提起智慧物流，肯定是与传统物流有所区分。
从最早的TMS等软件；
到最近的物流园区信息交易大厅系统、“滴滴”货车、同城配、区域配、仓配一体化等；
还有些专线针对零担、整车，以及针对某个产业的，比如：只做家居、服装、粮食、设备、冷链等细分领域。
物流的链条也长，有货主、三方、网点、专线、车队、仓、落地配、安装、收货人等。
所以，按不同形式、不同组合来区分的话，至少可组成几百个不一样的平台型物流公司。
这也是任何一个智慧物流平台，不管功能多强大，都无法满足所有客户不同环节需求的根本原因。
除了这些之外，智慧物流的发展过程中还有哪些困难呢？
三大瓶颈
跨境数据链路衔接不足
2016年全年境内物流详情数据完备率指数为84.8%，发展较为成熟。而跨境物流详情数据完备率指数仅为13.5%，大幅低于境内物流详情数据完备率。
末端智能程度有待加强
2016年，智能路由分单指数均值为74.2%，电子面单普及指数2016年为72.9%，末端协同指数2016年为4.7%，12月为9.4%，比年初翻了近9倍在数据基础设施与分拣、揽收环节已较为成熟，但在末端协同方面仍处于起步期。
数据基础设施建设仍是挑战
2016年1月快递业物流云普及率的数值为5%，12月增长至25.4%，反映出云计算在快递领域的应用程度尽管处于起步阶段，但是发展速度相对较快。
未来发展趋势
数据赋能供应链
在大数据时代下，数据赋能供应链，核心业务服务主要是针对采购物流、生产物流、销售物流等物流环节。
加强国际数据连接
打通内陆物流与国际物流之间的数据瓶颈，实现生产企业数据、海关数据、港务数据、公路数据、场站数据的无缝对接，提供国际货物单证传递、货物通关监管等状态跟踪数据，便于企业对物流进行全程跟踪。
末端赋能升级
随着运力的提升，各种全自动、半自动的分拣设备、电子运单等相继都被投放到运输环节中，让分拣和运输的压力有所缓解。
当前物流运输的目光已经全部集中到了物流末端的派送环节，而智能快递柜无疑成为缓解派送压力的重要力量。
涉及技术及应用实践
1、仓内技术
主要有机器人与自动化分拣、可穿戴设备、 无人驾驶叉车、 货物识别四类技术。
当前机器人与自动化分拣技术已相对成熟， 得到广泛应用，可穿戴设备目前大部分处于研发阶段， 其中智能眼镜技术进展较快。
机器人与自动化技术
仓内机器人包括AGV(自动导引运输车)、无人叉车、 货架穿梭车、 分拣机器人等，主要用在搬运、 上架、 分拣等环节。
国外领先企业应用较早， 并且已经开始商业化，如亚马逊、 DHL， 国内企业京东、 菜鸟、 申通已经开始布局。
可穿戴设备
当前仍然属于较为前沿的技术， 在物流领域可能应用的产品包括免持扫描设备、 现实增强技术-智能眼镜、 外骨骼、 喷气式背包。
国内无商用实例， 免持设备与智能眼镜小范围由UPS、 DHL应用外， 其他多处于研发阶段。整体来说离大规模应用仍然有较远距离。
智能眼镜凭借其实时的物品识别、条码阅读和库内导航等功能， 提升仓库工作效率， 未来有可能被广泛应用， 京东及亚马逊等国内外电商企业已开始研发相关智能设备。
2、干线技术
干线运输主要是无人驾驶卡车技术。
无人驾驶卡车将改变干线物流现有格局，目前尚处于研发阶段， 但已取得阶段性成果， 正在进行商用化前测试。
无人驾驶卡车
无人驾驶乘用车技术已经取得了阶段性成果， 目前多家企业开始了对无人驾驶卡车的探索。
由多名Alphabet前高管成立Otto， 研发卡车无人驾驶技术， 核心产品包括传感器、 硬件设施和软件系统， 目前已经进入测试阶段。
目前， 无人驾驶主卡车主要由整车厂商主导， 如戴姆勒等， 但也有部分电商、 物流企业正尝试布局， 如亚马逊已申请无人卡车相关专利提前布局。 而国内企业如京东也正在尝试研发无人卡车。
3、最后一公里技术
最后一公里相关技术主要包括无人机技术与3D打印技术两大类。
无人机技术相对成熟， 目前包括京东、 顺丰、 DHL等国内外多家物流企业已开始进行商业测试，其凭借灵活等特性， 预计将成为特定区域未来末端配送重要方式。
3D技术尚处于研发阶段， 目前仅有亚马逊、 UPS等针对其进行技术储备。
