近日,顺丰科技推出“丰知”物流决策大模型,主流物流玩家的大模型相继亮相,后续市场或迎来物流大模型竞争大赛。
截至目前,顺丰、京东物流、菜鸟、中远海运、百度地图、货拉拉、福佑卡车、快递100等业内不同细分赛道的企业大模型已经应用,这些大模型都有什么特点?对于未来物流发展有怎样的影响?没有大模型是否就丧失未来竞争资格呢?
1、顺丰“丰知”专注物流决策
先看最新发布的顺丰科技自主研发的“丰知”物流决策大模型,这个大模型主要应用于物流供应链的智能化分析、销量预测、运输路线优化与包装优化等决策领域。
比如在客户销量出现波动时,迅速响应,精准告知客户问题原因,为管理者提供直观、全面的决策依据,助力其精准选择合适的策略,应对市场变化。
相比市场上的决策大模型,“丰知”的最大突破是在保证预测结果准确性的基础上,大幅削弱了对于资源成本的需求门槛。以某一实践案例为例,其服务器资源需求降低,运行时间效率提升了120倍,预测准确率提升了5%。
2、京东物流“超脑”应用交互、分析、决策
2023年7月的时候京东物流就发布了基于大模型的数智化供应链产品“京东物流超脑”,主要为实现对供应链全局的优化。
主要应用场景有三个:交互、分析和决策。
交互上,主要应用于仓储布局优化,快速生成三维可视化方案,并进行局部调整。这种能力使得仓储布局更加合理,提高了仓储效率。
分析上,主要应用在运营异常改善,在运营异常时,能够提供改善性建议,帮助用户快速发现并解决问题,降低了运营风险。
决策上,主要应用在供应链计划辅助决策,帮助用户制定更科学的供应链计划,提高供应链的灵活性和响应速度。
技术突破上,一个数字孪生技术结合;另一个是支持多模态交互,能够理解和生成物流场景中的多种数据形式,包括文本、图像、视频等。这种能力使得用户可以更直观地与系统进行交互,提高了操作效率和准确性。
3、菜鸟“天机π”辅助决策
菜鸟的“天机π”诞生的更早一些,在2023年6月菜鸟发布基于大模型的数字供应链产品“天机π”,能够辅助决策,在销量预测、补货计划和库存健康等领域实现提质增效。
主要有两大场景应用。第一是能够在销量预测、补货计划和库存健康等领域实现精准预测和优化。第二是能够处理和分析海量的物流数据,从中提取有价值的信息,为决策提供数据支持。
据悉菜鸟大模型已经在快消零售、工业制造、汽车等多个行业得到应用;同时针对不同行业还能提供定制化服务,满足客户的个性化需求。
技术突破上,菜鸟的大模型率先将先进的算法与大模型技术结合,使得处理复杂问题时更为得心应手;此外,随着技术进步和数据累积,菜鸟大模型可以持续进行迭代优化。
4、中远海运“Hi-Dolphin”国内首个航运大模型
今年7月左右,中远海运科技创新性推出了国内首个航运领域大模型Hi-Dolphin。
Hi-Dolphin有四大功能——航运知识、航运数据、运力预测、智能应用,全方位服务于航运业的各个环节。具体来讲,就是具备丰富的航运知识问答功能,能调用海量航运数据为决策者提供有力支持,还能以深度思考进行预测任务,助力企业和个人在复杂的航运市场中做出决策。
Hi-Dolphin是国内首个航运领域大模型,业内对其有高度评价和期望。
5、货拉拉货运无忧大模型走向轻量化、场景化
今年4月,货拉拉的货运无忧大模型对外发布了,与完全专注于货运的想象不同,货拉拉的大模型包含了货运、邀约、客服、数据分析、HR办公等多个业务领域。
这个大模型主要有两大特点,第一轻量化,在垂直领域内构建了一个更加复杂的模型结构,以提升领域内的预测精度,但整体上保持轻量,以便效率更集中、更便捷。
第二,场景化。比如在客服、邀约场景中,货拉拉打造了基于任务型对话的AI机器人,实现全链路自动闭环;而在办公场景中,货拉拉打造HR智能问答助手,应用AI智能招聘,成本降低近90%。在用户侧,货拉拉于app上线了“选车助手”,帮助用户根据货物智能匹配车型;在司机侧则上线了违禁品识别功能,最快1秒就能识别出违禁物品,未来还将在司机侧实现订单管理功能,可以智能提醒司机哪里有货,哪里单多,帮助司机提高接单抢单效率。此外,货拉拉技术团队还在持续推进虚拟数字人的研发,未来有望应用于校招宣传、客服培训、产品答疑介绍等各业务场景中。
