人工智能（Artificial Intelligence），即AI。一般的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种能以人类智能相似的方式作出反应的智能机器或系统。该领域的研究包括机器人（自动化）、语言识别、图像识别、视觉识别、自然语言处理和专家系统等。
历史起源：1956年美国的几位科学家在Dartmouth大学召开了会议，提出了人工智能这一概念开始，到现在已有60多年的历史。人工智能的发展先后经历了“认知模拟”，“语意信息理解”，“专家系统”等阶段，在理论和应用上取得了一些进展，但这种以模仿人类思维方式和以专家系统为出发点的研究，很快就陷入困境，并导致这一研究在上世纪90年代进入低潮。
直到本世纪初，计算机技术取得了突破进展，尤其是云计算和大数据时代的兴起，采用以目标为导向的基于概率论的研究方法，人工智能迎来新的重大突破。2016年4月，Google旗下的深度学习团队Deepmind开发的人工智能围棋软件AlphaGo，以4:1战胜了围棋世界冠军韩国的李世石，引起轰动。这是人工智能第一次战胜职业围棋手。人工智能在围棋上取得的突破，具有划时代意义。
随着人工智能的发展，尤其是智能手机的诞生，其成果在各领域的应用出现了如火如荼的态势。在物流领域，人工智能已经发挥了巨大的作用，并且深刻的影响了物流仓储技术的发展趋势。
智能仓储是利用人工智能技术，使物流仓储系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。与其他智能系统一样，智能仓储的未来发展将会体现出4个主要特点：
2）以物流仓储管理为核心，实现物流仓储过程中收货、发货、存储、包装、装卸等仓储环节的一体化和智能仓储系统的层次化；
3）智能仓储的发展会更加突出“以顾客为中心”的理念，根据消费者需求变化来灵活调节生产工艺，满足个性化的需求；
4）智能仓储的发展将会促进资源优化配置，实现仓储系统的社会化，实现资源共享。
仓储作为供应链物流的重要节点和不可或缺的一环，对供应链的影响是至关重要的。智能仓储将重点发展以下4个方面的技术：
智能获取技术使物流仓储系统从被动走向主动，实现物流仓储过程中的主动获取信息，主动监控物流仓储过程，主动分析物流仓储信息，使物流仓储货物和信息从源头开始被跟踪与管理，实现信息流优先和货物前置，从而提升整个物流效率，并降低物流仓储过程的成本。
智能传递技术不仅应用于物流仓储企业内部，也可实现外部的物流仓储数据传递。通过标准化的接口，实现数据的高度共享。提高服务质量，加快响应时间，促使客户满意度增加，供应链各环节整合更紧密。
智能处理技术应用于企业内部决策时，可通过对大量物流仓储数据的分析，对物流客户的需求、商品库存、物流智能仿真等作出决策。实现物流仓储管理自动化（获取数据、自动分类等），物流仓储作业高效便捷，改变传统物流仓储企业“苦力”公司的形象。
智能技术在物流仓储运营管理的优化、预测、决策支持、建模和仿真等方面的全面应用，使物流仓储再设计与使用过程中的决策更加准确和科学，物流运营效率更高，运营成本更低，过程更加透明可视。
虽然我们还不能具体描述未来智能仓储将发展到什么程度，但从现有的知识看，智能仓储将沿着数字化、网络化、自动化的方向发展。随着数字孪生技术、AI技术的应用，物流仓储的综合效率将大幅度提升，以满足不断增长的社会需求。
仓储是生产制造和供应链的重要组成部分，智能仓储系统主要是从以下几个方面发挥作用：
通过提供高效的、智能的、少人化的仓储作业与管理，智能仓储能大大降造业、物流业等各行业的仓储成本和物流成本，提高企业的利润。生产商、批发商、零售商三方通过智能物流仓储相互协作，信息共享，物流企业便能够从根本上减少交接的成本，加快物流过程，从而达到降低供应链总成本的目的。其关键技术包括标准化的物体标识及追踪、无线通信定位等新型信息技术应用以及单元化物流仓储技术的应用，能够有效实现物流仓储系统的智能调度管理，整合物流仓储核心业务流程，加强物流仓储管理的合理化，提高自动化水平，降低物流总能耗，从而降低物流成本，提高服务水平。
智能仓储系统的建设，将加速物流产业的快速发展，实现集约化运作，优化资源配置。同时，将物流企业整合在一起，将过去分散于多处的物流资源进行集中处理，发挥整体优势和规模优势，实现传统物流企业的现代化、专业化和互补性。此外，这些企业还可以共享基础设施、配套服务和信息，降低运营成本和费用支出，获得总体规模效益。
随着RFID技术与传感器网络的普及，物与物的互联互通，将给企业的物流系统、生产系统、采购系统与销售系统的智能融合打下基础，而网络的融合必将产生智能生产与智能供应链的融合，企业物流完全智能地融入企业经营过程之中，打破工序、流程界限，打造智能企业。
智能物流仓储通过提供货物源头自助查询和跟踪等多种服务，尤其是对食品类货物的源头查询，能够让消费者买得放心，吃得放心，再增加消费者的购买信心同促进消费，最终对整体市场产生良性影响。
现代仓储系统集多种服务功能于一体，体现了现代经济运作特点的需求，即强调信息流、物流、资金流的快速、高效、通畅地运转，从而降低社会总成本，提高生产效率，提高社会的综合竞争力。智能仓储系统将使这一目标上升到一个新的台阶。
要深刻理解智能仓储的含义，首先要理解智能仓储系统的构成。从系统本身而言，智能仓储由自动化系统和信息系统组成，这是没有疑义的。然而，容易被忽视的一点是：智能仓储系统的设计及装备制造体系也应该被包括在其中。运用人工智能完成仓储系统的设计，使其在多方案的选择中，通过计算机仿真，更容易找到最佳的解决方案；另一方面，对于仓储设备而言，也存在与智能制造一致的概念，即充分运用计算机人工智能技术，完成物流装备的智能制造。关于这一点，有专门的著作论述，不在本书中单独讨论。
