Frost & Sullivan认为人工智能(AI)、自主运作机器、数字货运经销商与区块链将开启新的物流发展机会，下列将摘录其阐述自主运作机器对物流发展的影响。

一、自主运作机器

感应周遭环境、分析数据与动态采取后续行动的系统能力，能让自主运作透过业务流程提高商业运作效率。主要包含下列自主运作机器：

(一) 自主性机器人(Autonomous Robot)：主要是设计用来在非结构性的环境下运作，能在无人引导情况下，执行不同任务。工业4.0与智能工厂将驱动工厂与物流机器人市场的成长，估计全球工业物流机器人市场将从2017年的225亿美元，成长至2020年的310亿美元。

(二) 自主性商用车辆(Autonomous Commercial Vehicle)：自驾车能改善运输产业现今所面临的挑战，Frost & Sullivan认为2018-2025年主要影响自驾车发展的关键要素，包含法令架构、自驾车技术成本下降、车队与社会的接受度，以及自驾车技术的成熟度与可使用性。

(三) 自主性无人机(Autonomous Drone)：自主无人机可透过内嵌系统的软件控制飞行计划，并与GPS系统结合，已达到执行派送任务之目标。目前许多国家已订定无人机在商业应用的规范，包含英国、德国、法国、日本、韩国与新加坡等。

二、自主运作机器对运输与物流的关键趋势

(一) 短期：开发支持技术，如光达(LiDAR)与计算机视觉，以强化自主能力与改善精准度。

1.计算机视觉(Computer Vision)：几乎所有自主技术都靠视觉来理解周遭环境，利用图形处理器(GPU)与人工神经网络(ANN)强化的计算机视觉正颠覆机器的视觉理解力。DHL正研究如何利用计算机视觉以优化货车与飞机的装载流程，并透过包裹侦测来优化空间利用以改善堆栈。

2.光达(LiDAR)：固态光达(Solid-State Hybrid LiDAR, SH LiDAR)能加速3D数据采集，能在移动的同时取得图片，此技术已成熟，并逐渐可大量生产。Daimler的自主货车利用光达、雷达与摄影机提高量测距离的精准度至公厘，且每秒可量测1万次。

(二) 中期：劳动力将驱动大型工厂自动化与着重少量高技术性专业人士的劳动力优化。

1.人才与劳动力：研究显示，目前面临的劳动力短缺问题，将随着人口结构改变与特定专业领域缺乏诱因而更加恶化，例如美国卡车协会指出，目前的卡车司机缺口约在5万人左右。同时需要具备特殊技能使数字转型得以实现，未来将需要较少与具特定技术的专业人士，以更有效的方式执行任务，并删减单调的日常工作。

2.工业物联网(IIoT)平台：因对营运效率提升的重视，进而驱动商业物联网解决方案的需求，工业物联网平台的供货商将开发可整合更多技术的解决方案，包含边缘计算(edge computing)与机器学习，以强化数据驱动的应用能力。利用物联网的货运解决方案将能提高货运业10-15%的获利，超过50%的美国制造业有提供产品包装的工业物联网服务，且33%提供工业物联网商品即服务(product-as-a-service)的模式。

(三) 长期：智慧城市将能扩展其功能至自驾车，并建立一个整合且紧密的生态系统。

1.智慧城市：先进物联网与智慧基础设施能全方位执行数据驱动技术的平台，研究指出2017-2018年对基础设施的需求，将达14.5兆美元。智慧城市的特征，如5G链接、智能传感器网络、自动化建设、先进交通管理系统(Advanced Traffic Management System, ATMS)将建立内部链接网络，促使路线优化、获取实时性数据与有利于自主性设备发展的基础设施，估计智慧城市市场至2025年将达2.4兆美元。

2.认知分析汇集(convergence)：AI与机器学习的演进将提高自主运作机器之感测系统的复杂度。至2020年前，65%的分析市场将以预测与建议(predictive and prescriptive)分析的方式来维护、进行成本分析与自我学习。FANUCs与NVIDI合作，致力于改善全球机器人与工厂自动化的生产力。

三、物流与运输应用

(一) 室内机器人-协作式机器人(collaborative robot, Cobot)：DHL持续在仓库测试LocusBots的拣货能力，透过学习最有效率的路线，拣货效率较传统提高2-3倍，且正确度近乎100%，并能自动侦测不同工作者的语言与加速工作流程。协作式机器人的市场高达70亿美元，线已有越来越多的试验计划正在进行。

(二) 长途货运运输-半自动驾驶货车：特斯拉(Tesla)宣称Semi单次充电能行驶300-500英里，半小时内能完成80%充电，行驶每英里的耗电量仅不到2Kwh，并已接获UPS、DHL与 FedEX预购125台、10台与20台的订单。