水到渠成的过程，也能更好地从电商到物流进行一体化设计。

“简单极致，贴地疾飞”，在宽认为任何一个物流公司可能都是一个科技公司，真正拉开差距的是，物流技术与实体产业的结合有多深。

当下的互联网已经发展到了下半场，需要走到产业中去找到隐藏更深、更复杂的问题，“带着技术、思维深耕行业腹地，才能找到真正解决问题的办法。”在宽坦言，现在已经没有跨行业的技术“银弹”了。

钻研理论可以让自己站在更高处，能更好地解决实际问题，然而对于实体产业来说，还要从解决有价值的问题出发。

正如前文提到的LEMO PDA和Greed Solver，八年来的探索，随着菜鸟本身对物流的理解越来越深，因此将物流场景作为锚点，然后再看哪些技术适合，而不只是站在技术看业务。

“从一开始菜鸟就有技术标签，未来也不会撕掉。我们的技术视野会越来越高，我们的技术应用也会越来越扎实贴地。”