优势上主要是数据优势。因为长期运营积累了高质量的海量本地货运数据,这些数据为模型的训练和优化提供了丰富的数据源。通过不断学习和优化,模型能够更准确地理解货运行业的复杂性和不确定性。
6、百度地图物流大模型应用于物流地址解析、物流调度决策
2023年9月,百度地图基于百度领先的大模型技术能力,结合物流行业场景特点,正式推出物流大模型 Beta版。
主要应用于物流地址解析、物流调度决策。
物流地址解析上,针对物流场景中高频使用的收发货地址信息,物流大模型能够快速、准确地进行标准化识别,提取结构化数据,并进行纠错、补全等操作,提升运单分单、履约配送等环节的质量和效率。
物流调度决策上,将调度决策问题抽象为序列推理问题,利用大模型在序列模型上的优异性能,推出物流行业调度决策大模型,帮助物流企业优化车辆调度、配载装箱等环节,降低物流成本,提高运营效率。
其最大的特色是复杂地址处理和智能调度上。一方面物流大模型能够处理长文本、不规则文本等复杂地址信息,相比传统地址解析模型,其识别理解的准确率有大幅提升;另一方面,能够结合百度地图的智能调度和智能配载功能,在分钟级内运算出满足多项约束条件及业务需求的运输方案,提升调度效率和装载率。
7、G7易流基于字节跳动豆包大模型推出“智能接单”产品
G7易流与火山引擎合作,基于字节跳动豆包大模型推出了“智能接单”产品。这是物流行业首款基于大模型技术的智能助手,它已经被集成到 G7 易流自主研发的运输管理系统“财运通”中。
据悉,这款产品通过智能化手段实现了订单格式的快速统一对接,显著提高了接单效率。据数据显示,接单时间从原先的2小时缩短至30分钟,效率提升了高达75%。
主要应用场景包括货主系统增强、Excel数据导入、微信群接单机器人/司机扫码接单、智能录单助手等。目前应用于化工制品、日用百货、食品饮料等行业,还深入煤炭化工等领域。
技术特点上,G7易流将大模型技术与自身的IoT设备和SaaS服务深度融合,形成了软硬一体的解决方案。因此在系统的整体性能和稳定性上有优势。
8、福佑卡车与腾讯打造首个数字货运大模型
2023年10月,腾讯智慧交通与福佑卡车达成战略合作,联合共创行业首个数字货运大模型。
主要应用于三个场景。
一是OCR智能识别,能够智能识别与自动处理物流货运证件和各类回单。其OCR准确率相比传统模型提升显著,图片信息匹配综合识别准确率达到95%以上,图片字段识别准确率达到99%。
二是智能客服,通过高质量的行业垂直语料进行持续系统训练,使通用智能客服机器人转变为行业客服专家,提供高效、智能且人性化的服务体验。
三是运营分析,能为货运物流需求预测和市场趋势分析提供支持,辅助“福佑大脑”智能中台做出更明智的决策。
9、快递100“AI寄快递”快递行业首个大模型商业化应用
2024年4月,快递100发布了融合百度智能云千帆大模型平台的“AI寄快递”,这是快递物流行业首个大模型AI原生商业化应用。
主要应用场景有两个。一个是寄快递场景,用户可以通过“一句话寄快递”或“随手拍寄快递”的方式,快速完成寄件操作。AI能够理解用户寄件意图,自动生成寄件单,并智能匹配适合的快递公司。另一个是查快递与管快递场景,用户可以通过自然语言对话式交互轻松完成快递查询和管理,享受到极致的使用体验。
其比较大的特色是融合了用户反馈,通过收集和分析用户意见不断改进产品和服务。
10、壹沓科技“运小沓Cuber”开启供应链人机协作新时代
2024年7月,壹沓科技重磅发布运小沓Cuber数字员工3.0,这是基于供应链大模型的数字员工超自动化解决方案。
从2020年运小沓1.0开始单场景自动化,到2022年运小沓2.0跨场景自动化串联,再到运小沓3.0构建的基于大模型的Agent自动化操作入口。壹沓科技的供应链大模型主要应用于全局超自动化,围绕供应链上下游业务场景,涵盖上游大型制造货主、中间物流配送、下游零售客户,实现从营销获客、采销管理、仓储物流、拖车报关、履约执行到财务结算的全局超自动化。
