高阶数字化的2024，物流巨变

12月28日，由罗戈网主办的2023第六届中国供应链与物流科技创新企业年会在上海举办。‍

会上由罗戈研究院长潘永刚主持，顺丰科技AIoT领域副总裁宋翔、咪啰信息科技公司联合创始人&上海海事大学教授丁一、壹沓科技合伙人&副总裁陆玥、运匠科技创始人兼CEO陈伟围绕“人工智能与数字孪生在供应链物流应用现状及未来空间”的主题展开了深度的探讨，大家一致认为，科技改变物流，物流改变生活，要拥抱未来技术的变革，对物流智慧化的建设充满信心。

（以下内容根据罗戈网“2023第六届中国供应链与物流科技创新企业年会”内容整理，略有删减。）

人工智能和数字孪生现状分析

潘永刚：在讨论环节，我们聚焦“人工智能和数字孪生在供应链物流领域的应用现状以及发展空间”。在服务客户、做业务的过程中，无论是对人工智能、数字孪生、大模型还是AIGC、低代码平台，这些都可能延伸到供应链物流领域，跟人工智能相关最为前沿的一些观点。请几位嘉宾就这个领域的应用现状，从自身角度分析，未来发展上有哪些应用空间。    

宋翔：放在物流供应链行业里看，除了数字孪生以外，人工智能是智慧物流发展里非常重要的一个组成部分。供应链运营的角度有一个非常天然的诉求，这个诉求几十年前就已经存在了，我们要去优化运营，这里面存在着预测、规划、调度需求。这件事对运力资源、人员、设备、场地都是一样，我们要去预测需求在哪里、有多少，我们匹配什么样的资源。这个规划可能是月级、周级、天级的，但是到执行那天一定会有一些变化，这就是调度。这是个共性的话题，这也是人工智能发展中首要解决的问题。

第二部分，我们针对整个环境里大量的非结构化数据的智能化理解和生成。这类总结起来，包括图片、视频、文字、语音以及它们的复合形态，在业务中是广泛存在的，不管是监控、车载的画面，还是手机应用的小程序、打的电话、拍的视频/图片，这些非结构化数据如何能够自动化地用AI去理解，如何用AI去生成，包括今年的大模型出来之后，这是非常重要的一部分。

第三部分就是机器人。过去5-10年的时间，国产物流自动化充沛，是这个行业发展的黄金时期。自动化的话题在我们这个行业里是永恒的，过去几年的AGV，包括最近几年非常关注的人形机器人，都是解决降低人力投入的途径，通过机器的方式缓解劳动力人口持续减少的问题。这是我们非常重要的战场，不管是顺丰还是行业内的同行，我们必然会有一个共识，人工智能是非常重要的。

丁一：我们怎么样定义数字孪生？如果对这个技术定义不清的话，一方面可能会高估这个技术所创造的价值，另一方面也可能会过于看低这个技术所创造的价值。我们团队认为数字孪生其实很好理解，不要认为好像一下子它能解决所有的问题，数字孪生是一个容器或载体，像是其他一系列技术的一个载体，包括大数据、AI，它是作为载体存在的一种技术。作为载体，数字孪生又可以有很多分类，我比较熟悉的还是港航物流领域，在我们这个领域有多种多样的数字孪生，当然有些数字孪生要打引号。我说一下我们理解的分类，这些分类的数字孪生产品或多或少在物流行业都能见到。              

首先是打引号的数字孪生，这种数字孪生并不是真正意义上的数字孪生。它实际上是针对某个生产业务场景建了一个模，在这个模型上附了一些看板和指标数据，这种数字孪生只是对以前数据看板的一种美化和升级。        

第二种数字孪生是真正的数字孪生，但是它和实际场景是单向的实时映射，像影子一样，它是替代过去的监控系统，这样的数字孪生也应用很广泛。           

第三种数字孪生，我们把它叫做决策用数字孪生，这种数字孪生并不一定要实时的数据，它会基于历史上大量的数据，通过历史数据的重演。以港口为例，在港口设计初期，它就可以规划一个港口，怎么样去建设，对未来进行预估。这样的数字孪生其实已经有很大的意义了。

