物流大模型之战即将到来：顺丰、京东物流、菜鸟、中远海运、货拉拉、G7易流……谁家大模型更有潜力？

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？

物流大模型扎堆

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。

物流供应链正在走进真正的数智化

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。

大模型落地应用和成本回收仍困扰

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。