（从左到右依次为：G7易流首席科学家王守崑，阿里云智能副总裁、交通物流行业总经理张磊，中远海运研发创新中心总工程师王敏）

自2017年起，政府工作报告多次提及“人工智能（AI）”，今年更将“人工智能+”首次写入。这不仅体现了人工智能在经济社会发展中的地位，顺应了全球AI发展的潮流，更标志着“人工智能+”在场景化、产业化方面的应用持续加强，赋能千行百业发展、引领科技创新的趋势加速到来。
具体到人工智能+物流，3月7日在杭州举行的2024数智物流峰会（以下简称“峰会”）为我们明思路、谋新路、探出路。中国物流与采购联合会副会长蔡进在会上指出，人工智能技术和物流技术的融合，应用场景和发展前景十分广阔；人工智能技术+物流要做的不是数字化技术在某一个物流环节上的应用，而是以此推进物流向供应链整体的转型升级；在降低物流成本的过程中，数字技术的应用尤其是人工智能技术的应用至关重要；人工智能技术在基于物流和供应链创造价值的过程中不可或缺，甚至是目前我国物流和供应链创造价值的“发动机”。
峰会现场，由阿里云、菜鸟、高德地图、中远海运、东航物流、圆通速递、申通快递、中通快递、德邦快递、G7易流、地上铁、浙江大学智能交通研究所等共同成立的“物流智能联盟”，是物流行业首个专注于大模型应用研究与实践的联盟，旨在推动大模型在物流领域的实际应用，通过AI技术助力物流行业增效降本和业务创新。
峰会群访环节，阿里云智能副总裁、交通物流行业总经理张磊，中远海运研发创新中心总工程师王敏，G7易流首席科学家王守崑等三位技术大咖，结合峰会“智通天下 效领未来”主题，围绕“AI大模型技术如何为物流业增效降本、创新发展赋能加码”，接受了《中国物流与采购》杂志记者的采访，其剖析了AI大模型技术在物流行业的应用现状以及机遇、挑战，为物流企业转型升级提出了建议，为物流行业未来发展提供了方向。 
AI创新下业态重构
谈及对大模型的理解，王敏将其简单划分为三个层次。第一个层次是利用公共大模型给行业赋能，全面提升工作效率。与早期GPT等模型相比，如今“通义千问”等在内的大模型，具备了更为强大的能力。作为工具，大模型技术在中远海运内部得到普遍应用，如同互联网一样普及。
第二个层次是把大模型看作“数字员工”，对集团内的、包括上下游的企业进行赋能。其主要具备两项能力：一是更强的知识检索能力。任何行业经过多年的信息化、数字化发展，都会形成大量结构化和非结构化的数据。利用大模型的能力，可以把这些数据灌到大模型里做向量化处理，然后进行检索和生成。二是优化的数据分析能力。针对现有海量数据，利用大模型技术，获取数据库里的知识，将其解构化，再经组织生成可读性强的市场报告和分析报告。“公司在海运方面的信息文件非常庞杂，以前要想获取有关信息，有针对性地分析相关数据是很困难的，但现在通过大模型，工作得以显著简化。”王敏表示。
第三个层次是中远海运正在努力的方向，其将海量数据，利用大语言模型、多模态大模型等，实现智能分析和决策。通俗而言，该层次可以称作“数字老板”，大模型在此间起到辅助决策的作用。
谈及大模型的基础应用，王守崑进一步指出，G7易流一直坚持对新技术应用采取两个基本原则。第一个基本原则是10倍的效率提升，即在某个特定环节提升10倍的效率；第二个原则是创造新的商业场景，凭借新技术、新产品为公司带来营收和用户增长。
据王守崑介绍，依据上述原则，G7易流的大模型应用，主要体现在各类智能助手上。比如智能接单，物流与信息流的核心是预订单和订单，不同企业的订单格式、规则并不相同且非常复杂。通过以往技术虽能克服以上困难，但沟通和研发成本很高，而利用大模型技术，在某些环节下能够提升10倍的效率。再比如，在安全运输环节，通过智能助手可提醒司机或将上下游信息串联起来，这是尚且处于探索中的全新商业场景。
以当下热门的自动驾驶为例，其发展轨迹也将被大模型重新改写。现阶段，自动驾驶的技术框架、特殊场景，都遇到了本质性的挑战。大模型在这些方面有更强的能力，即使过程很漫长、复杂，但应用前景值得看好。“未来，在技术、商业、法规和伦理等多方面实现协同和平衡以后，自动驾驶将快速步入春天！”王守崑判断。
对于大模型助力物流创新发展，王敏和王守崑都显得笃定而乐观。王敏认为，整个物流行业都会被AI重构，人工智能+将和互联网+一样，推动各个行业和场景发生深刻变革，加速新的业务模式快速形成。
在荆棘中采撷鲜花
峰会期间，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光强调，科技是新时代物流最大的生产力，是增效降本的“利器”；物流行业正向数据化、AI驱动的智能化物流演进，它既是数据密集型、计算密集型的产业，也是人工智能大模型的价值高地；相信新一代通用人工智能（AGI）一定会重塑智慧物流，多元算力一定会成为物流行业数智化的必备能力。
但机遇往往伴有挑战。尽管AI大模型等人工智能技术为物流行业的转型升级提供了强大动能，但在其落地实施过程中依旧难免遇到荆棘。
张磊告诉《中国物流与采购》杂志记者，“数据+算法+算力”是大模型发展的核心。算力层面，通俗而言是“基础设施”。大模型在物流行业面临的挑战，首先是解决国内20多万家中小微企业基础设施不足的困境。“这些企业和中远海运、G7易流不一样，没有雄厚资金、专家团队。作为云厂商，我们希望把公共云上面触手可及的算力资源，如GPU+CPU，大模型的训练部署、运维平台等，以更高效的方式提供给广大中小企业用户。”张磊说。
据记者了解，为让全社会享受更低成本的云服务，助力大模型在物流行业应用，推动企业使用公共云快速拉起庞大的训练和推理资源，实现低成本下的AI创新，阿里云在2月29日宣布全线下调云产品官网售价，平均降价幅度超20%，最高降幅达55%。这也是阿里云史上最大力度的一次降价，涉及100多款产品、500多个产品规格，惠及数百万新老用户。
算法层面，一般行业模型的生成都是基于基础的、通用的大模型，无法做到全方位“专业个性适配”。对此，阿里云不断提升“通义”系列的技术大模型能力，并持续用好开源。“比如，开源的72B大模型在全球都获得了很高的评价。接下来，我们将继续把最优秀的技术大模型以开源方式投入到社区里面，为用户提供更多选择。”张磊表示。
数据层面，大量高质量的行业数据特别关键，这一问题不能仅依靠云厂商解决。所以，物流智能联盟的成立恰逢其时。通过联盟，阿里云期待与行业内的头部企业、全球范围内的知名企业达成紧密合作，并与大量的上下游或者外部客户形成有效联动，帮助大家攻克数据难题，一起享受大模型带来的技术红利。
谈及大模型技术落地的挑战，王敏还提出三点希望：一是希望云厂商加强大模型的通用能力，实现更容易的即插即用，更好融入企业场景；二是现下技术迭代快，希望云厂商给到更多的包括技术等方面的支持，加速大模型在企业应用；三是客户对于大模型在数据应用过程中的安全、合规性问题尤为关注，希望云厂商积极参与、着力强化标准、制度的制定，保障大模型技术更好落地。