近日,顺丰科技推出“丰知”物流决策大模型,主流物流玩家的大模型相继亮相,后续市场或迎来物流大模型竞争大赛。
截至目前,顺丰、京东物流、菜鸟、中远海运、百度地图、货拉拉、福佑卡车、快递100等业内不同细分赛道的企业大模型已经应用,这些大模型都有什么特点?对于未来物流发展有怎样的影响?没有大模型是否就丧失未来竞争资格呢?
1、顺丰“丰知”专注物流决策
先看最新发布的顺丰科技自主研发的“丰知”物流决策大模型,这个大模型主要应用于物流供应链的智能化分析、销量预测、运输路线优化与包装优化等决策领域。
比如在客户销量出现波动时,迅速响应,精准告知客户问题原因,为管理者提供直观、全面的决策依据,助力其精准选择合适的策略,应对市场变化。
相比市场上的决策大模型,“丰知”的最大突破是在保证预测结果准确性的基础上,大幅削弱了对于资源成本的需求门槛。以某一实践案例为例,其服务器资源需求降低,运行时间效率提升了120倍,预测准确率提升了5%。
2、京东物流“超脑”应用交互、分析、决策
2023年7月的时候京东物流就发布了基于大模型的数智化供应链产品“京东物流超脑”,主要为实现对供应链全局的优化。
主要应用场景有三个:交互、分析和决策。
交互上,主要应用于仓储布局优化,快速生成三维可视化方案,并进行局部调整。这种能力使得仓储布局更加合理,提高了仓储效率。
分析上,主要应用在运营异常改善,在运营异常时,能够提供改善性建议,帮助用户快速发现并解决问题,降低了运营风险。
决策上,主要应用在供应链计划辅助决策,帮助用户制定更科学的供应链计划,提高供应链的灵活性和响应速度。
技术突破上,一个数字孪生技术结合;另一个是支持多模态交互,能够理解和生成物流场景中的多种数据形式,包括文本、图像、视频等。这种能力使得用户可以更直观地与系统进行交互,提高了操作效率和准确性。
3、菜鸟“天机π”辅助决策
菜鸟的“天机π”诞生的更早一些,在2023年6月菜鸟发布基于大模型的数字供应链产品“天机π”,能够辅助决策,在销量预测、补货计划和库存健康等领域实现提质增效。
主要有两大场景应用。第一是能够在销量预测、补货计划和库存健康等领域实现精准预测和优化。第二是能够处理和分析海量的物流数据,从中提取有价值的信息,为决策提供数据支持。
据悉菜鸟大模型已经在快消零售、工业制造、汽车等多个行业得到应用;同时针对不同行业还能提供定制化服务,满足客户的个性化需求。
技术突破上,菜鸟的大模型率先将先进的算法与大模型技术结合,使得处理复杂问题时更为得心应手;此外,随着技术进步和数据累积,菜鸟大模型可以持续进行迭代优化。
4、中远海运“Hi-Dolphin”国内首个航运大模型
今年7月左右,中远海运科技创新性推出了国内首个航运领域大模型Hi-Dolphin。
Hi-Dolphin有四大功能——航运知识、航运数据、运力预测、智能应用,全方位服务于航运业的各个环节。具体来讲,就是具备丰富的航运知识问答功能,能调用海量航运数据为决策者提供有力支持,还能以深度思考进行预测任务,助力企业和个人在复杂的航运市场中做出决策。
Hi-Dolphin是国内首个航运领域大模型,业内对其有高度评价和期望。
5、货拉拉货运无忧大模型走向轻量化、场景化
今年4月,货拉拉的货运无忧大模型对外发布了,与完全专注于货运的想象不同,货拉拉的大模型包含了货运、邀约、客服、数据分析、HR办公等多个业务领域。
这个大模型主要有两大特点,第一轻量化,在垂直领域内构建了一个更加复杂的模型结构,以提升领域内的预测精度,但整体上保持轻量,以便效率更集中、更便捷。
第二,场景化。比如在客服、邀约场景中,货拉拉打造了基于任务型对话的AI机器人,实现全链路自动闭环;而在办公场景中,货拉拉打造HR智能问答助手,应用AI智能招聘,成本降低近90%。在用户侧,货拉拉于app上线了“选车助手”,帮助用户根据货物智能匹配车型;在司机侧则上线了违禁品识别功能,最快1秒就能识别出违禁物品,未来还将在司机侧实现订单管理功能,可以智能提醒司机哪里有货,哪里单多,帮助司机提高接单抢单效率。此外,货拉拉技术团队还在持续推进虚拟数字人的研发,未来有望应用于校招宣传、客服培训、产品答疑介绍等各业务场景中。
