圖片來(lái)源：網(wǎng)絡(luò)

就長(zhǎng)遠(yuǎn)來(lái)看，AI大模型的出現(xiàn)創(chuàng)造了歷史性的機(jī)遇——所有行業(yè)都會(huì)被大模型重構(gòu),不亞于一次新的工業(yè)革命。對(duì)于物流來(lái)說(shuō)，具有大模型落地的兩大優(yōu)勢(shì)——數(shù)據(jù)與場(chǎng)景。在不久的將來(lái)，物流將逐漸展現(xiàn)出大模型應(yīng)用的價(jià)值與前景；就今年來(lái)說(shuō)，大模型已將物流技術(shù)4.0時(shí)代的大門提前推開。

一、產(chǎn)業(yè)應(yīng)用是大模型的價(jià)值所在

隨著ChatGPT的橫空出世，大模型成為2023年上半年中國(guó)科技產(chǎn)業(yè)的最熱門詞匯，我國(guó)研發(fā)的10億參數(shù)規(guī)模以上大模型已發(fā)布近80個(gè)，位居全球第二。

但是，進(jìn)入下半年后，國(guó)內(nèi)大模型正在褪去泡沫，其未來(lái)的出路，必然是走向產(chǎn)業(yè)。也就是說(shuō)，大模型的下半場(chǎng)是，模型即服務(wù)（Model as a Service），而這個(gè)服務(wù)，歸根結(jié)底是要服務(wù)產(chǎn)業(yè)。

雖然前景還比較模糊，但有一點(diǎn)可以肯定：大模型的建立，絕不是為了寫詩(shī)，聊天，做些花花草草的東西，而是要推動(dòng)產(chǎn)業(yè)的革命。

大模型有兩種類型：通用型，垂直型。前者求廣 后者求專，百度文心一言、阿里通義千問(wèn)，打造的是一個(gè)無(wú)所不能的通用大模型；華為盤古大模型研究，泛化能力極強(qiáng)、適用大量復(fù)雜行業(yè)場(chǎng)景；而京東的言犀大模型，更顯得垂直一些，專業(yè)性更強(qiáng)。

由于通用大模型專業(yè)知識(shí)與行業(yè)數(shù)據(jù)積累不足，導(dǎo)致該類模型，精準(zhǔn)度不足，同質(zhì)化嚴(yán)重，無(wú)法創(chuàng)造出深層次的價(jià)值。在產(chǎn)業(yè)場(chǎng)景中，專業(yè)服務(wù)要求高、容錯(cuò)性低，需要能夠在實(shí)際場(chǎng)景中真正解決具體的問(wèn)題，因此，產(chǎn)業(yè)大模型，或者稱垂直大模越來(lái)越受到人們的關(guān)注。

步入下半年，產(chǎn)業(yè)大模型的探索逐漸成為大多數(shù)深度思考者的共識(shí)，正代替”通用大模型“成為新的發(fā)展方向，適用于知識(shí)密集型、任務(wù)型產(chǎn)業(yè)場(chǎng)景，解決真實(shí)產(chǎn)業(yè)問(wèn)題是大模型的追求。

經(jīng)濟(jì)發(fā)展史表明，新技術(shù)想要大規(guī)模應(yīng)用，成為時(shí)代的動(dòng)力，首先應(yīng)當(dāng)立足產(chǎn)業(yè)，解決難題，人工智能發(fā)展的“終點(diǎn)站”是產(chǎn)業(yè)化應(yīng)用，大模型也不例外。大模型真正實(shí)現(xiàn)它的價(jià)值一定是在產(chǎn)業(yè)的應(yīng)用當(dāng)中，當(dāng)產(chǎn)業(yè)效率和產(chǎn)業(yè)的邊界拓展得到質(zhì)的提升時(shí)，大模型才有了更加實(shí)際的價(jià)值和意義。

大模型產(chǎn)業(yè)落地需要從單點(diǎn)算法到多功能協(xié)同并在系統(tǒng)、產(chǎn)品層面實(shí)現(xiàn)端到端結(jié)合，并且需要實(shí)現(xiàn)算力提升。將大模型能力遷移到產(chǎn)業(yè)領(lǐng)域中，必然需要調(diào)優(yōu)與二次訓(xùn)練，以為企業(yè)未來(lái)從“數(shù)據(jù)決策”向“知識(shí)決策”轉(zhuǎn)型提供強(qiáng)力支撐。

