來源：科技正能量
又是一年618。
每到電商銷售旺季，都會迎來雪片一樣的訂單，這既考驗電商平台承擔的速度和效率，更是對物流公司的分揀和運送能力的檢驗。網際網路讓使用者變得更為挑剔，使用者很難接受狂歡之後的等待，優質的物流則是保證使用者體驗的第一環。
今年618期間，上海區域200多家韻達網點全部開啟了“預售極速達”服務，旨在将預售訂單第一時間送至客戶手中。在這項服務的背後，是AI、大資料和IT系統結合的力量。
1）AI讓分揀壓力化為無形
物流行業，通常有倉儲和分揀兩個關鍵環節，而在物流系統中，分揀是最為繁瑣，用時最長的環節。
使用者在電商平台上下單，由系統分揀子產品，将貨物根據訂單位址進行區分，配置設定至不同地點的倉庫。訂單抵達倉庫之後，即開始分揀。接着出庫抵達下一級分撥中心或者中轉站，最後進入配送。
在電商銷售旺季，處于流程前端的下單量會短時間内激增，唯有提高分揀流程的效率，才能提升整個物流系統的效率，為使用者提供優質的服務。一些優秀的物流公司，正在求助于AI，在分揀流程的幾個關鍵環節以智能化的手段，獲得更高的分揀效率。
為了應對電商購物節期間的業務量洪峰。韻達在分揀中心實施了網格倉政策，借助由視覺人工智能 (AI) 驅動的智能共配分揀系統對快件進行自動分揀。
通常的智能分揀中心，現場的人力并不多，核心業務流程都依靠系統控制，流水線的運作速度也飛快，會有一種看到水在流動的視覺感受，就像是力與美的結合。
在這種“美感”的反面，則是分揀線面臨的準确度與低延遲時間的壓力。分揀線會對快件面單上的資訊進行三段碼 OCR (Optical Character Recognition) 檢測，由于識别的結果決定着快件在分揀線上的去向，是以該步驟對分揀效率至關重要，對系統的識别準确度和時延有較高要求。
一旦識别出現錯誤，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；而當錯誤率較高時，更會加重網點的操作壓力。故而，韻達提出系統識别的準确度須達到 95% 以上。另一方面，系統時延與分揀線傳輸速度息息相關，檢測算法的時延會直接影響分揀傳輸的效率，過慢就會造成快件積壓，進而影響分揀速度和派送時效，韻達經過評估後發現智能分揀線系統的時延必須要小于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® 資料中心GPU Flex系列 170和英特爾® 分發版OpenVINO™ 工具套件來優化其三段碼OCR檢測系統和分撥視訊分析平台性能。
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張圖檔進行了識别，測試結果顯示平均運作時間為 114ms，很好地滿足了韻達對低延遲時間的需求；準确度能夠達到 97%-98%，也優于韻達 95%的預期基準。
在TSM測試中，選用了1200個視訊并分不同執行個體和批量大小做了測試，測試結果如圖所示。
綜合測試和網店測試結果，韻達的視覺AI方案從算力、時延、準确度、并發能力、穩定性和散熱能力等多個方面都能很好地滿足韻達的需求，并帶來了如下企業優勢：
第一，提升業務效率并降低成本：智能分揀系統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還幫助韻達實作了人力和成本節約。
第二，優化業務管理和決策：英特爾® 資料中心GPU Flex系列170帶來的高算力讓韻達實作了更高效的分撥視訊流分析，可幫助韻達在跨年度/跨季度預測、合理定價、網點時效提升和獎懲制定等方面做出優化。
2）每個物流場景，都少不了英特爾的身影
實際上，這僅僅隻是韻達基于英特爾GPU的解決方案，其實韻達與英特爾和合作遠不止于此。
早在2018年，韻達就與英特爾展了全方位的技術交流與協作，英特爾的至強®️ 可擴充處理器及其他一系列軟硬體産品技術在“大小件測量”、“資料中心異常檢測”以及“件量預測”等多個關鍵環節上為韻達建構起高效的AI應用底座。