最后一种数字孪生是严格意义上的数字孪生，就像顺丰做的工作，要把三方面结合起来。我们在港口行业同样也分为事前、事中、事后，我们把它叫做事中的孪生监控，还有事前的孪生决策，基于各种机器学习和AI算法进行拟真的决策，大学还基于科技部的国研发项目，打造一个基于数字孪生的算法，从港口计划到调度阶段的算法验证平台，可以极大加快各种算法的研发效率。然后是事后孪生，孪生本身就是大数据治理的工具和体现，通过这样的数据，我们可以积累大量的数据，然后去把这些数据整理以后反馈给我们决策用的智能算法。现在大概孪生有这样的分类，各种类型的孪生也在物流行业有很深度的应用。

陆玥：壹沓正在构建数字员工机器人，来实现业务超自动化。超自动化的概念也是Gartner提出来的，分成四个阶段，第一阶段叫业务自动化，后来叫流程自动化，把点串成线。下一个阶段是智能识别，比如使用OCR、机器学习、大语言模型、知识图谱等技术来实现多模态识别等等，最后是超自动化。因为壹沓具备了Gartner所提的超自动化里的多个技术，所以我们也被Gartner认为是中国领先的超自动化厂商。目前我们基于超自动化的理念，构建了基于大模型的供应链数字员工超自动化平台。

我们提供了哪些应用？

· 在数字人方面，我们既提供了开箱即用的固定场景数字机器人，比如查运配机器人、报关机器人。我们也提供了数字机器人的工具，我们还提供研发平台，比如说企业里的IT人员感兴趣，具备一定编程能力，他就可以很快速的利用数字机器人开发平台去搭建自己公司内部的数字机器人，而且可以实现多场景的任务分配。

· 在智能识别方面，在供应链和国际物流领域里涉及到的发票、合同、提单、运单、原产地证、卫生证等等，我们可以把原来的word、图片、pdf等非结构化数据转成结构化数据，可以提升业务的效率。除此之外，我们还构建了全球13家船公司14个平台的运价聚合，可以让大家很方便的像使用携程一样做全航线运价的一站式比较。

此外，我们还做了物流可视化平台。在全球化的背景下，不管是海运、铁运还是公路，供应链、货物处于哪个位置，它的状态怎么样，是否有延迟，我们都可以通过这个平台去做监控。         

今年我们自己也构筑了大模型的相应产品。差不多一个月之前，我们做了供应链领域里的数字员工机器人。我们提供了数字员工的专家团队，依托于大模型来构建。目前我们入选了Gartner的多个报告，包括AI上市企业指引，包括Gartner供应链的“魔力象限”，我们入选了2023大模型落地案例应用集。    

陈伟：物流数字化和运输是两个大的行业，差距比较大，这次来讲讲物流数字化领域的现状。AI目前的机会还不大，为什么这样判断？汽车发展本身要有成熟度，任何科技技术，从关注期到应用期，要考虑你是什么身份。你说我是AI的创业者，那你肯定要完全all in，你要大胆的想，摔倒就摔倒，本来就是用来摔倒的。如果你是像顺丰这样的应用企业，那你就要学习丰田，永远用成熟技术。

AI的底层算法说大了没意义，因为都是跟你没关系的事情。但是给大家一点希望，它还是在往前走，至少在垂直领域，比如在名片识别上。在自动驾驶上，有前进的可能性，到什么程度我不确定。可能上千人在研发，有大量的视频、激光雷达等，后面的算力是无穷无尽的。但企业里的这些数据质量是很差的，大家要醒一醒，我们也要面对现实，管理者的第一要务是面对自己的现实做决策，而不是完全活在梦想中。真正的领袖级可以讲梦想，到CEO级别就开始要基于现实决策了。

潘永刚：站在应用范畴上来讲，领先的所有科技应用是大公司、专业公司去做的，而且能率先享受到它带来的超额收益。但是这个领先是有阶段性的，过了你领先的这个阶段，很快进入成熟期，大家大规模都在使用，那就变成普惠的技术。那时，可能就像我们现在的数字化系统一样，它变成了你只要愿意做投入，那我就可以给你带来价值，就可以让你应用。

