《洞隱科技：2025中國物流與供應鏈領域AI應用研究報告（91頁）.pdf》由會員分享，可在線閱讀，更多相關《洞隱科技：2025中國物流與供應鏈領域AI應用研究報告（91頁）.pdf（91頁珍藏版）》請在三個皮匠報告上搜索。

1、中國物流與供應鏈領域AI應用研究報告聯合發布：中國物流與采購聯合會智慧物流分會洞隱科技、騰訊云2025年3月XXPart 1Part 2Part 3Part 4我國人工智能產業發展情況我國人工智能產業發展背景物流供應鏈領域AI應用情況物流供應鏈領域AI應用挑戰與趨勢展望目 錄我國人工智能產業發展背景Part 1人工智能已成為新一輪科技革命和產業變革的重要驅動力量與戰略性技術，自2017年以來，我國持續推動人工智能產業發展，以場景創新應用為先導，在政策、資本、產業融合上給予行業大力扶持。隨著人工智能技術的加速迭代，特別是2022年底ChatGPT發布后，生成式AI浪潮席卷全球，國內大模型迅速崛起

2、，上半場百模大戰，下半場DeepSeek異軍突起，帶動千行百業對AI的探索力度不斷加大，人工智能加速了產業融合進程，產業環境發展環境持續向好。我國人工智能產業發展環境持續優化我國人工智能產業發展環境持續優化中國人工智產業發展環境政 策 支 持 力 度 加 大政 策 支 持 力 度 加 大國家及地方密集出臺鼓勵性政策，支持引導AI產業發展，政策涉及產業規劃、應用場景、標準建設等多個維度；以北、上、廣、深為代表的科技企業聚集的城市先后跟進，發布人工智能發展政策，旨在推動人工智能產業的快速聚集發展。技 術技 術 加 速加 速 迭 代迭 代各類AI技術全面發展，以大模型為代表的人工智能加速迭代，具身智

3、能、類腦智能等多條技術路線快速發展；截至2024年，中國人工智能獨角獸企業的數量為71家，主要分布在AI基礎設施與技術、生成式AIGC、AI行業應用三個領域。產 業 融 合 不 斷 加 深產 業 融 合 不 斷 加 深過去幾年，AI正在各行業全面滲透，賦能傳統產業升級，解決方案及應用場景在日益豐富；數據顯示，我國已支持北京、上海、杭州等地創建11個國家人工智能創新應用先導區，加快推動場景創新，賦能傳統產業應用。政策密集出臺，加快發展人工智能已上升為新時代國家戰略政策密集出臺，加快發展人工智能已上升為新時代國家戰略20172017年年20242024年我國人工智能相關產業政策年我國人工智能相關產

4、業政策國國家家級級地地方方7月，國務院印發新一代人工智能發展規劃8月，科技部印發國家新一代人工智能創新發展試驗區建設工作指引自2017年，中共中央辦公廳、國務院辦公廳，以及科技部、工信部等部委先后印發指導、支持、規范人工智能發展的一系列政策，內容涉及人工智能總體規劃、倫理規范、標準體系建設、創新應用等多個方面，明確將發展人工智能產業定位為國家戰略。在國家政策密集出臺的背景下，北京、上海、廣州、深圳等城市陸續出臺了地方性人工智能發展政策，浙江、山東、重慶、四川等省市也相繼跟進，政策內容以區域人工智能產業規劃為主，主要聚焦人工智能技術研發、產業應用、基礎設施建設等方面，旨在打造人工智能產業聚集區，

5、推動產業快速發展。20172017年年20192019年年20202020年年20212021年年20222022年年20232023年年20242024年年7月，工業和信息化部、國家標準化管理委員會等四部門聯合印發國家人工智能產業綜合標準化體系建設指南（2024版）。9月，全國網絡安全標準化技術委員會發布了人工智能安全治理框架1.0版。規劃規劃應用應用標準標準規范規范3月，政府工作報告提出深化大數據、人工智能等研發應用，開展“人工智能+”行動。11月，工業和信息化部發布人形機器人創新發展指導意見。7月，科技部等六部門關于印發關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見。3

6、月，國家公布的“十四五”發展規劃中多次提及人工智能，提出聚焦高端芯片、操作系統、人工智能關鍵算法、傳感器等關鍵領域。12月，最高人民法院發布關于規范和加強人工智能司法應用的意見明確了人工智能司法應用的主要場景。7月，國家網信辦聯合國家發展改革委、教育部、科技部、工業和信息化部、公安部、廣電總局公布生成式人工智能服務管理暫行辦法。9 月，科 技 部 印 發新一代人工智能倫理規范12月，上海發布上海市人工智能創新發展專項支持實施細則。9月，深圳發布深圳市新一代人工智能發 展 行 動 計 劃(2019-2023年)。3月，廣州發布廣州市關于推進新一代人工智能產業發展的行動計劃。2024年，上海、北京

7、、廣東、浙江、四川等省市分別發布人工智能總體規劃，提出產業鏈發展目標，全力打造人工智能創新發展和融合應用高地。5月，北京市發布北京市促進通用人工智能創新發展的若干措施。9月，杭州發布關于加快推進人工智能產業創新發展的實施意見。8月，四川發布四川省“十四五”新一代人工智能發展規劃。重點重點區域區域國家重點鼓勵國家重點鼓勵人工智能與傳統產業融合發展人工智能與傳統產業融合發展發布時間發布時間發文機構發文機構政策名稱政策名稱摘要摘要2017年7月國務院新一代人工智能發展規劃作為我國人工智能發展的綱領性文件，提出三步走發展目標：到2020年人工智能總體技術和應用與世界先進水平同步；到2025年，人工智能