无人机
无机技术已经成熟， 主要应用在人口密度相对较小的区域如农村配送。
中国企业在该项技术具有领先优势， 且政府政策较为开放， 制定了相对完善的无人机管理办法，国内无人机即将进入大规模商业应用阶段。
2013年以来各行业内领先企业纷纷启动无人机项目， 亚马逊自2013年至今无人机技术已经过多次升级。
2017年京东成立无人机运营调度中心标志着无人机在国内已基本可进行大规模商用。
未来无人机的载重、 航时将会不断突破，感知、 规避和防撞能力有待提升， 软件系统、 数据收集与分析处理能力将不断提高， 应用范围将更加广泛。
3D打印
3D技术当前仍处于研发阶段， 美国Stratasvs和3D Systems两家企业占绝大多数市场份额。
未来的产品生产至消费的模式将是“城市内3D打印+同城配送”，甚至是“社区3D打印+社区配送” 的模式。
物流企业需要通过3D打印网络的铺设实现定制化产品在离消费者最近的服务站点生产、 组装与末端配送的职能。
4、末端技术
末端新技术主要是智能快递柜。 目前已实现商用（主要覆盖一二线城市）， 是各方布局重点， 但受限于成本与消费者使用习惯等问题， 未来发展存在不确定性。
智能快递柜
智能快递柜技术较为成熟。 已经在一二线城市得到推广，包括顺丰为首的蜂巢、 菜鸟投资的速递易等一批快递柜企业已经出现。
但当前快递柜仍然面临着使用成本高、 便利性智能化程度不足、 使用率低、无法当面验货、 盈利模式单一等问题。
5、智慧数据底盘技术
数据底盘主要包括物联网、 大数据及人工智能三大领域。
物联网技术为大数据分析技术提供部分分析数据来源， 大数据分析技术将物联网技术数据进行业务化， 而人工智能则是大数据分析的升级。
三者都是未来智慧物流发展的重要方向，也是智慧物流能否进一步迭代升级的关键。
物联网
受终端传感器高成本的影响，二维码成为现阶段溯源的主要载体， 技术的阶段性突破将不断促进物联网的发展。
长期来看，低成本的传感器技术将实现突破，RFID和其他低成本无线通信技术将是未来的方向。
目前国内已出现专注智慧物流物联网领域的领先企业如汇通天下（G7）。
物联网主要有以下四个物流应用场景：
产品溯源：通过传感器能够追溯到农产品从种植到运输到交付环节的所有信息，确保信息的可追溯性，避免丢包，错误认领事件的发生。
冷链控制：通过车辆内部安装的温控装置，对车内的温湿度情况进行实时监控，确保全程冷链不掉链。
安全运输：通过设备对司机、车辆状态数据进行收集，及时发现司机疲劳驾驶、车辆超载超速等问题，提早警报，预防事故。
路由优化：通过车辆上安装的信息采集设备，可以采集运输车辆情况、路况、天气等信息，上传给信息中心，分析后对车辆进行调度优化。
大数据
需求预测：通过收集用户消费特征、商家历史销售等大数据，利用算法提前预测需求，前置仓储与运输环节。
设备维护预测：通过物联网的应用，在设备上安装芯片，可实时监控设备运行数据，并通过大数据分析做到预先维护，增加设备使用寿命。
供应链风险预测：通过对异常数据的收集，进行如贸易风险，不可抗因素造成的货物损坏等进行预测。
网络及路由规划：利用历史数据、时效、覆盖范围等构建分析模型，对仓储、运输、配送网络进行优化布局。
人工智能
主要由电商平台推动， 尚处于研发阶段，除图像识别外， 其他人工智能技术距离大规模应用仍有一段时间。
人工智能技术主要有以下五个物流应用场景：
智能运营规则管理：未来将会通过机器学习， 使运营规则引擎具备自学习、 自适应的能力， 能够在感知业务条件后进行自主决策。
仓库选址：人工智能技术能够根据现实环境的种种约束条件。
决策辅助：利用机器学习等技术来自动识别场院内外的人、 物、 设备、 车的状态和学习优秀的管理和操作人员的指挥调度经验和决策等， 逐步实现辅助决策和自动决策。
图像识别：利用计算机图像识别、 地址库、 合卷积神经网提升手写运单机器有效识别率和准确率， 大幅度地减少人工输单的工作量和差错可能。
智能调度：通过对商品数量、 体积等基础数据分析， 对各环节如包装、 运输车辆等进行智能调度。