六年的發展,阿里云從關注交通單一關鍵環節開始,到思考如何應對大交通治理方、運營方、服務方的現實挑戰,圍繞交通“規、建、管、養、運、服”進行體系化建設,利用平臺化技術綜合優化交通資源。這是阿里云交通部門自身發展和轉型的歷程,也是阿里云與交通行業一起極速奔向全局智能的歷程。

本文觀點來自:

張磊 阿里云智能城市大腦首席科學家

鄧兵 阿里巴巴達摩院城市大腦實驗室資深算法專家

肖露 阿里云智能交通物流行業總經理

“今天下,車同軌,書同文,行同倫。”——《禮記·中庸》

自古以來,交通便在人類文明發展史上扮演著重要角色。秦始皇統一六國以后修建直道,堪稱中國最早的高速公路;長城烽火臺白天放煙晚上放火,和當下V2X(Vehicle to Everything,車用無線通信技術)、車和車互聯的理念非常相似;汽車、輪渡與飛機次第而來,當技術的進步足以支撐人類探索海陸空,交通的內涵也大大拓展,無遠弗屆。

與此同時,交通行業正迎來一場數字化的內生變革。“十四五”規劃中明確提出,加快建設交通強國,在智能交通領域推動數字產業化探索。

從城市大腦說起

阿里云在交通領域的探索,要從具有標桿意義的城市大腦說起。2016年,中國工程院院士、阿里云創始人王堅博士向杭州市政府提出,“建設城市大腦解決城市病”;2019年,王堅博士進一步提出一個問題:能不能把杭州市道路上跑的車輛數清楚?如果數不清楚有多少車,交通管理也就無從談起。

城市大腦綜合運用視頻識別、流計算、視覺計算加速等技術,對杭州全城視頻數據流進行實時分析,通過數字化手段數清楚了路上跑著多少車輛。

除了能夠很好解決交通管理這一剛性難題,城市大腦還幫助阿里云沉淀了數據分析的邏輯和算力底盤,后來擴展到智慧高速、智慧港口、智慧航空等實踐中,這是一脈相承的通用能力。

六年的發展,阿里云從關注交通單一關鍵環節開始,到思考大交通治理方、運營方、服務方的現實挑戰,圍繞“規、建、管、養、運、服”進行體系化建設,利用平臺化技術綜合優化交通資源——這是阿里云交通團隊自身發展和轉型的歷程。

如今,阿里云提出了更高的數字化愿景,逐步從城市交通領域走向綜合交通的各大領域。一方面能不能進一步數清楚道路、港口、機場、鐵路樞紐、航道上,到底有多少人在開車、騎單車、步行、坐飛機、坐高鐵、運載貨物;另一方面,阿里云從城市交通信控場景接入,沉淀解決交通行業共性痛點和供需問題的解決方案,在智慧高速、物流上云、智慧機場、智慧航司、智慧海事、智慧港口等數字化創新領域,都有了新的實踐。

從最早的云平臺、數字中臺和業務中臺,到可視化分析能力、PaaS層數據接口、AI能力調用接口,到行業知識圖譜和行業模型相結合的云控平臺、出行服務平臺、貨運物流服務平臺,逐步進化成為產業智能的核心,讓云計算、大數據、人工智能之上的感知智能、認知智能、決策智能和行業能力實現緊密耦合。

最終,阿里云悟到:交通系統的本質是,更高效地優化基礎設施和各類載具資源供給,更安全地滿足個人出行、貨運物流的需求;而數字化技術,能夠做的就是“計算”,計算個人、貨物的移動需求,計算實時各要素位移的狀態,實現高效、精準地匹配和調度。

全要素、全時段、全覆蓋的數字化

交通作為傳統基建的重要組成,煥發數字化新生的第一步,是建立數字空間的交通全要素數字孿生。

現實來說,今天交通新基建的數字化能力,還有一定的局限性,有三個典型問題:

