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，后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應用，這些大模型都有什么特點？對于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？

物流大模型扎堆

1、順豐“豐知”專注物流決策

先看最新發布的順豐科技自主研發的“豐知”物流決策大模型，這個大模型主要應用于物流供應鏈的智能化分析、銷量預測、運輸路線優化與包裝優化等決策領域。

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，大幅削弱了對于資源成本的需求門檻。以某一實踐案例為例，其服務器資源需求降低，運行時間效率提升了120倍，預測準確率提升了5%。

2、京東物流“超腦”應用交互、分析、決策

2023年7月的時候京東物流就發布了基于大模型的數智化供應鏈產品“京東物流超腦”，主要為實現對供應鏈全局的優化。

主要應用場景有三個：交互、分析和決策。

交互上，主要應用于倉儲布局優化，快速生成三維可視化方案，并進行局部調整。這種能力使得倉儲布局更加合理，提高了倉儲效率。

分析上，主要應用在運營異常改善，在運營異常時，能夠提供改善性建議，幫助用戶快速發現并解決問題，降低了運營風險。

決策上，主要應用在供應鏈計劃輔助決策，幫助用戶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，一個數字孿生技術結合；另一個是支持多模態交互，能夠理解和生成物流場景中的多種數據形式，包括文本、圖像、視頻等。這種能力使得用戶可以更直觀地與系統進行交互，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月菜鳥發布基于大模型的數字供應鏈產品“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現提質增效。

主要有兩大場景應用。第一是能夠在銷量預測、補貨計劃和庫存健康等領域實現精準預測和優化。第二是能夠處理和分析海量的物流數據，從中提取有價值的信息，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應用；同時針對不同行業還能提供定制化服務，滿足客戶的個性化需求。

技術突破上，菜鳥的大模型率先將先進的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迭代優化。

4、中遠海運“Hi-Dolphin”國內首個航運大模型

今年7月左右，中遠海運科技創新性推出了國內首個航運領域大模型Hi-Dolphin。

Hi-Dolphin有四大功能——航運知識、航運數據、運力預測、智能應用，全方位服務于航運業的各個環節。具體來講，就是具備豐富的航運知識問答功能，能調用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是國內首個航運領域大模型，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發布了，與完全專注于貨運的想象不同，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，貨拉拉打造了基于任務型對話的AI機器人，實現全鏈路自動閉環；而在辦公場景中，貨拉拉打造HR智能問答助手，應用AI智能招聘，成本降低近90%。在用戶側，貨拉拉于app上線了“選車助手”，幫助用戶根據貨物智能匹配車型；在司機側則上線了違禁品識別功能，最快1秒就能識別出違禁物品，未來還將在司機側實現訂單管理功能，可以智能提醒司機哪里有貨，哪里單多，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字人的研發，未來有望應用于校招宣傳、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。因為長期運營積累了高質量的海量本地貨運數據，這些數據為模型的訓練和優化提供了豐富的數據源。通過不斷學習和優化，模型能夠更準確地理解貨運行業的復雜性和不確定性。

6、百度地圖物流大模型應用于物流地址解析、物流調度決策

2023年9月，百度地圖基于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。

主要應用于物流地址解析、物流調度決策。

物流地址解析上，針對物流場景中高頻使用的收發貨地址信息，物流大模型能夠快速、準確地進行標準化識別，提取結構化數據，并進行糾錯、補全等操作，提升運單分單、履約配送等環節的質量和效率。

物流調度決策上，將調度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性能，推出物流行業調度決策大模型，幫助物流企業優化車輛調度、配載裝箱等環節，降低物流成本，提高運營效率。

其最大的特色是復雜地址處理和智能調度上。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信息，相比傳統地址解析模型，其識別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能調度和智能配載功能，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，提升調度效率和裝載率。

7、G7易流基于字節跳動豆包大模型推出“智能接單”產品

G7易流與火山引擎合作，基于字節跳動豆包大模型推出了“智能接單”產品。這是物流行業首款基于大模型技術的智能助手，它已經被集成到 G7 易流自主研發的運輸管理系統“財運通”中。

