近日，順豐科技推出「豐知」物流決策大模型，主流物流玩家的大模型相繼亮相，後續市場或迎來物流大模型競爭大賽。
截至目前，順豐、京東物流、菜鳥、中遠海運、百度地圖、貨拉拉、福佑卡車、快遞100等業內不同細分賽道的企業大模型已經套用，這些大模型都有什麽特點？對於未來物流發展有怎樣的影響？沒有大模型是否就喪失未來競爭資格呢？
物流大模型紮堆
1、順豐「豐知」專註物流決策
先看最新釋出的順豐科技自主研發的「豐知」物流決策大模型，這個大模型主要套用於物流供應鏈的智慧化分析、銷量預測、運輸路線最佳化與包裝最佳化等決策領域。
比如在客戶銷量出現波動時，迅速響應，精準告知客戶問題原因，為管理者提供直觀、全面的決策依據，助力其精準選擇合適的策略，應對市場變化。
相比市場上的決策大模型，「豐知」的最大突破是在保證預測結果準確性的基礎上，大幅削弱了對於資源成本的需求門檻。以某一實踐案例為例，其伺服器資源需求降低，執行時間效率提升了120倍，預測準確率提升了5%。
2、京東物流「超腦」套用互動、分析、決策
2023年7月的時候京東物流就釋出了基於大模型的數智化供應鏈產品「京東物流超腦」，主要為實作對供應鏈全域的最佳化。
主要套用場景有三個：互動、分析和決策。
互動上， 主要套用於倉儲布局最佳化，快速生成三維視覺化方案，並進行局部調整。這種能力使得倉儲布局更加合理，提高了倉儲效率。
分析上， 主要套用在營運異常改善，在營運異常時，能夠提供改善性建議，幫助使用者快速發現並解決問題，降低了營運風險。
決策上， 主要套用在供應鏈計劃輔助決策，幫助使用者制定更科學的供應鏈計劃，提高供應鏈的靈活性和響應速度。
技術突破上， 一個數位孿生技術結合；另一個是支持多模態互動，能夠理解和生成物流場景中的多種數據形式，包括文本、影像、視訊等。這種能力使得使用者可以更直觀地與系統進行互動，提高了操作效率和準確性。
3、菜鳥「天機π」輔助決策
菜鳥的「天機π」誕生的更早一些，在2023年6月菜鳥釋出基於大模型的數位供應鏈產品「天機π」，能夠輔助決策，在銷量預測、補貨計劃和庫存健康等領域實作提質增效。
主要有兩大場景套用。第一是能夠在銷量預測、補貨計劃和庫存 健康 等領域實作精準預測和最佳化。第二是能夠處理和分析海量的物流數據，從中提取有價值的資訊，為決策提供數據支持。
據悉菜鳥大模型已經在快消零售、工業制造、汽車等多個行業得到套用；同時針對不同行業還能提供客製化服務，滿足客戶的個人化需求。
技術突破上， 菜鳥的大模型率先將先進的演算法與大模型技術結合，使得處理復雜問題時更為得心應手；此外，隨著技術進步和數據累積，菜鳥大模型可以持續進行叠代最佳化。
4、中遠海運「Hi-Dolphin」國內第一個航運大模型
今年7月左右，中遠海運科技創新性推出了國內第一個航運領域大模型Hi-Dolphin。
Hi-Dolphin有四大功能—— 航運知識、航運數據、運力預測、智慧套用 ，全方位服務於航運業的各個環節。具體來講，就是具備豐富的航運知識問答功能，能呼叫海量航運數據為決策者提供有力支持，還能以深度思考進行預測任務，助力企業和個人在復雜的航運市場中做出決策。
Hi-Dolphin是國內第一個航運領域大模型，業內對其有高度評價和期望。
5、貨拉拉貨運無憂大模型走向輕量化、場景化
今年4月，貨拉拉的貨運無憂大模型對外釋出了，與完全專註於貨運的想象不同，貨拉拉的大模型包含了貨運、邀約、客服、數據分析、HR辦公等多個業務領域。
這個大模型主要有兩大特點，第一 輕量化 ，在垂直領域內構建了一個更加復雜的模型結構，以提升領域內的預測精度，但整體上保持輕量，以便效率更集中、更便捷。