第一,夜間、惡劣天氣,智能化能力急劇下降,因為傳統AI靠視覺感知。

第二,設備覆蓋有限,存在大量的數據盲區。但優化決策依賴精準全鏈路數據,否則決策有局限性。

第三,智能設備,如攝像機、雷達、測速、天氣傳感器等設備之間的孤立性,像盲人摸象,都是局部信息,很難為總體優化提供信息支撐。

針對這三個問題,阿里云對應從三個方向解決技術難題。

1.全時段。做到不受夜晚、雨雪惡劣天氣干擾,指標不退化。傳統的方式是爆閃燈,但對駕駛員非常不友好,而且覆蓋的距離也比較有限。阿里云采用融合多元傳感器:視覺AI加上毫米波雷達。

但雷達感知域和視覺感知域不同,頻率和特性都不一致,需要數據統一;其次,風吹日曬,會造成設備偏移,一段時間后要做動態校正映射矩陣;最后,如果視覺和雷達產生了沖突,你相信誰?相信的依據是什么?第一種各自計算分析,再投票,稱之為“后融合”;第二種設計深度學習網絡模型,實現數據驅動——阿里云選擇了后者。在夜間、惡劣天氣的感知能力可以達到白天的99.5%。

2.全覆蓋。傳統攝像機能夠支撐的范圍大概為200米,如果做全域覆蓋,設備建設成本非常高。如何解決?

阿里云采用的解決方案是在深度學習模型里,加上超小目標檢測和分割能力,針對特別細小的目標,進行超分辨率放大,保證車輛細節感知。要知道,在真實應用中,超過600米的圖像像素已經非常小,把它摳出來并識別出,就可以實現提升一倍以上感知距離。同時,在深度學習模型里,增加盲區的認知推理,比如靠近大橋的地方,已經超出人眼的感知范圍,但通過車流的變化,可以推斷是否有異常情況。

這樣就可以利用技術手段,低成本地解決覆蓋距離的問題。

3.全要素。交通全要素包括運動物體的屬性、行為邏輯、客觀環境。

這里要實現的交通目標是:真實的物理位置、速度、方向、尺寸、車道,要完全量化、一一對應。對交通事件,如違法、違規等行為,要實時感知,第一時間發現,快速決策、避免二次事故。同時準確判斷道路環境,快速發現能見度、路面狀況的微小變化,以降低未來更大的損失。

這里的技術難點在于,細致識別需要高分辨率圖像,而高分辨率圖像會導致計算量很大;但反之,如果沒有足夠的數據量,計算效果又會不好。

最終,阿里云利用視覺融合激光點云技術,結合邊緣云的軟硬一體技術底座,從底層的含光800芯片、倚天710芯片,到上層集成高效的算法模塊、模型編譯和加速推理,對各類交通設施的靜態、動態實現二三維重構,耗時降低的同時性能極大提升。最終可以把車輛真實的物理尺寸精確感知出來,誤差控制在0.15米以內,大約為一張A4紙的尺寸誤差。只要道路之間的冗余足夠,就可以很好地控制車流。把圖像域轉化到頻域,可以使高分辨率達到非常好的效果,解決了路面細致識別的問題,這項研究發表在2021年CVPR Oral的論文中。

成宜高速是全國交通強國的試點,全線157公里,每年50%的時間是霧天。阿里云與蜀道集團合作,利用雷視融合激光點云技術、邊緣云軟硬一體技術,實現了黑夜、霧天,各種車輛實時動態、路面要素的精準感知,無死角覆蓋。阿里云可以對各類交通元素進行靜態毫米級、動態厘米級的定位,把道路上各種類型的載具接近實時的數字化還原。

不只是大路網,在航道、港口,也有“海上智控”的需求,形成“大水網”。它們同樣需要各種感知手段,包括衛星、無人機、雷達、物聯網、衛星電話、視頻等設備進行數據采集,構建整個大水網的動態數字孿生,小到一條漁船,大到一條商船,實時還原運行軌跡。

