DeepSeek引發(fā)的新一輪AI熱潮，已經(jīng)蔓延到快遞行業(yè)，一場(chǎng)由AI驅(qū)動(dòng)的智能化革命正在襲來(lái)。
2月12日，順豐同城率先宣布已接入DeepSeek大模型，成為物流行業(yè)首批接入DeepSeek的企業(yè)。被價(jià)格戰(zhàn)折磨許久的快遞行業(yè)，依靠大模型打贏“反內(nèi)卷”之戰(zhàn)，似乎成為必然的選擇。
依托龐大的業(yè)務(wù)數(shù)據(jù)，大模型較早覆蓋了快遞行業(yè)，但僅局限于客服、營(yíng)銷、調(diào)度、預(yù)測(cè)等板塊，尤其涉及攬收、分揀、派送等領(lǐng)域，它在快遞行業(yè)的應(yīng)用上限，仍然有一個(gè)廣闊空間等待發(fā)掘。
帶動(dòng)中國(guó)快遞逆襲
億豹網(wǎng)發(fā)現(xiàn)，動(dòng)輒行業(yè)日均業(yè)務(wù)量超5億件，企業(yè)日處理近億件，快遞行業(yè)發(fā)展到如今的體量，已經(jīng)變成了一道數(shù)學(xué)題。只有借助AI、算法大模型的力量，才能準(zhǔn)確找到效率最優(yōu)解。
以申通為例，每天6000萬(wàn)+包裹，從攬收到簽收時(shí)效不到44小時(shí)，但售前售后平均14天周期，數(shù)據(jù)量膨脹到百億量級(jí)。復(fù)雜的服務(wù)生態(tài)，“人車貨場(chǎng)機(jī)”元素齊聚，面向這樣的場(chǎng)景，要做到用1瓶水的價(jià)格履約、以“厘”來(lái)控成本，必然需要數(shù)智化的突破。
申通大模型“昆侖”平臺(tái)，早在2021年就已經(jīng)開(kāi)始上線，內(nèi)容有自研的網(wǎng)點(diǎn)管家、中心管家、財(cái)務(wù)管家、運(yùn)輸管家、路由管家、駕駛艙等產(chǎn)品，在攬收、中轉(zhuǎn)、派送、客服等全業(yè)務(wù)流程實(shí)現(xiàn)了數(shù)字化，并且已完成全站業(yè)務(wù)上云。
昆侖大模型在應(yīng)用時(shí)，會(huì)實(shí)時(shí)檢測(cè)轉(zhuǎn)運(yùn)中心各個(gè)環(huán)節(jié)的運(yùn)營(yíng)情況。例如，交叉帶環(huán)節(jié)出現(xiàn)供件數(shù)據(jù)異常，中心主管會(huì)直接收到系統(tǒng)推送的預(yù)警，再調(diào)取監(jiān)控核查現(xiàn)場(chǎng)時(shí)間，然后通過(guò)中心喇叭催促卸貨區(qū)調(diào)整卸貨效率。
此次順豐同城通過(guò)引入DeepSeek，計(jì)劃在2200萬(wàn)活躍用戶、55萬(wàn)商家和百萬(wàn)騎手的龐大生態(tài)中實(shí)現(xiàn)成本優(yōu)化，預(yù)計(jì)每年可節(jié)省數(shù)億元運(yùn)營(yíng)開(kāi)支。同時(shí)，其高性能的意圖理解和多模態(tài)生成能力，可支撐復(fù)雜物流場(chǎng)景的實(shí)時(shí)決策，例如訂單波動(dòng)預(yù)測(cè)、騎手調(diào)度與路線規(guī)劃等等。
億豹網(wǎng)了解到，不止順豐同城，去年8月，順豐推出了自主研發(fā)的“豐知”物流決策大模型；京東推出言犀大模型，致力于深入物流產(chǎn)業(yè)場(chǎng)景；菜鳥供應(yīng)鏈不甘落后，推出基于大模型的數(shù)字化供應(yīng)鏈產(chǎn)品“天機(jī)π”；韻達(dá)也跟進(jìn)推出AI助手，降低一線小哥勞動(dòng)強(qiáng)度。
