陳根：GPT又攻入一行，物流司機危！_風聞

文/陳根

摩根士丹利Ravi Shanker分析師團隊在最新報告中指出，人工智能或許能夠完全(或幾乎)取代供應鏈中的所有人力勞動，包括“後台”工作。分析師們指出，貨運領域正處於顛覆性技術時代變遷的風口浪尖，包括自動駕駛、電動汽車、區塊鏈和無人機。人工智能是這些潛在的變革性技術中最新出現的一種，也許是迄今為止最強大的技術。

大摩預計，2024年將有數百輛自動駕駛卡車在美國投入運營，每英里成本將降低25%至30%，並最終完全消除對司機的需求，不過這最少需要3年的時間。

隨着產業鏈的全球化，以及消費的電子商務化之後，不論是生產端，還是消費端，都依賴於複雜的供應鏈系統。比如，我們從生產端來看，一家公司可能會從世界各地的製造商那裏採購，然後將組件運送到中央裝配廠，然後再將貨物分發給全球客户。但是在這個過程中，任何的意外，比如一些區域的戰爭，或者一些區域出現衞生安全等方面的問題，都會導致供應鏈中的某個環節在運輸過程中出現問題。那麼，在全球化產業鏈的精細化分工之下，一個環節的零部件出現了問題，就意味着整個產業鏈，以及最終產品的生產就會出現問題。

因此，如果能提前對供應鏈的運輸風險進行預測，就能最大程度的避免這種風險，而這正是AI的強項，通過提前預測運輸網絡可能出現的問題，AI甚至可能完全避免中斷而對於本地與本國區域的物流來説，也是如此，我們可以藉助於自動駕駛來最大程度的降低運輸中的人為風險，以及能夠有效的降低運輸的人力成本。

其實**，****自動駕駛在貨運物流領域的應用會比家用汽車領域更容易實現，也更容易普及。**為什麼呢？因為貨物物流車輛我們可以相對固定的給他們規劃車道，並且可以在行駛過程中可以相對容易的控制比較平穩的速度，在道路行駛中，尤其是高速道路的長途行駛中，不論是車速還是車距都相對比較容易規範化，受人為干擾的因素小。

並且貨物物流車輛的行駛速度相比於家庭小型轎車而言，行駛速度相對更慢一些，這對於自動控制的難度要求就會大幅下降。因為行駛速度120碼跟100碼之間，對於算力的要求是完全不在一個量級上，相對來説，對芯片算力的要求也更低一些，更容易實現。

那麼對於家庭乘用車而言，目前談自動駕駛還為時過早，不論是駕駛場景，還是駕駛速度，以及自動駕駛技術，都比貨物物流車要更復雜。

不過大摩的這份報告讓我們看到一個非常重要的信息，那就是留給物流運輸行業卡車司機的工作時間不多了，下一個因為人工智能技術而被下崗的羣體將會是物流運輸業的司機們。