2021年四大企业级技术趋势

　　2021年已经到来。企业在展望新的一年，评估如何更好地优化运营和加速增长时，也将面临一系列无法预料的情况。新冠肺炎疫情给各行各业的运营都造成不同程度的影响，并且这种影响在新的一年还将持续。然而，这也成为了加速关键技术发展的催化剂，这些关键技术能够帮助企业在新的一年及以后取得成功。集成新的技术解决方案来维持企业的运营和盈利能力，以及优化工作流程以应对持续的高峰需求和供应链突发事件的能力，这一直以来都是关键，且日后亦将如此。

　　疫情加速了一些长期趋势的发展，包括电子商务、自动化和供应链优化。一些示例用例包括“在线购买，到店提货”（BOPIS），门店发货和微履行。物联网（IoT）、云计算和动态智能规划等技术的进步，使我们有能力去把握这些机遇。

　　企业加大了对智能自动化的投入，包括机器人技术和人工智能（AI），以及机器学习（ML）和规范性分析解决方案。如果企业想为一线员工提供深入的洞察，助力其实时开展行动，那么在2021年需要重点发展这些技术。

　　零售自动化（从商店到仓储运营和配送中心的整个供应链）的加速发展，背后的驱动力就是直接交付至消费者的需求，且按需交付方式的需求日益增长，使包裹运输公司在传统非高峰时段依然处于高峰运营状态。因此，企业迫切需要实现工作流程的自动化，以满足客户需求，同时提高效率和生产率。

　　在2021年，以下四大企业级技术趋势将持续发挥重要的影响力。

　　一、计算机和机器视觉

　　计算机视觉和机器视觉解决方案的发展将为各行各业的企业提供针对其物理环境更精确的描述。

　　基于计算机视觉系统收集的数据使解决方案能够以更广泛、更智能的方式，直观地解译和了解外界环境。例如，计算机视觉能够提供与人类能力相匹敌的识别能力，从而提高库存可视性，并简化销售点的结帐工作。与其他数据源结合使用时，可以使运营决策自动化，并帮助领导者更准确地实现业务可视化，从而助力其采取更有效的行动。

　　机器视觉是计算机视觉的子领域，其使用的是专注于检验分析和异常检测的视觉技术。这种技术可以准确验证制造产品的质量和一致性，并具有高度可重复性。机器视觉在零部件生产线和装配检验的部署已有数十年的历史。然而，机器视觉中使用的传感器和计算技术迅速发展，功能日益强大，且更具成本效益，使得机器视觉能够覆盖更多应用程序，同时添加了增强功能，例如针对更复杂的应用程序检验的实时3D图像处理。

　　采用计算机和机器视觉的系统将在2021年持续推动自动化程度的提升。其具有捕获、处理、解译和指示操作的功能，能够帮助解决劳动密集型任务等迫切的难题。

　　二、智能自动化：包括人工智能（AI）和机器人技术

　　在消费级领域，AI已用于与Alexa和Siri等数字助理进行自然的语言交互。这些系统会不断学习，不仅学习如何更准确地识别语音，还有如何对含义、上下文和个人偏好进行解译。这种学习技术在企业中也很常见，许多公司正在使用AI来提高其工作流程、交付和客户体验。最终，AI能够提高推荐最佳校正行为的能力，这在零售、仓储、制造和医疗保健机构等有大量工作人员的动态环境中尤其重要。

　　其中很多技术趋势都在加快创新的步伐，并提高自动化产品的经济效益。计算机视觉、云、AI和低成本的边缘计算都在助力推动基于机器人技术的产品普及。许多企业已经并将持续投资于自动化，以更高的效率创造高质量，且具有一致性的产品。我们在很多垂直市场领域中还看到机器人与工作流程的交互。您可以考虑采用能够代替人工（或与人协同工作）、灵活部署的机器人解决方案。

　　预计到2021年，在运营的某些环节中，相较于专注实现工作流程的完全自动化，以混合的方式进行部署以扩充劳动力的做法将会显著增多。对设施进行彻底的改造，从人力驱动型工作流程转变为全面自动化的构想得到了广泛的关注，但不可操之过急。我们将在一段时间内持续看到混合型自动化的日益普及。这意味着同时雇用员工并采用机器人，或采用“cobot”（协作型机器人），而非在大多数工作流程中都完全替代人工。