第二， 場景化。 比如在客服、邀約場景中，貨拉拉打造了基於任務型對話的AI機器人，實作全鏈路自動閉環；而在辦公場景中，貨拉拉打造HR智慧問答助手，套用AI智慧招聘，成本降低近90%。在使用者側，貨拉拉於app上線了「選車助手」，幫助使用者根據貨物智慧匹配車型；在司機側則上線了違禁品辨識功能，最快1秒就能辨識出違禁物品，未來還將在司機側實作訂單管理功能，可以智慧提醒司機哪裏有貨，哪裏單多，幫助司機提高接單搶單效率。此外，貨拉拉技術團隊還在持續推進虛擬數位人的研發，未來有望套用於校招宣傳、客服培訓、產品答疑介紹等各業務場景中。
優勢上主要是數據優勢。因為長期營運積累了高品質的海量本地貨運數據，這些數據為模型的訓練和最佳化提供了豐富的資料來源。透過不斷學習和最佳化，模型能夠更準確地理解貨執行業的復雜性和不確定性。
6、百度地圖物流大模型套用於物流地址解析、物流排程決策
2023年9月，百度地圖基於百度領先的大模型技術能力，結合物流行業場景特點，正式推出物流大模型 Beta版。
主要套用於物流地址解析、物流排程決策。
物流地址解析上， 針對物流場景中高頻使用的收發貨地址資訊，物流大模型能夠快速、準確地進行標準化辨識，提取結構化數據，並進行糾錯、補全等操作，提升運單分單、履約配送等環節的品質和效率。
物流排程決策上， 將排程決策問題抽象為序列推理問題，利用大模型在序列模型上的優異效能，推出物流行業排程決策大模型，幫助物流企業最佳化車輛排程、配載裝箱等環節，降低物流成本，提高營運效率。
其最大的特色是復雜地址處理和智慧排程上。一方面物流大模型能夠處理長文本、不規則文本等復雜地址資訊，相比傳統地址解析模型，其辨識理解的準確率有大幅提升；另一方面，能夠結合百度地圖的智慧排程和智慧配載功能，在分鐘級內運算出滿足多項約束條件及業務需求的運輸方案，提升排程效率和裝載率。
7、G7易流基於字節跳動豆包大模型推出「智慧接單」產品
G7易流與火山引擎合作，基於字節跳動豆包大模型推出了「智慧接單」產品。這是物流行業首款基於大模型技術的智慧助手，它已經被整合到 G7 易流自主研發的運輸管理系統「財運通」中。
據悉，這款產品透過智慧化手段實作了訂單格式的快速統一對接，顯著提高了接單效率。據數據顯示，接單時間從原先的2小時縮短至30分鐘，效率提升了高達75%。
主要套用場景包括貨主系統增強、Excel數據匯入、微信群接單機器人/司機掃碼接單、智慧錄單助手等。目前套用於化工制品、日用百貨、食品飲料等行業，還深入煤炭化工等領域。
技術特點上，G7易流將大模型技術與自身的IoT裝置和SaaS服務深度融合，形成了軟硬一體的解決方案。因此在系統的整體效能和穩定性上有優勢。
8、福佑卡車與騰訊打造第一個數位貨運大模型
2023年10月，騰訊智慧交通與福佑卡車達成戰略合作，聯合共創行業第一個數位貨運大模型。
主要套用於三個場景。
一是OCR智慧辨識 ，能夠智慧辨識與自動處理物流貨運證件和各類回單。其OCR準確率相比傳統模型提升顯著，圖片資訊匹配綜合辨識準確率達到95%以上，圖片欄位辨識準確率達到99%。
二是智慧客服 ，透過高品質的行業垂直語料進行持續系統訓練，使通用智慧客服機器人轉變為行業客服專家，提供高效、智慧且人性化的服務體驗。
三是營運分析 ，能為貨運物流需求預測和市場趨勢分析提供支持，輔助「福佑大腦」智慧中台做出更明智的決策。
9、快遞100「AI寄快遞」快遞行業第一個大模型商業化套用
2024年4月，快遞100釋出了融合百度智慧雲千帆大模型平台的「AI寄快遞」，這是快遞物流行業第一個大模型AI原生商業化套用。
主要套用場景有兩個。一個是 寄快遞場景 ，使用者可以透過「一句話寄快遞」或「隨手拍寄快遞」的方式，快速完成寄件操作。AI能夠理解使用者寄件意圖，自動生成寄件單，並智慧匹配適合的快遞公司。另一個是 查快遞與管快遞場景 ，使用者可以透過自然語言對話式互動輕松完成快遞查詢和管理，享受到極致的使用體驗。
其比較大的特色是融合了使用者反饋，透過收集和分析使用者意見不斷改進產品和服務。
