“90%的客服問題，交給AI就足夠了?！闭劶按竽Ｐ驮诠究爝f業務的首個落地嘗試-AI客服，快遞100產研中心負責人李朝明表示。

  被利潤下跌折磨的快遞行業，打響的第一戰是“反內卷”，而大模型成為了其中的關鍵一環。

  10000000000，這是“三通一達”每一家在2024年上半年達成的百億業務量。由“買買買”帶動的快遞行業，帶動各大快遞公司的單量增長。

  但在快遞行業單量大幅擴張的同時，“爆單”并沒有讓快遞公司們賺的盆滿缽滿，而是賠掉了底牌。財報顯示，今年11月，韻達、申通和圓通單票收入分別為2.03元/件、2.08元/件和2.29元/件，同比分別下降14.71%、5.45%和6.96%。

  “快遞行業已經進入，從卷低價到卷高質量服務的階段?！笨爝f100總經理陳登坤給出了判斷。

  2023年，快遞行業瞄上AI。從早期的觀望、試水，到2024年大模型開始在快遞行業初步結果。雖然應用能力仍然有限，但大模型首先覆蓋了快遞行業中，一批最基礎、也最有效的可降本增效的業務：AI客服、AI營銷和AI助手。

  而在2024年，除去常規運轉之外，大模型正在深入快遞行業的腹地。

  從簡單的寄件、查件入手，到面向快遞小哥打造“知識庫”、再到幫助完成業務信息的匯總整理，甚至到供應鏈的智慧控制，大模型在快遞行業的能力正在被逐步釋放。

  選擇私有化部署模型、自研大模型的快遞公司們都相信一點：大模型是值得的長期投資，它在快遞行業的應用上限仍然有一個廣闊空間等待發掘。

  01

  單量大、競爭卷

  快遞行業擁抱AI增效

  2023年 8月8日，李朝明清楚地記得，這是快遞100決定接入大模型最開端的日子。彼時，孵化了快遞100的金蝶集團剛剛在三十周年大會上發布了“蒼穹GPT”，集團戰略資源開始傾向大模型投入，促使快遞100開始嘗試將AI能力應用到自身業務中。

  當作為基座的大模型能力得以突破，AI+快遞的實際應用也打開了更多場景。

  李朝明回憶，2023年10月，百度發布文心一言4.0大模型后，在合作的測試中，快遞100發現，過往一些無法交給AI完成的場景在新模型能力的加持下，實現了能力突破。

  兩年時間內，多家企業均交出了自己的答卷：順豐自研物流決策大模型“豐知”和聚焦物流行業垂直領域的“豐語”大模型、韻達推出AI快遞助手、快遞100選擇了將公有云和私有云模型混合的“百遞云GPT”模型。

  然而，從快遞業務的幾個核心環節“攬收、分揀、運輸、派送”來看，大模型能力的應用仍然有限。李朝明指出，當前，快遞行業的落地更多還停留在“一頭一尾”兩個環節，即攬收和派送。

  最早在快遞行業落地的是AI客服類產品。它聚焦售后環節，幫助節省人力的同時，處理了大量重復的簡單問題。談及AI客服帶來的效益，李朝明表示，雖然寄快遞業務保持快速增長，但在AI能力應用到客服環節之后，快遞100能夠有效控制人員增長的速度。

  李朝明透露，目前快遞100實現了90%的客訴問題由大模型處理，問題一次性解決率高達99.4% 。

  AI助手類產品則更多用于幫助快遞行業的工作者服務，包括快遞小哥、企業內部用戶都是大模型的受益者。攬件環節，AI助手能夠幫助快遞行業的服務人員解決問題，比如違禁物品查詢、快遞時效性等需求。

  順豐科技大模型技術總監江生沛向光錐智能舉了一個例子：在國際快遞場景下，D197(貓山王榴蓮的編號)、貓山王、榴蓮糖、凍干榴蓮，它們屬于同一類別的托寄物嗎?它們各自走陸運、航空寄往不同國家的寄送規則如何、使用哪種服務更合適?

  過往這些細節，需要快遞小哥在各個國家的海關網站上查詢，需要跨越多語言、規則常變動等障礙，現在開始移交給搭載了物流知識庫的AI助手。只需要拿出手機，順豐的快遞小哥就能在公司內部的AI助手上查詢到不同件的國際寄送規則，當下處理客戶的需求。

  實際上，AI不僅僅可以為快遞小哥賦能，在國際業務寄送的服務中，AI助手也能通過搭載相應知識庫，為使用者提升效率。AI助手可以調用全球各地的海關郵寄政策，再同步生成一份最新的郵寄指南，幫助用戶掌握海外政策變動情況。

