一 物流行業(yè)發(fā)展新趨勢-智慧物流

物流行業(yè)已然成為支撐國家經(jīng)濟(jì)發(fā)展的基礎(chǔ)性產(chǎn)業(yè)，是整個社會經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，是“供應(yīng)鏈四流循環(huán)——商流、物流、資金流、數(shù)據(jù)流”之關(guān)鍵一環(huán)。作為相對傳統(tǒng)的物流行業(yè)，隨著“互聯(lián)網(wǎng)+物聯(lián)網(wǎng)”的快速發(fā)展，在業(yè)務(wù)的過程中沉淀了大量的數(shù)據(jù)，如何將“數(shù)據(jù)”轉(zhuǎn)化為“數(shù)據(jù)資產(chǎn)”，推動物流行業(yè)數(shù)字化轉(zhuǎn)型與數(shù)據(jù)價值實(shí)現(xiàn)是未來的發(fā)展方向。

“感知設(shè)備+物聯(lián)網(wǎng)+邊緣計(jì)算+云原生+AI大數(shù)據(jù)”成為整個物流行業(yè)進(jìn)行數(shù)字化降本增效、提高物流企業(yè)競爭力的新技術(shù)路徑，高算力、低延遲、大規(guī)模硬件、端到端智能等技術(shù)壁壘在行業(yè)競爭中突顯優(yōu)勢。

在專業(yè)化的物流供應(yīng)鏈一體化能力建設(shè)中，順豐率先通過運(yùn)用人工智能與邊緣計(jì)算實(shí)現(xiàn)了智能派單、智能調(diào)度、可視化跟蹤、大數(shù)據(jù)分析、云平臺共享、視覺自動化管控、智慧園區(qū)等數(shù)字化能力，同時也奠定了順豐強(qiáng)大的數(shù)字化底盤。

二 智慧物流的痛點(diǎn)與思考

在物流行業(yè)中，人、車、貨、場以及日益增多的自動化設(shè)備，是影響業(yè)務(wù)生產(chǎn)的幾大要素。這些要素疊加另一些維度，如效率、質(zhì)量、安全等，組合成了我們在業(yè)務(wù)的實(shí)際操作中的關(guān)注重點(diǎn)，比如人的效能、車的裝載率、排班效率、件的時效、件在流轉(zhuǎn)中的質(zhì)量等。流程長節(jié)點(diǎn)多、場景多而且復(fù)雜，如何對這些不同要素及場景進(jìn)行精細(xì)化的經(jīng)營管理，是整個業(yè)務(wù)過程中的重要挑戰(zhàn)與痛點(diǎn)。

由物流行業(yè)快速發(fā)展引發(fā)的行業(yè)痛點(diǎn)給人工智能技術(shù)帶來了新的藍(lán)海，同時，人工智能技術(shù)也給物流行業(yè)帶來了新的自動化機(jī)會，這雙向的力量碰撞產(chǎn)生了奇妙的化學(xué)反應(yīng)，為物流柔性自動化生產(chǎn)創(chuàng)造了條件，以解決包裹在預(yù)分撥、碼垛、接駁、裝車、分撥中心、配送站點(diǎn)等環(huán)節(jié)中存在的業(yè)務(wù)和技術(shù)挑戰(zhàn)。

在順豐持續(xù)提升服務(wù)質(zhì)量的戰(zhàn)略背景下，經(jīng)過多年的行業(yè)深耕與洞察，自主研發(fā)建立了AIoT視覺感知應(yīng)用平臺:“慧眼神瞳”，其綜合應(yīng)用IoT、邊緣計(jì)算和人工智能等前沿技術(shù)，極具擴(kuò)展性，魯棒性。模塊化容器化的設(shè)計(jì)，可根據(jù)需求靈活調(diào)整配置、實(shí)現(xiàn)業(yè)務(wù)變化與優(yōu)化，高效迭代作業(yè)流程；能夠配合監(jiān)控?cái)z像機(jī)、分揀線工業(yè)相機(jī)等IoT智能設(shè)備進(jìn)行作業(yè)場景數(shù)字化建模，全面分析人、貨、車、場地、設(shè)備等關(guān)鍵生產(chǎn)要素，覆蓋端到端全業(yè)務(wù)場景的實(shí)時業(yè)務(wù)數(shù)據(jù)流，通過業(yè)務(wù)風(fēng)險分析、自動化決策等數(shù)字化手段，有效保障了運(yùn)營質(zhì)量、管控業(yè)務(wù)風(fēng)險、減少運(yùn)營成本、提高管理效能與服務(wù)質(zhì)量。