自动化作业技术是智能仓储的基础和执行部件，智能化首先是体现在自动化方面。具体来说，自动化技术分布在物流仓储作业的各个环节之中，如输送、储存、拣选、包装、装卸、配送等。以下逐一说明。
自动输送是物流仓储作业的关键环节，其范围非常广泛，设备种类也丰富多彩。分布在收货、入库、拣选、配送等多个环节。典型的设备包括各种输送机、提升机、穿梭车。此外，各式各样的自动叉车、AGV等也属于自动输送范围。
在各种输送设备中，自动叉车和AGV当然是未来最重要自动化设备之一。自动叉车的历史非常短，它的诞生完全是受AGV的影响。事实上，所谓的自动叉车就是AGV的一种。
有关AGV的应用，可以追溯到1970年代。在德国和日本的物流系统中（主要是制造业）均已经开始应用AGV。开始的AGV主要应用于托盘的搬运，到了2010年前后，随着导航技术的飞速发展，亚马逊推出了著名的KIVA机器人，这是一种非常灵活的背驮式AGV，并可进行小型化，以适应周转箱之类的单元输送，开启了AGV应用的新的时代。
AGV的发展主要体现在导航技术方面，最早的AGV系统主要是以磁力线作为导引的，这一技术到现在仍然在使用。此后，陀螺导航，图像导航也相继被采用。直到90年代中期，以激光导引为代表的新一代导航技术开始应用。激光导航系统借用了卫星导航GPS的基本算法，改变了过去需要预埋导引线的刚性做法，使路线设置和调整仅仅需要在软件上就可以完成，大大方面了实际应用。时间进入到21世纪，新一代的导航技术又有重大突破，这就是所谓自然导航技术。受汽车自动驾驶技术的启发，自然导航依赖的技术仅仅是摄像机和计算机系统，通过安装在设备的上的摄像机，可以获得周边道路的基本情况，从而为完成自动驾驶提供判断条件。自然导航系统彻底舍弃了传统的导航思想--即通过预设路线来获得自动驾驶的输入条件，使AGV的控制已经基本上升到软件控制阶段，接近于人工智能的水平。
最典型的自动存储设备莫过于自动化立体库系统（AS/RS），随着物流仓储技术的不断发展，无论是存储形式，还是存储技术都发生了根本性的改变。从存储形式分类，可以分为托盘式存储和箱式存储两大类。每个大类下，又有多种技术应用。
AS/RS系统的诞生被称为仓储技术的革命性成果，尤其是四向穿梭车的诞生，使得AS/RS技术得到了充分的发挥，在德国，甚至诞生了可自行穿层的蜘蛛型穿梭车。四向穿梭车有两套轮系，可以在水平面内沿着X方向和Y方向两个方向运行，可以适用于任何形状的场地，彻底解决了传统AS/RS对于规范场地的要求。
仓储系统的拣选分为“货到人”拣选和“人到货”拣选两大类。所谓“人到货拣选”即货不动人动，拣选人员（也可以是机器人）行进到拣选货位，按照系统要求进行拣选作业，这是一种典型的“人到货”拣选作业。另一种拣选是“货到人”拣选，即人不动货动，自动化系统将货物送到拣选人员面前，由人工完成拣选作业。
最典型的自动拣选系统如A字架拣选系统和机器人拣选系统。前者的应用已经有数十年的历史，后者由于技术的局限则刚刚开始。机器人拣选的巨大困难在于对复杂环境的识别和定位，目前的应用还仅仅局限于现场局面非常简单的情形，如单一品种且摆放相对整齐的情形。
在实际应用中，“货到人”拣选更加普遍一下，主要是因为技术更简单一些，而效率也更高一些。
未来的拣选更多采用的将是半自动化的拣选，即最后的拣选动作由人工完成。这样可以大大降低系统的复杂性和提升系统的适应性。目前流行的“货到人”拣选绝大部分采用半自动方式。
自动包装也是非常重要的自动化技术，与此关联的设备还包括自动缠膜、自动开箱、自动装箱、自动贴标、自动封箱等技术。作为自动化物流仓储系统的重要一环，自动包装技术越来越受到重视，其应用前景也更加广泛。
自动分拣在很多物流中心已经广泛采用，尤其随着电子商务的发展，快速分拣已经越来越受到重视。
目前主要的分拣技术有交叉带分拣、托盘分拣、滑块式分拣、模组分拣、AGV分拣等。
随着AGV技术的深入应用，采用AGV进行分拣已经在电商和邮政系统中开始应用，开创了一个全新的分拣技术，对于未来的自动化分拣作业有很大的示范作用。
传统的分拣系统有一个最大的局限性是分拣格口和分拣效率受限，以交叉带分拣系统为例。一套系统的小时分拣能力最大仅为10000件左右，即使通过分区投放和预分拣处理，其能力也不过每小时20000~30000件，格口受到场地和分拣机长度的限制，最大也不过200~300个，可以突破的可能性非常小，这对于动辄几十万件甚至上百万件的分拣要求来说，实在是难以适应。AGV分拣从理论上完全可以突破这一限制，无论是分拣效率，还是分拣格口，仅仅受到场地的限制，这是分拣技术的一大突破。
装卸一直是物流仓储系统中的重要环节，而自动装卸，自动码垛/拆垛更是物流仓储作业中最难实现的节点之一。基于3D视觉技术的自动装卸技术，对于提升整个物流仓储系统的效率，起到了至关重要的作用。
配送机器人已经开始研发，随着自动驾驶汽车技术的日臻完善，自动配送机器人的商业化只是时间问题。此外，无人机的应用也在实验室中进行，据亚马逊报道，其无人机配送已经克服了技术上的障碍。未来自动配送和无人配送将有很大的应用前景。
没有什么技术比人工智能（Artificial Intelligence）更令人着迷和期待了。人工智能技术首先是一个系统问题，包括信息的接收、分析、处理、反馈，形成系统自主作业的指令。人工智能应用于物流仓储系统，不仅在于指导系统规划和设计，更在于规划和指导仓储作业。目前，人工智能在深度学习，模式识别等多个方面已经取得重大突破，其应用已经在某些领域展开，可以期望，其在物流系统中的全面应用，必将开启一个全新物流仓储时代。
云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种形象说法。过去在示意图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。云计算通过分布式的并行计算来实现复杂的运算请求，从而获得快速的反应。云计算甚至可以让你体验每秒10万亿次的运算能力。拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