產(chǎn)業(yè)需要可用、可控、可信、可負(fù)擔(dān)的定制化模型，只有這樣，才能在產(chǎn)業(yè)上落地生根。也就是說(shuō)，AI大模型需在提高生產(chǎn)效率、降低成本，并提供更快、更好的產(chǎn)業(yè)服務(wù)，從而使大模型發(fā)揮生產(chǎn)力作用。

實(shí)際上，大模型更多是作為一個(gè)“底座”的概念存在的，在不同的行業(yè)、不同的場(chǎng)景下，如何利用好并且更精準(zhǔn)地發(fā)揮技術(shù)的作用才是更困難的事情。

從產(chǎn)業(yè)端切入大模型，被京東許冉比喻為“從北坡攀爬技術(shù)珠峰”，道路雖然更加艱難，卻有更波瀾壯闊的風(fēng)景。大模型，絕不是資本新故事，而是從“價(jià)值創(chuàng)造”的角度去思考的真實(shí)應(yīng)用場(chǎng)景，是不斷優(yōu)化“成本、效率、體驗(yàn)”的一種工具。

大模型服務(wù)于產(chǎn)業(yè)的力度，取決于其本身含有的產(chǎn)業(yè)厚度，即是指能在多少產(chǎn)業(yè)場(chǎng)景中切實(shí)應(yīng)用，為產(chǎn)業(yè)真正創(chuàng)造價(jià)值。更準(zhǔn)確地說(shuō)，大模型源于產(chǎn)業(yè)，也必將在未來(lái)服務(wù)于產(chǎn)業(yè)，產(chǎn)業(yè)才是大模型的最終歸宿。

當(dāng)然，大模型如何從產(chǎn)業(yè)中產(chǎn)生，如何介入實(shí)際產(chǎn)業(yè)，如何完美適配產(chǎn)業(yè)需要，都不是一朝一夕可以完成的問(wèn)題，這是基于更長(zhǎng)遠(yuǎn)未來(lái)的“技術(shù)追求”，同時(shí)也是圍繞“價(jià)值創(chuàng)造”的務(wù)實(shí)主義。

從某種意義上說(shuō)，角逐大模型落地的難點(diǎn)并不在于技術(shù)追趕，而在于產(chǎn)業(yè)突破。一個(gè)技術(shù)在產(chǎn)業(yè)里產(chǎn)生價(jià)值需要長(zhǎng)周期的積累，大模型產(chǎn)業(yè)落地的角逐是一場(chǎng)長(zhǎng)跑。

大模型的競(jìng)爭(zhēng)，是產(chǎn)業(yè)戰(zhàn)略乃至國(guó)家科技戰(zhàn)略的競(jìng)爭(zhēng)，將成為未來(lái)20年變革所有行業(yè)的核心力量。深入思考國(guó)家及產(chǎn)業(yè)需要什么樣的產(chǎn)業(yè)AI未來(lái)，應(yīng)從大模型的產(chǎn)業(yè)化上入手。

大模型要源于產(chǎn)業(yè)土壤，更懂產(chǎn)業(yè)訴求，解決真實(shí)產(chǎn)業(yè)問(wèn)題。普惠和突破則是大模型服務(wù)于產(chǎn)業(yè)的兩大承諾。只有當(dāng)AI大模型越來(lái)越深刻地塑造新的產(chǎn)業(yè)形態(tài)，并越來(lái)越激活更高效率的產(chǎn)業(yè)勢(shì)能，這樣的產(chǎn)業(yè)化AI比拼，才能奠定最終勝勢(shì)。

動(dòng)輒上千億參數(shù)的通用大模型算力成本，往往很高，因此，產(chǎn)業(yè)需要更適應(yīng)自身成本需求和應(yīng)用實(shí)際的“專業(yè)化大模型”。