在2020年，為了利用AI視覺技術解決在物流運輸、分揀、派送等過程中遇到的難題，韻達也采用了英特爾CPU及其他軟硬體組合，完成了智慧視覺解決方案的優化，實作了分轉中心智能資料處理，但也同時遭遇了新的技術挑戰：
一方面，由于物流場景的複雜性與多變性，物流行業有着爆倉識别、違規操作分析、車輛到站識别、裝載率識别等非常複雜的場景，一個場景甚至會出現幾十種不同的情況，未經優化 的算法可能會出現效率與精度問題，影響設計目标的實作。
另一方面，因為視訊推理等人工智能負載對于硬體有着嚴苛的需求，傳統的硬體在邊緣側難以滿足視訊推理在性能、精度、功耗等方面的需求，同時，專用的硬體方案也有成本昂貴、開發與部署門檻高等問題。
當然，從深度學習算法自身來看，面向圖像識别的深度學習模型也常會存在解釋性差的問題，模型複雜度高、優化困難，計算強度高、對于算力有着較高要求，需要進一步實作算法優化。
在此項目中，英特爾和韻達一起建構了基于至強® 可擴充處理器和酷睿™ 處理器的邊緣計算解決方案，将工作負載轉移到網絡邊緣，不僅降低了網絡負載與人工智能推理延遲，還切實降低了人工智能基礎設施平台的采購成本，以及高帶寬網絡的部署與運維成本。
值得一提的是，除了硬體之外，韻達還通過英特爾® SVET開源套件快速搭建了視訊拉流、解碼、抓圖編碼分發業務，同時利用OpenVINO™️ 工具套件，在英特爾平台上優化了視覺算法，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的基礎設施，利用XPU實作AI推理加速，同時借英特爾® 分發版 OpenVINO™ 工具套件和英特爾® oneAPI工具套件等簡化開發與運維，實作應用跨 XPU 的無縫切換。有效監測園區内是否存在攀爬傳送帶等危險作業，踩踏、暴力分揀等違規作業，以及未戴安全帽等着裝安全問題。
英特爾還将以更多、更高性能的專用加速器，持續為物流行業及合作夥伴帶來更多場景的優化方案。
3）AI驅動，讓每個包裹都能準時送達
通過以上案例，我們也發現不同物流場景中都面臨着相似的難題：比如模型開發與維護難度大，計算強度高，再比如專用的硬體方案也有着成本昂貴、開發與部署門檻高等問題。
走向AI驅動的智慧物流，要跨越這些難題，英特爾顯然已經給出了自己的答案：
那就是更加全面、異構化的産品布局，用更加完備的軟硬體産品組合為全開發鍊路護航。
- 通用計算晶片：如至強®️ 可擴充處理器，其部署門檻最低，可以充分利用企業現有的IT基礎設施；
通用加速晶片：英特爾®️ 資料中心GPU Flex系列主攻視覺類的AI推理加速，而資料中心GPU Max系列包含有超過1000億半導體，可為AI模型的高效訓練提供強有力的支援，同時其還能兼顧科學計算，加速多個架構中的SC和AI工作負載；
- 專用加速器：Habana®️ Gaudi2®️ 的釋出也已近在眼前，據悉7月它就會正式與使用者們見面，并且在6月27日剛剛釋出的MLPerf新一代測試報中，它已經有了先聲奪人的表現——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，Gaudi2️® 都有非常靓眼的表現。
當然，跨異構XPU的切換，少不了軟體的支援。借助OpenVINO™️ 工具套件和oneAPI工具套件等可以幫助使用者簡化AI應用開發并實作跨XPU的無縫切換。使用者可以根據自身工作負載的需求，選擇更适合的晶片的運作。
4）小結
物流業是支撐經濟社會發展的基礎性産業。在數字經濟時代，物流不僅是單行道，還促進了新的零售業和新的制造，提高了傳統的庫存周轉率，建構了靈活的供應鍊。
随着物流業的規模不斷擴大，傳統物流的營運模式受到挑戰，急需向智能化轉型更新。以數字化技術，尤其是AI技術的賦能，物流行業走向智慧化，精細化，高效化是大勢所趨。
但AI應用的開發和優化并非易事，尤其是在異構計算興起的今天更是變得越來越複雜。英特爾擁有強大且專業的技術團隊，完備的異構硬體産品布局，易用的軟體工具組合，可以為物流乃至更多行業AI應用的開發、部署、落地應用提供支援。
讓AI驅動物流行業智能化轉型，讓每個包裹都能準時送達。