　　三、零售和仓储自动化

　　向线上购物的转变在2020年取得了巨大的飞跃，推动了电子商务的增长。2020年成为了电子商务的拐点，现在预计它将占全球连锁零售总额的28％。反过来，这又加快了向在线商务过渡的时间，拉快了近三年，迫使零售商必须迅速做出调整，简化其商店、配送中心和物流工作流程，以提高生产效率。零售商在电子商务订单履行相关的盈利能力方面面临着挑战。

　　零售自动化是物理自动化和固定基础设施的结合，能够自动化可视性，例如射频识别（RFID）读取器、机架式摄像头和计算机视觉。

　　在仓储和供应链中，物理自动化、RFID和温度传感技术，再加上机器人技术的发展（包括与人交互和协作的协作型机器人），能够帮助订单履行中心完善电子商务的运营。集成温度智能2021年即将到来。企业在展望新的一年，评估如何更好地优化运营和加速增长时，也将面临一系列无法预料的情况。新冠肺炎疫情给各行各业的运营都造成不同程度的影响，并且这种影响在新的一年还将持续。然而，这也成为了加速关键技术发展的催化剂，这些关键技术能够帮助企业在新的一年及以后取得成功。集成新的技术解决方案来维持企业的运营和盈利能力，以及优化工作流程以应对持续的高峰需求和供应链突发事件的能力，这一直以来都是关键，且日后亦将如此。

　　疫情加速了一些长期趋势的发展，包括电子商务、自动化和供应链优化。一些示例用例包括“在线购买，到店提货”（BOPIS），门店发货和微履行。物联网（IoT）、云计算和动态智能规划等技术的进步，使我们有能力去把握这些机遇。

　　企业加大了对智能自动化的投入，包括机器人技术和人工智能（AI），以及机器学习（ML）和规范性分析解决方案。如果企业想为一线员工提供深入的洞察，助力其实时开展行动，那么在2021年需要重点发展这些技术。

　　零售自动化（从商店到仓储运营和配送中心的整个供应链）的加速发展，背后的驱动力就是直接交付至消费者的需求，且按需交付方式的需求日益增长，使包裹运输公司在传统非高峰时段依然处于高峰运营状态。因此，企业迫切需要实现工作流程的自动化，以满足客户需求，同时提高效率和生产率。

　　在2021年，以下四大企业级技术趋势将持续发挥重要的影响力。

　　一、计算机和机器视觉

　　计算机视觉和机器视觉解决方案的发展将为各行各业的企业提供针对其物理环境更精确的描述。

　　基于计算机视觉系统收集的数据使解决方案能够以更广泛、更智能的方式，直观地解译和了解外界环境。例如，计算机视觉能够提供与人类能力相匹敌的识别能力，从而提高库存可视性，并简化销售点的结帐工作。与其他数据源结合使用时，可以使运营决策自动化，并帮助领导者更准确地实现业务可视化，从而助力其采取更有效的行动。

　　机器视觉是计算机视觉的子领域，其使用的是专注于检验分析和异常检测的视觉技术。这种技术可以准确验证制造产品的质量和一致性，并具有高度可重复性。机器视觉在零部件生产线和装配检验的部署已有数十年的历史。然而，机器视觉中使用的传感器和计算技术迅速发展，功能日益强大，且更具成本效益，使得机器视觉能够覆盖更多应用程序，同时添加了增强功能，例如针对更复杂的应用程序检验的实时3D图像处理。

　　采用计算机和机器视觉的系统将在2021年持续推动自动化程度的提升。其具有捕获、处理、解译和指示操作的功能，能够帮助解决劳动密集型任务等迫切的难题。

　　二、智能自动化：包括人工智能（AI）和机器人技术

　　在消费级领域，AI已用于与Alexa和Siri等数字助理进行自然的语言交互。这些系统会不断学习，不仅学习如何更准确地识别语音，还有如何对含义、上下文和个人偏好进行解译。这种学习技术在企业中也很常见，许多公司正在使用AI来提高其工作流程、交付和客户体验。最终，AI能够提高推荐最佳校正行为的能力，这在零售、仓储、制造和医疗保健机构等有大量工作人员的动态环境中尤其重要。

　　其中很多技术趋势都在加快创新的步伐，并提高自动化产品的经济效益。计算机视觉、云、AI和低成本的边缘计算都在助力推动基于机器人技术的产品普及。许多企业已经并将持续投资于自动化，以更高的效率创造高质量，且具有一致性的产品。我们在很多垂直市场领域中还看到机器人与工作流程的交互。您可以考虑采用能够代替人工（或与人协同工作）、灵活部署的机器人解决方案。

