【谷雪梅】（菜鸟CTO）：感谢各位来宾，我们先来看一下目前的一些业界核心的痛点，首先的痛点是因为工业园区物业的成本相对比较低，尤其是和商业地产相比，可能在十分之一左右。在这样低成本的前提之下，就会有非常低端的员工，很难构建长期可持续发展的标准流程，人员流失比较快，安全风险比较大等等各种各样的问题，那这些问题最终会带来越来越低下的客户的体验和客户的满意度。
我们看两个案例，第一个案例在河北省某个电商仓里面，有一个火灾，因为巡检人员没有发现，四点的时间火势起来，这场大火到上午11点才扑灭。最终损失17亿元人民币以上。
另外一个案例，发生在上海保税仓的员工通过屋顶的漏洞，用登山绳盗窃了9箱手机，价值54万元。在前面的火灾案例和偷盗案例里面其实监控有看到，但是因为摄象头的监控和巡检人员没有很好的匹配，最终还是酿成两个事故。
这些案例大家也许觉得是偶然发生的，但其实是必然的反应。同时，这个行业还在高速的发展过程中。也就是说，当下我们在管理可能五千万平方米的园区，未来几年随着发展也许会管几亿平方米。如果我们考虑到全球化，这个量级还会再成长。我们如何用很低的成本来管理万亿的资产，同时达到较高的客户满意度，以及很高的效率，很高的安全水准，这是一个非常大的课题。
刚才我们讲到了劳动力成本的问题，讲到了更大的规模，在一种更大规模下管理难题的问题，国际化瓶颈我想再强调一下，因为菜鸟在对外扩展中，也发现时差、语言，当地的法律法规习俗都是不一样，即使我们在国内有相对比较好的管理化的流程，也难以在世界上的其他地方进行统一化的推广。使得我们刚才讲到的痛点，随着空间的维度、时间的维度加上消费数量的维度的增加而变得进一步的放大。
我们如何去解决这个问题？菜鸟提出了一个全新的解决方案，就是未来园区在这个里面我们即将使用IoT的技术和边缘计算、人工智能等等技术，使得园区内进行全面的数据化，并在此基础上实现智能化。
我们分别看一下这三个关键词，在IoT技术里面，我们希望一切设备有传感器，刚才万霖讲到，无论是温度、湿度、堆高，通过红外还是车位等等很多设备，我们完全给它放上传感器。这样我们可以大幅减少人工的巡检，因为传感器的数据可以通过低功耗传到中控室，人只要判别异常事件就好了。而且因为我们使用低功耗、长距离的物联网数据传输，成本也是比较低的，在菜鸟的有些园区，我们也是在中国第一次使用了它。
第二个词儿叫边缘计算，我们在场景里面使用摄象头，传统的摄象头是不联网的，而且在自己的摄象头内部也没有任何计算能力的。唯一能做的就是照下一个视频并且进行本地的存储，以便于事后的追查。在云计算的领域我们可以放上很多的模型，也有大数据进行运算，做出很多和人工智能比较相关的识别和分类，但是在园区里面，因为它也比较偏僻，成本也严控，我们很难把园区内几百个摄象头数据全部送到云端，不仅对于带宽是压力，对数据计算能力也是压力。它能够实时达到毫秒级的识别，并且传回到中控，再由人进行行动。
第三个，人工智能。刚才谈到摄象头里面我们布上模型，这个摄象头做很多工作。一会儿我再做介绍，重要意义在于，首先，不管园区内还是仓内，可能是多种模型同时判别，比如在仓内我们可能是不是有人在暴力分拣，是不是有人偷东西或者抽烟等等。
第二，我们需要做到物体的跟踪，比如一个车子从一个摄象头移动到另外一个摄象头，需要一个协同。需要我们的算法把物体跟踪做比较，只有模型和多摄象头的联动和算法进行有机的合作以后，我们的机器才变的越来越聪明和强大，使得园区的异常事件的检验越来越准确。
我们现在讲了很多的技术，现在请大家看一段视频，这样我们可以更生动的形象地了解一下菜鸟的未来园区，请看大屏幕。
谢谢大家！在座还有很多技术人员，我再花一分钟时间给大家介绍一下后面的技术框架，刚才我们介绍了下层的设备连接，在此设备上我们要抽象成逻辑层，以便于上面的算法进行协同。我们除了连接物理设备以外，希望未来人也能参与到协同网络里面去，通过万带，包括车子在里面也可以放入蓝牙。
我们还需要操作系统，连接下面的智能体和上面的算法，识别的算法比如人脸的识别，分类的算法比如异常事件和平常事件的区分。比如车子和园区进行协同，人和机器进行协同，这个过程中我们特别希望的是减少园区内工作人员简单重复低效的劳动，他们可以把自己的创造力和智慧用在更高级的工作上面，比如对于异常事件的处理，也是希望通过这种方式为我们园区的工作人员提供温暖和关怀。
最后我们不仅想到菜鸟自己，我们也想到这样的技术应用到其他领域，无论是物流领域，还是商业里面的商场、学校、医院等等，这些技术都是能够用的上。因为我们会产生一个闭环，用数据识别一个算法，更高级别的算法允许我们对数据进行更好的分类，在闭环里面技术壁垒持续的提升，能力会持续的提升。我们希望把这些技术做成标准化的、平台化的服务，让大家一起共建一个更高标准化的市场，谢谢大家。