收寄快件31.61亿件，投递快件31.2亿件。这是今年国庆7天假期累计快递量。同时，国庆期间日均收件量和投递量较2023年分别增长28.4%和26.7%。
物流快递行业的快速发展，对降低成本、提高效率、提高运营效率的需求日益迫切。随着AI技术日趋成熟，物流巨头齐聚布局大规模模型，如菜鸟的“天机π”辅助决策模型、顺丰的“丰智”大规模物流决策模型、京东物流的“ 《超级大脑》等
巨头齐聚布局
面对劳动力成本上升、物流网络日益复杂的现实挑战，AI大模型被视为解决效率瓶颈、推进精益管理的有力武器，成为物流、快递企业竞争的核心技术之一。
菜鸟网络早在2023年6月就发布了基于大模型的数字供应链产品“天机π”，通过先进算法与大模型技术的结合，可以在销售预测、补货计划、供应链管理等方面辅助决策。库存健康。准确预测并随着技术进步和数据积累不断迭代。目前，菜鸟大模型已应用于快消品零售、工业制造、汽车等多个行业，并针对不同行业提供定制服务。
顺丰科技也不甘示弱，于今年8月18日推出了自主研发的“风智”物流决策模型。这一大型模型主要应用于物流供应链智能分析、销售预测、运输路线优化和包装优化等决策领域。值得一提的是，“风致”大模型在保证预测结果准确性的同时，显着降低了服务器资源需求，运行效率提升120倍，预测精度提升5%。
一个月后的9月8日，顺丰科技再次行动，在深圳国际人工智能展上发布了针对物流行业垂直领域的大语言模型“风语”，并展示了其营销、客服、收派等功能。 、国际海关等业务领域20多个场景的实际应用。顺丰科技AIoT副总裁宋翔表示，目前基于大模型的汇总准确率已超过95%，这使得客服人员与客户交谈后的平均处理时间减少了30%。
京东物流在大车型领域也有布局。 2023年7月，京东物流发布了基于大模型的数字化智能供应链产品“京东物流超级大脑”。该产品主要应用于交互、分析、决策三个场景。通过数字孪生技术和多模态交互能力，提高仓库布局优化、运营异常改善和供应链规划辅助决策的效率。
“随着电子商务的快速发展和消费者需求的多元化，物流行业需要更高效、更智能的解决方案来满足市场需求。”中国物流研究院高级研究员袁帅对证券时报记者表示，AI技术的不断突破，使得大型模型在物流行业的应用成为可能；行业竞争的加剧促使企业寻求技术创新以增强竞争力；而政策支持也为物流业智能化转型提供了良好的外部环境。
抓住应用场景
“自2022年底发布以来，大模型赛道发展非常迅速。2023年被称为模型年，大量模型公司都在推出模型的参数和尺寸。到了今年，大家已投资于特定模型的应用。”在2024全球智慧物流峰会上，智普AI副总裁吴伟杰回顾了大模型的发展历程。
业内普遍认为，在众多行业场景中，道路物流货运具有系统完整、环节众多、数据复杂、场景丰富的特点，是大规模模式落地的主要领域之一。大模型技术的深入应用有望给整个物流链条的运营效率、服务体验和业务创新带来巨大的变化。
“你可以想象未来的智慧物流场景。通过多式联运大模型，所有车辆都可以同时拥有多个‘眼睛’，副驾驶可以与驾驶员很好地互动，成为陪伴驾驶功能。”吴伟杰认为，在运输管理中，通过大模型的多Agent应用，可以进行复杂的订单计划管理，可以直观地跟踪订单在物流车辆中的配送执行情况。
目前，大型模型可以通过分析历史数据和实时交通状况，为物流公司提供最佳运输路线，减少不必要的行驶里程，从而降低燃油成本和时间成本。
“大模型通过对历史交易记录和市场波动趋势的深入学习，实现了对未来商品需求的准确预测，避免了库存过剩造成的资源浪费。”中国矿业大学（北京）管理学院硕士生导师袁志培告诉证券时报记者，大模型通过实时监控库存状况，自动调整采购节奏，保证采购之间的平衡。仓储成本和供应连续性。
以菜鸟的《天机π》为例。这个大模型可以根据历史销售数据、市场趋势等信息预测未来的产品需求，帮助商家合理安排库存，避免库存过多造成的资源浪费。同时，菜鸟大模型还可以实时监控库存状况，自动调整采购节奏，保证仓储成本与供应连续性之间的平衡。
避免匆忙
虽然大模型在物流行业的应用带来了诸多优势，但也可能伴随着一些风险和隐患。不经济、不可靠、不实用，决定了企业部署大型机型的意愿。
“大型人工智能模型的特点是高投入，既需要大量的资金投入，也需要大量的物流数据进行训练。满足这两个条件的物流企业，除两三个大型龙头企业外，至少缺乏其中一个条件。 ”萨摩云科技集团首席经济学家郑雷告诉记者，如果实施一个大型模型项目，投入使用后可能会发现公司的物流数据不足，导致大数据模型无法实现。发挥其应有的作用。
除了菜鸟、顺丰、京东之外，中远海运近期推出了中国航运领域首个大型模型Hi-，货拉拉发布了货运无忧大型模型，百度地图推出了Beta版大规模的物流模式。
业内人士指出，目前不少快递物流企业都专注于大模式，在应用落地、场景组合、核心价值、优化迭代等方面没有做好。所以，大模型已经完成了，但不知道如何让大模型参与到业务中，不知道如何优化业务需求。此外，很多大型机型还没有找到前端真正创造产业价值并变现的途径。
“急于上马的项目不仅可能因投资不足而被放弃，即使勉强做出来，也可能因企业管理不善而无法投入正常使用。这达不到降低成本、提高效益的目的。”效率。”郑雷说。
为了避免物流行业陷入大车型“冲上去”的困境，企业需要明确大车型的应用场景和价值定位，避免盲目跟风。郑雷认为，物流企业可以针对物流管理中需要改进的某一方面，如需求管理、仓储管理、运输调配优化等，自行开发或委托专业技术创新公司定制大机型垂直应用工具，这样不仅减少了投入，还可以显着提高管理瓶颈的效率，提高物流企业的人工智能水平。
