上個月，中共中央辦公廳、國務(wù)院辦公廳印發(fā)了《有效降低全社會物流成本行動方案》。
該方案向業(yè)內(nèi)傳遞了一個明確共識：統(tǒng)籌推動物流成本實質(zhì)性下降，有效降低運輸成本、倉儲成本、管理成本。
*來源：中國政府網(wǎng)
一個疑問是，物流降本提質(zhì)的空間究竟在哪？
國務(wù)院2024年政府工作報告早就給了我們答案：大力推進現(xiàn)代化產(chǎn)業(yè)體系建設(shè)，加快發(fā)展新質(zhì)生產(chǎn)力，同時要“深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展‘人工智能+’行動”。
也就說，AI+是物流行業(yè)的“新質(zhì)生產(chǎn)力”之一。
巨頭入局，AI大模型正當(dāng)時
近年來，隨著AI技術(shù)的進步，越來越多的巨頭開始利用它改善物流體系。
AI大模型更是被視為解決效率瓶頸、促進精益化管理的有力武器，成為物流企業(yè)競逐的核心技術(shù)之一。
比如，去年菜鳥網(wǎng)絡(luò)發(fā)布的“天機π”產(chǎn)品，是一個基于大模型的數(shù)字供應(yīng)鏈產(chǎn)品，該產(chǎn)品能夠輔助決策，在銷量預(yù)測、補貨計劃和庫存健康等領(lǐng)域?qū)崿F(xiàn)提質(zhì)增效。
同年，京東發(fā)布的“京東物流超腦”，能優(yōu)化倉儲布局化、改善運營異常、提高供應(yīng)鏈的靈活性和響應(yīng)速度，且今年京東還推出了“言犀大模型”，與“京東物流超腦”相結(jié)合，進一步提升了物流系統(tǒng)的智能化水平。
*來源：京東云
再比如，今年順豐先后推出自主研發(fā)的“豐知物流決策大模型”“豐語垂直領(lǐng)域大語言模型”。
前者主要應(yīng)用于物流供應(yīng)鏈的智能化分析、銷量預(yù)測、運輸路線優(yōu)化與包裝優(yōu)化等決策領(lǐng)域，后者落地實踐應(yīng)用于順豐包括市場營銷、客服、收派、國際關(guān)務(wù)等業(yè)務(wù)板塊的二十余個場景中。
*來源：順豐集團
中遠海運在科技創(chuàng)新方面也不甘落后，也于今年推出了國內(nèi)首個航運領(lǐng)域大模型Hi-Dolphin。
該模型具備航運知識問答、航運數(shù)據(jù)調(diào)用、運力預(yù)測和智能應(yīng)用四大功能，能助力企業(yè)和個人在復(fù)雜的航運市場中做出科學(xué)決策，得到了業(yè)內(nèi)的高度評價和認(rèn)可。
*來源：中遠海運
除了上述企業(yè)外，百度地圖、壹沓科技、快遞100等也紛紛發(fā)布了基于大模型的物流相關(guān)產(chǎn)品。值得一提的是，還有不少跨界者聯(lián)合開發(fā)和部署AI在物流場景的落地。
騰訊智慧交通與福佑卡車聯(lián)合共創(chuàng)的數(shù)字貨運大模型，在OCR智能識別、智能客服和運營分析等方面展現(xiàn)了強大能力。
*來源：騰訊智慧交通
中交興路攜手北汽重卡、阿里云發(fā)布“中交AI卡——重卡營銷智能分析大模型”產(chǎn)品，旨在充分利用AI大模型技術(shù)讓商用車市場營銷分析工作變得更加簡單、高效。
G7易流與火山引擎合作推出了“智能接單”產(chǎn)品，顯著提高了接單效率……
*來源：火山引擎
顯然，“AI大模型”已經(jīng)釋放出了巨大的想象空間。不過，除少部分巨頭外，“AI大模型”的應(yīng)用其實并不廣泛，這又是為什么呢？
越來越難的AI大模型
首先，成本禁錮。
眾所周知，大模型技術(shù)能夠帶來潛在的效率提升，可自建大模型不僅周期長，效率低，成本高，所以不少品牌以它山之石，構(gòu)建自己企業(yè)專用大模型的“最優(yōu)解”。
如此雖跳出了研發(fā)成本難題，但其高昂的訓(xùn)練和運行成本也是企業(yè)躲不開的難題。
我們建議，企業(yè)可以使用大小模型協(xié)同的辦法破局。在很多情況下，使用大模型去增強小模型，或者用大模型調(diào)教小模型。
簡單來說，就是“殺雞未必非得用牛刀”，80%的常規(guī)問題小模型就可以解決，20%需要用牛刀的問題再用大模型，所以大小協(xié)同一定是行業(yè)落地的關(guān)鍵。
其次，算力被卡。
數(shù)據(jù)是大模型快速發(fā)展的“養(yǎng)分”，無論是通用大模型，還是行業(yè)大模型，若想實現(xiàn)真正的價值，并降低“幻覺”，數(shù)據(jù)是一個不可不談的話題。
而物流業(yè)連接產(chǎn)業(yè)鏈上下游，涉及供應(yīng)鏈多個環(huán)節(jié)，組織運營較為復(fù)雜，應(yīng)用場景極其豐富，這就使得物流對于大模型輸出準(zhǔn)確性的要求相對較高。
可當(dāng)前我國物流大模型依然處于發(fā)展的早期階段，物流大模型的準(zhǔn)確性及數(shù)據(jù)的安全性并不能完全受到保障，就導(dǎo)致了大模型的實效遜于國外。
關(guān)于這一點，我們認(rèn)為物流企業(yè)一方面需要加強數(shù)據(jù)質(zhì)量管理，提高數(shù)據(jù)準(zhǔn)確性和完整性，另一方面企業(yè)需要加強與科研機構(gòu)、高校等單位的合作與交流，共同推進物流大模型的技術(shù)研發(fā)、應(yīng)用實踐以及測試和驗證工作，確保模型的穩(wěn)定性和可靠性。
最后，場景化弱。
技術(shù)本身是沒有辦法直接產(chǎn)生價值的，技術(shù)只有放到場景里才能夠產(chǎn)生實際的價值。
目前，不少品牌是沖著大模型而大模型，在落地應(yīng)用、場景結(jié)合、核心價值、優(yōu)化迭代上并沒有做好，因此就出現(xiàn)了大模型是做完了，卻不知道該如何讓大模型介入業(yè)務(wù)，也沒有找到前端真正創(chuàng)造產(chǎn)業(yè)價值、能夠變現(xiàn)的路。
所以，企業(yè)需要明確大模型的應(yīng)用場景和價值定位。這一點可以學(xué)習(xí)貨拉拉自研的貨運無憂大模型，主打場景化、輕量化，定位為“你身邊的物流專家”。
雖說面臨諸多挑戰(zhàn)，但相信隨著“AI+”的縱深推進，大模型技術(shù)乘著“飛輪效應(yīng)”之風(fēng)，既賦能千行百業(yè)、加快形成新質(zhì)生產(chǎn)力，又在不斷落地應(yīng)用中反哺物流技術(shù)迭代與性能提升，開辟大模型應(yīng)用更多的物流場景。