全局智能的運營管控決策

當交通的全要素、全時段、全覆蓋的數字化建立之后,數字孿生實現了物理空間和數字空間的對應關系。那么無法靠現實世界試錯模擬的情況,通過大規模宏觀和微觀仿真,對不同決策進行系統推演,都能對未來進行預測,然后對推演結果進一步優化,得以向交通系統的管理者提供智能化服務,產生創新價值。

目前,阿里云對公路、航道、鐵路、機場、人流,都在做大規模的區域級、城市級仿真,實現全局智能的決策支撐。出行前的路線推薦可以把交通擁堵減少10%-20%,出行時通過感知融合和邊緣計算,實現極致的路口資源分配,讓路口的稀缺時空資源盡量做到不浪費,也能減少擁堵。

起初在高速公路數字化方面,阿里云主要實現了及時發現各類事件、及時應對、做被動管理的解決方案。如今由被動轉向主動管控,可以提前預測事件發生的趨勢和可能性,對高速公路的道路、橋梁、隧道、邊坡,進行實時高頻監測,預測道路上發生事件的概率,主動管理、管控高速和高速周邊的重要節點,提前減少高速上的擁堵,降低養護成本。

目前,全國已經有四川、浙江、廣東等20多條高速公路落地高速公路主動管控方案。例如廣東高速的車流量預測與管控仿真,算法模型能做到15分鐘內的預測,且準確率達到98.7%,同時結合兩小時內交通數據,可以對未來發生交通事故概率較大的路段做預警,實現主動干預。

在機場數字機坪方面,2019年就實現了每輛飛機起降間所有保障節點的數字化,可以有針對性地查看機場機坪中存在哪些效率問題。如今更進一步實現了整個機場(包括數字機坪、數字航站樓)的全局智能。當有航空限流、天氣狀況時,機場能通過智能化調度大幅度提升航班運行效率,與傳統人工調度相比,操作效率提升超過90%。

在首都國際機場,雙方通過運籌優化、認知反演等方法在50秒內刷新1700架次航班的停機安排,將廊橋停機位利用率提高了10%,相當于每天額外有20000位旅客不用再乘坐擺渡車。

在水運領域,阿里云也利用同樣的方法提升港口運行效率和港口運行安全。通過與寧波舟山港集團聯合打造的“港口智能運營管控平臺”,實現橋吊單機效率提升5%,港口的靠岸效率、場內運輸效率、堆場效率、生產運行效率整體提升5%以上,集裝箱卡車等待時間、通過時間縮短8%以上。

僅看數字不足以體現該解決方案的實際價值。實際上,提升5%的作業效率,從定性的角度來說,這意味著,實現了真正意義上的有人/無人集裝箱卡車的作業混編;從定量的角度來說,對擁有10個泊位的梅山港,提升5%,意味著兩年能多出1個泊位,而一個泊位的建設成本大概在10億元人民幣。

交通出行、運輸服務一體化

交通是一個高頻產生數據的領域。創新的解決方案、獲得數據創新的價值是阿里云展開交通領域探索的底層邏輯。阿里巴巴集團本身也有豐富的交通元素,如菜鳥、高德、飛豬、千尋位置等。阿里云結合阿里巴巴集團的多元能力,補足版圖,可以解決很多原本IT系統解決不了的問題。

比如,把智能交通大腦的上帝視角,通過高德等APP客戶端,以伴隨式服務的方式直接提供給道路的用戶。如遇堵車,駕駛員看到的不只是紅黃綠,而且是通過上帝視角的車載系統,了解前方具體情況,也可以了解服務區是否有排隊、提供什么的服務等詳情。高德的出行服務還與車廠合作,利用車路協同、5G、V2X等技術,通過車載OBU、車載系統,或者手機,提供增值信息服務。另外,菜鳥可以抓住綜合交通樞紐,包括機場、鐵路站、地鐵站、物流倉儲等節點,把跨方式的交通服務打通,降低企業物流的等待時間,提升效率。

