廣 告 | 點擊查看

在AI浪潮席卷下，智能物流行業(yè)正迎來顛覆性變革。北京郵電大學物流工程系主任翁迅先生聚焦醫(yī)藥物流核心場景，分析了行業(yè)機遇、核心難題與技術(shù)發(fā)展趨勢，為企業(yè)指明破局方向。

翁迅

北京郵電大學物流工程系主任

AI技術(shù)席卷各行各業(yè)的當下，智能物流的下一程該往何處去？哪些細分領(lǐng)域藏著確定性機遇？在《物流技術(shù)與應用》雜志主辦的2025第十三屆全球智能物流產(chǎn)業(yè)發(fā)展大會暨2025全球物流裝備企業(yè)家年會上，北京郵電大學物流工程系主任翁迅先生以《AI時代智能物流技術(shù)發(fā)展趨勢分析》為題，帶來了一場極具實踐指導意義的深度分享。

作為深耕醫(yī)藥物流領(lǐng)域的專家，翁迅結(jié)合團隊剛獲批的科技部“十五五”首個人工智能物流機器人專項實踐，聚焦醫(yī)藥物流這一核心賽道，從技術(shù)趨勢、行業(yè)變化、突破場景、核心問題四大維度，梳理了AI時代智能物流技術(shù)發(fā)展路徑，點出了未來兩年規(guī)模達30億元的醫(yī)藥物流市場中企業(yè)破局的關(guān)鍵所在。以下是根據(jù)翁迅演講內(nèi)容整理的核心觀點。

核心底座：新一代信息技術(shù)引領(lǐng)智能裝備升級

牛眼智能簡介

談及AI時代的智能物流，翁迅首先明確了新一代信息技術(shù)的四大核心板塊，這些技術(shù)共同構(gòu)成了具身智能的底座，也將成為未來物流裝備的核心組成部分。

1. 通信技術(shù)（5G/6G）

與面向個人的4G不同，5G的核心優(yōu)勢在于低時延、高傳輸速率與邊緣計算，更適配工業(yè)場景需求。對智能物流裝備而言，5G的最大價值是幫助降低單機成本。目前很多企業(yè)研發(fā)自主移動機器人時注重強化單機獨立運行能力，但在5G支撐下，憑借其低時延特性，可將大量算力需求遷移至云端處理，從而大幅降低單機硬件成本。此外，依托5G技術(shù)與數(shù)字孿生系統(tǒng)，未來的AGV等設(shè)備的控制調(diào)度邏輯將從之前的預判模式升級為實時控制模型，這將為大規(guī)模集群調(diào)度奠定基礎(chǔ)。

2. 智能感知技術(shù)

智能感知技術(shù)包含機器視覺以及各類具備感知功能的智能裝備配置。感知功能將成為智能裝備的標配，通過狀態(tài)采集、語言識別、機器視覺等技術(shù)手段，新一代物流設(shè)備將向智能化發(fā)展。如，在售后運維板塊，可以實現(xiàn)物流設(shè)備從“事后維修”到“事前預知性維護”的轉(zhuǎn)變。這一轉(zhuǎn)變對于物流裝備企業(yè)開拓海外市場尤為關(guān)鍵，依托感知技術(shù)實現(xiàn)計劃性運維，將極大幫助集成商提升海外市場的競爭力。

3. 機器學習

機器學習的價值集中在模式識別與需求預測兩大領(lǐng)域。在識別層面，2D/3D相機等機器視覺技術(shù)已廣泛應用于物品分揀、物料識別。在預測層面，其在醫(yī)藥領(lǐng)域的作用尤為突出——通過分析訂單結(jié)構(gòu)，動態(tài)調(diào)整庫存儲備，可實現(xiàn)“少設(shè)備高效率”的最優(yōu)配置。

翁迅特別指出，當前很多集成商仍依賴經(jīng)驗配置設(shè)備，這種模式未來將被淘汰。通過歷史數(shù)據(jù)與強化學習算法結(jié)合，精準測算最優(yōu)設(shè)備數(shù)量，將成為企業(yè)的核心競爭力。

4. 智能決策技術(shù)