三 順豐智慧物流背后的關(guān)鍵技術(shù)

• 慧眼神瞳 - 多模態(tài)業(yè)務(wù)場景SaaS化平臺

如今千行百業(yè)的智能應(yīng)用和數(shù)據(jù)量激增，終端設(shè)備對海量數(shù)據(jù)的實(shí)時處理需求高速增長，傳統(tǒng)云端處理的方案存在網(wǎng)絡(luò)帶寬與業(yè)務(wù)響應(yīng)不及時的瓶頸，這就驅(qū)動邊緣計(jì)算成為大數(shù)據(jù)時代技術(shù)的重要落地方案；為滿足順豐全網(wǎng)2萬+自營網(wǎng)點(diǎn)、15萬+合作網(wǎng)點(diǎn)的日常業(yè)務(wù)運(yùn)營與服務(wù)質(zhì)量管控的要求，急需一套基于邊緣計(jì)算模式的云邊端一體化架構(gòu)解決方案，采集覆蓋全網(wǎng)的數(shù)十萬感知設(shè)備的數(shù)據(jù)，實(shí)時對各場景的影響要素進(jìn)行分析，形成可決策的數(shù)字化能力，助力順豐集團(tuán)的數(shù)智化管理與精細(xì)運(yùn)營戰(zhàn)略目標(biāo)達(dá)成。

慧眼神瞳綜合運(yùn)用計(jì)算機(jī)視覺與邊緣計(jì)算技術(shù)，通過構(gòu)建覆蓋全網(wǎng)的AIoT感知平臺，以數(shù)十萬感知觸點(diǎn)實(shí)時解析各場景關(guān)鍵生產(chǎn)要素，形成覆蓋全網(wǎng)的實(shí)時業(yè)務(wù)動態(tài)數(shù)據(jù)，為行業(yè)客戶提供數(shù)智化管理與運(yùn)營精細(xì)化升級的解決方案。目前業(yè)務(wù)場景覆蓋：安全管理、質(zhì)量管理、經(jīng)營管理、風(fēng)險管控等幾個方面。

接下來對核心技術(shù)特性進(jìn)行介紹。

• 數(shù)據(jù)驅(qū)動的邊緣計(jì)算平臺

三位一體：將云端、邊緣端、設(shè)備端三方進(jìn)行數(shù)據(jù)流聯(lián)通，實(shí)現(xiàn)云端構(gòu)建、邊緣部署、設(shè)備控制，有效降低全鏈路協(xié)同成本。

統(tǒng)一集中化：統(tǒng)一標(biāo)準(zhǔn)實(shí)現(xiàn)邊緣設(shè)備集中化管理，對資源進(jìn)行充分利用，減少多樣化的運(yùn)維成本；邊緣設(shè)備智能預(yù)警，避免設(shè)備故障發(fā)生。

自動化流水線部署：提供從代碼到邊緣上線的持續(xù)集成，持續(xù)部署的解決方案，助力研發(fā)的快速迭代與驗(yàn)證。

整個架構(gòu)方案通過標(biāo)準(zhǔn)化的“物模型”協(xié)議，對設(shè)備端采集的數(shù)據(jù)加以智能化處理和分析，通過邊緣計(jì)算技術(shù)，減少了云端處理延遲，提升了整體運(yùn)算速度，并對全場景下的數(shù)據(jù)進(jìn)行多維感知、數(shù)據(jù)實(shí)時交互，實(shí)現(xiàn)事前檢測、事中預(yù)警、事后決策等工作，最終達(dá)到云邊端協(xié)同模式下的智能化協(xié)作。

• 統(tǒng)一的云邊端一體化架構(gòu)優(yōu)勢

邊緣感知：通過對多種物聯(lián)網(wǎng)協(xié)議與視頻協(xié)議進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化、結(jié)構(gòu)化、網(wǎng)絡(luò)化，有效降低網(wǎng)絡(luò)帶寬的壓力、邊緣AI計(jì)算量、存儲壓力，提升整體分析效率，滿足業(yè)務(wù)實(shí)時響應(yīng)等要求。