优势上主要是数据优势。因为长期运营积累了高质量的海量本地货运数据,这些数据为模型的训练和优化提供了丰富的数据源。通过不断学习和优化,模型能够更准确地理解货运行业的复杂性和不确定性。
6、百度地图物流大模型应用于物流地址解析、物流调度决策
2023年9月,百度地图基于百度领先的大模型技术能力,结合物流行业场景特点,正式推出物流大模型 Beta版。
主要应用于物流地址解析、物流调度决策。
物流地址解析上,针对物流场景中高频使用的收发货地址信息,物流大模型能够快速、准确地进行标准化识别,提取结构化数据,并进行纠错、补全等操作,提升运单分单、履约配送等环节的质量和效率。
物流调度决策上,将调度决策问题抽象为序列推理问题,利用大模型在序列模型上的优异性能,推出物流行业调度决策大模型,帮助物流企业优化车辆调度、配载装箱等环节,降低物流成本,提高运营效率。
其最大的特色是复杂地址处理和智能调度上。一方面物流大模型能够处理长文本、不规则文本等复杂地址信息,相比传统地址解析模型,其识别理解的准确率有大幅提升;另一方面,能够结合百度地图的智能调度和智能配载功能,在分钟级内运算出满足多项约束条件及业务需求的运输方案,提升调度效率和装载率。
7、G7易流基于字节跳动豆包大模型推出“智能接单”产品
G7易流与火山引擎合作,基于字节跳动豆包大模型推出了“智能接单”产品。这是物流行业首款基于大模型技术的智能助手,它已经被集成到 G7 易流自主研发的运输管理系统“财运通”中。
据悉,这款产品通过智能化手段实现了订单格式的快速统一对接,显著提高了接单效率。据数据显示,接单时间从原先的2小时缩短至30分钟,效率提升了高达75%。
主要应用场景包括货主系统增强、Excel数据导入、微信群接单机器人/司机扫码接单、智能录单助手等。目前应用于化工制品、日用百货、食品饮料等行业,还深入煤炭化工等领域。
技术特点上,G7易流将大模型技术与自身的IoT设备和SaaS服务深度融合,形成了软硬一体的解决方案。因此在系统的整体性能和稳定性上有优势。
8、福佑卡车与腾讯打造首个数字货运大模型
2023年10月,腾讯智慧交通与福佑卡车达成战略合作,联合共创行业首个数字货运大模型。
主要应用于三个场景。
一是OCR智能识别,能够智能识别与自动处理物流货运证件和各类回单。其OCR准确率相比传统模型提升显著,图片信息匹配综合识别准确率达到95%以上,图片字段识别准确率达到99%。
二是智能客服,通过高质量的行业垂直语料进行持续系统训练,使通用智能客服机器人转变为行业客服专家,提供高效、智能且人性化的服务体验。
三是运营分析,能为货运物流需求预测和市场趋势分析提供支持,辅助“福佑大脑”智能中台做出更明智的决策。
9、快递100“AI寄快递”快递行业首个大模型商业化应用
2024年4月,快递100发布了融合百度智能云千帆大模型平台的“AI寄快递”,这是快递物流行业首个大模型AI原生商业化应用。
主要应用场景有两个。一个是寄快递场景,用户可以通过“一句话寄快递”或“随手拍寄快递”的方式,快速完成寄件操作。AI能够理解用户寄件意图,自动生成寄件单,并智能匹配适合的快递公司。另一个是查快递与管快递场景,用户可以通过自然语言对话式交互轻松完成快递查询和管理,享受到极致的使用体验。
其比较大的特色是融合了用户反馈,通过收集和分析用户意见不断改进产品和服务。
10、壹沓科技“运小沓Cuber”开启供应链人机协作新时代
2024年7月,壹沓科技重磅发布运小沓Cuber数字员工3.0,这是基于供应链大模型的数字员工超自动化解决方案。
从2020年运小沓1.0开始单场景自动化,到2022年运小沓2.0跨场景自动化串联,再到运小沓3.0构建的基于大模型的Agent自动化操作入口。壹沓科技的供应链大模型主要应用于全局超自动化,围绕供应链上下游业务场景,涵盖上游大型制造货主、中间物流配送、下游零售客户,实现从营销获客、采销管理、仓储物流、拖车报关、履约执行到财务结算的全局超自动化。