同時,阿里云與眾多交通行業的合作伙伴,集合感知、邊緣計算、芯片、算法、通信技術打造軟硬一體的智能硬件,實現更低的數據采集成本、統一編碼的時空數據高效融合、打造統一的數據模型,把行業多年積累下來的知識通過AI知識圖譜云化,建立行業的數據模型,共享行業數據資產,共同提升“仿真、推演、預測”能力,讓行業知識不僅為技術人員所用,而且為業務人員所用。

衣食住行,是人類亙古不變的基本生活需求。人和貨品的“位移需求”從未改變,但實現安全出行、智能感知和預測供需平衡、高效調配供需雙方等目標的方法和手段,正發生天翻地覆的變化。機場、港口、航道、公路、城市交通等基礎設施正全面優化,極速奔向全局智能。

對話肖露:阿里云智慧交通業務是如何演進的?

技術與業務真正融合,才能產生模式創新;只有吸納社會各方面的創新力量,才能帶動產業真正進步。

秉承共創與融合的理念,讓傳統交通基建與新技術碰撞出智慧的火花�！对茥珣鹇詤⒖肌穼ＴL阿里云智能交通物流行業總經理肖露,詳解阿里云在交通領域的方法論以及差異化能力。

《參考》:從加入阿里云以來,你一直都在交通行業耕耘,在團隊建設和業務層面感受到哪些變化?

肖露 : 阿里有句土話叫“擁抱變化”——我是2018年加入阿里云的,幾年時間里,經歷了很多變化,這些變化也是我們自我成長的過程。

第一,團隊快速發展。從內部孵化,在實踐和學習中逐步成長為具有行業能力和數字化能力的團隊,到現在有了公路、城市、航空、水運、物流等多個細分領域的專業人才加入。

第二,服務的廣度和深度上的變化。從2016年阿里云發布城市大腦開始,我們一直在探索基于云計算、大數據、互聯網的能力和交通行業的深度合作。2018年,我們選擇“兩個一”市場賽道:做深一個細分行業,高速公路;做好一個樣板,南方航空公司。一方面因為民用航空本身非常國際化、重服務體驗、市場化,對信息化的接受度和依賴性較高;另一方面,阿里云有非常強的云計算、大數據、人工智能技術能力,阿里巴巴集團的高德地圖、金融支付、菜鳥等,都可以通過產業融合產生化學反應。

第三,想法和實踐的層出不窮、快速迭代。第一年,我們還在自我證明、驗證想法的階段,找到機會讓客戶知道阿里云已經切入了交通行業。之后我們逐漸深入理解行業需求,一步步探索:2019年,我們開始嘗試沉淀“交通的行業產品”;2020年,我們切入到公路領域,得到了很多客戶支持,尤其是突破到高速公路的數字化系統建設;2021年,基于產品技術的沉淀,我們又開始醞釀適用公路、水路、民航、城市交通等領域的通用型解決方案,初步形成了有獨立見解的行業數字化轉型的方法論和理念。

這個變化是層層遞進、滾動向前的,不是線性的先后順序。市場、產品以及戰略規劃上,幾乎每個季度都在不停地優化調整。

《參考》:最初在進入交通領域時,阿里云有什么積累?交通行業的現實條件是什么樣的,為什么阿里云認為有一個合適的切入點?

肖露: 相對來講,交通運輸行業是基礎性、先導性和服務性行業。近40年來,其發展重心在基礎建設上,滿足國民經濟的基本運輸需求,解決“走得了”的問題,但在信息化程度上不平衡,也不夠充分。應當說,國家在修路建橋方面的投入是非常巨大的,但當基礎設施建設到了一定階段,就會要考慮基礎設施的數字化。同時,在客貨出行方面,更加注重“走得好”和“走得安全”“走得綠色”,這些都需要信息化手段予以提升、改造。

阿里巴巴作為一家互聯網公司,其實與交通行業有不少相似之處,都是網絡型產業,涉及大量C端客戶及大量數據分析和運用。但如何進一步將交通和互聯網融合呢?