在这样的领先科技方面，我们用什么样的视角去观察它，既是要求顶天又要立地，既要站得高看得远，知道最前沿的发生了什么，又要站在地上，看这是不是我应该用的东西，我现在应该做什么，应该尝试什么，不同公司的差异很大。    

未来物流数字化领域有多大的发展空间？

陈伟：数字孪生就是数字化的高阶阶段，当你的数据量足够多、数据质量足够好，其实就是数字孪生。

原来可能是单聚集，后来到里程碑聚集，最后所有的环节都可视了，最后做成3D的。实际实践中，算法和呈现上已经有很多实际案例了，包括园区、仓库，我们仓库的研发投入也挺大的，仓库的功能已经超过运输功能了，仓库相对比较成熟，有3700多个功能点，运输反而只有3400多个功能点，总共有7000多个功能点。这些功能和数据就是为了做数字孪生的，最终在实战中，作业效率提高11%，户外运输提高了5%的准时率，整体来讲达到预期，投入不大，百万级的投入，加上自己的投入可能要上千万。在这样的投入情况下讲收益才有意义，因为企业还是要算账。

因为本身管理水平高、数据质量高，你才有可能做这些事，再往上做预测、做全供应链的，做数字孪生的一些探索，也是在不断的精进过程中。

从原来数字化的角度，一个环节一个环节的去处理，达到收益。当你全链条的质量做高了，我们从原材料到库存、门店、经销商，库存全部一盘货做完。供应链做到一盘货真正打通的也不多，你觉得已经排到很顶尖的位置了，在这个基础上做数字孪生是很有可能的。最终还是要讲销量，我的销量上升了，这非常关键，重点是库存要下降，越做越正反馈，越做越好，最后把全渠道打通。

我们现在正在做、未来也要做的是延展到更多地方，比如到门店、个人消费者，供应链连的越多越好。还要做全链条的方案，其实已经做了，有研发了继续投入，这样就是良性循环，而不是一直烧钱，烧不下去了。现在市场不好，大家都卷的要死，哪有那么多钱去投。供应链全部打通了以后，运输也好，仓储也好，订单也好，渠道也好，这些都好了，应该可以做更高级的事情，去做整体的解决方案。             

潘永刚：我们要更高阶的科技，实际上你要有更坚实的基础，只有基础打好，你才能够获得高新科技带给我们的价值。

对于未来，可能在应用的判断上还可以一些观点呈现出来。

陆玥：我感觉从技术角度最终是殊途同归的，我认为未来都会走到元宇宙的集大成概念里。我的主业还是做人工智能相关的事情，我们目前已经服务了国内差不多近千家各个口岸的头部供应链物流企业。

我讲一下我对未来的判断是什么，刚才在讲我们用的一些人工智能技术，不光是我们的客户在用，我们自己也在用，包括数字机器人，比如说我们内部的HR招聘，我们都是通过数字机器人去自动下载简历，跟数字人打招呼，去跟它建联，已经不完全是人在做了。

另外，我们内部推了基于大模型的数字员工，我们在自己企业内部开放了广泛应用，我们鼓励每个员工都去搭建自己的数字助手，这可以用于各种领域，你可以自己去培训，你可以去设数字员工的性格特点、说话风格、具备技能库/知识库，我们可以自己去训练，甚至你可以直接把网站地址加进去，机器人会自己去学习网站上的内容。

要实现比较高精度的时候，可能需要做一些指定的微调。比如说你的HR制度、行政、报销等各方面，现在都是员工自己去找对应的机器人去问，已经不是去找对应的人去问了，这是已经看到的未来，不是讲一些虚的，这完全是实际的应用。包括客户在用的，直接去查海运的价格、陆运的价格、货物的状态，现在都可以数字员工的平台去实现。我们之前说的系统设计都是给人使用去开发的，按照流程的固化、工作岗位设置不同界面，人登录这些界面去操作自己那部分的职责。