8、基礎理論實現重大突破，部分技術與應用達到世界領先水平，人工智能成為帶動我國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展；到2030年人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心，智能經濟、智能社會取得明顯成效，為躋身創新型國家前列和經濟強國奠定重要基礎。2019年8月科技部國家新一代人工智能創新發展試驗區建設工作指引提出依托地方開展人工智能技術示范、政策試驗和社會實驗，推動人工智能創新發展方面在區域先行先試、發揮引領帶動作用。試驗區建設以促進人工智能與經濟社會發展深度融合為主線，創新體制機制，深化產學研用結合，集成優勢資源，構建有利于人工智能發展的良好生

9、態，全面提升人工智能創新能力和水平，打造一批新一代人工智能創新發展樣板，形成一批可復制可推廣的經驗，引領帶動全國人工智能健康發展。2020年12月最高人民法院關于規范和加強人工智能司法應用的意見明確了人工智能司法應用的主要場景，進一步推動人工智能同司法工作深度融合,全面深化智慧法院建設。2021年9月科技部新一代人工智能倫理規范旨在將倫理道德融入人工智能全生命周期，促進公平、公正、和諧、安全，避免偏見、歧視、隱私和信息泄露等問題。提出了人工智能各類活動應遵循的基本倫理規范；人工智能特定活動應遵守的倫理規范包括管理規范、研發規范、供應規范和使用規范。2023年7月國家網信辦等七部門生成式人工智能

10、服務管理暫行辦法辦法自2023年8月15日起施行。辦法旨在促進生成式人工智能健康發展和規范應用，維護國家安全和社會公共利益，保護公民、法人和其他組織的合法權益。提出國家堅持發展和安全并重、促進創新和依法治理相結合的原則，采取有效措施鼓勵生成式人工智能創新發展。2024年3月工業和信息化部人形機器人創新發展指導意見提出到2025年，人形機器人創新體系初步建立，“大腦、小腦、肢體”等一批關鍵技術取得突破，確保核心部組件安全有效供給，整機產品達到國際先進水平并實現批量生產。2024年7月工業和信息化部、國家標準化管理委員會等四部門聯合印發國家人工智能產業綜合標準化體系建設指南（2024版）提出由基礎

11、共性、基礎支撐、關鍵技術、智能產品與服務、賦能新型工業化、行業應用、安全/治理等7個部分構成的人工智能標準體系。其中，行業應用標準主要規范人工智能賦能各行業的技術要求，為人工智能賦能行業應用，推動產業智能化發展提供技術保障。北上廣深杭齊發力，搶占人工智能先機北上廣深杭齊發力，搶占人工智能先機北京市北京市根據2024年7月印發的北京市推動“人工智能+”行動計劃（2024-2025年），到2025年底，通過實施5個對標全球領先水平的標桿型應用工程、組織10個引領全國的示范性應用項目、推廣一批具有廣泛應用前景的商業化應用成果，力爭形成3-5個先進可用、自主可控的基礎大模型產品、100個優秀的行業大模

12、型產品和1000個行業成功案例。四川省四川省根據2024年12月，四川省科技廳會同省發展改革委聯合印制的四川省人工智能產業鏈總體工作方案，提出到2027年，全省人工智能產業實現“十百千萬”發展目標?！笆?，即打造10個以上具有全國影響力的行業標桿大模型；“百”，即攻克100項以上原創性、顛覆性關鍵核心技術，培育壯大100家具有全國競爭力的領軍企業；“千”，即人工智能科技企業達2000家以上，產業規模達2000億元以上；“萬”，即算力總規模突破40000P。廣東省廣東省根據2024年5月發布的廣東省關于人工智能賦能千行百業的若干措施，到2025年，人工智能核心產業規模超過3000億元；到2027

13、年，人工智能核心產業規模超過4400億元；聚焦制造、教育、養老等領域，打造500個以上應用場景，各行各業勞動生產率顯著提升。浙江省浙江省根據2024年10月，浙江省發展改革委發布的浙江省“人工智能+”行動計劃（20242027年），加快推動大模型深度嵌入千行百業，培育形成特色鮮明、優勢顯著、融合發展的智能經濟。到2027年，培育形成10個以上全國一流的垂直行業大模型，500個以上可復制推廣的標桿應用場景，1000個以上融合示范案例，全力打造人工智能創新發展和融合應用高地。上海市上海市根據2024年12月上海市人民政府辦公廳印發的關于人工智能“模塑申城”的實施方案，提出到2025年底，建成世界級

14、人工智能產業生態，力爭全市智能算力規模突破100EFLOPS，形成50個左右具有顯著成效的行業開放語料庫示范應用成果，建設3-5個大模型創新加速孵化器，建成一批上下游協同的賦能中心和垂直模型訓練場。從2021年至2024年，隨著國家新一代人工智能創新發展試驗區、國家人工智能創新應用先導區建設的推進，北京、上海、廣州、深圳、浙江、山東、重慶、四川等省市陸續制定了人工智能發展政策，涵蓋了人工智能技術研發、產業應用、基礎設施建設等多個方面，旨在推動人工智能產業的快速發展和傳統升級。我國人工智能產業發展Part 2數據、算力、算法等多元驅動下，數據、算力、算法等多元驅動下，人工智能邁入生成式人工智能邁