对云计算的定义有多种说法。现阶段广为接受的是美国国家标准与技术研究院（NIST）定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
随着电子商务的快速发展，海量订单和数据的处理已经成为家常便饭，可以预见，云计算将会在物流仓储信息处理方面和库存决策方面发挥巨大作用。
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模，快速的数据流转，多样的数据类型和价值密度低等4大特征。
大数据技术的意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。而事实上也是如此，数据已经越来越重要，甚至可以说已经成为一种关键的商业资源。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理，分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据也吸引了越来越多的关注。有学者认为，大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要向数十、数百或甚至数千台的计算机分配工作。
大数据需要特殊的技术，以有效地处理大量的互不关联和离散的数据。适用于大数据的技术，包括大规模并行处理数据库，数据挖掘，分布式文件系统，分布式数据库，云计算平台，互联网和可扩展的存储系统。
真实性（Veracity）：如何甄别数据的真伪是一个难题，比如一个调查的结果；
当然，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。
大数据对物流仓储而言是一个适逢其时的技术。其应用将非常广泛，如通过大数据分析，可以完成货物的有效采购（包括品种，采购时机，采购数量等），并根据销售预测，完成货物的前置布局，这是新零售的一个重要特点。
从定义上看，区块链是分布式数据存储，点对点传输，共识机制，加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。
交易（Transaction）：一次操作，导致账本状态的一次改变，如添加一条记录；
区块（Block）：记录一段时间内发生的交易和状态结果，是对当前账本状态的一次共识；
链（Chain）：由一个个区块按照发生顺序串联而成，是整个状态变化的日志记录。
如果把区块链作为一个状态管理机制，则每次交易就是试图改变一次状态，而每次共识生成的区块，就是参与者对于区块中所有交易内容导致状态改变的结果进行确认。
由于使用分布式核算和存储，不存在中心化的硬件或管理机构，任意节点的权利和义务都是均等的，系统中的数据块由整个系统中具有维护功能的节点来共同维护。
系统是开放的，除了交易各方的私有信息被加密外，区块链的数据对所有人公开，任何人都可以通过公开的接口查询区块链数据和开发相关应用，因此整个系统信息高度透明。
区块链采用基于协商一致的规范和协议（比如一套公开透明的算法）使得整个系统中的所有节点能够在去信任的环境自由安全的交换数据，使得对“人”的信任改成了对机器的信任，任何人为的干预不起作用。
一旦信息经过验证并添加至区块链，就会永久的存储起来，除非能够同时控制住系统中超过51%的节点，否则单个节点上对数据库的修改是无效的，因此区块链的数据稳定性和可靠性极高。
由于节点之间的交换遵循固定的算法，其数据交互是无需信任的（区块链中的程序规则会自行判断活动是否有效），因此交易对手无须通过公开身份的方式让对方自己产生信任，对信用的累积非常有帮助。
目前形成公认的意见中，认为区块链对新零售产生三个相对确定的技术应用：优化供应链管理，商品溯源，消费者身份确认。
沃尔玛公司发明了一个名叫“智能包裹（smart package）”的区块链技术，利用区块链技术完善更智能的包裹交付追踪系统。这个专利技术，还有一个记录包裹信息（比如包裹内容、环境条件、位置信息等）的设备。沃尔玛的这个技术，甚至还有一个基于区块链技术的无人机包裹寄送追踪系统。能实现包括卖家私人密钥地址，快递员私人密钥地址和买家私人密钥地址等，一系列用于监管配送地址的加密技术。
在跨境供应链管理上，利用区块链技术，商品的全球链路可追踪技术，会更加精准无误。分布式纪录让商品的全链路过程，从汇集生产、运输、通关、报检、第三方检验等信息，全部得到加密确证，不仅不可更改，每个流程还能清晰可追踪、可监控。
因为是去中心化分布式数据库，区块链的点对点交易和私密性，可能对现有零售业的整个业务体系，存在颠覆性冲击。如S2b2C交易模式。既然区块链能查询到商品从源头、制作、出厂、上架销售所经历的所有历程。那么品牌商也能看到每件商品的流向，以及终端消费者的分布情况。从这个技术角度来说，品牌商完全可以直接触达每一个精准又私密的终端消费者。
注：S2b2C交易模式：一种新型的电子商务交易模式，其中S一般理解为供货商或厂家；b则是指直接服务于消费者的商户或者企业，小写的b表示与传统的分销商不同，是社区级别的小商户；C的话就是我们熟悉的消费者，也可能会是采购商。
3D视觉技术又称为3D机器视觉技术，可以简单地定义为对三维对象（或表面）进行测量或检查的技术。其基本原理是通过双目相机进行图像信息采集，将采集的信息进行压缩处理，利用几何算法，确定对象的三维坐标。有几种不同的方式可以实现：
1）激光轮廓分析：激光轮廓分析是最受欢迎的3D成像技术之一。被测物体通过激光束移动，利用激光反射原理测量出物体的轮廓。