将来的系统是给机器人来使用的，不是个人使用的，所以我们现在所看到的界面，未来一定不是这个界面。大语言模型的出现，为什么大家都认为它是颠覆的，它可能带来一个直接后果，将来我们不管是上网、购物、业务操作，将来入口最极致的可能就是一个对话框，不管是输文字、导图片还是发语音，它通过识别来判断你的意图，来对应后面的系统，调用各种机器人去完成。这是颠覆的，这是我们目前能够看到的一个非常大的趋势。只不过时间多久，现在还比较难判断，但是我们现在已经在做这样的事情了。通过前台的搜索框，我们调动后面的机器人去做一件事情，这已经可以实现。

带来的一个是入口改变，一个是现有软件系统形态的改变，然后就是目前所有业务流程的颠覆。在新技术形态的驱动下，我们现有的工作流程一定也不是这样的，当然你现在带来的组织架构变化也是一样。

潘永刚：未来的世界像是一个平行世界，每个人都有自己的智能助手，你的生活、工作各个维度都帮你训练出来，帮你去做你该做的事情，那是一个复杂的网络，那个网络是机器人网络，人可以更多地被解放出来，去做你想做的事情，去做你更喜欢做的事情，那是值得让人憧憬的新时代。   

丁一：谈到未来，可以简短说几句我们这个行业的未来发展趋势。前段时间交通运输部下发了关于港航行业的智慧港口、智慧航道发展白皮书，规划到2030年。刚才各位嘉宾谈论的这些技术，基本上在这个白皮书里都是非常具体的有所展开。

为什么会有这样的要求？港航物流行业相对于仓储物流配送的大范围物流来说，港航物流相对比较封闭。这个行业过去的竞争可能是一种不完全竞争，现在的竞争其实也越来越白热化，港口行业过去的竞争从单个码头，不管码头多大，去考虑它的效率等等。现在变成了要为客户提供门到门的服务，总建立多式联运的集输运网络，甚至从国内网络一直延伸到比如上港在以色列投资建设海法，以及在希腊投资的港口。港口物流行业也越来越复杂了，我个人认为数字化、信息化依然是解决这些问题的最佳投资实践。如果我们要解决这些问题，我投入最小的方式还是通过数字化、智能化等去改变。    

谈到具体的技术，再回到数字孪生和人工智能。刚才我已经提到数字孪生，它本质上是一种容器，这个如果只是容器的话，它解决不了什么问题，它和人工智能、大数据融合，共同解决问题。提到人工智能，人工智能的发展可能也会有很多问题。据我自己的经验，我要把人工智能的阶段简单拆一下。比较现在用的非常好的识别名片，这种人工智能又叫做感知式人工智能，简单来说，比如说代替人的眼睛去识别。

同样的，在港口行业，海事大学的团队帮助很多港口去研发了基于机器视觉的智能理货和设备自动确认，我发觉这种人工智能推起来特别容易。为什么？原因是它取代的是终端的操作工人，操作场景又危险，人员流动又快。比较难推的人工智能其实就是下一步，我们把它叫做决策用人工智能，或者生成式人工智能。

为什么我们团队觉得数字孪生重要，正是因为现在人工智能不够成熟，所以我们目前非常需要数字孪生技术，因为我们需要一种可以和人更加直接高效的沟通方式，数字孪生就提供了这样的可能性，把大数据所得到的结果和人工智能的决策和结果非常直观地呈现给人看，只要有一点点业务经验的人一眼就看出来了，这是数字孪生非常重要的作用。

同时，通过数字孪生可以构建物流行业的数字化基建，到底是要信息化其他建设的非常好、数据治理做的非常好了才能做数字孪生，还是数字孪生和数据治理的其他信息系统一起做。我的观点是可以一起做，当然你也不能说我连以前最基本的MES系统都没有就要上数字孪生，那是假的数字孪生。有了最基本的系统以后，数字孪生可以作为数据治理的工具，我们在港口行业也是有实际经验的。    