15、入生成式AIAI時代時代第一代人工智能第一代人工智能第二代人工智能第二代人工智能第三代人工智能第三代人工智能符號主義符號主義專家系統專家系統深度學習深度學習大模型大模型清華大學清華大學AIAI19501950196019601970197019801980199019902000200020102010202020202030203019561956199219921974197419781978198019801987198720112011從1956年“人工智能”一詞誕生起，人工智能技術經歷近70年的發展，幾經起落，技術不斷迭代創新。近年來，隨著計算能力的大幅提升，數據量的爆炸式增長，深度

16、學習等算法和模型的跨越式突破，使得人工智能迎來爆發式發展。ChatGPT是新一輪人工智能熱潮的重要標志，在其發布（2022年底）之后，生成式人工智能進入了大眾視野，各行業以及企業的也開始探索生成式AI應用的可能性。目前，生成式AI已經在多個領域展現出巨大的應用潛力，根據Gartner預測，到2026年，將有超過80%的企業接入生成式AI或大模型，2023年這一數據僅為5%。資料來源：清華大學計算機科學與技術系公開發表資料人工智能發展歷程人工智能發展歷程我國人工智能核心產業規模急劇增長，產業聚集效應凸顯我國人工智能核心產業規模急劇增長，產業聚集效應凸顯7 76 65 53 35 53 30123

17、456782019年2020年2021年國家人工智能試驗區、先導區批復建設情況試驗區先導區30313031430543055080508057845784690069002020年2021年2022年2023年2024年E我國人工智能核心產業規模（億元）國家人工智能創新應用先導區國家人工智能創新應用先導區國家新一代人工智能創新發展試驗區國家新一代人工智能創新發展試驗區合肥、德清縣、重慶、西安、蘇州、鄭州、沈陽、哈爾濱南京北京、上海（浦東新區）、天津（濱海新區）、深圳、廣州、杭州、成都、濟南-青島、長沙、武漢市我國人工智能產業應用進程持續推進，根據中國互聯網協會數據顯示，2023年我國人工智能核

18、心產業規模達到5784億元，已有714個大模型完成生成式人工智能服務備案；為推動人工智能產業快速發展，促進人工智能和實體經濟深度融合，科技部等相關部委立足“謀改革、促應用、導經驗”的定位，啟動國家人工智能創新應用先導區、國家新一代人工智能創新發展試驗區建設，截至目前，共批復先導區11個、試驗區17個。資料來源：中國信息通信研究院人工智能產業已形成區域集聚態勢，超半數企業布局人工智能產業已形成區域集聚態勢，超半數企業布局AIAI應用應用不同類型人工智能企業占比應用層技術層基礎層從人工智能企業技術層次分布來看，應用層企業數量最多，占比達到61.47%；其次是技術層企業，占比為28.60%；基礎層企

19、業占比為9.93%。步入2024年，隨著大模型技術能力的持續迭代，AI應用正加速邁向爆發點。一方面，手機、電腦、工業裝備等終端設備疊加AI，從硬件端整合AI應用能力；另一方面，智能客服、數字員工等層出不窮，從軟件端推動大量行業的效率提升，千行百業的AI應用探索，將進一步加速AI應用企業數量攀升。29.04%21.90%13.99%8.21%8%2.85%2.34%2.16%1.90%1.53%北京市廣東省上海市浙江省江蘇省山東省四川省湖北省福建省安徽省我國人工智能企業區域分布在各省市自治區中，人工智能企業主要分布在北京市、廣東省、上海市、浙江省、江蘇省、山東省、四川省、湖北省、福建省和安徽省。

20、其中，北京市占比最高，為29.04%；其次是廣東省，占比為21.90%，主要分布在深圳市和廣州市；排名第三的是上海市，占比為13.99%；第四是浙江省，占比為8.21%，主要分布在杭州市；排名第五的是江蘇省，占比8.00%，主要分布在南京市和蘇州市。根據工業和信息化部數據顯示，截至2023年底，我國人工智能企業數量已經超過4500家，主要由政府支持的科研中心實驗室、傳統互聯網科技巨頭、獨角獸等初創企業、中小型企業四類構成。從地理空間分布來看，我國AI核心企業主要分布在長三角、京津冀和珠三角三大經濟圈，與國家批復的“國家人工智能創新應用先導”、“國家新一代人工智能創新發展試驗區”基本一致。從人工

21、智能企業類型來看，應用層企業占據主導地位，一方面從軟件端推動千行百業的AI應用探索，另一方面，AI與手機、電腦、工業裝備等疊加，加速智能終端發展，從硬件端整合AI應用能力，全面加速AI與傳統行業融合。資料來源：中國新一代人工智能產業發展報告2024“人工智能人工智能+”行動加速傳統行業數智化變革行動加速傳統行業數智化變革前 瞻 性 研 究前 瞻 性 研 究試 點 應 用試 點 應 用步 入 推 廣 階 段步 入 推 廣 階 段行 業 規 模 化 應 用行 業 規 模 化 應 用行 業 全 面 鋪 開行 業 全 面 鋪 開金 融金 融制 造制 造醫 療醫 療交 通交 通物 流物 流自 動自 動駕

22、 駛駕 駛機器人機器人產品定價設計OCR、風險、理賠生物特征識別、遠程業務、客服藥品研發影像等醫療輔助遠程診療自動化、柔性化生產生產計劃優化、決策設備管理、產品質檢、智能物流管理調度、道路安全路況監測、大數據分析具身機器人安防、清潔、服務生產、物流單車智能L4、車路協同單車智能L2/3、末端無人車智能倉、智慧園區、安全管理路徑優化、庫存優化數字員工、OCR、智能營銷重點行業重點行業AIAI技術滲透與應用成熟度技術滲透與應用成熟度 人工智能逐漸成為企業數智化轉型的核心驅動力，在企業數字化轉型的進程中，機器學習、流程自動化、計算機視覺等人工智能技術成為企業優化流程和決策的重要支撐，推動了企業在各個