DeepSeek的低成本優(yōu)勢(shì)，為物流企業(yè)出海提供了新動(dòng)能。例如，極兔在中東和拉美市場(chǎng)借助AI技術(shù)實(shí)現(xiàn)包裹量增長(zhǎng)22%，圓通則通過(guò)智能分揀系統(tǒng)加速布局東南亞。技術(shù)領(lǐng)先者正通過(guò)數(shù)據(jù)積累與算法迭代構(gòu)筑護(hù)城河，而中小企業(yè)的生存空間可能被進(jìn)一步擠壓。
未來(lái)，中國(guó)快遞企業(yè)或憑借技術(shù)紅利挑戰(zhàn)UPS、DHL等國(guó)際巨頭，這一技術(shù)浪潮正在帶動(dòng)行業(yè)從“人力密集型”向“技術(shù)密集型”轉(zhuǎn)型邁出關(guān)鍵一步，不僅重塑企業(yè)運(yùn)營(yíng)模式，更將重新定義行業(yè)競(jìng)爭(zhēng)格局。
亟需改進(jìn)算法強(qiáng)化訓(xùn)練
從簡(jiǎn)單的寄件、查件入手，到面向小哥打造“知識(shí)庫(kù)”、再到幫助完成業(yè)務(wù)信息的匯總整理，甚至到供應(yīng)鏈的智慧控制，大模型在快遞行業(yè)的能力正在被逐步釋放。
但不可否認(rèn)，AI在快遞行業(yè)的落地，更多還停留在分揀與運(yùn)輸環(huán)節(jié)，在“一頭一尾”兩個(gè)環(huán)節(jié)，不止查詢與打電話，還需要發(fā)揮更大的作用。
實(shí)際上，在下單、接單、上門取件、出賬、支付、運(yùn)輸、簽收等全流程服務(wù)體系，AI都能為各個(gè)環(huán)節(jié)提供能力支持。
以快遞100的“自動(dòng)改派單”功能為例，在退貨場(chǎng)景中，通過(guò)系統(tǒng)預(yù)設(shè)的規(guī)則，AI可以實(shí)時(shí)判斷訂單狀態(tài)，按需調(diào)配運(yùn)力資源。上門取件中，如果快遞員未能準(zhǔn)時(shí)到達(dá)，AI也會(huì)為用戶重新安排取件方案。
當(dāng)然，目前物流大模型依然處于很早期的階段，由于快遞行業(yè)涉及人員龐大，快件海量，環(huán)節(jié)也相當(dāng)復(fù)雜，所以，當(dāng)大模型想要深入改造這樣一個(gè)傳統(tǒng)行業(yè)時(shí)，第一步先要打造一個(gè)屬于快遞行業(yè)自己的大模型底座。
億豹網(wǎng)了解到，而當(dāng)下的大模型準(zhǔn)確性不夠，隨機(jī)性比較強(qiáng)，還需要更多算法上的改進(jìn)與訓(xùn)練，這是當(dāng)下物流大模型面臨的最大挑戰(zhàn)。
此外，數(shù)據(jù)孤島問(wèn)題，比如企業(yè)之間數(shù)據(jù)不互通，同樣限制了模型的泛化能力。要想面向快遞行業(yè)訓(xùn)練一個(gè)可供商用的大模型，需要讓大模型能夠同時(shí)兼顧通用模型的理解能力，也要讓它充分理解垂類領(lǐng)域模型應(yīng)有的專業(yè)知識(shí)，完成對(duì)內(nèi)容的調(diào)用。
但無(wú)論如何，DeepSeek在物流行業(yè)的火熱，本質(zhì)上呈現(xiàn)出行業(yè)從“規(guī)模擴(kuò)張”轉(zhuǎn)向“技術(shù)驅(qū)動(dòng)”的縮影。
然而，技術(shù)的終極價(jià)值仍取決于其對(duì)人性化服務(wù)與社會(huì)責(zé)任的平衡。未來(lái)，誰(shuí)能率先突破數(shù)據(jù)壁壘、解決倫理爭(zhēng)議，誰(shuí)就能在智能物流的新賽道上領(lǐng)跑。