首先,交通服務人們的衣食住行,是一個高頻產生數據的行業,如果交通大數據用得好,將產生更大的價值,這與互聯網有共同的訴求;其二,阿里巴巴本身有很豐富的交通元素,如高德、飛豬、千尋位置等,都有非常強的交通屬性。只是當時資源比較分散,沒有聚合在一起;其三,隨著阿里云的快速發展,云計算、大數據、人工智能技術可以解決一些傳統信息化手段解決不了的問題,只不過一時難以獲得此類技術發展的紅利。比如緩解交通問題就需要海量數據處理、實時計算、超大規模仿真等,傳統的IT供應商和專業公司可能沒有這么強大的算力支撐。再加上阿里云在2016年就已經開始沉淀城市大腦的技術能力,內外結合,可以讓阿里云有機會借助城市交通管理的經驗,拓展并深入運用到整個交通運輸體系中。

《參考》:2016年阿里云城市大腦就已經發布了,為什么后續沒有持續聚焦在城市大腦上?

肖露: 城市大腦沉淀的技術能力非常多,包括交通行業數據模型與算法、數據與業務中臺能力,都在智慧高速、智慧港航的實踐中得到復用,是一脈相承的。

但城市大腦比較聚焦于城市交通的精細化管理,而城市交通只是交通運輸體系的一個組成部分,其他還有公路、航空、港航、物流等領域。在和交通運輸行業的合作中,我們發現,交通運輸的數字化需要圍繞“規、建、管、養、運、服”多維度進行全要素系統化建設,而不僅僅是管理。如果只講城市大腦,行業內人士會有質疑。

這促使我們重新思考市場戰略:沉淀適用于交通物流行業全場景、全環節,能夠解決行業痛點和供需矛盾,同時又源自城市大腦能力沉淀的融合解決方案。

《參考》:當時是如何選擇細分行業的?

肖露: 最開始第一年,我們與南方航空合作,它也是國企數字化轉型的樣板。在這個過程中,我們發現,從產生高頻數據的角度講,中國航司每天乘客數量相對穩定,業務暫時不會出現爆發性增長。

我們希望找到更多產生數據的場景,讓阿里云的技術能對國計民生有更大的助力。鐵路和公路就是這樣的領域,是國家及各地政府基建升級需求最大的兩個領域。其中,鐵路是個相對封閉的體系。但公路領域不一樣,公路市場夠大、銜接交通方式夠多、服務人群夠廣。同時公路對基礎設施數字化、運行管控智能化、出行服務品質化需求迫切,對交通參與者行為和狀態數據依賴性很強,已經到了亟待數字化轉型的階段。

中國的公路網非常發達,在2020年底已達16萬公里,但東西部公路發展存在明顯差異:東部地區已逐步進入“后建設”時代,注重擴容改造和網絡效能提升,更關注降本增效,提升用戶體驗;西部地區公路大發展,但信息化水平相比東部是落后的。客戶關心建設成本的同時希望能借助外力“彎道超車”,而不是以落后的方式進行修建,同時西部也需要技術來解決高山、隧道等地理因素帶來的安全問題。所以,傳統的方式無法支撐東西部公路未來的建設,需要通過融合創新來解決業務難題。

當時我們分析,公路可以作為一個可深挖的賽道,但是公路領域的市場范圍太大了,包括高速公路、國省干線、農村公路、城市道路等等。于是,我們再次聚焦到高速公路,適度關注國省干線公路,畢竟國家對高速公路的信息化建設要求高,數字化需求相對強烈。

再后來我們又拓展到機場、物流、港航等賽道,形成了今天阿里云交通物流的版圖。

《參考》:在早期,被客戶挑戰最多的是什么?