23、層面的創新，從而實現了效率提升和價值創造；隨著“人工智能+”被寫入政府工作報告，在政策引導和市場需求地雙重驅動下，人工智能技術加速融入千行百業，頭部企業加大人工智能投入、釋放應用場景；中小企業探索應用，挖掘AI技術紅利，在金融、智能制造、智能家居、智慧醫療、智慧交通等場景中，人工智能技術被廣泛應用；在物流與供應鏈領域，人工智能正在重塑行業，AI技術被廣泛的應用到供應鏈管理、庫存管理、安全管理、智慧倉儲、運輸優化、無人配送等物流供應鏈全鏈條的各個細分場景之中，同時通過裝備與AI能力的疊加，升級貨運車輛、搬運設備等傳統物流裝備，以提高物流效率、降低物流成本，提高客戶服務質量。資料來源：中物聯智慧物

24、流分會根據公開資料整理我國物流與供應鏈領域人工智能應用情況Part 3 從視頻識別技術在長途貨運司機安全管理、園區管理等場景的應用，到以大模型、生成式AI為代表的全新一代人工智能技術賦能運輸優化、供應鏈決策，AI正在成為物流與供應鏈領域重要的變革性力量，加速物流與供應鏈數智化進程。本報告以物流與供應鏈的運營場景為核心對象，重點分析物流與供應鏈各個環節、不同細分場景的AI應用情況，在著重關注大模型等新一代AI技術應用模式、應用成效的同時，也對傳統AI技術的應用情況進行了梳理，并匯集了行業企業的典型應用案例，力求為行業AI轉型提供價值參考。從探索到深度融合，從探索到深度融合，AIAI加速物流與供應

25、鏈數智化進程加速物流與供應鏈數智化進程AIAI技術技術生物識別生物識別深度學習深度學習自然語言處理自然語言處理(NLP)(NLP)大模型大模型算法算法計算機視覺計算機視覺無人駕駛無人駕駛、機器人機器人.物流與供應鏈場景物流與供應鏈場景供應鏈供應鏈園區園區倉儲倉儲運輸運輸配送配送安全管理安全管理物流裝備物流裝備.產品產品/方案形態方案形態供應鏈預測供應鏈預測智慧園區智慧園區智慧倉儲智慧倉儲智能調度智能調度無人配送無人配送數字員工數字員工智能裝備智能裝備.應用效果應用效果效率提升效率提升降低成本降低成本裝備升級裝備升級人員替代人員替代客戶滿意度提升客戶滿意度提升創新產品創新產品商業模式變革商業模式

26、變革.AIAI技術在物流與供應鏈領域的應用路徑技術在物流與供應鏈領域的應用路徑分會以“2024中國物流企業50強”入圍企業為基礎，針對物流行業不同場景的AI應用情況進行了全面調研，涵蓋智能決策、智慧園區、智慧倉儲、運輸優化、自動駕駛/無人配送、安全合規六大場景，及數字員工、大模型兩項重點AI技術應用。根據對110余家的樣本企業調研發現，被調研企業均在推動AI技術應用，應用深度與廣度參差不齊，整體AI應用滲透率超過37%，其中運輸場景應用滲透率最高，為78%；安全合規、智能倉儲分列第二、第三位，滲透率分別52.73%和47.27%。物流行業頭部企業積極布局物流行業頭部企業積極布局AIAI應用應用

27、數據來源：中物聯智慧物流分會（在“2024中國物流企業50強”入圍企業數字化轉型調研、行業企業AI應用調研的基礎上，結合行業公開資料整理）AI技術應用覆蓋場景及滲透率27.27%12.73%47.27%78.18%18.18%23.64%18.18%52.73%智能決策智慧園區智慧倉儲運輸優化自動駕駛/人配送數字員工大模型安全合規智能決策：主要指物流供應鏈中涉及的需求預測、庫存預測、路線優化決策等；智慧園區：包含物流園區、場站、港口等；智慧倉儲：包含庫存優化、倉內規劃、物流機器人應用等；運輸優化：包含路徑優化、智能調度、裝箱優化等；自動駕駛/無人配送：涵蓋自動駕駛卡車、港口等封閉場景的無人駕駛

28、裝備、無人配送車、無人機等；數字員工：包含智能客服、智能報關、智能訂艙、智能詢價等崗位的人員替代；大模型：包含開源模型接入、基于大模型的智能產品、行業/垂直模型等；安全合規：主要針對物流運營中的安全管理、監測，以及合規管理。我國物流與供應鏈領域人工智能產業鏈圖譜我國物流與供應鏈領域人工智能產業鏈圖譜我國物流與供應鏈領域人工智能產業鏈圖譜應用層理論研究產研標準技術層硬件基礎層算力數據支持通用技術大模型解決方案智能硬件工業和信息化部人工智能標準化技術委員會行業用戶計算機視覺自然語言處理智能語音生物識別機器、深度學習供應鏈運輸配送園區倉儲自動駕駛、無人配送車機器人、智能倉儲裝備其他行業/垂直大模型