據悉，這款產品通過智能化手段實現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%。

主要應用場景包括貨主系統增強、Excel數據導入、微信群接單機器人/司機掃碼接單、智能錄單助手等。目前應用于化工制品、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設備和SaaS服務深度融合，形成了軟硬一體的解決方案。因此在系統的整體性能和穩定性上有優勢。

8、福佑卡車與騰訊打造首個數字貨運大模型

2023年10月，騰訊智慧交通與福佑卡車達成戰略合作，聯合共創行業首個數字貨運大模型。

主要應用于三個場景。

一是OCR智能識別，能夠智能識別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，圖片信息匹配綜合識別準確率達到95%以上，圖片字段識別準確率達到99%。

二是智能客服，通過高質量的行業垂直語料進行持續系統訓練，使通用智能客服機器人轉變為行業客服專家，提供高效、智能且人性化的服務體驗。

三是運營分析，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”智能中臺做出更明智的決策。

9、快遞100“AI寄快遞”快遞行業首個大模型商業化應用

2024年4月，快遞100發布了融合百度智能云千帆大模型平臺的“AI寄快遞”，這是快遞物流行業首個大模型AI原生商業化應用。

主要應用場景有兩個。一個是寄快遞場景，用戶可以通過“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能夠理解用戶寄件意圖，自動生成寄件單，并智能匹配適合的快遞公司。另一個是查快遞與管快遞場景，用戶可以通過自然語言對話式交互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用戶反饋，通過收集和分析用戶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，壹沓科技重磅發布運小沓Cuber數字員工3.0，這是基于供應鏈大模型的數字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構建的基于大模型的Agent自動化操作入口。壹沓科技的供應鏈大模型主要應用于全局超自動化，圍繞供應鏈上下游業務場景，涵蓋上游大型制造貨主、中間物流配送、下游零售客戶，實現從營銷獲客、采銷管理、倉儲物流、拖車報關、履約執行到財務結算的全局超自動化。

技術優勢上，壹沓科技供應鏈大模型實現了多平臺整合，包含數字員工平臺、運價平臺、AI單證識別平臺、物流可視化平臺、艙單平臺、RPA機器人Store、RPA開發平臺、訂艙平臺等全球領先的供應鏈超自動化產品，實現全面整合。

目前，資生堂、周大生、周六福、倍輕松、光明乳業、雅戈爾、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字化、智能化對于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，因為云計算、AI、大數據等技術的賦能，實現了智能化倉儲管理、實時追蹤包裹動態、智能客服解決方案、干線物流優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，還實現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，“通過應用大模型技術，物流企業可以實現更精準的需求預測、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易流等紛紛扎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，智能化應用，從早期依托智能算法技術的RAP、自動化控制，伴隨流程編排等技術的發展，延伸至智能流程管理與決策，并在2022-2023年隨著生成式AI、數字孿生等技術的發展，推動物流領域真正意義上開始邁進數實相融的智能化大門，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，生成式人工智能驅動的供應鏈，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；擁有更強的動態優化能力，通過動態學習適應新數據，實時優化；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；擁有定制策略能力，可以針對不同的供應鏈特性和挑戰，定制個性化策略。

大模型落地應用和成本回收仍困擾

但當下，大模型問題也是明顯的。

首先應用與價值問題。不少企業是沖著大模型而大模型的，在落地應用、場景結合、核心價值、優化迭代上并沒有做好，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，也不知道該如何優化業務需求。

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，京東云事業部總裁曹鵬說：“所以沒有辦法衡量大模型到底有什么價值，能夠值多少錢。”那投入了沒回報怎么辦？打價格戰！最明顯的是今年5月，頭部大模型們大降價。

此外，如何保護數據的隱私性、機密性和安全性，包括地址、聯系方式、貨物信息等。還有輸出結果可信性不足、穩定性不強的問題。

不過對于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存儲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應用的大模型，誰就能拿下最大那塊紅利。