二、落地物流的兩大基礎(chǔ)：數(shù)據(jù)與場(chǎng)景

所有行業(yè)都會(huì)基于大模型進(jìn)行重建，物流行業(yè)也不例外。智慧級(jí)物流，是基于“計(jì)算+數(shù)據(jù)+模型”的綜合產(chǎn)業(yè)智能，對(duì)于當(dāng)前琳瑯滿目的大模型，物流業(yè)界的態(tài)度主流是觀望，其實(shí)，物流有大模型落地的兩大基礎(chǔ)——數(shù)據(jù)與場(chǎng)景，可率先應(yīng)用，以改變物流格局。

物流流程、數(shù)據(jù)等豐富成熟，更適合接受AI大模型的深入改造。智慧物流等領(lǐng)域，以物流為供應(yīng)鏈中的智能制造，數(shù)字化程度相對(duì)較高，在數(shù)據(jù)的采集、分析和應(yīng)用上，本已有基礎(chǔ)，因此更有希望更快步入AI智能化。

物流具有的成熟技術(shù)條件、海量的數(shù)據(jù)，廣泛的應(yīng)用場(chǎng)景，這一切都意味著大模型離物流并不遙遠(yuǎn)；頭部物流企業(yè)和物流平臺(tái)掌握超量數(shù)據(jù)，深度參與著龐大而復(fù)雜的產(chǎn)業(yè)生態(tài)，具備多樣型的復(fù)雜應(yīng)用場(chǎng)景，是大模型落地的天然土壤。

其實(shí)大模型在物流行業(yè)的運(yùn)用，很早就開始了，快遞客戶日常接到的人工語(yǔ)音電話，就用到了大模型功能，只不過(guò)是其基本、最簡(jiǎn)單的模型功能應(yīng)用。

1、數(shù)據(jù)

總的來(lái)說(shuō)，數(shù)字基礎(chǔ)設(shè)施助推大模型服務(wù)千行百業(yè)，數(shù)據(jù)本身是驅(qū)動(dòng)人工智能的重要力量，各產(chǎn)業(yè)每年產(chǎn)生的14億優(yōu)質(zhì)交互數(shù)據(jù)，為大模型驅(qū)動(dòng)產(chǎn)業(yè)AI落地，提供了充足數(shù)據(jù)動(dòng)能。持續(xù)積累高質(zhì)量的行業(yè)數(shù)據(jù)，離不開更強(qiáng)大的數(shù)據(jù)平臺(tái)和更強(qiáng)的智能交互能力。

ChatGPT自發(fā)布以來(lái)，通過(guò)大量人類反饋的交互數(shù)據(jù)，效果越來(lái)越好。由大模型帶來(lái)的產(chǎn)業(yè)智能，必將優(yōu)先在數(shù)字化領(lǐng)先的場(chǎng)景發(fā)生。從本質(zhì)上說(shuō)，大模型是指讀取海量數(shù)據(jù)、參數(shù)的規(guī)模巨大的算法模型，經(jīng)過(guò)大規(guī)模數(shù)據(jù)訓(xùn)練后，能夠適應(yīng)一系列任務(wù)的模型。

只有當(dāng)數(shù)據(jù)平臺(tái)不斷實(shí)現(xiàn)知識(shí)輸出，智能平臺(tái)不斷反饋高質(zhì)量協(xié)同數(shù)據(jù)，構(gòu)建起循環(huán)增長(zhǎng)飛輪，才能實(shí)現(xiàn)高質(zhì)量行業(yè)數(shù)據(jù)的積累。

大模型的輸出落地，優(yōu)先在數(shù)字化領(lǐng)先的場(chǎng)景落地。數(shù)字化基礎(chǔ)都較為扎實(shí)，會(huì)更利于大模型能力的釋放。隨著快遞物流行業(yè)的數(shù)字化進(jìn)程不斷深入，多年來(lái)，物流行業(yè)發(fā)展積累了寶貴的數(shù)字化經(jīng)驗(yàn)，在數(shù)字智能化上居有領(lǐng)先地位，可適宜于大模型的落地。

對(duì)于大多數(shù)物流企業(yè)來(lái)說(shuō)，自建大模型不僅周期長(zhǎng)，效率低，成本高，因此，它山之石，無(wú)疑是構(gòu)建自己企業(yè)專用大模型的一種“最優(yōu)解”，除了大模型提供者具有復(fù)雜場(chǎng)景充分檢驗(yàn)的大模型融合解決方案，還需要物流企業(yè)在數(shù)字化上做好基礎(chǔ)。