29、豐語大模型天機超腦YTO-GPT貨運無憂Hi-DolphinShippingGPT說明：中物聯智慧物流分會根據公開資料整理，受限于篇幅，該圖譜依據各企業主營業務進行不完全列舉，不涉及排名AI+供應鏈A I 技 術 逐 步 在 供 應 鏈 的 各 環 節 應 用 落 地，通 過 對 數 據 的 深 度 連 接 與智 能 化 處 理，打 破 了 供 應 鏈 各 環 節 之 間 的 壁 壘，使 得 供 應 鏈 變 得 更加 流 暢、靈 活、高 效。本 節 重 點 分 析 了 采 購 型 與 生 產 型 供 應 鏈 中 的 A I 應 用 情 況。AI+AI+供應鏈：全鏈路供應鏈：全鏈路AIAI應用已

30、成供應鏈數智化趨勢應用已成供應鏈數智化趨勢在采購供應鏈中，不僅引入AI營銷、AI客服、AI知識庫等通用模型能力，企業也在積極探索智能尋源、智能招投標、智能導購、智能核價、智能合同、智能物流調度、風控管理等采購特有場景的AI落地應用，以提升全鏈條的科學決策和降本增效。在制造業領域，人工智能(AI)技術的引入不僅能夠在供應鏈計劃、智能排產方面發揮重要作用，還被廣泛的應用于產品設計、設備維護、產品檢測等方面，以優化產品質量，降低運營成本。AI+AI+供應鏈供應鏈AI利用深度學習算法對供應鏈運營的大量歷史數據進行分析，挖掘數據之間的潛在關聯與規律，實現較為精準的需求預測，通過實時監測消費者行為和市場動

31、態，不斷更新銷售預測模型，提高市場需求預測的準確性，同時幫助企業更好地規劃生產和庫存。通過綜合考慮訂單情況、庫存狀況以及設備性能等因素，AI可以智能生成生產計劃與排程，從而提升生產效率，減少庫存，優化資金使用。以聯想為例，聯想智能排產系統，可將排產耗時從原來的6小時直接縮短到1.5分鐘，產品交付效率提高20%以上。供 應 鏈 計 劃供 應 鏈 計 劃智 能 排 產智 能 排 產智 能 制 造智 能 制 造智 能 采 購智 能 采 購 供應鏈是一個復雜的網鏈結構，涵蓋了上下游多類型、多地域的企業，與單個企業相比，在結構、規模、管理模式等方面都更具挑戰，鏈條長、環節多、節點復雜是供應鏈的典型特征，

32、這一特征也使得供應鏈管理面臨多重挑戰，企業需要借助新技術輔助供應鏈管理，以提高供應鏈效率。Al能夠讓供應鏈的歷史數據更透明、更具價值，幫助供應鏈管理者更廣泛地獲取供應鏈中的關鍵要素和規律，同時為管理者提供更便捷的管理工具。隨著AI技術在計劃、采購、排產、物流等供應鏈各環節中應用落地，供應鏈各環節之間的壁壘終將被打破，使得供應鏈變得更加流暢、靈活、高效；同時，隨著供應鏈管理過程自動化程度提升，部分崗位的員工將從簡單且大量重復的工作中解放出來，轉向更具價值創造的位置，一定程度上幫助企業縮減供應鏈管理團隊。AI+AI+供應鏈供應鏈：智能采購智能采購 場景痛點：場景痛點：企業采購長期以來面臨物資編碼混

33、亂、SKU管理難、采購尋源難、供應商數據維護難、供需雙方溝通難、信息不透明比價難等問題，標準的不統一也讓采購供應鏈的數字化能力被局限在局部環節，難以形成全鏈條的科學決策和降本增效。AI的引入使企業采購管理和流程更加智能化、自動化和高效化，提高供應鏈的可見性、靈活性和適應性，從而推動采購各環節由數字化向智能化升級。AIAI應用價值：應用價值：隨著生成式人工智能（AIGC）技術的迅猛發展，采購供應鏈AI應用已經從采購人將AI用于輔助“個人任務”，轉向AI對于采購供應鏈的全面改造。不僅引入了AI營銷、AI客服、AI知識庫等通用模型能力，企業也在積極探索智能尋源、智能招投標、智能導購、智能核價、智能合

34、同、智能物流調度、風控管理等采購特有場景的AI落地應用，以提升全鏈條的科學決策和降本增效。智能感知智能決策智能調整智能物料識別智能物料識別基于智能映射技術，將物料非結構化數據進行標準化和結構化，智能識別對應關系，分類管理物料。智能倉儲管理智能倉儲管理通過AGV機器人智能感知貨物的位置、數量，對倉庫進行管理智能物料識別智能物料識別根據市場需求和市場競爭情況為產品精準定價智能物料識別智能物料識別智能評估供應商績效，篩選優質供應商：智能預測潛在風險，建立動態風險管理模式智能尋源智能尋源根據市場需求，智能調整采購和供應的產品智能生產智能生產根據市場需求，智能調整生產進度智能生產智能生產根據市場需求，智

35、能調度物流，優化運輸路線、時效和工具數據智能表現數據智能表現底層數據和技術底層數據和技術數據層智能感知技術層生產數據 供應商數據 交易數據 物流和庫存數據智能設備數據算法數據算法數據模型數據模型解決方案解決方案.關鍵硬件數據存儲數據存儲計算計算通信通信.智能設備傳感器傳感器機器人機器人無人機無人機.云計算云計算大數據大數據人工智能人工智能區塊鏈區塊鏈物聯網物聯網5G5G供應商智能分級分類基于采購品類，平臺對供應商進行智能分類分級根據用戶需求，智能推薦供應商供應商準入與退出智能化管理平臺智能支持供虛商信息的自動補全、自動審核，自動風險提醒供應商動態智能評估與考核供應商在線智能評估智能建立供應商績