2）立体成像：另一种流行的3D成像技术是立体成像，其中两个相机用于记录物体的2D图像，然后可以将其三角化并制成3D图像。
3）条纹投影：在条纹投影中，条纹图案投影到待测量的整个表面区域上。然后通过垂直于被测物体定位的摄像机记录图像。
4）飞行时间：飞行时间法测量光脉冲到达被测物体然后返回的时间。测量每个图像点所花费的时间将根据对象的大小和深度而变化，因此每个点将在测量时提供该信息。
3D视觉技术在物流系统中有广泛的应用前景，如自动码垛/拆垛，自动装车/卸车等，此外，3D视觉还可以用于障碍物探测，污损条码分析，工件检查等多种场合。是智能仓储不可或缺的基础技术。
SLAM（simultaneous localization and mapping）即同步定位与映射，指在未知的环境中，移动设备（如AGV机器人）通过自身所携带的传感器（激光传感器或者3D视觉传感器等）来对自身进行定位，并利用传感器获取环境信息，构建增量式地图，从而完成自动导航的目的。SLAM自然导航是AGV系统采用的最新的导航方式之一，也是未来智能仓储采用的最主要的导航方式。其根本原因是自然导航突破了传统导航技术（如磁线导航、磁钉导航、二维码图像导航、激光导航等）需要预设场景的限制，可以实现非预设路径的导航。SLAM自然导航技术还可以用于无人驾驶汽车，其原理与AGV是一致的，由于路况的原因，无人驾驶汽车面对的情况要更加复杂。
按照狭义的定义，可视化（Visualization）是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，再进行交互处理的理论、方法和技术。而可视化在物流系统中的应用范围要更加宽广，总体来说，物流可视化技术就是利用计算机网络技术、物联网技术、图像处理技术等，使物流过程和物流数据实现可跟踪和可监控。物流过程包括收货、检验、存储、拣选、补货、输送、包装、集货、发货、运输等，物流数据则包括物流过程中所产生的和携带的所有数据，包括但不限于订单数据、库存数据、作业数据、设备数据、管理数据、财务数据、故障数据等。
与可视化相关的另一个概念是数字孪生（Digital Twin）。数字孪生最早是用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。数字孪生在物流仓储系统的应用有两方面，其一是在设计阶段就完成数字化模型，从而在虚拟的空间中对仓库进行仿真和模拟，并将真实参数返回以指导设计修正；其二则是在建成后，在日常的运维中实际系统和仿真系统二者继续进行实时的信息交互，从而实现系统全生命周期的数字化监控。
物流可视化技术为订单跟踪、故障处理、系统评估提供了依据，其意义不仅在于提高客户服务的质量，其更大的价值在于数据可同时呈现于管理的各个平台，从而为同步决策和管理提供了可能。
RFID（Radio Frequency Identification）技术，又称无线射频识别技术，被称为智能物流仓储与仓储的关键技术。其实，RFID是一种通信技术，它可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。
从概念上来讲，RFID类似于条码扫描，对于条码技术而言，它是将已编码的条形码附着于目标物并使用专用的扫描读写器利用光信号将信息由条形磁传送到扫描读写器；而RFID则使用专用的RFID读写器及专门的可附着于目标物的RFID标签，利用频率信号将信息由RFID标签传送至RFID读写器
从结构上讲RFID是一种简单的无线系统，只有两个基本器件，该系统用于控制、检测和跟踪物体。系统由一个询问器和很多应答器组成。当然，就其技术构成而言，RFID有很多分类，如有源RFID和无源RFID等。
RFID最重要的优点是非接触识别，它能穿透雪、雾、冰、涂料、尘垢和条形码无法使用的恶劣环境阅读标签，并且阅读速度极快，大多数情况下不到100毫秒。有源式射频识别系统的速写能力也是重要的优点。可用于流程跟踪和维修跟踪等交互式业务。
制约射频识别系统发展的主要问题是不兼容的标准。射频识别系统的主要厂商提供的都是专用系统，导致不同的应用和不同的行业采用不同厂商的频率和协议标准，这种混乱和割据的状况已经制约了整个射频识别行业的增长。许多组织正在着手解决这个问题，并已经取得了一些成绩。标准化必将刺激射频识别技术的大幅度发展和广泛应用。
在物流仓储应用方面，RFID可应用于货物识别。在货物或单元中植入RFID芯片，可以使系统能够自动识别货物，尤其是有源RFID，可以自发的发射信号，为智能物流仓储的实现打下了基础。
智能仓储技术或智能物流仓储技术涵盖的范围很广，但在实际应用中其定义却并不清晰。通常来说，智能的概念包含有自主感知、自主学习、自主判断、自主决策关键内容，这也是人工智能所必须达到的关键指标。从这个意义上来说，智能仓储系统的实现还有相当长的路径。
有一个现象就是人们往往将自动化、信息化、数字化和智能化混为一谈。智能化在其发展的过程中，随着自动化和信息化水平的日益提升，其与智能化的边界日益接近，且变得模糊不清。然而，自动化只是作为智能化不可缺少的执行手段，而非智能化的本身，另一方面，信息化、数字化只是作为智能化的基础条件和感知手段，亦非智能化的本身。
不可否认的是，在智能化的初期，我们必须接受基于规则的优化系统本身具备一定的智能特征。人工智能的发展，并非要刻意去模仿人的智能，而是要另辟蹊径，实现超越。如自动导航系统就是一个典型的例子。不要认为人工智能离我们很远，其实它就在我们身边。
另一个现象，就是不要将智能仓储概念绝对化，不要认为智能化是一个一刀切的静态的技术，它的演变是渐进式的，开始是局部的，或者是弱人工智能的，逐渐才会进入到全面的，强人工智能的阶段。没有人能够清楚知道未来的智能仓储系统是什么模样，有多大的威力，会带来怎样的结果。但可以肯定地是，即使在智能仓储时代，现有的物流技术和装备还会继续存在，如货架、立体库、输送机、AGV、分拣机、机器人等，并发挥无可取代的作用，真正发生改变的是预测更加准确，效率更高，质量更好，数据更加透明，成本更低。