翁迅強調(diào)，智能決策將是未來智能制造的核心，集成商布局智能制造領(lǐng)域，必須重點攻克這一技術(shù)。以新能源汽車領(lǐng)域為例，其10個月的產(chǎn)品生命周期與傳統(tǒng)產(chǎn)線18～19個月的成本回收周期存在巨大矛盾，這就要求通過智能決策技術(shù)優(yōu)化生產(chǎn)排程、實現(xiàn)混流生產(chǎn)，提升制造柔性。

醫(yī)藥物流迎30億市場，三大趨勢定方向

牛眼智能簡介

翁迅結(jié)合團隊負責國內(nèi)眾多醫(yī)藥物流中心方案設(shè)計工作的經(jīng)驗，提供了一組關(guān)鍵數(shù)據(jù)：未來兩年，醫(yī)藥行業(yè)的招標項目總規(guī)模預計約30億元。核心原因有二：一是，各大醫(yī)藥集團加速布局區(qū)域樞紐，單體項目投資規(guī)模顯著提升，最大項目投資可達4億～5億元；二是，帶量采購政策推動行業(yè)洗牌，第十一批帶量采購后，中小醫(yī)藥商業(yè)公司被淘汰，市場份額向頭部企業(yè)集中，倒逼頭部企業(yè)提升效率、降低成本。

在此背景下，醫(yī)藥物流領(lǐng)域?qū)⒊尸F(xiàn)三大核心趨勢，值得全行業(yè)關(guān)注：

1. 拆零需求激增：據(jù)翁迅透露，一個投資額1億級的醫(yī)藥物流項目，5000萬～6000萬資金將投向拆零環(huán)節(jié)。

2. 機器換人不可逆轉(zhuǎn)：行業(yè)效率提升需求迫切，機器換人成為必然趨勢。企業(yè)需針對性調(diào)整研發(fā)方向，適配醫(yī)藥行業(yè)特殊需求。

3. 藥械一體化配送試點值得關(guān)注：湖南省已啟動“藥械一體化配送”試點，若試運行效果良好將全國推廣。醫(yī)療器械全品類拆零、品類豐富的特點，將進一步放大拆零需求，提升系統(tǒng)復雜度，湖南德龍全品類醫(yī)療器械配送項目便是典型代表。

物流裝備六大潛在突破場景

牛眼智能簡介

基于為多家頭部醫(yī)藥集團規(guī)劃新一代物流中心的經(jīng)驗，翁迅梳理出6個物流裝備領(lǐng)域的潛在突破場景。

1.多層穿梭車紙箱與原箱混合存儲：目前按華潤集團等頭部醫(yī)藥企業(yè)要求，有些設(shè)備廠家正在進行紙箱與原箱混合存儲測試。針對醫(yī)藥行業(yè)未來混合存儲的自動化出入庫需求，需推出對應的解決方案。

2.醫(yī)藥行業(yè)專屬訂單波次聚類算法：醫(yī)藥訂單存在嚴格的批號管理、貨主屬性要求，需定制專屬波次規(guī)劃算法。

3.搬運機器人同場集群調(diào)度：醫(yī)藥項目分期建設(shè)普遍，首期與后續(xù)招標可能選用不同品牌、不同類型的機器人，需解決上位系統(tǒng)兼容、多地圖融合等問題，實現(xiàn)機器人高效協(xié)同運行。

4.集貨環(huán)節(jié)混合碼垛：當前物流作業(yè)瓶頸集中在收發(fā)貨區(qū)，存儲、揀選環(huán)節(jié)自動化已成熟，混合碼垛是實現(xiàn)收發(fā)貨區(qū)無人化的關(guān)鍵。

5.自動裝車：通過混合裝車模型搭配機械手，突破裝車環(huán)節(jié)自動化瓶頸，目前卸車自動化相對成熟，裝車是重點突破方向。

6.立體庫視覺盤點：大型醫(yī)藥立體庫自動盤點需求迫切，有些項目立體庫高度達36米甚至更高，單個巷道內(nèi)可能有數(shù)千個托盤位，要求兩天內(nèi)完成盤點，唯一可行的方案就是視覺在庫盤點。目前各家的視覺盤點技術(shù)仍存在瑕疵，亟待實現(xiàn)技術(shù)突破。