比如我们之前给洋山港做数字孪生系统，根据信息系统背后的数据去还原一条船，结果发现这条船的烟囱有400米高，这个码头已经运转两年了，一直没有人发现，他们领导一看就开始骂人，相关的数据马上在数据孪生一呈现以后，有问题的数据就治理掉了。最近还在推港域的MES外集卡系统，我们的数据供应商和我们的客户说，我们外集卡的定位接口已经做到100%了，没有任何问题了。同样，我们把数字孪生一做好，把数据一接进来，发现有的外集卡飘到了静安寺的头顶上，那这叫做好了吗？数字孪生和大数据治理是相辅相成的过程。

最后和一开始提到的复杂网络建设相关，把数字孪生和人工智能作为一种数字化基建的手段，可以辅助我们的企业，包括港口物流和其他的物流行业，去更好地构建和一个复杂网络各个环节的数据和业务，这也是相关技术未来发展的趋势。

最后总结一句话，实际上我刚才说的这些都没太大用，那我为什么要这样说？包括数字孪生、人工智能这些数字化技术，本质上要对现有流程进行重构和再造，最终又回到管理人员手上，这些技术统统只是工具，如果管理上不发生任何变化，这些工具不可能发挥作用，希望大家可以拥抱这种变化。      

宋翔：我简明扼要的做一些展望，其实我想从人工智能和数字孪生结合的点来看，先看人工智能。大模型技术，相信大家都非常看好它的未来，本身大模型的核心解决了两个问题。第一，它是一个非常巨大的factor database。第二，它能做很强大的推理，基于知识的推理。这两个能力结合在一起，之前很多人工智能的智能化水平不够的问题都能够极大解决。但是我们并没有解决一个问题，面向未来，我们的大模型好像并没有超越人的智力水平。

我们未来怎么看这个事情？过去这几年有一个案例能证明人工智能可以超越人的智力水平。就是下围棋，阿尔法狗做到了这一点，怎么做到的？因为它有一个虚拟棋盘，它已经练了无数遍了，所以它能找到最优的打法。人工智能想要真正成为超越人的智能，必须要有好的训练环境，这个训练环境就是每个行业的数字孪生。当数字孪生最后建起来，人工智能就可能变得很智能、很强大，这在物流和供应链行业里至关重要，因为本身这个行业是复杂的虚拟决策，很多决定会影响下游，不管是下游行业还是企业，所以它更急需这么一个好的递增环境，或者类似于像围棋的棋盘，它如果足够真实，那很多环节的智能化水平就能够提升，我们对很多方向有非常好的信心，我们认为这个技术路线可以走向更光辉的未来。

潘永刚：总结几位展望的未来，我们要有好的管理认知，要从管理上意识到要拥抱未来，要去打造更好的数字基础，要去理解我的业务、流程、管理如何跟这些领先科技找到融合点，最终再实现我们的价值。

在这个过程当中，从技术逻辑上看，我们要有数字化，要能够实现数字孪生，在数字孪生的基础上帮我们构建了一个很好的虚拟厂、很好的容器，再去应用人工智能，既能够帮助我们改善现状，也帮我们不断寻找到优化的空间。

如何面对高阶数字化的未来？

最后，请用一句话给大家一些建议，因为不同企业处于不同的阶段，到底我们在人工智能和数字孪生应用上应该买还是应该自己建，要怎么用，从哪里开始。  

宋翔：科技改变物流，物流改变生活，我们对物流智慧化的建设充满信心。   

丁一：要拥抱未来技术的变革，也希望不管是行业专家还是技术专家，都能够投入到未来变革的过程中去。      

陆玥：拥抱新技术，携手共建。

陈伟：面对现实，基于现实，从供应链和物流的实际价值出发，做数字化积累，做到可持续的增长，当你积累了海量数据、高质量数据，有秒级联动上万用户的能力的情况下，更要时刻关注前沿的科技。       

潘永刚：感谢四位嘉宾！在讨论的环节中，大家应该也感受到了，我们通过这种碰撞真正能够认识到它的优势、劣势到底什么样，我们应该怎么样选择自己去做的方式。