物流技术的发展，总是在寻求对效率的突破和对成本的控制，不计成本往往会导致物流失去意义。智能物流仓储的主要目标也是如此。
在传统物流时代，为了提升物流效率和降低成本，几十年的过程中，人们通过不断研究、实践和总结，提出了很多有用的理论和方法，创造性的发明了很多实用的技术装备。如发明自动化立体库，以及各种密集存储技术，以提升空间的存储效率；发明各种分拣系统，以提升包裹的分拣能力；各种自动化、无人化的设备更是不胜枚举，如AGV、穿梭车、机械手等。提出VMI零库存理论，JIT准时配送理论，在降低库存的同时，减少物流环节，降低物流成本；提出单元化物流理论，大幅度提升物流的自动化水平和降低自动化难度。所有这些，都是围绕着物流的根本目标进行的。
可以预见，智能仓储技术的发展和应用，也一定会遵循这一根本目标。一项技术的诞生，如果过于超前，或成本太高，它的应用就会受到限制。举例来说，AGV技术的应用可以追溯到上世纪80年代甚至更早，但在其应用面世后的几十年间，由于受到相关技术的限制（如通讯、导航、电池等技术），无法降低成本，其应用一直局限在很小的范围，直到2010年后，其成本大幅度降低，才使得其应用越来越普及。其它技术，如自动化立体库，货到人系统等，均有过类似现象。
智能物流仓储技术将会在更高的空间利用率，更柔性化，更低的库存，更高的速度，更透明化，更安全等方面实现突破，然而，如果这种突破带来的成本增加无法承受的话，其技术的推广必将受到阻碍，这是必然的结果。
世界在变软，这一理念逐渐广为接受。这里的“软”可以是一个国家的软实力，包括文化、教育、科技、文学、艺术、卫生、福利、制度、宗教、环境、人才等，与硬实力相对应，软实力对一个国家的重要性越来越突出。在一个自动化系统中，“软”表现为一套软件系统，一套流程，或一种算法，是与硬件相对比的；在物流仓储系统中，“软”还可以指系统的柔性等。从今天的视角看，世界的确是在变软。
在智能物流仓储系统中，尽管硬件非常重要，但软件更重要。软件的范围包括规则、原理、理论、方法这样纯理论的东西，也包括算法、管理、数据、信息、网络、程序代码这样直观但却无形的东西。他们都可以通过计算机软件表达出来。之所以说软件更加重要，一方面是绝大多数硬件需要搭载软件才能发挥作用，如果没有软件的加持，物流仓储系统将显得力不从心；另一方面还在于，软件空间的无限延展性，软件本身的可复制性，以及软件的不断迭代和不断升级，其产生的革命性的影响是硬件所无法比拟的。举例来说，一个实体的商店所覆盖的范围是有限的，其复制是需要时间和成本的，而一个依靠软件支撑的网上虚拟商店其覆盖范围是无限的，其复制是瞬间完成的，且无需成本。尤其是人工智能时代，是软件在完成“智能”层面的工作，如学习、识别、策略、算法，分配，定位，而硬件只不过是在执行一个个指令而已。一个订单在其执行过程中，其识别、存储、传输、拣配、包装、分拣、集货等工作，看起来都是硬件在起作用，但其实在其后面，全部是软件在统一协调和指挥。离开软件，现代物流将寸步难行，更不要说智能仓储系统了。
“软件定义（Software Defined）”本来是一个计算机领域的词汇，比如说软件定义存储SDS，软件定义网络SDN等，这个概念进一步的延伸，变得范围非常的广阔，如软件定义汽车SDV，软件定义仓储SDW等。所谓“软件定义”，实际上就是指在硬件资源数字化、标准化的基础上，通过软件编程去实现资源的虚拟化，以便灵活、多样地定制化的各种功能，对外提供客户化的各种服务。有人甚至预言，未来的世界将是软件定义的世界。
软件定义有三大特点，即：硬件资源虚拟化、系统软件平台化、应用软件多样化。硬件资源虚拟化是指将各种实体硬件资源通过IOT标识后抽象化和标准化，可通过API接口供应用软件调用。系统软件平台化，是指通过基础软件对硬件资源进行统一管控，应用软件和硬件资源之间解除紧耦合关系后，可以实现各自独立进化，大大提升了硬件资源的公用性。而应用软件则不受硬件资源的约束，可以实现更多的功能，对外提供更为灵活高效的和多样化的服务。软件定义的系统，将随着硬件性能的不断提升，算法效能的不断改进，应用数量的不断增多，逐步向智能系统演变。
按照软件定义一切的基本逻辑，未来完全可以实现软件定义仓储系统SDW，所有的关于仓库系统的硬件，包括货架、立体库、输送机、分拣机、穿梭车、AGV、机械手等，均可以通过IOT实现数字化，从而成为虚拟的和标准的单元，通过软件定义，实现更高效、更智能、更低成本的目标。
要论述智能化在仓储系统中的应用，可以从一个系统全生命周期出发进行论述。一般来说，一个系统的全生命周期可以分为两个阶段。
一般来说，智能化对于系统设计和产品设计的指导，主要体现在两个方面：即多方案的比较和计算机仿真。这是目前能够看到的和正在进行的工作。
迄今为止，由于人类脑力和体力的限制，在多方案比较方面，人类与计算机不在一个层面上面。人工智能在很短时间内几乎可以穷尽各种可能，其中有些方案和设计将是颠覆性的，超出人类认知水平的。譬如两台AI计算机互弈，一天可以完成10000000盘围棋对弈，对于人类来说，几乎是不可想象的，穷其一生也不能完成。
计算机的另一巨大优势是仿真和数字孪生。这对于系统设计来说，是一种颠覆性的方法。在传统设计中，尽管可以通过简化系统或局部实验，但限制于成本、时间、能力等因素，都是非常有限的。而计算机仿真则完全可以模拟真实环境下的系统反应。不仅大大节约了时间，尤其重要的是节约了成本，避免了灾难性的结果。
除此之外，3D打印技术的诞生，给产品的试制带来了革命性的变革。一方面是大大压缩了试制成本和周期，另一方面则是完成了传统工艺不可能完成的复杂构建的加工。