36、效評價指標與模板資料來源：中國物流與采購聯合會2024數字化采購發展報告基于NLP的精準問答，避免幻覺形成專有的制度文件導航圖譜形成相關問題的列表，引導用戶有效提問QA問答與提取文檔檢索問答制度文件導航關聯問題導航以AI大模型Prompt提示詞工程幫助寫作標準的文案和報告創作工具盒基于RAG檢索問答給出文件出處，增強可信度中國移動“智采助手”機器人從采購招標投標的文件和實際工作中自動提取問答對，構建采購專屬知識庫，利用RAG檢索技術，優化問答生成結果，提供多種精準問答模式，滿足7*24智能服務支撐需求。PC端APP端回答質量更高回答準確度更高文件查找更便利工具使用更簡單3.2.1 3.2.1

37、中國移動中國移動“智采助手智采助手”機器人機器人應用方案及成效應用方案及成效案例：中國移動案例：中國移動“智采助手智采助手”機器人機器人應用成效應用成效3.3.1 3.3.1 中國移動中國移動“合規百事通合規百事通”機器人應用方案及成效機器人應用方案及成效業務痛點同一問題反復提問答復內容查詢困難信息來源五花八門工信部/管局要求法律法規行業標準國資委要求集團規定國家法律、地方性法規日常更新合規知識三方數據集成多維度數據源多維度數據源合規講座公眾號合規案例合規培訓專家解答12 24 43 3招標采購400問工信部百問百答合規問題發現行業白皮書采購合規指南合規審查用戶問答擴充聚合內外部靜動態數據：聚

38、合內外部靜動態數據：多維度、多層次、多類型收集數據來源集成集成AIAI先進技術應用：先進技術應用：集成自然語言處理算法、機器學習算法等自然語言處理算法機器學習算法使用計算機技術處理和理解人類自然語言的方法。它可以用于文本分類、情感分析、語言翻譯、問答系統等多個領域。計算機通過統計學算法，對大量歷史數據進行學習，進而利用生成的經驗模型指導業務構構建建A AI I大大模模型型合規領域AI大模型合規領域的合規領域的“百度百度”+“知乎知乎”智慧問答精準推薦解決成效日常工作AI大V全方位支撐3.2.1 3.2.1 中國移動中國移動“智采助手智采助手”機器人機器人應用方案及成效應用方案及成效案例：中國移

39、動案例：中國移動“合規百事通合規百事通”機器人機器人立足合規管理業務痛點，以內外部靜動態數據為基礎，以AI技術集成應用為核心，迭代形成采購合規領域AI大模型，實現智慧問答和精準推薦兩大核心功能，賦能打造場景化功能體系，助力采購人員、代理人員、評審專家全面實現合規管理效能提升。3.4 3.4 中國移動中國移動“評標數智人評標數智人”應用方案及成效應用方案及成效評標文本合規檢測模型判定結果小模型語音識別模塊語音轉文本多說話人識別結果封裝模塊“大小協同”“結構化”關鍵詞知識圖譜大模型模型選型模型訓練模型仿真數據標注模型部署與監控決策樹違規時間點標記違規類型違規說明違規時間點語音識別結果說話人分離語音

40、文本違規信息案例：中國移動案例：中國移動“評標數智人評標數智人”融合AI大模型及語音識別技術，基于語音識別技術實現語音轉文本、多說話人識別，通過評標文本合規檢測模型識別評標風險行為，并支持標記違規信息，包括違規類型、發生時間段和違規原因?；诹孔蛹用芗夹g和智能體交互，實現免集成系統開發，大幅降低開發成本和開發時長。AI+AI+供應鏈：計劃管理供應鏈：計劃管理供應鏈計劃是一個綜合性的管理過程，涵蓋了從原材料采購到產品交付給終端消費者的所有環節，其核心目標是通過優化資源分配、協調內外部活動，確保供應鏈能夠高效、經濟且可靠地滿足市場需求，同時實現成本最小化、服務最優化和利潤最大化。供應鏈計劃包括需求

41、計劃、供應計劃、生產計劃、庫存管理計劃、物流計劃、逆向物流計劃、銷售與運營計劃等多個方面。場景痛點：計劃管理面臨諸多挑戰，如市場需求的不確定性造成需求預測不準，進而影響生產與庫存；供應商的質量、價格、穩定性導致的生產中斷或交貨延遲，以及物流效率與成本、協調與溝通壁壘等，另一方面，傳統的供應鏈計劃方法往往基于靜態模型、假設情景和個人經驗，難以應對快速變化的市場環境。應用成效：AI可以利用深度學習算法對供應鏈運營的大量歷史數據進行分析，挖掘數據之間的潛在關聯與規律，實現較為精準的需求預測，通過實時監測消費者行為和市場動態，利成式AI技術，可以將結構化數據（例如行業新聞、研報和社交媒體信息）納預測分

42、析，不斷更新銷售預測模型，提高市場需求預測的準確性，同時幫助企業更好地規劃生產和庫存。此外，AI還可以幫助企業進行跨品牌的采購協同，降低采購成本。在全球經濟一體化的市場環境中，供應鏈已成為連接供應商、制造商、分銷商零售商乃至終端消費者的復雜網絡，供應鏈計劃恰是這一網絡的大腦中樞。通過集成應用優化算法、機器學習、大模型等AI技術，能夠幫助企業制定更靈活、更高效的供應鏈策略。從 需 求 預 測 到 供 應 計 劃，覆 蓋 多 行 業 的 端 到 端 供 應 鏈 智 能 計 劃 決 策 平 臺模塊搭建靈活適配智慧需求智慧需求預測預測一致性需求計劃協同一致性需求計劃協同多維度業務可視分析多維度業務可視

