据VentureBeat报道，在下了订单后，每个人都想知道，你的Amazon Prime包裹是如何在几个小时后出现在门口的？这是个非常复杂的过程，涉及到供应商、制造商、批发商、零售商以及终端消费者。这个过程被统称为供应链管理（SCM），其中物流是负责处理商品流动和运输的那部分。亚马逊等电商巨头就专注于物流业务，而Unilever这样的快速消费品领域领先公司则提供全面的供应链管理服务。
就像其他所有数据驱动的行业那样，物流公司与供应链公司都在投资于人工智能（AI）解决方案，以解决他们最紧迫的痛点。无论大小企业，都在涉足创新领域，从机器学习到机器人等。物流崩溃会导致整个供应链断裂，为此公司需要不断寻求改进管理库存、预测价格以及简化操作的方法。财富500强中的多联式运输公司C.H. Robinson的首席信息官扎德·林德布鲁姆（Chad Lindbloom）最近分享了他利用AI解决这些问题的亲身经验。
C.H. Robinson在北美地区最主要的业务就是卡车货运。他们的客户定期外包部分或所有物流业务，还有许多一次性服务，导致公司计划外货运任务激增。令人感到惊讶的是，作为运输公司，C.H. Robinson本身却没有任何车辆。它被称为“货运经纪人”似乎更为恰当，即在想要运送货物的客户和提供卡车运送服务的承运商之间充当运营和金融中间人。提供运输服务的承运商极度分散，从只有一辆卡车的独行侠，到拥有大量车辆的车队等各不相同。
尽管面临这些挑战，C.H. Robinson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，他们可能最后一分钟才会得到最终报价，有时候则要求当日送达。
装货成本
价格预测是C.H. Robinson面临的最大业务挑战。line布鲁姆解释称：“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。举例来说，从俄亥俄州的托雷多前往纽约市与返程所走车道相反，而返回的成本会更低，因为城市中心向制造区行驶没有太多货物可运。”
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C.H. Robinson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，定价由人类专家决定，他们拥有丰富的业内经验和市场知识。
在成为C.H. Robinson的首席信息官之前，林德布鲁姆已经在金融行业从业25年，担任了15年首席财务官职位。金融与技术特长相结合，他和自己的团队已经开发出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。这些模型会研究货运定价历史数据，并将天气、交通以及社会经济挑战等参数加入其中，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，林德布鲁姆认为人类不会被完全取代。他说：“在有些情况下，人类可能会给出更合理的交易价格。但在大多数情况下，这种技术都可以帮助制定公平的市场定价。”他还补充说，高效算法带来的关键好处是信息的民主性和可用性。它无需依赖少数专家就可以给出评估，更多员工可利用机器智能确保他们在市场中的报价，以便确保生意成功，同时确保执行力。
卡车来源
AI的第二个用例是保证和管理供应商的库存，以及管理庞大的卡车队列。在货运买家了解可用车辆和具体报价前，C.H. Robinson就可以为它们提供公平的报价。这家公司依赖于战略性的人际关系，特别是庞大的贸易网络，以便为特定的用户找到最相配的卡车承运商。
C.H. Robinson对每条路线都会进行背景分析，将承运人的价格和服务水平分门别类。易碎、昂贵、时间紧迫的货物需要的服务层次更高。这些不同的因素汇聚起来，让C.H. Robinson可为用户和承运人提供最优化的匹配服务。
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。为了预测这类中断事件、训练AI学习人类制定应急计划的能力，以便将来纠正失误，C.H. Robinson收集大量信息源，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。举例来说，物流中心受到恶劣天气影响，承运方就可以选择更安全的路线行驶。