邊緣計(jì)算：采用完全基于分布式容器化的微服務(wù)架構(gòu)，極大提高系統(tǒng)可用性，可擴(kuò)展性；支持不同加速芯片推理框架，適應(yīng)多模型并/串聯(lián)的組合結(jié)構(gòu)，面對高流量并發(fā)，自適應(yīng)動態(tài)batch有效提高吞吐并減少業(yè)務(wù)響應(yīng)時長。

邊緣安全：采用增強(qiáng)隱私計(jì)算技術(shù)確保AI算法關(guān)鍵部分不被窺探，機(jī)器身份管理確保AI算法指定運(yùn)行，云邊端通信鑒權(quán)機(jī)制確保上下行網(wǎng)絡(luò)鏈路安全可靠。

全鏈路能力：基于云邊端完整的治理與自動化構(gòu)建能力，在服務(wù)構(gòu)建、數(shù)據(jù)源管理、模型訓(xùn)練、部署加速、穩(wěn)定性保障、監(jiān)控跟蹤等基礎(chǔ)能力為一體，一鍵云邊端協(xié)同發(fā)布，為各種業(yè)務(wù)場景提供完整的通用解決方案。

再生產(chǎn)能力：基于微服務(wù)架構(gòu)打造業(yè)務(wù)領(lǐng)域的服務(wù)能力，采用K8S的服務(wù)編排機(jī)制以實(shí)現(xiàn)對業(yè)務(wù)的二次重新組合，快速滿足適應(yīng)新的行業(yè)和業(yè)務(wù)場景。

• 追求極致AI性能 

每天超過2000萬+的快遞需要通過視覺算法進(jìn)行全鏈路風(fēng)險識別，推理機(jī)器的處理性能遇到巨大挑戰(zhàn)，為了避免成本飆升，從兩個方向入手：一是優(yōu)化AI推理過程中的圖片處理效率和算法推理效率；二是提高硬件資源的利用率。

在順豐場景中，進(jìn)行圖像AI算法推理時，需要處理大量高清相機(jī)生成的大圖片，內(nèi)存的不足成為顯著瓶頸。當(dāng)一張分辨率較大的圖片解碼后，可能需要上百兆字節(jié)，甚至二三百兆，由于內(nèi)存資源受限，無法完全發(fā)揮多核心的并發(fā)處理性能。為解決內(nèi)存瓶頸的問題，經(jīng)調(diào)研某些場景并不需要彩色圖片，只要黑白圖片即可，即把三通道的彩色圖片直接解碼成單通道的灰度圖，這樣不僅可以節(jié)省2/3的內(nèi)存空間，也可以大幅減少解碼所需時長和后續(xù)圖片副本的復(fù)制時間，經(jīng)測試，性能相比于解碼成彩色圖片都提升了200%左右。避免頻繁向系統(tǒng)申請和釋放內(nèi)存的額外開銷，使用內(nèi)存池來進(jìn)行優(yōu)化，以空間換時間的方式，消除內(nèi)存切換導(dǎo)致的性能瓶頸，經(jīng)過測試，速度有效提升330%。

在AI算法推理效率優(yōu)化方面，順豐使用TensorRT技術(shù)進(jìn)行推理加速。TensorRT是Nvidia針對自家平臺開發(fā)的一個神經(jīng)網(wǎng)絡(luò)前向推理加速的C++庫，旨在極致優(yōu)化 GPU 資源使用的深度學(xué)習(xí)推理計(jì)算框架，其可以為深度學(xué)習(xí)應(yīng)用提供低延遲、高吞吐率的部署推理，除此之外，TensorRT在異構(gòu)架構(gòu)中的兼容性較強(qiáng)，已經(jīng)成為行業(yè)最成熟的性能提升方案。

除了對圖片的處理本身做優(yōu)化可以增加系統(tǒng)的性能以外，充分的利用系統(tǒng)的硬件資源也可以對系統(tǒng)的性能有所提升。當(dāng)在處理大量較小圖片時，可以盡可能的使用CPU做圖片相關(guān)的處理，即讓GPU盡量多的用于算法推理，提高整個系統(tǒng)的吞吐率；而當(dāng)圖片都比較大時，系統(tǒng)的瓶頸會更偏向于圖片處理本身，導(dǎo)致GPU不能充分利用，在這種場景下，可以把一部分圖片處理放到CPU上完成，這樣子可以充分利用CPU的資源，讓整個系統(tǒng)的AI算法推理吐吞率達(dá)到最平衡與最優(yōu)。