　　预计到2021年，在运营的某些环节中，相较于专注实现工作流程的完全自动化，以混合的方式进行部署以扩充劳动力的做法将会显著增多。对设施进行彻底的改造，从人力驱动型工作流程转变为全面自动化的构想得到了广泛的关注，但不可操之过急。我们将在一段时间内持续看到混合型自动化的日益普及。这意味着同时雇用员工并采用机器人，或采用“cobot”（协作型机器人），而非在大多数工作流程中都完全替代人工。

　　三、零售和仓储自动化

　　向线上购物的转变在2020年取得了巨大的飞跃，推动了电子商务的增长。2020年成为了电子商务的拐点，现在预计它将占全球连锁零售总额的28％。反过来，这又加快了向在线商务过渡的时间，拉快了近三年，迫使零售商必须迅速做出调整，简化其商店、配送中心和物流工作流程，以提高生产效率。零售商在电子商务订单履行相关的盈利能力方面面临着挑战。

　　零售自动化是物理自动化和固定基础设施的结合，能够自动化可视性，例如射频识别（RFID）读取器、机架式摄像头和计算机视觉。

　　在仓储和供应链中，物理自动化、RFID和温度传感技术，再加上机器人技术的发展（包括与人交互和协作的协作型机器人），能够帮助订单履行中心完善电子商务的运营。集成温度智能解决方案（例如斑马技术的Heatmarker和Freezemarker）能够显示疫苗或药物是否已暴露在可能影响其功效或安全性的潜在危险条件下。

　　四、数据和规范性分析

　　对于更高可视性和有效智能规划的需求变得越来越迫切。数据是无价的资产，只有基于数据在正确的时间对于适当的人采取相应的行动，以驱动成果的改善，才能释放数据的力量。

　　通过获取近乎实时的数据来应用规范性分析解决方案，能够提高效能，进而开展更稳妥的行动。具备分析能力的企业通常会根据历史数据开展运营并进行优化。但随着新的流数据源的引入并注入可推动实时行动和结果的预测模型，挑战也随之而来。

　　从人工、库存到订单履行，智能规划解决方案和规范性分析在应对重要的管理问题方面发挥着作用，并为当今的“新常态”提供了更有效的运营方式。围绕当下的实况进行规划，并利用这些数据实时预测新业务和运营决策的能力将成为企业的需求，其重要性在2021年还将继续提升。将客户数据和库存数据与其他外部资源相结合，将使企业能够更新自身的规划，以适应实时趋势，这对于寻求从被动转向主动的创新型公司而言是一大关键要素。

　　在我们所处的行业中，对更高可视性的需求正在推动智能规划、自动化和规范性分析的发展。鉴于当前不断变化的全球形势，在零售、运输与物流（T&L）、制造和医疗保健领域，更敏捷的执行能力已变得至关重要。在人工、库存和订单履行规划方面，智能自动化将扮演重要的角色。解决方案（例如斑马技术的Heatmarker和Freezemarker）能够显示疫苗或药物是否已暴露在可能影响其功效或安全性的潜在危险条件下。

　　四、数据和规范性分析

　　对于更高可视性和有效智能规划的需求变得越来越迫切。数据是无价的资产，只有基于数据在正确的时间对于适当的人采取相应的行动，以驱动成果的改善，才能释放数据的力量。

　　通过获取近乎实时的数据来应用规范性分析解决方案，能够提高效能，进而开展更稳妥的行动。具备分析能力的企业通常会根据历史数据开展运营并进行优化。但随着新的流数据源的引入并注入可推动实时行动和结果的预测模型，挑战也随之而来。

　　从人工、库存到订单履行，智能规划解决方案和规范性分析在应对重要的管理问题方面发挥着作用，并为当今的“新常态”提供了更有效的运营方式。围绕当下的实况进行规划，并利用这些数据实时预测新业务和运营决策的能力将成为企业的需求，其重要性在2021年还将继续提升。将客户数据和库存数据与其他外部资源相结合，将使企业能够更新自身的规划，以适应实时趋势，这对于寻求从被动转向主动的创新型公司而言是一大关键要素。

　　在我们所处的行业中，对更高可视性的需求正在推动智能规划、自动化和规范性分析的发展。鉴于当前不断变化的全球形势，在零售、运输与物流（T&L）、制造和医疗保健领域，更敏捷的执行能力已变得至关重要。在人工、库存和订单履行规划方面，智能自动化将扮演重要的角色。