肖露: 當時我們花了一年時間,找尋能夠接受我們理念和能力的客戶。這是很難的,因為修路架橋本身是一個非常傳統的領域。第一年,我們拜訪了很多客戶,大家合作的熱情也很高,但客戶會先問:“上了阿里云,是不是安全風險就能降低,就能解決擁堵了?”討論之后給出的結論是:“你們的達摩院很強、互聯網很強、新零售很強,但這跟交通有什么關系呢?你們不懂交通。”我們至少花了半年時間,拜訪了不少于20個高速公路建設方、業主方、監管方,希望能找到有共同理念、認同我們的客戶。后來我們換了一個思路:不應該用我們的邏輯去思考客戶,而是要與客戶共創、一起去探索和實踐。

幸運的是,我們找到了這樣的客戶,愿意和我們一起思考如何將傳統修路架橋的業務與科技融合,思考引領數字交通的新理念,將他們想象中智慧交通的未來告訴我們,而我們也能把自己的想法,從一個場景開始嘗試,逐步深入。

隨著與客戶深度共創,對場景深入研究,我們很快發現,可以發揮高德、釘釘以及數據中臺的能力,為客戶提供一系列場景化解決方案,包括全覆蓋態勢感知、一路多方高效協同、精準及時的伴隨式服務等,實現高速公路管控的精準感知、精確分析、精細管控、精心服務。發展到今天,我們已經為全國50多條高速公路路段提供了智慧化解決方案,服務全國20多個省的建設方和運營方。

《參考》:傳統領域和數字領域,兩個不同領域的人如何形成共識?這種經驗可能對所有從業者都非常有價值。

肖露: 拋開技巧不談,我認為關鍵是“以終為始”的終局意識,設定非常明確的業務目標,研究真實的業務痛點。例如,寧波舟山港給我們提出的難題是,希望通過數字化手段將港口集裝箱調度的整體效率提升5%。這看似是非常簡單的個位數指標,拆解開來卻發現,它意味著全流程數字化能力的提升,這就很難了。在這過程中,需要判斷哪些是可以改變的,哪些是需要跟客戶達成共識的,最終帶來真正的業務價值,才是打動客戶的關鍵。

《參考》:應該在很多情況下,客戶的想法你們不理解、你們的想法客戶不理解�，F在回頭看,哪些是真的不懂業務,哪些是技術認知的差距?兩種情況的比例是怎樣的?

肖露: 我們肯定沒有客戶懂業務,客戶可能沒有我們懂云、大數據和人工智能,這是事實。除了一些傳統IT領域,只要涉及客戶業務,80%的點都對不上。比如,項目前,客戶經常會問我們:“為什么要做一套系統去支撐高并發呢?”“如果系統遷移到云上,我要如何操作?”

這就需要有業務與技術專家參與,作為橋梁,他們既能聽懂客戶訴求,也能把阿里云的能力與客戶業務結合起來。而且,項目結束并非就真的結束了,我們還需要和客戶一起做項目沉淀,也讓團隊在實戰場景中不斷摸索,形成數字化融合行業能力的解決方案。最后,形成一種機制:有相應的專業人才,有實戰場景,不斷提升專業能力,形成數字化技術與行業場景融合的閉環——這對客戶也是有價值的積累,我們經常講“交付一個項目,打造一支隊伍”。

《參考》:能否舉例說一下阿里云服務的幾個典型客戶?

肖露: 客戶一直伴隨和支持著阿里云各個階段的成長。

與蜀道集團合作的過程中,最開始在成都繞城高速建設了“智慧眼”,實現了感知智能;成都第二繞城高速測試時,開始車路協同、智慧高速的嘗試;今年與峨漢高速的合作中,希望實現對橋梁隧道的數字化。在港口數字化轉型中,我們與寧波舟山港集團打造智慧港口;在物流骨干網運輸體系數字化建設中,我們還幫助專注于自動駕駛的物流運輸企業嬴徹科技,基于云原生的能力,提升AI算法研發的效率問題;在數字化航司的實踐中,我們和南航實現了基于雙中臺的全業務數字化轉型,與中國聯合航空實現了數字化營銷的模式創新。

《參考》:港口、航司、高速公路等領域的數字化建設,有共性嗎?