騰訊大模型在數(shù)字貨運(yùn)福佑上的探索落地，就是根據(jù)以上這一原則：福佑卡車無(wú)疑是數(shù)字貨運(yùn)領(lǐng)域的佼佼者，福佑深度介入整個(gè)貨運(yùn)交易鏈條，將其標(biāo)準(zhǔn)化、數(shù)字化重構(gòu)，天然附帶海量場(chǎng)景數(shù)據(jù)。

據(jù)福佑卡車公開披露的信息，8年時(shí)間內(nèi)，該公司積累了1.9億關(guān)鍵節(jié)點(diǎn)數(shù)據(jù)，200億+多維度行為數(shù)據(jù)，這些高質(zhì)量數(shù)據(jù)恰好能為大模型的落地提供技術(shù)支撐。

大模型在物流上的應(yīng)用，以數(shù)據(jù)為基礎(chǔ)。數(shù)據(jù)作為“養(yǎng)料”，決定了大模型的底色與能力邊界。大模型之所以稱之為“大”，就是因?yàn)樗嫶蟮臄?shù)據(jù)量和復(fù)雜的參數(shù)。在訓(xùn)練和優(yōu)化大模型的過(guò)程中，高質(zhì)量數(shù)據(jù)是核心生產(chǎn)要素，要想訓(xùn)練出精度極高的行業(yè)大模型，所需的不是互聯(lián)網(wǎng)上免費(fèi)公開的數(shù)據(jù)，而是行業(yè)特定的場(chǎng)景數(shù)據(jù)，

物流B端的產(chǎn)業(yè)數(shù)據(jù)是從業(yè)者真實(shí)交互數(shù)據(jù)，樣本少、分布不均，極難獲得。因此，大模型，除了訓(xùn)練標(biāo)準(zhǔn)大模型通用的數(shù)據(jù)外，還必須將物流業(yè)自己的數(shù)據(jù)納入其中，例如，京東言犀在訓(xùn)練時(shí)便使用了70%通用域數(shù)據(jù)與30%京東數(shù)智供應(yīng)鏈原生數(shù)據(jù)。

傳統(tǒng)數(shù)據(jù)庫(kù)面對(duì)大模型訓(xùn)練的圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)，顯得捉襟見(jiàn)肘，專門針對(duì)此類場(chǎng)景的向量數(shù)據(jù)庫(kù)更顯得彌足珍貴，因?yàn)橄蚶頂?shù)據(jù)庫(kù)具有極為精細(xì)、復(fù)雜且龐大的數(shù)據(jù)洞察訴求。

當(dāng)前各家大模型在算法層面區(qū)別并不大，并且具有同質(zhì)化的趨勢(shì)。在此背景下，通過(guò)物流本身的場(chǎng)景和垂域數(shù)據(jù)優(yōu)勢(shì)建立行業(yè)大模型，訓(xùn)練數(shù)據(jù)就成了真正區(qū)分且影響行業(yè)大模型性能的重要因素之一。

所謂的數(shù)據(jù)，來(lái)源于商流、物流以及金融流，一個(gè)物流公司，具有獲得這三類數(shù)據(jù)的基礎(chǔ)，更為重要的是物流原始數(shù)據(jù)只有在交互中才會(huì)產(chǎn)生，并且是動(dòng)態(tài)而非靜態(tài)的數(shù)據(jù)，因此，經(jīng)過(guò)二十年發(fā)展的物流業(yè)，當(dāng)然擁有豐富真實(shí)的產(chǎn)業(yè)數(shù)據(jù)。

大模型加入物流企業(yè)獨(dú)有的場(chǎng)景數(shù)據(jù)，能快速精調(diào)生成專屬模型，不同的物流企業(yè)，在數(shù)字供應(yīng)鏈領(lǐng)域的細(xì)分深耕，為產(chǎn)業(yè)大模型的落地提供了差異化的數(shù)據(jù)優(yōu)勢(shì)與能力優(yōu)勢(shì)。源于產(chǎn)業(yè)和內(nèi)部業(yè)務(wù)場(chǎng)景的“人無(wú)我有”的數(shù)據(jù)與能力，最終帶來(lái)了物流大模型的差異化。