順豐在AI效能提升上面做了很多嘗試，包括技術(shù)升級，業(yè)務(wù)邏輯優(yōu)化，設(shè)備性能探索，降精度升速度等優(yōu)化方案，使得云端與邊緣及計(jì)算的設(shè)備成本達(dá)到最低。在未來我們也嘗試基于此方案來推動云計(jì)算、元宇宙等創(chuàng)新方向的優(yōu)化提升。

四 AI持續(xù)助力順豐自動化作業(yè)能力

物流改變生活，科技改變物流，AI對物流產(chǎn)生了巨大的影響。

依托順豐物流場景海量數(shù)據(jù)的沉淀，打造了豐富的產(chǎn)品矩陣，覆蓋了物流的各個環(huán)節(jié)。讓計(jì)算機(jī)看懂物流，在滿足順豐業(yè)務(wù)需要的同時，也為泛物流行業(yè)客戶及合作伙伴提供先進(jìn)可靠的一站式解決方案。

• AI助力業(yè)務(wù)質(zhì)量提升

皮帶機(jī)堵轉(zhuǎn)會造成流水線癱瘓，影響分揀時效，同時堵轉(zhuǎn)也會導(dǎo)致貨物被擠壓、變形、損壞等，為了對皮帶機(jī)堵轉(zhuǎn)現(xiàn)象進(jìn)行實(shí)時監(jiān)控，研發(fā)了皮帶機(jī)堵轉(zhuǎn)檢測子系統(tǒng)。該子系統(tǒng)通過分析攝像頭監(jiān)控畫面，實(shí)時預(yù)警堵轉(zhuǎn)事件的發(fā)生，并精準(zhǔn)定位堵轉(zhuǎn)區(qū)間，實(shí)時上報(bào)并進(jìn)行消息推送，確保堵轉(zhuǎn)事件的快速消除，2021年初完成在順豐全國范圍網(wǎng)點(diǎn)和中轉(zhuǎn)場的推廣落地，為業(yè)務(wù)帶來顯著的破損率下降。

包裹堵轉(zhuǎn)場景

該子系統(tǒng)獨(dú)創(chuàng)特征融合算法，融合各圖片的時間空間信息，有效區(qū)分物體運(yùn)動和靜止區(qū)域，使用tensor-RT架構(gòu)進(jìn)行加速，與傳統(tǒng)多目標(biāo)跟蹤算法(MOT)相比，該方案簡單易用，兼具成本、效率與準(zhǔn)確率優(yōu)勢。

• AI助力經(jīng)營改善

在快遞運(yùn)輸?shù)恼麄€過程中，需要經(jīng)過多個分揀環(huán)節(jié)進(jìn)行中轉(zhuǎn)或分發(fā)，通過掃描設(shè)備準(zhǔn)確識別包裹與運(yùn)單條碼的匹配關(guān)系才能進(jìn)行精準(zhǔn)分發(fā)。傳統(tǒng)的掃描設(shè)備識別運(yùn)單條碼的準(zhǔn)確率偏低，導(dǎo)致大量快遞無法自動分派，同時也可能被分派到錯誤的目的地，對生鮮類產(chǎn)品，容易帶來過期損壞等投訴問題，運(yùn)輸時效與配送成本均面臨嚴(yán)重的影響。

AI補(bǔ)碼產(chǎn)品利用視覺OCR識別技術(shù)、視覺效果增強(qiáng)等技術(shù)，對掃描設(shè)備無法識別或識別錯誤的運(yùn)單條碼進(jìn)行二次識別與矯正，其中OCR識別采用超大規(guī)模深度預(yù)訓(xùn)練模型，通過數(shù)千萬文字圖片進(jìn)行訓(xùn)練后，結(jié)合特征金字塔方案對圖片進(jìn)行多尺度的特征變換，使其對圖片中不同尺寸的字體均能夠友好識別，識別準(zhǔn)確率超過99.9%。在運(yùn)輸過程中由于包裹摩擦等因素經(jīng)常導(dǎo)致條形碼破損或模糊，視覺增強(qiáng)技術(shù)通過大量圖像樣本訓(xùn)練，識別條碼中關(guān)鍵像素點(diǎn)進(jìn)行重新圖像組織，最大限度還原原始條形碼成像，結(jié)合視覺OCR識別技術(shù)整體準(zhǔn)確率超過99.99%，性能和穩(wěn)定性達(dá)到業(yè)界最高水平，在滿足順豐內(nèi)部需求的同時，也服務(wù)于行業(yè)多家物流公司。

