2025GSLC | 北郵翁迅深度解析AI時代智能物流技術發展趨勢

廣 告 | 點擊查看

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

翁迅

北京郵電大學物流工程系主任

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

作為深耕醫藥物流領域的專家，翁迅結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，聚焦醫藥物流這一核心賽道，從技術趨勢、行業變化、突破場景、核心問題四大維度，梳理了AI時代智能物流技術發展路徑，點出了未來兩年規模達30億元的醫藥物流市場中企業破局的關鍵所在。以下是根據翁迅演講內容整理的核心觀點。

核心底座：新一代信息技術引領智能裝備升級

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的四大核心板塊，這些技術共同構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（5G/6G）

與面向個人的4G不同，5G的核心優勢在于低時延、高傳輸速率與邊緣計算，更適配工業場景需求。對智能物流裝備而言，5G的最大價值是幫助降低單機成本。目前很多企業研發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技術與數字孿生系統，未來的AGV等設備的控制調度邏輯將從之前的預判模式升級為實時控制模型，這將為大規模集群調度奠定基礎。

2. 智能感知技術

智能感知技術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，通過狀態采集、語言識別、機器視覺等技術手段，新一代物流設備將向智能化發展。如，在售后運維板塊，可以實現物流設備從“事后維修”到“事前預知性維護”的轉變。這一轉變對于物流裝備企業開拓海外市場尤為關鍵，依托感知技術實現計劃性運維，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域。在識別層面，2D/3D相機等機器視覺技術已廣泛應用于物品分揀、物料識別。在預測層面，其在醫藥領域的作用尤為突出——通過分析訂單結構，動態調整庫存儲備，可實現“少設備高效率”的最優配置。

翁迅特別指出，當前很多集成商仍依賴經驗配置設備，這種模式未來將被淘汰。通過歷史數據與強化學習算法結合，精準測算最優設備數量，將成為企業的核心競爭力。

4. 智能決策技術

翁迅強調，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域，必須重點攻克這一技術。以新能源汽車領域為例，其10個月的產品生命周期與傳統產線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優化生產排程、實現混流生產，提升制造柔性。

醫藥物流迎30億市場，三大趨勢定方向

牛眼智能簡介

翁迅結合團隊負責國內眾多醫藥物流中心方案設計工作的經驗，提供了一組關鍵數據：未來兩年，醫藥行業的招標項目總規模預計約30億元。核心原因有二：一是，各大醫藥集團加速布局區域樞紐，單體項目投資規模顯著提升，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洗牌，第十一批帶量采購后，中小醫藥商業公司被淘汰，市場份額向頭部企業集中，倒逼頭部企業提升效率、降低成本。

在此背景下，醫藥物流領域將呈現三大核心趨勢，值得全行業關注：

1. 拆零需求激增：據翁迅透露，一個投資額1億級的醫藥物流項目，5000萬～6000萬資金將投向拆零環節。

2. 機器換人不可逆轉：行業效率提升需求迫切，機器換人成為必然趨勢。企業需針對性調整研發方向，適配醫藥行業特殊需求。

3. 藥械一體化配送試點值得關注：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，提升系統復雜度，湖南德龍全品類醫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

基于為多家頭部醫藥集團規劃新一代物流中心的經驗，翁迅梳理出6個物流裝備領域的潛在突破場景。

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藥企業要求，有些設備廠家正在進行紙箱與原箱混合存儲測試。針對醫藥行業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.醫藥行業專屬訂單波次聚類算法：醫藥訂單存在嚴格的批號管理、貨主屬性要求，需定制專屬波次規劃算法。

3.搬運機器人同場集群調度：醫藥項目分期建設普遍，首期與后續招標可能選用不同品牌、不同類型的機器人，需解決上位系統兼容、多地圖融合等問題，實現機器人高效協同運行。

4.集貨環節混合碼垛：當前物流作業瓶頸集中在收發貨區，存儲、揀選環節自動化已成熟，混合碼垛是實現收發貨區無人化的關鍵。

5.自動裝車：通過混合裝車模型搭配機械手，突破裝車環節自動化瓶頸，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，單個巷道內可能有數千個托盤位，要求兩天內完成盤點，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仍存在瑕疵，亟待實現技術突破。

必須攻克的六大核心技術難題

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難題，為企業研發指明方向：

1. 多層穿梭車的紙箱與原箱混合存儲：算法與協同優化。需解決異構箱規混合存儲、柔性儲位分配問題；同時，要結合作業任務與設備協同情況進行協同優化。由于醫藥產品具有受季節變化或流行病暴發驅動的訂單波動特性，必須將儲位分配與任務協同結合，實現一體化作業，以突破有限空間內藥品混合動態存儲的難題。

2. 訂單處理：聚類與波次解耦。依托機器學習或深度卷積網絡，構建符合醫藥規則的訂單聚類算法。此外，行業存在明顯的“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。在任務規劃時必須實現任務解耦。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，以實現高效的波次處理。

3. 機器人調度：異構集群協同。針對包含大小車、分箱設備等多種機器人的同場作業，需實現異構集群任務的最優分配。核心在于讓有限的道路資源實現最優或次優的路徑規劃，并解決地圖的高速高效增量重構問題（適應無物理隔離區域的動態調整）。當前單臺機器人技術雖已成熟，但上位調度系統仍是短板，必須重點解決任務匹配、異構通訊、時空建模與時空沖突預判等問題，以應對單場數百臺機器人的復雜調度。

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

5. 自動裝車：車廂建模與算法優化。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藥運輸車輛空調位置不統一。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，再結合混合算法測算裝車規則以實現合理化分布。裝車是勞動強度最大的環節，也是“十五五”期間必須突破的關鍵技術。

6. 視覺盤點：多模態融合。在與華潤、國藥等大型醫藥集團的聯合測試中發現，各家技術雖已宣稱具備能力，但實測仍有瑕疵。核心難點在于：一是立體庫內光照環境復雜，需實現復雜光場下的高精度識別；二是僅靠視覺無法保證準確性，必須結合重量信息等多模態融合技術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，并開發相應協同算法。

結語

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

———— 物流技術與應用融媒 ————

編輯：王玉

排版：王茜

本文內容為融媒新媒體原創。

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

廣告宣傳