智能化的生产制造是未来制造业的主要方式之一，工业4.0的概念可以认为是智能制造的雏形。智能制造远比智能仓储复杂得多，范围也广得多，但这不是本书要论述的范畴。
也许未来的智能仓储系统的实现并非传统意义上的实现，如软件定义仓储就有可能会颠覆传统的观念。而具体如何实施软件定义仓储系统，还有很多的基础性工作要做。
智能仓储系统一方面表现在仓储作业的各个环节。技术的应用包括自动装卸，自动存储，自动拣选，自动包装，自动输送和自动集货、发货等多个方面。这是作业层面看到的现象。而在后台，则是各环节的自动监控、调度与管理，柔性化的系统提供了系统均衡各环节作业的能力，可视化系统则将现场作业的全景呈现在管理者面前，故障的发现、预警、提前解除可保证系统的正常运转。另一方面则是基于订单的运营管理各方面，包括采购预测，库存预测，订单预测，客户预测，库存分配，订单执行等多个方面，网络使智能仓储插上了翅膀，可以从更加广阔的视角优化系统，做出决策。
作为一套智能化的仓储系统来说，持续改进仍然是必要的，并且是常态。有两个方面的原因支持这一论述，其一是业务可能发生的变化，即使是智能化的系统，也有一个适应的过程，自我完善或升级不可避免，柔性化的设计可以使升级变得可行和相对简单；其二是技术的进步，比如有新的技术或装备的加入，原系统是否可以接受？按照软件定义仓储的设想，这样的情况并不构成系统的困难。
在运维管理方面，国外的探索也许值得借鉴，即集成商建设一个统一的远程运维中心，通过网络将所有系统连接在一起，然后在AI的帮助下，实施远程监控与预警。这样的运维中心正在逐步建设，将来也许会成为一个共识。
物流仓储技术的发展方向，虽然不能以几句话简单概述，但从大的方面讲，自动化和智能化是其发展的大趋势。我们知道，科学技术的发展往往与生产应用的驱动密切相关，物流仓储技术的发展也是如此。以下将从几个应用领域出发，来分析未来物流仓储技术的发展方向。
电子商务的发展在过去10年取得成就是超出所有人的想象的。以2020年的统计数据为例，我国有超过820亿个包裹被生产出来，通过物流配送到全国各个角落，平均每天有超过2亿个包裹，高峰时期1天甚至有5~10亿个包裹。这样的一个物流量，通过传统物流是难以完成的。
B2C电子商务的一个特点是海量的订单数。一个平台化的大型电子商务系统，每天可能要承担上千万个订单，这对系统的处理能力是一个巨大的考验。不仅如此，我国幅员辽阔，来自全国各地的订单，如何选择距离最短和最有效的配送中心，对系统的算法提出了更高的要求。好在随着计算机技术的飞速发展，尤其是云计算和大数据技术的兴起，这些问题从目前来看并非不可克服。
另一个困扰电子商务物流的难题是如何快速完成海量的订单处理，尤其是实物阶段的拣选。
一般来说，一个物流中心的处理能力不会很大，最大的每天可能会处理多达50万个订单，即使这样，也给物流仓储系统提出了挑战。
在物流仓储的应用场景中，自动拣选和货到人拣选被认为是未来的方向。尤其是货到人拣选，其效率是普通人工拣选的5~10倍，这是一个划时代的技术。事实上，货到人拣选技术在2010年左右推出后，已经在很多领域得到应用
电子商务对物流仓储技术的推动，在分拣和配送环节非常明显。尤其是快速分拣系统的应用，出现了前所未有的景象。
面对每天1个亿的包裹，再考虑到很多情况下并不能一次分拣到位，事实上需要分拣的货物量会达到2亿甚至更多。采用高速分拣几乎是唯一的选择。每小时分拣1万件包裹的系统已经被广泛采用。
另一方面，新型的分拣技术也在被开发出来，如采用KIVA机器人的分拣系统就是一个典型的例子。KIVA机器人用于分拣应该是一项重大的创新，彻底改变了传统的分拣技术套路。这一技术的应用前景肯定会是非常值得期待的。
终端配送及最后1公里问题，也是与仓储相关联的问题。以前做过很多尝试，现在看来，采用自提柜的方式是未来的方向。需要解决的问题是，自提柜的尺寸适应性问题，温度控制问题，以及共享问题。目前，遍布于全国的丰巢自提柜是一个典型的应用。
随着社会对日常生活水平要求的大幅度提升，冷链物流将成为物流仓储技术发展的一个重点。从冷链自身的需求看，至少在以下方面对物流仓储技术提出了要求：
在资源日益紧缺的今天，没有什么比充分利用资源更加迫切的了。物流也不列外。如何充分利用空间，以提升储存能力将成为物流仓储技术发展的一个重要方向。
密集存储技术被视为未来存储技术发展的重要突破口。现有的密集存储技术，包括重力式货架，移动式货架，ASRS系统，子母车系统，3D卫星车系统等，已经在很大的程度上解决了密集存储问题。
从冷链的成本看，库房建设成本通常是常温库的2~3倍，运营成本也是如此。因此，充分利用空间，对冷链仓库而言，更加迫切。
冷库的温度分布从0°C一直到零下60°C，人长期在这样的环境下作业，不仅作业效率低下，更加不能接受的是人的身体无法承受，有的甚至会患上严重职业病。而这一问题长期没有得到有效解决。
自动化物流系统成为解决冷链物流作业环境问题的有效手段。通过自动化系统，完成货物的自动入库和出库拣选，大大降低了人在恶劣环境下工作的时间，从而从根本上降低劳动强度，改善作业环境。因此，可以说未来冷链物流的自动化将是一个极大的应用市场。
将RFID等物联网技术应用于冷链物流的原材料采购、产品储存、运输、销售等各个环节，能够对整个过程实施智能化监控，这就是全程冷链要解决的问题。
一般而言，在生产和仓储环节，对于温度的控制一般来说比较容易。但在运输环节和交接环节，温度控制无论在技术还是在管理上都存在问题。在运输环节，采用记录全程温度变化的仪器来完成监控是一种可行的方法。监控系统不仅可以监视车辆行进的轨迹，更为重要的是，可以远程实时监控温度的变化，确保全程冷链的实现。新的技术在不断被创造，比如说，一种可记录温度变化的保温箱，在冷链物流中就非常实用。
关于智能制造，我国制定了《中国制造2025》国家战略，这是中国版的工业4.0，将智能制造的重要性提升到了国家战略层面。