  從降本增效抓起，以AI客服為切口，到面向員工的AI應用，2024年，大模型逐漸進入快遞業務的腹地，已經嵌入到“寄、管、查”的快遞服務核心全流程。

  在下單、接單、上門取件、出賬、支付、運輸、簽收等全流程服務體系，AI都能為各個環節提供能力支持。以快遞100的“自動改派單”功能為例，在退貨場景中，通過系統預設的規則，AI可以實時判斷訂單狀態，按需調配運力資源。

  比如，如果用戶下單后快遞員接單超時，AI將立即向用戶推送通知詢問是否接受改派，確認后，系統將調配運力資源接管;在上門取件中，如果快遞員未能準時到達，AI也會為用戶重新安排取件方案。

  AI對快遞行業的爆改，無論從快遞員還是用戶端，體感上都不是非常劇烈，但卻恰到好處在提供著許多主動式、自然語言交互的體驗，正如春雨潤物細無聲。表面上雖然云淡風輕，底層的技術層卻正在發生著翻天覆地的變化。

  02

  大模型深入

  產業腹地的艱難一年

  為什么過去兩年，能夠將大模型深入應用的快遞企業還是“少數派”?

  快遞行業涉及人員龐大、快件海量、環節也相當復雜，對效率要求卻極致的高。所以，當大模型想要深入改造這樣一個傳統行業時，第一步先要打造一個屬于快遞行業自己的大模型底座。

  目前，快遞行業公司接入大模型大多選擇了兩種方式：一種是完全基于自研大模型服務企業，另一種則通過調用公有云模型+私有部署模型，共同配合使用。

  順豐、韻達等公司選擇自研大模型。談及為何選擇自研這條路，江生沛表示，在使用開源模型進行私有化部署的過程中，由于其不具備物流行業相關知識，它在實際落地的效果并不理想，順豐有數據有算力，自研行業大模型是必經之路。

  “比如‘小哥’這個詞，拿給通用大模型，它的理解肯定和訓練過的垂類大模型不一樣。”江生沛舉例道。

  出于對效果和成本平衡的考慮，快遞100則選擇公有云+私有云部署的方式，按照不同場景的側重需求調用。

  談及為何選擇放棄自研大模型，快遞100的想法是，通過部署能力不斷進化的多個大模型，加上以自有海量數據訓練并部署在私有云的大模型，既能發揮各種模型的能力優勢，又能使用私有化部署的大模型控制成本。

  李朝明表示，每個模型都有自己的強項，比如文心一言4.0在意圖理解和內容生成、提取方面表現更好，多模態理解和識別上，通義千問VL模型更佳，智譜模型則在客戶意圖識別上效果理想。多種模型結合，更能發揮各自的長板。

  選擇完部署方式，才是萬里長征第一步。要想訓練一個垂類領域的大模型，針對特有數據的訓練上就是一大難題。

  中交協物流技術裝備委員會指出，在訓練和優化大模型的過程中，高質量數據是核心生產要素，想要訓練出精度極高的行業大模型，所需的不是簡單公開的數據，而是行業特定的場景數據，而物流產業所需的真實交互數據，樣本少、分布不均，極難獲得。

  江生沛舉了一個例子，“做一個行業模型，首先需要針對各種具體的場景去采集對應的數據，但物流行業的很多知識信息是高度碎片化的，很多數據可能在某臺電腦、記賬本中存儲，所以需要借助大模型完成全面數字化的過程，讓大模型去處理富媒體信息，經過知識抽取、清洗等一系列操作，轉化成可以被訓練的語料。”

  其次，要想將大模型能力和快遞業務結合起來，如何讓大模型準確地理解問題中的所有元素，比如“地址”、“時間”等信息，并根據需求準確調用對應的時效性、價格等信息，這對于大模型來說仍然是個挑戰。

  李朝明表示，雖然目前行業中更多討論的是如何以AI為主導推動業務，但當應用到真正的業務流程中，大模型仍然出現了很多問題。

  在快遞100的業務中，可以歸結為兩點：

  第一，在和AI交互的過程中，必須保證它全程在業務流程中。比如“寄快遞”，無論用戶如何對話，AI必須要把用戶最終引導到寄快遞上。

  “一個東西能不能寄、這個東西要怎么包裝?如果你沒有業務流程設定的話，大模型就會和用戶一直解釋這些問題，他不會引導用戶接下來繼續去寄快遞?！崩畛髡f，“大模型本來應該要引導用戶把聯系方式和寄送地給到?！?