• AI助力業(yè)務(wù)風(fēng)控

寄遞安全關(guān)系到快遞業(yè)的健康發(fā)展，為了滿足國家對寄遞安全監(jiān)管的要求，研發(fā)了智慧安檢系統(tǒng)。智慧安檢基于人工智能與物聯(lián)網(wǎng)技術(shù)對傳統(tǒng)的安檢機(jī)進(jìn)行升級改造，使之具備智能識別違禁品，并利用自動化設(shè)備實(shí)現(xiàn)對違禁包裹的自動攔截及分揀，不僅提升了安檢的效率、準(zhǔn)確率、安檢設(shè)備的利用率，還降低了人力成本投入。

經(jīng)過多年對違禁品圖像的研究，順豐積累了數(shù)百萬違禁品的數(shù)據(jù)樣本，通過超大規(guī)模深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)了上千種違禁品的準(zhǔn)確識別，在全行業(yè)中遙遙領(lǐng)先。

安檢機(jī)圖片中的物體目標(biāo)數(shù)量比較多，而且存在嚴(yán)重的遮擋，為了解決小目標(biāo)及目標(biāo)遮擋物的問題，通過anchor精調(diào)，F(xiàn)PN網(wǎng)絡(luò)，損失函數(shù)約束等多種優(yōu)化方式實(shí)現(xiàn)了對極小物體的精準(zhǔn)識別。

為了解決正負(fù)樣本不均衡的問題，引入OHEM網(wǎng)絡(luò)在線挖掘困難樣本、改善損失函數(shù)角度、結(jié)合GHM損失函數(shù)等方案，通過這些優(yōu)化措施，有效解決了樣本傾斜所導(dǎo)致的錯誤發(fā)生，提升目標(biāo)檢測準(zhǔn)確率5%以上。

• 數(shù)據(jù)離線與在線相融的自動化機(jī)器學(xué)習(xí)平臺

為了讓AI能適應(yīng)更多的場景和更好的服務(wù)業(yè)務(wù)，讓AI具備自我學(xué)習(xí)的能力， 順豐打造了慧眼神瞳中的AutoML自動機(jī)器學(xué)習(xí)平臺。

該平臺既能使AI可以自主學(xué)習(xí)，又能解決在安全方面滿足客戶數(shù)據(jù)保密性的要求。用戶通過AutoML平臺，簡易操作既可以執(zhí)行全自動的優(yōu)化訓(xùn)練任務(wù)，生成慧眼神瞳的產(chǎn)品服務(wù)包，自動化部署到實(shí)際生產(chǎn)環(huán)境中，讓AI算法的研發(fā)、構(gòu)建、測試、發(fā)布流程縮減90%以上的精力和成本。同時用戶在AutoML平臺上可以積累適用于自身業(yè)務(wù)環(huán)境需要的訓(xùn)練數(shù)據(jù)，持續(xù)沉淀與管理高價值的數(shù)據(jù)資產(chǎn)。

通過對各種IoT設(shè)備、內(nèi)部系統(tǒng)、三方系統(tǒng)等數(shù)據(jù)源的自動化采集，實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)集的自動化生成。順豐原創(chuàng)了自動標(biāo)注技術(shù)，通過無監(jiān)督和半監(jiān)督等方式，對大量原始數(shù)據(jù)樣本進(jìn)行預(yù)標(biāo)注，極大減少了人工標(biāo)注訓(xùn)練樣本的成本。