从概念上看，智能制造系统（Intelligent Manufacturing System---IMS）是一种由智能机器和人类专家共同组成的人机一体化系统，它突出了在制造诸环节中，以一种高度柔性与集成的方式，借助计算机模拟的人类专家的智能活动，进行分析、判断、推理、构思和决策，取代或延伸制造环境中人的部分脑力劳动，同时，收集、存储、完善、共享、继承和发展人类专家的制造智能。由于这种制造模式，突出了知识在制造活动中的价值地位，而知识经济又是继工业经济后的主体经济形式，所以智能制造就成为影响未来经济发展过程的制造业的重要生产模式。智能制造系统是智能技术集成应用的环境，也是智能制造模式展现的载体。
随着智能制造的兴起，特别是大规模定制化生产要求的提出，对制造业的物流提出了新的要求。这些要求集中表现在以下几个方面：
以汽车生产为例，柔性制造改变了过去生产线模式，以机器人为主的作业方式，代替了以人为主的作业方式。
柔性制造是指在计算机支持下，能适应加工对象变化的制造系统。柔性制造系统按照由低到高的顺序有以下三种类型：
柔性制造单元由一台或数台数控机床或加工中心构成的加工单元。该单元根据需要可以自动更换刀具和夹具，加工不同的工件。柔性制造单元适合加工形状复杂，加工工序简单，加工工时较长，批量小的零件。它有较大的设备柔性，但人员和加工柔性低。
柔性制造系统是以数控机床或加工中心为基础，配以物料传送装置组成的生产系统。该系统由电子计算机实现自动控制，能在不停机的情况下，满足多品种的加工。柔性制造系统适合加工形状复杂，加工工序多，批量大的零件。其加工和物料传送柔性大，但人员柔性仍然较低。
柔性自动生产线是把多台可以调整的机床(多为专用机床)联结起来，配以自动运送装置组成的生产线。该生产线可以加工批量较大的不同规格零件。柔性程度低的柔性自动生产线，在性能上接近大批量生产用的自动生产线；柔性程度高的柔性自动生产线，则接近于小批量、多品种生产用的柔性制造系统。
在一个柔性制造系统中，物料的储存和管理变得十分重要。既要保障物流配套的及时性和准时性，更要保障产品的质量，这是为什么物流仓储在柔性制造中的重要性的根本原因。为了解决这一问题，要求整改生产过程可视和可控，一旦发现问题，应通过可视系统传达到各个节点，从而做出快速反应，彻底改变过去层层汇报审批的管理方式，让系统扁平化，事件并行处理。
应急物流（包括军事物流）在特殊情况下的作用凸显。特别是新冠疫情的爆发，应急物流受到了广泛的前所未有的重视，应急物流将是未来物流技术发展的一个重点方向。
应急物流与军事物流有一个共同特点，就是时间、地点、强度不可预知，或不可控制。时间紧迫，关乎生命。因此，在应急物流和军事物流中，人们很少考虑成本的问题或环保的问题，效率和可靠性占据了绝对地位。试想，在战争爆发的时候，或在疫情爆发的时候，如果因为物流的作用，掌握了先手，则可救人于水火，使战争立于不败之地，反之，则将面临无法承受之痛。因为，战争的取胜和拯救生命的价值太大，其他成本就显得微不足道。即使我们要考虑成本和环境，也是为了使取胜不至于代价太大，事实上成为不可能。
首先，智能化物流系统，可以引入云端技术和自动识别技术，解决网络与通讯问题，使现场的物资配送提高效率。一个不可预知的现场，无法事先进行规范和设计，物资大多是无序的，如果没有系统进行管理，那一切将会混乱不堪。汶川地震和武汉疫情都有一个共性，就是货物管理问题没有解决。人们不知道有什么货物，缺什么货物，货物在哪里。因此，采用云端技术和自动识别技术，可以完成对现场货物的有效管理，从而提升物流效率。
其次，可以应用机器人技术（含无人驾驶技术）和无人机技术，完成特殊环境下的物资配送。无论是战争还是自然灾害，现场环境相对恶劣，道路阻隔，交通中断，传统物流装备很难派上用场，而机器人与无人机则可以大显身手。
最后，AI的应用将为应急物流带来革命性的变革。利用AI的决策能力，不仅可以快速获取现场物资的准确需求，也可以指导系统快速将货物部署到相应的位置，从而赢得主动。
应急物流系统是一个典型的高度柔性化的系统。因此，标准化与单元化是基础。标准化既包括信息和软件的标准化--可以适应不同的应用场景，甚至可以应用RFID技术、3D视觉技术、区块链技术等实现去中心化管理，使货物本身的信息为不同系统所识别；也包括货物包装、装载设备、输送设备的标准化等，实现物理层面的无缝对接。
物流仓储技术的发展还受很多领域应用的影响。如医药、烟草、军事与应急物流等。所有这些领域的需求，共同促进了物流仓储技术的发展。在这些技术中，单元化物流仓储技术就是一个典型。
单元化物流是在物流仓储和供应链过程中，采用一定的单元器具对物品的存储和操作进行规范，并在一定范围内保持其物理形态和信息的稳定，以便实施物流作业，提升作业效率的一种物流过程。
单元化物流的单元，有很多种形式，如我们日常所见的周转箱、纸箱、托盘、集装箱等。由此可见，单元化物流并非一个全新的事物，而是现代物流的基础。
单元化物流中的单元，既是一种物理形式，也是一种信息载体，两者密不可分，这种单元在整个物流过程中，可以保持不变，也可以变化，如果一旦出现变化，则其定义将同时改变。
首先，单元化是智能仓储系统的基本实现手段。货物只有实现单元化，才能易于实现自动化作业和信息化管理。这是单元化物流的最基本的优势所在。
在生产领域，采用单元化存储可以大幅度提高空间的利用率，可以通过组合单元快速完成生产工位的配料，单元化物流还是工业4.0概念下实现自动化和智能化生产的关键技术。以食品生产为例，每个生产工位有数十种物料需要供给，通过对各种辅料消耗的精确计算，可以定义一个组合单元--按比例配盘形成组合单元，实现快速的辅料供给，AGV从立体库将组合单元按照生产节拍自动配送到工位。单元化物流在提升效率，降低成本，快速满足生产对原材料需求，解决生产中物流存放，配送问题，均具有积极意义。