43、分析新品計劃新品計劃安全庫存策略優化安全庫存策略優化庫存計劃庫存計劃多級倉網補貨計劃多級倉網補貨計劃生產凈需求計算生產凈需求計算主生產計劃主生產計劃物料計劃物料計劃生產排程生產排程生產執行追蹤生產執行追蹤供應鏈全局概覽智能AI洞察預警管理端到端協同Scenario Planning身份及權限管理身份及權限管理數據集市數據集市模型管理模型管理后臺任務管理后臺任務管理消息管理消息管理其他平臺功能其他平臺功能內嵌新一代智慧決策技術 貼合中國市場實際業務需求應用模塊層決策引擎層杉數自研智慧計算引擎集群案例：杉數計劃宇宙案例：杉數計劃宇宙PlaniversePlaniverseTMTM資料來源：杉數科技

44、供稿計劃決策計劃決策功能功能輸出輸出未來一段時間，每個產品每個渠道每個區域需要多少數量（SKU*DC*Channel*Time bucket）需求計劃未來一段時間，每個產品每個區域需要備多少庫存（SKU*DC*Time bucket）未來一段時間，每個產品每個區域需要向上游采購/要貨多少數量未來一段時間，每個產品每個區域應向其他區域補貨/調撥多少數量（SKU*From DC*To DC*Time bucket）庫存計劃補貨/采購/調撥計劃未來一段時間，每個產品在每條產線生產多少數量（SKU*DC*Time bucket）未來一段時間，每個物料在每條產線需要多少數量（Item*Line*Time

45、 bucket）主生產計劃存在需求&供應Gap前提下，未來一段時間，使用哪一版需求計劃&生產計劃指導執行（SKU*DC*Time bucket）計劃編制協同工作流算法預測異常預警拆分匯總需求分析動態庫存算法庫存預警場景分類算法計劃編制仿真分析約束補調算法供需匹配算法生產計劃編制生產需求管理物料采購計劃仿真分析物料需求計算KPI分析計劃進度管理多場景計劃管理可視性分析預警監控多版本計劃管理一致性需求計劃一致性庫存計劃一致性生產計劃模塊模塊案例：杉數計劃宇宙案例：杉數計劃宇宙PlaniversePlaniverseTMTMPlaniverse多模塊設計滿足企業全鏈條計劃業務需求資料來源：杉數科技供

46、稿項目背景收益解決方案項目目標能力模塊【痛點】：手工計劃亟需升級；細顆粒度需求預測準確率不準；終端數據積累形同虛設?！緦嵤┓秶浚壕€上12個渠道需求計劃協同平臺。需求計劃協同平臺。統一化、可擴展的協同工作平臺協同工作平臺；成熟場景化預測預測算法算法；創新利用終端數據；長短周期需求計劃、多源數據整合、市場份額分析、銷售目標分析等。Planiverse-Demand.AIDemand.AI模塊提升關鍵SKU預測準確度1313個百分點個百分點降低庫存金額數千萬數千萬/年年數千萬數千萬/年年1313%我們電商部門希望有一個線上需求計劃協同平臺，更多地接收各電商渠道銷售端、市場端的信息，將線下手工計劃工

47、作轉為線上，形成信息的交流和互聯，穩固和提升市場份額與營收?？蛻艨蛻綦娚滩块T需求計劃負責人電商部門需求計劃負責人Master dataData marketSpecial EventCampaign calendarSales targetSell outSell out forecast analysis forecast analysisLong-term FCSTLong-term FCSTWhat ifWhat ifDB stock DB stock policypolicySell in Sell in FCSTFCSTCDPCDPoutputoutputBottom up Bott

48、om up templatetemplateMonthly weekly prorationMarket Market shareshareBU-MG1-sku prorationLanding reportGoal achievementDemand analysisAbnormal warningAccuracy analysisFactors analysiss a l e sp l a n n e rM a r k e t i n gA n a l y s i s&d a s h b o a r dVolume Value transformSales targetOfftakeCam

49、paignSegmentationSeasons案例案例：某世界某世界500500強飲料品牌電商需求計劃項目強飲料品牌電商需求計劃項目AI FCSTAI FCST資料來源：杉數科技供稿項目背景收益解決方案項目目標能力模塊當前，該公司正經歷從營銷端到供應端的數字化變革，并大力推動一盤貨變革。因此，該公司希望通過打造一個覆蓋供應鏈端到端的智慧決策平臺智慧決策平臺，幫助業務進行更高效智能的供應鏈計劃管理。供應鏈計劃管理?；跇I務形態，打造覆蓋全渠道需求預測、庫存管理、補貨優化的系統+算法一體化解決方案。一體化解決方案。Planiverse-Demand.AI&Inventory.AI模塊5 5%+%

50、+預測準確率提升15%+15%+庫存周轉天數下降99.8%99.8%訂單滿足率更標準更標準計劃與運營流程智能預測補貨釋放一盤貨勢能智能預測補貨釋放一盤貨勢能期望通過更加靈活、精細、動態的庫存分配邏輯，用更少的庫存撬動更大的訂單。同時通過系統和標準來提升日常運營效率主生產計劃解決產銷匹配問題主生產計劃解決產銷匹配問題產能和原材料供應端的劇烈波動下，需要更智能的決策引擎來進行更精益更靈活的戰略性資源配置，和應對突發的急單插單S&OPS&OP決策平臺及策略層優化決策平臺及策略層優化通過S&OP串聯端到端的計劃決策，實現產銷協同分析，且實現倉網、產能、庫存策略等戰略策略優化SKU*總倉*月主數據歷史訂