  第二，在處理用戶需求時，大模型需要用到企業內部沉淀的業務知識，比如當用戶來寄快遞時，AI需要知道寄的東西是什么、各快遞公司單價等知識并準確調用，才能準確估算出一單快遞的價格。

  但在調用過程中，大模型經常出現錯亂的情況，要么不知道應該調用什么樣的參數，要么調用了錯誤的信息，從而導致結果錯誤。

  此外，要想面向快遞行業訓練一個可供商用的大模型，需要讓大模型能夠同時兼顧通用模型的理解能力，也要讓它充分理解垂類領域模型應有的專業知識，完成對內容的調用。

  對于需求更加精準的快遞行業來說，需要給出能夠保證可商用的產品，才能真正應用到業務場景中。

  對此，快遞100的選擇是，先由公司為大模型編排好一套業務流程，在這個過程中控制大模型的調用需求。

  回到“寄快遞”來說，在做好業務流程編排的情況下，大模型會不斷“Push”用戶給到所需寄件信息。除此之外，它還能根據需求查詢到不同快遞品牌的寄件價格，并在整理好后重新生成一個回復，幫用戶找到更加便宜劃算的寄件選擇。

  而在今年的大模型能力落地快遞行業過程中，在大模型能力逐漸提升的過程中，企業也開始試圖讓AI作為主導者。

  通過和大廠智能體平臺合作，快遞公司也開始上線各式各樣的智能體。針對查詢快遞需求，快遞100在百度、騰訊、MiniMax上線了“查寄管”同名智能體應用，將主導權讓給了大模型。

  通過這種合作方式，智能體既能記住和用戶交互的上下文，也能通過大模型能力解決一些業務流程中的問題。比如，查詢快遞不需要了解具體找到對應快遞公司平臺查詢，只要給個單號就能查到信息;智能體還能根據輸入的地址信息進行“補全”，自動識別殘缺信息并糾正成可以被寄快遞識別的正確地址。

  隨著大模型能力的進一步解鎖，快遞行業接下來還能交給AI主導更多復雜的任務。

  03

  要降本更要增量

  AI爆改快遞業

  當快遞行業的各方都在應用大模型能力，企業和個人用戶使用快遞的服務體驗已經“質變”。

  比起過往寄送快遞，往往需要人來親自填寫表單，逐步完成信息填寫;如今，只需要用戶用語音、文字或是圖片的方式把相關信息給到大模型，李朝明以快遞100的AI 寄快遞為例，“告訴大模型‘我需要給張三寄一個快遞’，再拍張圖告訴它寄的是什么物品，就能實現真正的“一句話/一張圖寄快遞”?！?

  此外，通過和寄件需求高的大型企業對接，企業當下寄件主要有兩個痛點：一是員工寄件沒有登記在系統中，存在管理混亂的情況;二是在企業需要對賬時，郵寄快遞的費用需要一單一單計算，給財務帶來巨大的工作量。

  對此，李朝明表示，快遞100目前正在嘗試結合大模型能力，面向企業端開發一個類似“攜程商旅”式的寄快遞業務服務，植入到企業內部辦公平臺，幫助企業提升管理效率。

  歷經兩年的探索期，大模型落地快遞行業的優勢正在體現，一個最直接的結果就是節約成本。

  除了上面提及的AI客服能降低快遞行業自己的服務成本，AI也能幫寄快遞的企業客戶降低行政費用。

  “很多企業都有降本的訴求，”李朝明說，“比如員工寄一張紙就需要10-20塊錢，但是如果能通過我們的‘寄快遞’聚合服務，根據不同物品智能選擇不同的快遞品牌，企業可能節省好幾倍的快遞費用?！?

  對于急需提升收益和服務質量的快遞公司來說，它們不僅需要AI幫助企業內部完成降本增效， 更需要進一步提升快遞服務的效率和質量，讓收入實現增長。

  G7易流開發了可以智能接單的智能助手，將接單時間從2小時縮短至30分鐘，效率提升高達75%;貨拉拉則利用AI能力為司機上線“違禁品識別”功能，最快1秒就能識別出違禁物品;順豐給快遞小哥開發的AI助手平均每次對話可節省3分鐘。

  效率提升后，大模型就能夠成為快遞企業增收的“利器”。

  在AI能力的輔佐下，當查件、寄件的效率提升，快遞100運轉單量的能力也隨之提升：從2023年一開始的每天30萬單，到2024年的每天50萬單，李朝明預計，在大模型能力的輔助下，大模型能夠在未來一年實現每天100萬單的突破。

  將多家快遞公司服務接入平臺，快遞100又成為了一個集合“查寄管”服務的快遞生態入口：

  基于百遞云領域知識庫，用戶不僅可以查快遞，更可以一句話對比價格，幫助企業和個人用戶找到更具性價比的價格;AI還能自動幫助用戶補全信息地址，避免快遞運轉出現問題。陳登坤分享，通過MiniMax大模型，快遞100解決了98%的地址補全難題。

  當下，大模型能力仍然沒有被完全釋放，比如，在供應鏈端，大模型還有充足的發揮空間。

  “實際在快遞的運輸環節，大模型現在能參與的部分較少，”李朝明告訴光錐智能，“但在整個快遞物流行業里面，其實最需要優化的還是在于產業鏈的深入融合，所以大模型在快遞行業的應用仍然有較大空間。”

  在大模型能力充分應用到快遞行業的每個角落之前，快遞行業的企業們還需要繼續為這場漫長的攻堅戰補充彈藥。

  本文來源于光錐智能出自物流指聞 ，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。