必須攻克的六大核心技術(shù)難題

牛眼智能簡介

針對上述6大場景，翁迅進一步拆解了需攻克的核心技術(shù)難題，為企業(yè)研發(fā)指明方向：

1. 多層穿梭車的紙箱與原箱混合存儲：算法與協(xié)同優(yōu)化。需解決異構(gòu)箱規(guī)混合存儲、柔性儲位分配問題；同時，要結(jié)合作業(yè)任務與設(shè)備協(xié)同情況進行協(xié)同優(yōu)化。由于醫(yī)藥產(chǎn)品具有受季節(jié)變化或流行病暴發(fā)驅(qū)動的訂單波動特性，必須將儲位分配與任務協(xié)同結(jié)合，實現(xiàn)一體化作業(yè)，以突破有限空間內(nèi)藥品混合動態(tài)存儲的難題。

2. 訂單處理：聚類與波次解耦。依托機器學習或深度卷積網(wǎng)絡，構(gòu)建符合醫(yī)藥規(guī)則的訂單聚類算法。此外，行業(yè)存在明顯的“訂單耦合”問題，即多個揀選臺爭搶同一批號的尾箱（熱點品種），導致效率相互影響。在任務規(guī)劃時必須實現(xiàn)任務解耦。同時，需解決緊急訂單、訂單取消或增補等不同于電商的多級任務分配問題，以實現(xiàn)高效的波次處理。

3. 機器人調(diào)度：異構(gòu)集群協(xié)同。針對包含大小車、分箱設(shè)備等多種機器人的同場作業(yè)，需實現(xiàn)異構(gòu)集群任務的最優(yōu)分配。核心在于讓有限的道路資源實現(xiàn)最優(yōu)或次優(yōu)的路徑規(guī)劃，并解決地圖的高速高效增量重構(gòu)問題（適應無物理隔離區(qū)域的動態(tài)調(diào)整）。當前單臺機器人技術(shù)雖已成熟，但上位調(diào)度系統(tǒng)仍是短板，必須重點解決任務匹配、異構(gòu)通訊、時空建模與時空沖突預判等問題，以應對單場數(shù)百臺機器人的復雜調(diào)度。

4. 混合碼垛：視覺與算法融合。通過3D視覺實時測算動態(tài)箱規(guī)，適配傳統(tǒng)算法無法應對的復雜場景；攻克復雜光場識別、接續(xù)碼垛空間測算等難點，打通收發(fā)貨區(qū)無人化流程。

5. 自動裝車：車廂建模與算法優(yōu)化。目前實際項目中仍以人工裝車為主，核心難點在于車型不固定且醫(yī)藥運輸車輛空調(diào)位置不統(tǒng)一。必須等車輛到達后，通過自動掃描、建圖獲取實際可裝載空間，再結(jié)合混合算法測算裝車規(guī)則以實現(xiàn)合理化分布。裝車是勞動強度最大的環(huán)節(jié)，也是“十五五”期間必須突破的關(guān)鍵技術(shù)。

6. 視覺盤點：多模態(tài)融合。在與華潤、國藥等大型醫(yī)藥集團的聯(lián)合測試中發(fā)現(xiàn)，各家技術(shù)雖已宣稱具備能力，但實測仍有瑕疵。核心難點在于：一是立體庫內(nèi)光照環(huán)境復雜，需實現(xiàn)復雜光場下的高精度識別；二是僅靠視覺無法保證準確性，必須結(jié)合重量信息等多模態(tài)融合技術(shù)確保藥品盤點絕對準確。實際落地中，需明確堆垛機載貨臺上需配套的傳感器與攝像頭，并開發(fā)相應協(xié)同算法。

結(jié)語

翁迅梳理的亟待突破的6大場景與技術(shù)攻堅方向，為行業(yè)提供了清晰的行動指南。對于物流裝備企業(yè)與集成商而言，唯有聚焦核心難題、攻克技術(shù)瓶頸，才能在未來的行業(yè)競爭中占據(jù)先機。

———— 物流技術(shù)與應用融媒 ————

編輯：王玉

排版：王茜

本文內(nèi)容為融媒新媒體原創(chuàng)。

歡迎文末分享、點贊、在看！轉(zhuǎn)載請聯(lián)系后臺。嘉賓演講資料不對外，若需聯(lián)系嘉賓請后臺留言。

廣告宣傳