技术优势上,壹沓科技供应链大模型实现了多平台整合,包含数字员工平台、运价平台、AI单证识别平台、物流可视化平台、舱单平台、RPA机器人Store、RPA开发平台、订舱平台等全球领先的供应链超自动化产品,实现全面整合。
目前,资生堂、周大生、周六福、倍轻松、光明乳业、雅戈尔、七匹狼等都已经是壹沓科技的客户。
科技的力量毋庸置疑。过去的十几年,中国物流行业的迅猛发展印证了数字化、智能化对于这个传统行业的力量之强。以崛起最为迅速、最为亮眼的快递行业为例,根据国家邮政局统计,过去14年,从2009年的18.6亿件快递增长到了2023年的1320.7亿件,因为云计算、AI、大数据等技术的赋能,实现了智能化仓储管理、实时追踪包裹动态、智能客服解决方案、干线物流优化等诸多环节的创新,而这个过程中不仅没有造成供应链拥堵,还实现了快递交付从周到天,交付成本还降低了,单价价格低2/3。
因此,AI大模型的诞生与兴起更让物流行业内兴奋,这意味着在原有的基础上,大模型有望助推物流供应链进一步释放效率潜能。上海海事大学原校长、中国物流与采购联合会副会长黄有方就认为,“通过应用大模型技术,物流企业可以实现更精准的需求预测、提高运作效率、增强供应链的透明度和可追溯性”。
在这样的预期之下,顺丰、京东物流、菜鸟、中远海运、百度地图、货拉拉、G7易流等纷纷扎入了物流大模型赛道,期望抢先一步吃到第一块蛋糕。
根据罗戈研究的报告观点,智能化应用,从早期依托智能算法技术的RAP、自动化控制,伴随流程编排等技术的发展,延伸至智能流程管理与决策,并在2022-2023年随着生成式AI、数字孪生等技术的发展,推动物流领域真正意义上开始迈进数实相融的智能化大门,带来行业创新变革的想象空间。
相比传统的供应链,罗戈研究认为,生成式人工智能驱动的供应链,拥有更强的主动性,即可以在供应链需求变化之前提前预测,主动适应转变;拥有更强的动态优化能力,通过动态学习适应新数据,实时优化;拥有主动的洞察力,可以自动生成洞察力,更快、更准确地处理大量数据;拥有定制策略能力,可以针对不同的供应链特性和挑战,定制个性化策略。
但当下,大模型问题也是明显的。
首先应用与价值问题。不少企业是冲着大模型而大模型的,在落地应用、场景结合、核心价值、优化迭代上并没有做好,因此就出现了大模型是做完了,但却不知道该如何让大模型介入业务,也不知道该如何优化业务需求。
这就产生了第二个问题价值无法变现,很多大模型没有找到前端真正创造产业价值、能够变现的这条路。京东集团技术委员会主席,京东云事业部总裁曹鹏说:“所以没有办法衡量大模型到底有什么价值,能够值多少钱。”那投入了没回报怎么办?打价格战!最明显的是今年5月,头部大模型们大降价。
此外,如何保护数据的隐私性、机密性和安全性,包括地址、联系方式、货物信息等。还有输出结果可信性不足、稳定性不强的问题。
不过对于像物流这样的垂直大模型,目前仍是起步阶段,还需要巨大的计算资源和存储空间来进行训练和部署,其中必然要耗费大量的人力、物力和财力。但可以肯定的一点是,谁率先在物流这个场景中推出一个安全可信、稳定性高又能有效落地应用的大模型,谁就能拿下最大那块红利。
人工智能深度学习简史(1956~2024)
1318 阅读年营收643亿,净利88亿,航空货运三巨头业绩出炉
1285 阅读2025 LOG低碳供应链物流 杰出贡献奖
1232 阅读2025 LOG 低碳供应链物流 数智化优秀服务商
1173 阅读2025高考试卷正在发往全国各地,中国邮政承担押运任务
1141 阅读老牌跨境物流企业爆雷,资金链断裂
1055 阅读2025 LOG低碳供应链物流 杰出贡献奖
987 阅读买还是租,物流企业持有新能源车的最佳姿势
932 阅读2025 LOG低碳供应链物流 最具影响力品牌商
919 阅读2025 LOG低碳供应链物流 杰出贡献奖
933 阅读