物流行業又一個大模型來了。繼物流決策大模型“豐知”后，9月8日，在深圳國際人工智能展上，順豐科技發布了物流行業的垂直領域大語言模型——豐語。這相當于，順豐科技在一個月內接連“官宣”了兩個大模型產品，均為其自主研發的物流行業垂直領域大模型。大模型，可能大家還不熟悉，但ChatGPT相信許多人都聽過了。簡單理解，大模型就是基于人工智能技術的一種有大量的參數、能夠處理和學習復雜的數據模式，它通常需要大量的數據來訓練，以便能夠執行各種任務，如語言理解、圖像識別、預測分析等。過去這兩年大模型的發展非常快，技術迭代非常迅速，作為人工智能領域的一個重要趨勢，正在推動許多行業和領域的創新乃至顛覆。在此背景下，國內外都涌現出了不少好用的產品，一些我們熟悉的像GPT-4、文心一言，什么都能做，被稱之為通用大模型。
面向物流供應鏈行業廣闊的場景，阿里云、京東、菜鳥、貨拉拉、中遠海運等企業也早已推出了一些物流領域的大模型。據物流指聞了解，在發布豐知、豐語前，順豐早已投入對大模型的研究多時，甚至包括順豐王衛本人都對此頗有興趣，去年就開始用大模型寫公司內部的順豐30周年感言。承擔這一技術研究的團隊，就是順豐集團的智慧大腦——順豐科技。如今，這一內部打磨許久的產品，終于到了走到臺前的時候了。
順豐投入大模型，是一次跟風試探還是深謀遠慮?順豐自研的大模型究竟有何不同?勞動密集型的物流行業用得上新潮的大模型么?
01
大模型加持，人人都可以快速成為專家
豐語，作為一種大語言模型，基于物流行業知識以及過往處理經驗，通過對話的方式輸出文字或圖片等信息，從而幫助每個不同崗位的人，都快速“習得”，成為某個領域經驗豐富的崗位專家。
據物流指聞了解，“豐語”大模型在正式對外亮相之前，早已廣泛地應用于順豐集團體系內的市場營銷、客服、收派、國際關務等業務板塊的二十余個場景中。這些使用者既有順豐王衛、各管理團隊等，也包括廣大的順豐快遞小哥、人工客服、市場營銷人員等一線崗位員工。可以說，大模型已在順豐內部實現了從上至下的全員普惠性應用。
順豐集團
，贊132
比如，快遞小哥。這一個大模型基本涵蓋了順豐一線快遞員的工作中可能遇到的各類操作流程相關的問題和經驗。從入職開始，基于大模型生成的數字員工可以對小哥進行個性化的一對一輔導培訓，讓小哥可以更快上手。在日常寄遞業務中，快遞小哥如果有任何的問題，比如物品能不能寄、是否建議保價、要怎么包裝、不同時效的產品多少錢等，可以通過基于大模型打造的小哥服務中心詢問得到答復。遇到大模型無法回答的問題，也可以轉人工處理，大大提升了快遞小哥的工作效率。比如，客服。作為一個順豐的人工客服，能夠在售前咨詢或售后保障問答的一開始，收到一個基于大模型的前期客戶問題參考回答，從而更快速高質量應答;同時大模型能夠自動提取關鍵信息輔助客服在系統填寫工單;在服務結束后，大模型會自動在系統中記錄問詢基本信息、并形成客服摘要，方便客戶后續來電其他客服可以快速了解情況并進行處理。
除此以外，客服運營人員只需要提煉經驗與規則，使用大模型更高效地維護客服知識庫。以豐語大模型為例，慢同行一步對外官宣的順豐大模型，其實已深入順豐體系，廣泛應用于物流供應鏈業務場景應用中。捂了這么久才正式對外推出，可以說，這也很順豐。
02
“定制”物流行業大模型：更專業、低成本、高可靠
豐語，是一個兼具通用能力和物流垂域能力的高質量行業模型。如何實現專業、可靠、資源與效果形成最佳平衡，成為順豐打造這款物流行業專屬大語言模型的重點。第一，更懂物流行業，將物流行業的專業知識數據融入大模型。物流供應鏈鏈條長、場景復雜，且高度專業化，盡管一些知名的通用大模型通識能力強，涉及到基礎的文字信息或許還可以收集、整合與回答，但如果要實際應用到一線運營業務中，卻往往不能勝任。這其中需要大量的、深入的、顆粒度更細的知識學習。因此，順豐在進行豐語大模型的研究與部署時，用了80%的通用數據和20%的垂域數據訓練。這個垂域數據包含了1)順豐30多年來積累的內部數據，比如順豐內部各系統非敏感知識;2)外部數據，比如物流領域相關法規政策標準，物流領域專業書籍、論文、期刊，物流行業研究報告，國內國際物流發展歷史、新聞動態等。第二，在開發大模型時，不盲目追求模型參數規模、綜合考慮效果與使用成本的均衡。據了解，一些常見的商用通用大模型需要巨大算力，而這往往會產生高昂的使用成本。因此，順豐科技選擇在不降低大模型效果的情況下，盡可能先做小模型，降低推理門檻;同時，在保證模型通用能力的基礎上，更聚焦于提升模型在物流、供應鏈行業的實際應用能力。據專業測評結果顯示，對比相近尺寸(具體包括參數數量、模型的復雜性以及它在訓練時使用的數據量等)的主流通用模型，在通用能力層面豐語大模型可以做到表現持平，而物流領域表現遠遠勝出。第三，相較于通用大模型，通過應用豐語大語言模型，一些業務場景的數據指標明顯得到了優化，顯示出高可靠性。以豐語大模型的應用為例，在客服對話摘要場景時，相對原來使用的通用大模型，錯誤率降低了25%;應用于國際物流場景時，收寄物品名自動規范錯誤率降低了42%;在小哥問答場景中，意圖分類錯誤率降低了58%;在客服填單時，降低52%的實時物流信息抽取錯誤率。