肖露: 現在大家都在講數字化,也更懂數字化了。四年前,客戶對上云的安全性和必要性還有疑問,如今國家發改委已經明確將云計算寫進“新基建”的工作范疇。政府提倡數字化改革,央國企也在積極推動數字化轉型。交通運輸部相關政策多次提到“推動大數據、云計算、數據中心在交通領域的應用,推動國家新一代交通控制網的建設”。雖然共性之下,每個細分賽道的痛點是不一樣的,但經過四年的迭代,阿里云利用云計算、大數據、數字孿生、邊緣計算等技術優勢,既能打造通用的交通行業解決方案,也能聚焦細分賽道的不同場景提供差異化的解決方案。

《參考》:在數字港口建設中,有哪些創新的本土經驗和實踐嗎?

肖露: 過去中國的港口學習荷蘭鹿特丹、新加坡等國際港口,但今天來看,中國港口已經發展出獨特優勢,尤其在吞吐量、數字化能力方面,在全球范圍都有一定領先性。

中國港口的建設要考慮本土現實,在經歷了上世紀90年代“央地統籌、地方為主”的改革之后,我國港口曾經一度是“國有民營各類主體齊上、港區岸線建設失控”的局面。目前,各大港口按照“沿海一省一港”的新格局進行港口資源整合,意在減少無效競爭。但至今,全國80%左右港區或重點碼頭的經營,仍面臨效率不高、資源浪費的問題。前幾年上海洋山港、青島港的全自動化碼頭建設,是在全球有引領性的標桿。但問題是,只有新港建設時才會采用全自動化的技術,而且要耗費幾十億元的資金;小的港口集團、傳統碼頭,在效益沒有那么好的情況下,需要智慧化的解決方案,即在投資有限的情況下,也能建設一個技術先進的數字化系統,確保運營效率和效益的提升。當然,這很難。我們在寧波舟山港的實踐就是一個高性價比、有參考意義的探索。

《參考》:大交通領域還有一部分是物流,阿里巴巴在物流行業有很大優勢,但之前并沒有怎么提過,為什么?

肖露: 物流行業以運營和服務效率提升為主,除了頭部企業之外,還有非常多中小企業,場景也非常多元。阿里巴巴有一定的優勢,一方面本身作為上游企業可以牽引,另一方面在公有云上能夠搭建更好的系統。

過去四年,我們一直堅決執行“云上物流”戰略。從“三通一達”開始,它們占了很大一部分市場份額,核心業務已經基本實現全面上云;另外,中國郵政也是阿里云混合云的大客戶。所以,物流的骨干網絡、大的核心節點大約百分之九十的核心系統都在阿里云上,可以實現各種運輸方式更高效的聯動。今天我們再講物流,需要從另一個高度來看。物流效率的提升是一個體系化的事情,不只有快遞,還包括城際運輸、貨運、集裝箱運輸、骨干網運輸等等,它屬于供應鏈體系。將物流產業鏈上下游激活,把物流樞紐園區、城市道路、高速、港口、機場全部打通,物流才能發揮出更大的價值,才能真正體現立體交通效率提升的系統性優勢。

《參考》:未來的挑戰和展望是什么?

肖露: 最大的挑戰是我們能力的提升要跟得上行業的發展,人才永遠都是最大的挑戰,希望不斷有優秀的人才能夠加入進來。同時也希望更多人認識到阿里云今天在大交通領域的投入——不僅是和客戶做業務,更是在探索前沿技術與傳統基建的融合。這無論對監管方、業主方、建設方,還是對普通消費者、新基建與傳統基建的融合,都有利于民生服務的全面提升,有利于經濟的高質量發展。

(新媒體責編：pl0902)