更進(jìn)一步，可發(fā)力大模型與數(shù)字孿生技術(shù)深度結(jié)合，推進(jìn)物流技術(shù)邁向數(shù)字原生時(shí)代，逐步形成AI自動(dòng)生成供應(yīng)鏈解決方案：數(shù)字孿生驗(yàn)證出全局最優(yōu)方案，最終用于實(shí)踐的完整閉環(huán)。

2、場(chǎng)景

技術(shù)本身是沒(méi)有辦法直接產(chǎn)生價(jià)值的，技術(shù)只有放到場(chǎng)景里才能夠產(chǎn)生實(shí)際的價(jià)值。物流作為先天更適合新技術(shù)滲透的場(chǎng)景之一，對(duì)大模型的應(yīng)用，正是為數(shù)不多可以看到實(shí)際落地產(chǎn)業(yè)效果的賽道。

數(shù)字物流作為傳統(tǒng)物流數(shù)字化轉(zhuǎn)型后新的經(jīng)濟(jì)形態(tài)，涵蓋快速接單、高效分單、實(shí)時(shí)定價(jià)、軌跡跟蹤、智能應(yīng)答等多個(gè)應(yīng)用場(chǎng)景。物流是AI落地最重要的產(chǎn)業(yè)場(chǎng)景之一，也是大模型落地的重要產(chǎn)業(yè)場(chǎng)景。

技術(shù)的演變與發(fā)展，是離不開具體場(chǎng)景的聚焦，在不同的行業(yè)、不同的場(chǎng)景下，如何利用好并且更精準(zhǔn)地發(fā)揮技術(shù)的作用才是更困難的事情。

在大模型產(chǎn)業(yè)化的過(guò)程中，場(chǎng)景一定是必需品，從現(xiàn)階段來(lái)看，物流可能會(huì)是那個(gè)相對(duì)更加“完美”的選擇。物流本身承擔(dān)著數(shù)字與物理世界的現(xiàn)實(shí)鏈接，具有豐富的內(nèi)在場(chǎng)景。

單一大模型本身無(wú)法產(chǎn)生直接價(jià)值，技術(shù)只有放到場(chǎng)景中才能產(chǎn)出實(shí)際價(jià)值，更準(zhǔn)確地說(shuō)，只有在自己的場(chǎng)景，才能培養(yǎng)出適合自己的大模型應(yīng)用，而物流，是具有豐富的場(chǎng)景，并相對(duì)高度數(shù)據(jù)化的行業(yè)。

近期，在華為、百度、騰訊、科大訊飛等企業(yè)的參與下，大模型的應(yīng)用場(chǎng)景有了越來(lái)越多的實(shí)踐案例。京東、阿里推出電商物流頭部企業(yè)自己的大模型，菜鳥供應(yīng)鏈也順勢(shì)發(fā)布了基于大模型的數(shù)字化供應(yīng)鏈產(chǎn)品“天機(jī)π”。

這些更接近于物流場(chǎng)景，但落地物流，還需要與物流具體場(chǎng)景結(jié)合，需在物流企業(yè)內(nèi)部的關(guān)鍵場(chǎng)景完成歷練和實(shí)踐。當(dāng)模型訓(xùn)練完成之后，我們?cè)谳敵鰰r(shí)就可以針對(duì)不同場(chǎng)景，做到更為精準(zhǔn)的變頻。

智慧物流具有知識(shí)密集型、任務(wù)型產(chǎn)業(yè)場(chǎng)景，大模型聚焦其中，可解決真實(shí)產(chǎn)業(yè)問(wèn)題，企業(yè)在技術(shù)層面設(shè)法將大模型運(yùn)用到物流的具體場(chǎng)景中來(lái)降本增效，也將成為趨勢(shì)。

大模型需要的數(shù)據(jù)包括場(chǎng)景化數(shù)據(jù)，物流具有長(zhǎng)鏈路、復(fù)雜協(xié)同、更多動(dòng)態(tài)數(shù)據(jù)回流的場(chǎng)景，成為了大模型最好的“練兵場(chǎng)”。

