了不起！全民参与的千亿大单再刷新高，但问题来了，2019年双11的包裹量再次爆发式增长，28亿包裹物流要如何拼尽全力，加速送到你手里？事实上，阿里、京东、苏宁、美团、顺丰等电商、物流行业开始布局智慧化的无人物流，现在已经将包裹的无人分拣、无人运输延伸到了无人配送。

　　阿里、菜鸟旗下的ET物流实验室于2016年就推出了第一代末端送货机器人“小G”，可以实现避障、上下电梯等功能，完成包裹的配送。京东无人配送车队也在2018年开始上路，配备360度高清摄像头，能够自动避让行人车辆，还会绕开路障，甚至还能识别红绿灯。

　　无人配送的机器人会十八般武功，最主要的武功是自动驾驶，其重要性就像九阳神功之于张无忌。

　　自动驾驶的闭关苦“算”

　　自动驾驶并不是新鲜事，2002年上映的《007之择日而亡》就展示了类似的技术（当然做了艺术性的夸张），这项技术之所以今天才开始应用，就是因为现实世界的复杂度远超过人的想象，我们很难拿出一套算法来应对所有的情况，那么自动驾驶就没解决办法了吗？

　　并非如此，现在的自动驾驶充分运用了AI，让自动驾驶系统变成一个可自我学习，自我升级的系统。比如场景流的识别。为了安全地在驾驶现场导航，一辆自动驾驶的汽车应该能够估计周围环境的运动，比如车辆、行人，甚至是飘落的树叶、摇晃的树木等，这就是场景流识别估计。显然场景流的计算是十分复杂和困难的，以往场景流的识别估计主要依赖于人工设计的特征，现在则普遍采用能够自动学习场景流的深度学习技术，深度学习技术可以自动抽取场景流的规律和特征，调整系统的策略，就像人会积累经验一样，“走的路多，就成一个老司机了”。

　　只是，自动驾驶系统还是和人不一样，人类可以边走边学，自动驾驶系统只能“停下来学”，我们需要把各种场景标记下来，形成标记数据集，然后将这些标记数据输入到系统中，系统将计算结果与标记在数据上的正确结果比对，然后根据差异调整策略，就会积累新的经验，这个过程系统不能对外服务，所以称为“线下训练”，升级完成后就可以上线工作，这个过程叫“线上推理”。

　　“台上一分钟，台下十年功”，人是如此，自动驾驶系统也是如此，今天我们能够享受到无人快递，是因为自动驾驶系统已经经过了多年的训练。

　　训练对于计算力的需求是指数变化的，从2012年至今人类用于AI线下训练的计算力增长了30多万倍。只有AI服务器才能满足训练对于计算力的需求，浪潮目前最快服务器AGX-5单机可配置16颗NVIDIA Tesla V100 Tensor Core 32GB GPUs，拥有10240个张量计算核心，支持每秒2000万亿次的AI训练计算力。

　　浪潮服务器AGX-5

　　上路，释放计算的“洪荒之力”

　　有了训练好的自动驾驶模型，还需要无人配送终端具备能承载激光雷达、毫米波雷达、摄像机、GPS定位系统等应用处理、运算的计算设备，从而做出最低延迟的高可靠推理。因此，对于无人配送小车，车端计算设施的算力、延迟与能耗是必须要考虑的因素。

　　面向这种对能耗及延迟严苛要求的应用场景，浪潮也开发出了高性能、高可靠、高能效和低延时的车载计算终端，预计不久就会上路进行实测，在末端释放计算的“洪荒之力”。

　　边缘计算，无人配送的“护车使者”

　　是否有能够进行大规模训练的数据中心，有可靠的车载计算终端，就能够实现无人配送了呢？答案是远远不够。无人配送机器人上路之后，也是需要监管与保护的。想象一下，如果无人配送车被人“抱走”怎么办？如果遇到事故怎么办？如果遇到堵车怎么办？

　　要想让这些机器人安全上路，需要在周边部署大量的“护车使者”，就是负责感知机器人周边路况信息，红绿灯信号，进行车辆监管的边缘计算节点。边缘计算服务器因为部署在边缘端的优势，可以通过本地化的数据计算，协助小车更快判断前方道路是否堵车需要变更路线，是否有红灯需要减速，而一旦小车被人“抱走”也能通过车载端传递的360度高清视频找出“凶手”。

　　浪潮在今年年初发布了边缘计算服务器NE5260M5，高度为2U，宽19英寸，深度为1075px，仅有传统标准服务器深度的1/2稍多，可以直接与电信设备混合部署在通信中心机架上，承担“护车使者”职责。

　　浪潮服务器NE5260M5

　　尽管无人配送目前还未大规模商用，但数据显示，物流配送机器人正在以超过40%的年增速迅速发展，每年快递的包裹数量也在高速增长，去年双十一全网18亿包裹，今年再次突破28亿，而今天双十一的包裹量，在不久的将来可能就是一个稀松平常的数字。因此随着5G、人工智能等技术的发展，各大电商已经开始在无人配送这条赛道上加速，浪潮也在用计算力点亮AI，赋能云、边、端的协同计算，陪你感受新的加速度。