03
不盲從不跟風全面落地應用凸顯價值
“在大模型橫空出世的時候，其實我們沒有盲目去進行跟風，而是仔細思考，如果要讓每一個業務、每一個人都能用得起、用得好大模型，我們應該怎么布局大模型整體的戰略。”順豐科技相關負責人告訴物流指聞。在發布會上，順豐科技向外界首次展示了這個大模型體系的全景圖。
這個體系包含物流大語言模型應用(豐語)、多模態大模型應用以及物流決策大模型應用(豐知)，它們作為一個整體，從知識獲取到信息理解再到預測決策，形成一個完整的閉環。在實際業務應用與效果轉化中因而可以實現“1+1大于2”的效果。
比如，與“豐語”大模型不同，8月對外推出的“豐知”，就是將大模型技術應用于物流供應鏈場景下的智能化分析、銷量預測、運輸路線優化與包裝優化等環節，以輔助決策，比如，告訴你這個路徑具體怎么規劃、包裝應該怎么設計等。回顧過往，在豐語、豐知之前，順豐在將大模型技術用于物流行業場景方面已有了諸多標桿案例。在順豐科技看來，大模型是一種更高效的學習方式，這個技術的目標路徑清晰：需要通過沉淀行業知識，到應用，再到產生效益。從應用的廣度上來看，通過與順豐的組織架構與管理流程融合，已實現AI對順豐業務全面賦能提效。在順豐，有面向所有員工的基于大模型的辦公助手，還有通過企業統一知識平臺實現的各類問答機器人。有意思的是，還可以通過內部的一站式智能體無代碼開發平臺，讓更多不同的業務組織可以根據自身需要，快速搭建屬于自己的大模型智能體。
從應用的深度來看，借助AI之力，通過全員使用，并與物流供應鏈全環節場景深度鏈接，助力全鏈路運營效率和客戶服務體驗優化，并助力業務拓展創收。
1、以當前業內為數不多的快遞新增量市場：電商退貨件業務來說。在這個場景用戶下單環節中，一般需要用戶上傳退貨信息截圖進行下單。
通過順豐大模型，可以自動提取截圖中的寄遞信息，提取正確率高達98%，省心、省時間，助力提升了用戶的退貨體驗;在派件物流回單審核環節，智能機器人支持實時差異化審核，著力保障回單簽署規范性，提升客戶增值服務體驗。
2、再比如，順豐當前投入多、增長快的國際業務。在中國企業出海背景下，基于大模型技術結合各國法文條規、海關公告等，自動生成的國際收寄標準得到廣泛應用，據順豐半年報此前披露，已在 6 個國際流向中投入使用，覆蓋近4000條線路。同時，清關對品名規范的要求很高，報關需要按照各國海關要求填報規范的物品名稱，如果填報內容不規范，很可能導致本身可以通關的物品無法通關，或因重新修改填報延誤清關時效。大模型將物品名稱規范化為更簡短、符合海關分類的品名。以美國業務為例，順豐日均有十幾萬的美國進口運單，清關品名有98%均來自大模型自動生成的合規品名，節省了人力投入，提升了通關時效。
3、如果以具體產品為例，通過豐語知道構建基于大模型的知識問答、產品服務推薦，助力增收數千萬元;豐語商編則優化了國內&國際收寄標準，擴大可收寄口徑，轉化增收數千萬元;多模態審核用于電商退貨一張圖下單，已實現增收上億元。提效方面，豐語摘要、豐語知道、豐語助理等產品，極大提高了全網80萬各崗位人員獲取知識、加工信息的工作效率。
目前來看，這些大模型技術，與順豐長期對人工智能、大數據、運籌、數據孿生等多種技術體系化的積累和投入相結合，已為順豐集團帶來了價值產出和切實的效益。在AI領域，順豐還在布局機器人、具身智能相關技術研究和應用，并探索將大模型應用到更多場景和服務更多客戶所在的行業。
04
新質生產力時代，“AI+物流”想象空間巨大
物流行業需要大模型，毋庸置疑。在國家大力推進新質生產力的背景下，人工智能已成為了經濟發展的核心驅動力之一。而今年上半年，中央財經委員會會議、國務院會議等重要會議多次針對“降低全社會物流成本”開展研究，并將AI大模型等技術視為促進物流產業變革的強大技術力量。
與此同時，要在物流供應鏈領域真正發揮出大模型的價值，還需要深入鏈接產業的場景，著眼于解決產業的每一個環節的具體問題，才能實現真正的賦能。在此前的文章中，物流指聞也曾撰文討論過當前物流行業大模型“百家爭鳴”的現狀。相對而言，順豐科技的這場發布會來得有點慢，但隨著以豐知、豐語等大模型產品的相繼面世，順豐對大模型、人工智能技術的思考和戰略布局也更值得長期探究。有理由期待，人工智能技術可以為順豐、也為整個快遞物流行業釋放出更大的價值。
本文來源于物流指聞，不代表九州物流網(http://www.ruyi818.com)觀點，如有侵權可聯系刪除，文章所用圖片來源于網絡，文章圖片如有侵權可聯系刪除。