AI大模型需要在物流場(chǎng)景中反復(fù)與充分測(cè)試，錘煉技術(shù)、升級(jí)迭代和培育市場(chǎng)，因?yàn)?，現(xiàn)實(shí)需要的是致力于在具體物流場(chǎng)景中100%解決問(wèn)題，而不需要在100個(gè)場(chǎng)景中解決10%問(wèn)題。

AI大模型不僅要顧及到行業(yè)專業(yè)知識(shí)，還要對(duì)上下游個(gè)性化業(yè)務(wù)場(chǎng)景具有深入理解，從細(xì)微業(yè)務(wù)場(chǎng)景的顛覆性轉(zhuǎn)變的積聚，從而推動(dòng)場(chǎng)景到產(chǎn)業(yè)的全面進(jìn)步。

物流改造是宏大命題、長(zhǎng)周期賽跑，但離不開一個(gè)個(gè)具體業(yè)務(wù)場(chǎng)景的精細(xì)化覆蓋，圍繞人、貨、場(chǎng)三個(gè)核心要素展開場(chǎng)景，對(duì)物流場(chǎng)景應(yīng)用一點(diǎn)點(diǎn)吃透打通。

大模型深度融入物流服務(wù)供應(yīng)鏈全場(chǎng)景，可實(shí)現(xiàn)多模態(tài)大模型對(duì)物流場(chǎng)景內(nèi)容生成和創(chuàng)作的交互升級(jí)，解決行業(yè)痛點(diǎn)問(wèn)題，要持續(xù)洞察和驗(yàn)證真實(shí)的業(yè)務(wù)場(chǎng)景，探索大模型在物流行業(yè)的多場(chǎng)景應(yīng)用。

大模型在物流領(lǐng)域成功落地的關(guān)鍵還在于，能否應(yīng)用于具體場(chǎng)景，以解決效率優(yōu)化問(wèn)題；能否達(dá)到提質(zhì)降本增效的目的，能否創(chuàng)造商業(yè)價(jià)值。

大模型可以重塑物流生態(tài)，改變各個(gè)場(chǎng)景的運(yùn)作方式，進(jìn)一步解放生產(chǎn)力，幫助企業(yè)實(shí)現(xiàn)降本增效。誰(shuí)能率先在物流業(yè)務(wù)場(chǎng)景中應(yīng)用好大模型為核心的人工智能技術(shù)，誰(shuí)也將有望獲得未來(lái)的最大紅利。

總之，所有大模型都一樣，都是在數(shù)據(jù)與場(chǎng)景的基礎(chǔ)上，經(jīng)過(guò)長(zhǎng)期訓(xùn)練后，從量到質(zhì)的不斷突破積累的產(chǎn)物。例如，京東言犀大模型是從京東優(yōu)質(zhì)的產(chǎn)業(yè)場(chǎng)景與數(shù)據(jù)中錘煉而來(lái)，具備更強(qiáng)的產(chǎn)業(yè)屬性。

基于數(shù)據(jù)、場(chǎng)景以及多年的技術(shù)積累，物流業(yè)，特別是智慧物流，物流平臺(tái)成為打造大模型的前沿高地，也是產(chǎn)生產(chǎn)業(yè)大模型的最佳陣地，大模型在物流上的應(yīng)用，是值得充分期待的。

物流環(huán)節(jié)眾多，復(fù)雜性極強(qiáng)，所以技術(shù)對(duì)物流場(chǎng)景的滲透，遵循從單點(diǎn)到全鏈條，從行動(dòng)到智能決策的過(guò)程，而多模態(tài)大模型對(duì)物流場(chǎng)景內(nèi)容生成和創(chuàng)作的交互升級(jí)，是一次更為綜合和升維的介入。

結(jié)語(yǔ)：人工智能，是一場(chǎng)非常嚴(yán)肅的技術(shù)革命，大模型驅(qū)動(dòng)AI時(shí)代的到來(lái)；人工智能的突破，首先是大模型產(chǎn)業(yè)落地的突破；圍繞物流行業(yè)大模型進(jìn)行技術(shù)融合與創(chuàng)新，并不斷降低大模型的落地成本是長(zhǎng)期確定的目標(biāo)。