10、壹沓科技「運小沓Cuber」開啟供應鏈人機協作新時代
2024年7月，壹沓科技重磅釋出運小沓Cuber數位員工3.0，這是基於供應鏈大模型的數位員工超自動化解決方案。
從2020年運小沓1.0開始單場景自動化，到2022年運小沓2.0跨場景自動化串聯，再到運小沓3.0構建的基於大模型的Agent自動化操作入口。壹沓科技的供應鏈大模型主要套用於全域超自動化，圍繞供應鏈上下遊業務場景，涵蓋上遊大型制造貨主、中間物流配送、下遊零售客戶，實作從行銷獲客、采銷管理、倉儲物流、拖車報關、履約執行到財務結算的全域超自動化。
技術優勢上，壹沓科技供應鏈大模型實作了多平台整合，包含數位員工平台、運價平台、AI單證辨識平台、物流視覺化平台、艙單平台、RPA機器人Store、RPA開發平台、訂艙平台等全球領先的供應鏈超自動化產品，實作全面整合。
目前，資生堂、周大生、周六福、倍輕松、光明乳業、雅高爾、七匹狼等都已經是壹沓科技的客戶。
物流供應鏈正在走進真正的數智化
科技的力量毋庸置疑。過去的十幾年，中國物流行業的迅猛發展印證了數位化、智慧化對於這個傳統行業的力量之強。以崛起最為迅速、最為亮眼的快遞行業為例，根據國家郵政局統計，過去14年，從2009年的18.6億件快遞增長到了2023年的1320.7億件，因為雲端運算、AI、大數據等技術的賦能，實作了智慧化倉儲管理、即時追蹤包裹動態、智慧客服解決方案、幹線物流最佳化等諸多環節的創新，而這個過程中不僅沒有造成供應鏈擁堵，還實作了快遞交付從周到天，交付成本還降低了，單價價格低2/3。
因此，AI大模型的誕生與興起更讓物流行業內興奮，這意味著在原有的基礎上，大模型有望助推物流供應鏈進一步釋放效率潛能。上海海事大學原校長、中國物流與采購聯合會副會長黃有方就認為，「透過套用大模型技術，物流企業可以實作更精準的需求預測、提高運作效率、增強供應鏈的透明度和可追溯性」。
在這樣的預期之下，順豐、京東物流、菜鳥、中遠海運、百度地圖、貨拉拉、G7易流等紛紛紮入了物流大模型賽道，期望搶先一步吃到第一塊蛋糕。
根據羅戈研究的報告觀點，智慧化套用，從早期依托智慧演算法技術的RAP、自動化控制，伴隨流程編排等技術的發展，延伸至智慧流程管理與決策，並在2022-2023年隨著生成式AI、數位孿生等技術的發展，推動物流領域真正意義上開始邁進數實相融的智慧化大門，帶來行業創新變革的想象空間。
相比傳統的供應鏈，羅戈研究認為，生成式人工智慧驅動的供應鏈，擁有更強的主動性，即可以在供應鏈需求變化之前提前預測，主動適應轉變；擁有更強的動態最佳化能力，透過動態學習適應新數據，即時最佳化；擁有主動的洞察力，可以自動生成洞察力，更快、更準確地處理大量數據；擁有客製策略能力，可以針對不同的供應鏈特性和挑戰，客製個人化策略。
大模型落地套用和成本回收仍困擾
但當下，大模型問題也是明顯的。
首先 套用與價值問題 。不少企業是沖著大模型而大模型的，在落地套用、場景結合、核心價值、最佳化叠代上並沒有做好，因此就出現了大模型是做完了，但卻不知道該如何讓大模型介入業務，也不知道該如何最佳化業務需求。
這就產生了第二個問題 價值無法變現， 很多大模型沒有找到前端真正創造產業價值、能夠變現的這條路。京東集團技術委員會主席，京東雲事業部總裁曹鵬說：「所以沒有辦法衡量大模型到底有什麽價值，能夠值多少錢。」那投入了沒報酬怎麽辦？打價格戰！最明顯的是今年5月，頭部大模型們大降價。
此外，如何保護數據的私密性、機密性和安全性，包括地址、聯系方式、貨物資訊等。還有輸出結果可信性不足、穩定性不強的問題。
不過對於像物流這樣的垂直大模型，目前仍是起步階段，還需要巨大的計算資源和儲存空間來進行訓練和部署，其中必然要耗費大量的人力、物力和財力。但可以肯定的一點是，誰率先在物流這個場景中推出一個安全可信、穩定性高又能有效落地套用的大模型，誰就能拿下最大那塊紅利。