創(chuàng)新全可視化生成算法任務(wù)的工具鏈，不僅減少了AI算法人員的編碼成本，同時也能對新老算法的效果進(jìn)行監(jiān)控和評估。AI模型完成訓(xùn)練之后，自動流水線的方式進(jìn)行自動化測試驗(yàn)證，生成新老模型對比指標(biāo)，通過人工一鍵操作，全自動化流轉(zhuǎn)進(jìn)云端業(yè)務(wù)系統(tǒng)中進(jìn)行部署，此外還支持自動監(jiān)控模型異常波動、自動版本回滾等保證功能，讓研發(fā)減少了編碼成本，提升產(chǎn)品迭代效率，降低整個開發(fā)過程中的風(fēng)險。

五 持續(xù)創(chuàng)新，深耕AI在物流行業(yè)的應(yīng)用價值

物流作為一個龐大的綜合性服務(wù)產(chǎn)業(yè)，全業(yè)務(wù)流程中到處都存在智能優(yōu)化的空間，人工智能在物流領(lǐng)域的應(yīng)用可分為兩大類：一是以AI技術(shù)賦能的智能設(shè)備，例如搬運(yùn)機(jī)器人、無人配送車、無人機(jī)、智能客服機(jī)器人等；另外一類是通過智能算法來提高物流效率與降低業(yè)務(wù)風(fēng)險，例如裝載率識別、設(shè)備智能巡檢、風(fēng)險自動檢測等。

在順豐全網(wǎng)的日常運(yùn)營中，慧眼神瞳平臺共打造50多種AI應(yīng)用，管控每天3千萬+快遞在運(yùn)輸、中轉(zhuǎn)、配送中的各類風(fēng)險。違規(guī)檢測類應(yīng)用共覆蓋全國近17萬網(wǎng)點(diǎn)，提升44萬+收派員的專業(yè)化水平，保障服務(wù)質(zhì)量并提高客戶體驗(yàn)。

雖然目前物流+AI還是以輔助管理、提升效率為主，利用計(jì)算機(jī)視覺、NLP、智能語音等技術(shù)形成眾多降本增效的功能矩陣，但未來會通過不斷的業(yè)務(wù)場景探索與實(shí)踐，從客戶下單->自動分配訂單->倉儲自動分揀系統(tǒng)->運(yùn)輸全程監(jiān)控->到無人車/無人機(jī)配送上門，逐漸把眾多AI功能匯聚成一整套端到端的智慧營運(yùn)方案，最大程度上實(shí)現(xiàn)物流全鏈路的無人化、智能化。  

人工智能與邊緣計(jì)算雖然已被公認(rèn)為是傳統(tǒng)行業(yè)產(chǎn)業(yè)升級的關(guān)鍵技術(shù)，但要穩(wěn)步推進(jìn)，仍然面臨一系列的挑戰(zhàn)。在物流行業(yè)的落地中，也碰到很多問題，例如對數(shù)據(jù)質(zhì)量要求高、落地周期長、成本高等問題，降低新技術(shù)的應(yīng)用門檻是首要問題。

此外，人工智能行業(yè)一直存在一個普遍矛盾：“技術(shù)成本和應(yīng)用帶來的價值不匹配”，早期人工智能在物流上的應(yīng)用，在技術(shù)不成熟的階段經(jīng)常發(fā)現(xiàn)還不如用人工更節(jié)約成本，大多數(shù)技術(shù)在對業(yè)務(wù)沒有充分融合的情況下，純粹的技術(shù)驅(qū)動并不等同于業(yè)務(wù)最優(yōu)方案。

因此，人工智能要深入融入物流每一個具體的業(yè)務(wù)場景中，與業(yè)務(wù)結(jié)果保持緊密關(guān)聯(lián)，才能發(fā)揮更大的價值；同時，要在規(guī)模化、低成本、易用性強(qiáng)、輕能耗等方面堅(jiān)持長期的突破與創(chuàng)新，才能抓住未來5-10年人工智能在物流行業(yè)的關(guān)鍵趨勢。

隨著人工智能等新技術(shù)的不斷成熟和大規(guī)模的工業(yè)應(yīng)用的涌現(xiàn)，物流行業(yè)將從一個勞動力密集型的產(chǎn)業(yè)轉(zhuǎn)變?yōu)橐粋€知識密集型的產(chǎn)業(yè)，順豐將更加注重專業(yè)人才、技術(shù)、專利等的積累，與客戶保持密切陪伴，堅(jiān)持創(chuàng)新與探索，持續(xù)賦能與助力整個物流行業(yè)的科技升級。