天京智能科技引进全新的AI技术团队，整合恒伟供应链原有的物流系统集成和实施资源，在完整的业务应用场景基础上，聚焦于封闭环境下的无人驾驶、无人搬运、自动理货、自动包装、自动装载等人工智能设备和系统的研发、设计、集成服务，提供一站式智慧物流的整体解决方案。
天京智能科技的研究方向
01人工智能（AI）意味着什么？人工智能（AI）早在年就首次被提出，随后在60多年的发展历程中多次起伏。在其发展历程中，机器学习（MachineLearning）和深度学习（DeepLearning）是两个关键的概念。后者因助力ALPHAGO战胜围棋世界冠军而声名大噪。
机器学习算法通常是应用在某个特定的领域，通过分析输入和输出的关系来发现其中的规律。其典型应用包括：输入人像照片，输出其身份；输入一个人的收入状况/信贷历史，输出其贷款违约的概率等。深度学习则在机器学习的基础上更进一步：它会基于现实世界的数据反馈，不断调整和升级自己的学习模型，以提供更有价值的洞见。
机器学习的三大要素是“感知”（Sensing）、“处理”（Processing）和“进步”（Learning）。其基本工作原理如下图所示，呈现出循环往复的工作过程。
图：机器学习的基本原理。来源：IBM/供应链4.0
“感知”主要是对基础数据的收集，提供尽可能丰富的输入；“处理”把输入转变为有意义的输出（洞见）；而“进步”（自我提升）则意味着人工智能本身不是一成不变的。对于同样的输入，其输出结果会变得越来越好。
图：人工智能和物联网的结合。来源：DHL/供应链4.0
在“感知”环节，人工智能越来越多地和物联网（IoT，InternetofThings）技术相结合，如上图所示。在物联网时代，越来越多的物体（比如工厂中的机器设备、家用的电器）都通过传感器等方式和网络相连接，藉由先进通信技术将其实际状态数据传到网上。这就给人工智能算法提供了大量“饲料”，让AI可以基于充足的数据提升性能，提供有价值的信息（例如：预测机器发生故障的时间），从而对实体资产进行更有效的管理。
02为什么说AI对于物流领域很有价值？
首先，由于信息技术（高性能计算、RFID等）的成本降低，使得物流数据的感知/处理/学习成本已经来到了普及的临界点，技术不再遥不可及。
其次，物流运作往往环节众多，各方关系复杂，并且有大量的实物/资金/信息数据产生。复杂网状结构和大数据量的特性使得物流天生就适合作为AI应用的场景。
再次，目前AI在实际物流企业中的落地应用比例还不高（不到10%），提供了一片广阔的蓝海。
03AI对物流的实用案例
目前，结合天京智能科技着力投入与发展的人工智能领域，实用案例主要有：货车无人驾驶系统；全自动化智能仓储系统等等。
自动驾驶近年来备受