技术优势上,壹沓科技供应链大模型实现了多平台整合,包含数字员工平台、运价平台、AI单证识别平台、物流可视化平台、舱单平台、RPA机器人Store、RPA开发平台、订舱平台等全球领先的供应链超自动化产品,实现全面整合。
目前,资生堂、周大生、周六福、倍轻松、光明乳业、雅戈尔、七匹狼等都已经是壹沓科技的客户。
科技的力量毋庸置疑。过去的十几年,中国物流行业的迅猛发展印证了数字化、智能化对于这个传统行业的力量之强。以崛起最为迅速、最为亮眼的快递行业为例,根据国家邮政局统计,过去14年,从2009年的18.6亿件快递增长到了2023年的1320.7亿件,因为云计算、AI、大数据等技术的赋能,实现了智能化仓储管理、实时追踪包裹动态、智能客服解决方案、干线物流优化等诸多环节的创新,而这个过程中不仅没有造成供应链拥堵,还实现了快递交付从周到天,交付成本还降低了,单价价格低2/3。
因此,AI大模型的诞生与兴起更让物流行业内兴奋,这意味着在原有的基础上,大模型有望助推物流供应链进一步释放效率潜能。上海海事大学原校长、中国物流与采购联合会副会长黄有方就认为,“通过应用大模型技术,物流企业可以实现更精准的需求预测、提高运作效率、增强供应链的透明度和可追溯性”。
在这样的预期之下,顺丰、京东物流、菜鸟、中远海运、百度地图、货拉拉、G7易流等纷纷扎入了物流大模型赛道,期望抢先一步吃到第一块蛋糕。
根据罗戈研究的报告观点,智能化应用,从早期依托智能算法技术的RAP、自动化控制,伴随流程编排等技术的发展,延伸至智能流程管理与决策,并在2022-2023年随着生成式AI、数字孪生等技术的发展,推动物流领域真正意义上开始迈进数实相融的智能化大门,带来行业创新变革的想象空间。
相比传统的供应链,罗戈研究认为,生成式人工智能驱动的供应链,拥有更强的主动性,即可以在供应链需求变化之前提前预测,主动适应转变;拥有更强的动态优化能力,通过动态学习适应新数据,实时优化;拥有主动的洞察力,可以自动生成洞察力,更快、更准确地处理大量数据;拥有定制策略能力,可以针对不同的供应链特性和挑战,定制个性化策略。
但当下,大模型问题也是明显的。
首先应用与价值问题。不少企业是冲着大模型而大模型的,在落地应用、场景结合、核心价值、优化迭代上并没有做好,因此就出现了大模型是做完了,但却不知道该如何让大模型介入业务,也不知道该如何优化业务需求。
这就产生了第二个问题价值无法变现,很多大模型没有找到前端真正创造产业价值、能够变现的这条路。京东集团技术委员会主席,京东云事业部总裁曹鹏说:“所以没有办法衡量大模型到底有什么价值,能够值多少钱。”那投入了没回报怎么办?打价格战!最明显的是今年5月,头部大模型们大降价。
此外,如何保护数据的隐私性、机密性和安全性,包括地址、联系方式、货物信息等。还有输出结果可信性不足、稳定性不强的问题。
不过对于像物流这样的垂直大模型,目前仍是起步阶段,还需要巨大的计算资源和存储空间来进行训练和部署,其中必然要耗费大量的人力、物力和财力。但可以肯定的一点是,谁率先在物流这个场景中推出一个安全可信、稳定性高又能有效落地应用的大模型,谁就能拿下最大那块红利。
年薪30w-60w!建发物流科技社招海外物流资源拓展经理
4232 阅读鑫磊压缩机2025届秋季校园招聘正式启动!
1980 阅读接入“淘天”能够给京东物流带来什么好处?
715 阅读9月30日-10月6日全国物流保通保畅运行情况
409 阅读RMS调度系统焕新升级丨性能大幅提升,场景全面兼容
406 阅读口碑+ | 西门子能源上海高压开关厂携手极智嘉,共创智能仓储新高地
372 阅读2024年9月物流业景气指数显示:物流业务需求回升 平稳运行基础巩固
346 阅读2024年9月中国物流业景气指数为52.4%
276 阅读9月23日-9月29日全国物流保通保畅运行情况
289 阅读2024年9月中国仓储指数为49.8%
298 阅读