在流通领域，单元化物流对于整个供应链体系的影响至关重要。在货物的交接环节，通过单元化物流，可以快速完成单元货物的装卸和信息传递，不仅大幅度减少对资源（如站台、车辆）的占用，人员的减少也是非常可观的。应用表明，单元化物流对于车辆利用率提升三分之一，装卸车时间减少80%，其效果非常明显。此外，在货物的储存和拣选环节，单元化物流对于提升作业的便利性、存储的效率等都取得明显的经济效益。
特别地，在军事物流和应急物流领域，单元化物流将发挥更大的作用。军事与应急物流具有非常大的不确定性，对物流提出了非常高的要求。通过实施单元化物流，不仅可以快速集装货物，完成装机、装车等作业，而且在野外环境下，可以快速确定货物的属性，从而实现货物的快速定位与分发，在千钧一发之际取得先机。
单元化物流的货物信息被嵌入到单元上，可以采用二维码或RFID等技术手段实现单元的数字化，当目的地的网络无法有效应用时，RFID可以发挥重要作用，完成快速识别与定位，从而避免货物无法找到的问题。
美国权威物料搬运领域杂志《Modern materials handling MMH》近日发布了其一年一度的全球物流仓储系统集成商2021年度TOP20榜单。日本大福虽然收入略有下降，仍然再次以43.9亿美元位列第一，德马泰克以42.99亿美元紧随其后，排在第三位的胜斐迩也取得突破，达到37亿美元。榜单最后两位的是：德国AUTOSTORE公司以3.27亿位列19，意大利system logistics SPA 公司以3.22亿美元位列第20。这一榜单给人最大的印象是增长速度惊人，比如位于第二的德马泰克，达到了33.3%的增长率，霍尼韦尔更是以45.7%的增长位居第4，达到29.4亿美元。20家企业全年增长平均达到23%，从259亿飙升到319亿美元。在全球经济受新冠疫情拖累的情况下，物流装备市场可谓是一枝独秀，这与中国的情况也非常相似。
如果我们把时间拉长一点看，最近几年的物流装备市场表现也是非常靓丽。以2018年的统计看，世界TOP20的年收入为216亿美元，大福虽然以41.6亿美元位居第一，但位于第4的霍尼韦尔仅为17亿美元，而位于最后一位的Stocklin logistic AG仅为1.48亿美元。4年间总量增长47.6%，入榜门槛提升117.5%，在全球经济普遍衰退的大环境下，不能不说这是一个巨大的奇迹。
如果要仔细分析世界范围内物流仓储系统集成商的业务增长情况，大致可以归结为以下几个方面：
（1）电子商务和半导体业务的快速增长。大多数企业都得益于全球电子商务的快速增长，这与中国的情况有些类似。比较特殊的是大福公司在半导体方面的业务增长，是导致其业务快速增长的重要原因，当然这与全球芯片紧张又有直接的关系。纵观全球经济，中美贸易战越演越烈，新冠病毒肆虐，经济下行，而电子商务却一枝独秀。在中国与世界人员基本隔绝的三年中，正是电子商务搭建起彼此沟通的桥梁。正所谓危机中孕育机会一样，疫情泛滥意外促成了电子商务的快速增长。
（2）企业兼并，从2015年以来遍布世界的兼并潮，催生了企业的快速发展，到现在已经开花结果。尤其是叉车巨头们的兼并活动，直接带动了企业业务的快速增长，最典型的莫过于德马泰克。其在2016年被凯奥集团收购后，仅在北美市场，一年增加的订单就超过10亿美元。丰田收购范德兰德的情况也非常类似。叉车是物流系统中最重要的设备之一。与此相适应的是，叉车市场在过去5年中的增长幅度超过一倍，也从另一角度印证了物流市场发生的翻天覆地的变化。
（3）北美市场的快速增长，这是许多大型企业取得大幅度增长的一个重要原因。无论是德马泰克，还是胜斐迩，以及霍尼韦尔和村田等企业，他们的业绩来源主要得益于北美市场的蓬勃发展，因为他们在中国的业务都乏善可陈。美国市场为什么如此火爆，一方面是疫情影响，其实美国的物流自动化程度相比于欧洲和日本一直落后，此次疫情爆发，导致招工变得十分困难，大型的全自动化物流配送中心成为首选。另一方面，是美国在营造制造业回归的大环境中，物流反而获得先行优势，大量美元增发，使得美国经济相比于欧洲各国显得空前繁荣，加速了物流产业的发展。这是个人看法。
对于中国企业来说，这些年的发展也是如火如荼，正在奋力追赶。中国的物流装备市场增长幅度一点都不亚于全球的表现，而物流装备企业的发展也是如此。从2016年以来，中国的物流市场年增长率均超过20%，中国在2018~2019年即取得物流装备市场产销第一的位置。中国企业在资本的助力下，连续多年实现了快速增长，其中如新松机器人、诺力股份、音飞储存、东杰智能、今天国际、昆船、北自所、德马科技、上海精星等，其收入均已超过10亿人民币，最高的接近30亿人民币，超过4亿美元。如果放到国际舞台，早已达到TOP20的门槛。可以乐观的估计，随着物流业的快速增长，以及企业间的不断兼并，中国物流系统集成商进入世界前10行列，并不需要太长时间。需要引起重视的是，物流装备行业企业过于分散，价格战愈演愈烈，这对未来市场的健康发展将是十分不利的。
2023年中国冷链物流行业市场规模稳步增长，2022年冷链物流市场规模达6371亿元。
2022年十四五关键年，也是冷链最受关注的一年，国家层面政策频出，聚焦七大品类。
新亚科技自成立以来，一直以安全、互联、高效、环保的理念推动全球新能源智能冷链车市场的变革。
小到家门口的冷库，大到师市统一仓储销售，“师、团、连”三级冷链物流相辅相成，为职工增收筑起坚实后盾。
近日，京东物流与伊金霍洛旗人民政府举行战略合作协议和项目合作协议签约仪式。
通用仓储租金与空置率分析：全国和32个重点城市通用仓租金与空置率较上月持平。
--
邮政、中国外运、菜鸟、京东物流、顺丰出海“谋生”各显神通？
一方面产能过剩明显，一方面头部企业加速扩产，这反映了行业内先进产能越快投产，落后产能就越快被淘汰的认知。
每一次市场变革都蕴藏着创造新蓝海的机会，那些洞察先机、提前布局的品牌将收获市场。