51、單數據歷史預測信息庫存信息歷史促銷信息終端銷售信息主數據歷史訂單數據歷史預測信息庫存信息歷史促銷信息終端銷售信息需求分析庫存分析補貨執行分析需求分析庫存分析補貨執行分析需需求求計計劃劃SKU*渠道品類金額*渠道SKU*渠道*倉商品碼-物料碼SKU*KA*倉SKU*渠道*倉SKU*渠道*倉SKU*渠道*倉SKU*渠道*倉營運部協同電商部協同品牌事業部協同計劃協同計劃協同營銷/政策信息銷售目標信息歷史銷量信息其他信息算法模型預測算法模型預測NKA代理商經銷商電商2C電商2B需求計劃決策需求計劃決策總倉需求分倉需求場景分類場景分類庫存策略決策庫存策略決策供應供應/補貨決策補貨決策計劃仿真計劃仿真仿真

52、參數（補貨間隔、LT、產能、庫容、兜底比例、需求預測)補貨路徑：lead time、成本產能約束產能約束（RCCP）包材約束包材約束（包材庫存，BOM）總倉發貨總倉發貨（分揀貨）庫容庫容（總倉-分倉）總倉庫存總倉庫存分倉收貨能力分倉收貨能力庫容庫容（分倉）分倉補貨需求補貨需求計算人工協同總倉要貨需求約束供應人工協同服務水平目標模型計算人工協同服務水平目標模型計算人工協同基于動銷特征分類SKU*倉顆粒度補補貨貨計計劃劃分分倉倉總總倉倉仿真KPI（庫存、服務水平、物流成本）仿真報表（多版本對比）倉網維護倉網維護供應約束供應約束中心倉配置：兜底倉輻射關系、兜底比例每日調撥決策每日調撥決策分倉調撥約束

53、補貨人工協同需求信息集成需求信息集成SKU*分倉*月案例案例：某國內知名美妝頭部品牌供應鏈計劃平臺建設某國內知名美妝頭部品牌供應鏈計劃平臺建設資料來源：杉數科技供稿AI+AI+供應鏈：排產管理供應鏈：排產管理通過AI技術賦能，制造業排產管理正從“經驗驅動”轉向“數據+算法驅動”，助力企業實現零浪費、零延誤、零盲區的智能化生產目標。供應鏈排產 是指在供應鏈管理中，根據市場需求和生產能力，合理安排生產計劃和生產順序的過程。排產管理涉及生產計劃、資源調配、訂單處理等多個方面。場景痛點：當前制造業排產管理面臨多重挑戰：市場需求波動頻繁導致預測失準，客戶臨時插單與個性化定制需求激增，迫使企業在多品種小批

54、量生產中頻繁切換產線，設備調試耗時拉低效率；資源協同矛盾突出，設備空閑與超負荷運轉并存，物料短缺與庫存積壓交織，而ERP、MES等系統數據孤島加劇了信息滯后，排產決策多依賴人工經驗；傳統排產工具難以動態響應突發狀況（如設備故障、質檢異常等），人工調整耗時長且錯誤率高；供應鏈上下游協同斷裂進一步放大風險，供應商交付延遲與能源成本波動使排產穩定性雪上加霜，同時生產進度缺乏可視化監控，異常問題依賴事后巡檢，最終導致產能浪費、交付延期與成本超支形成惡性循環。應用成效：AI能夠實時分析市場趨勢，幫助企業制定科學的生產計劃，避免產品堆積或備貨不足，同時，AI綜合原材料庫存、來料即時送貨、原材料送貨效率、產

55、線產能、成品庫存、物流配送等情況制定生產節拍，實現最大效能。案例案例：悠樺林悠樺林APSAPS供應鏈計劃與排程解決方案供應鏈計劃與排程解決方案訂單優先級和交期約束最大交付目標物料約束最大庫存周轉目標換型和換模約束最小換型目標產能約束最大產能利用率業務模型優化庫存水位提升計劃訂單交付率實時異常處理增強生產柔性提升資源利用率提高排產效率Deloris 算法平臺運籌學人工智能智能供應鏈計劃與排程一體化計劃平臺智能供應鏈計劃與排程一體化計劃平臺端到端供應鏈計劃全局管理產銷協同計劃產銷協同計劃 S&OPS&OP主生產計劃主生產計劃 MPSMPS高級生產排程高級生產排程 APSAPS需求計劃需求計劃 DP

56、DP物料需求計劃物料需求計劃 MRPMRP供應鏈控制塔供應鏈可視化及預警根因分析及追溯網絡指標分析及預測工藝路徑物料BOM物料供應市場數據客戶與供應商數據設備產能排產周期生產節拍換產時間訂單交期內部數據外部數據數據處理資料來源：悠樺林供稿案例案例：主生產計劃主生產計劃(MPSMPS )-世界領先的鋰離子電池生產企業和創新者世界領先的鋰離子電池生產企業和創新者鋰電池生產優化鋰電池生產優化客戶痛點客戶痛點行業內知名的鋰離子電池生產者和創新者，以提供高質量可充電式鋰離子電池的電芯、封裝和系統整合方案為己任。鋰電產品家族既包括高能量密度、高功率電芯，又包括快充、異形電芯等。產品應用于生活中常見的手機、

57、手提及平板電腦等產品。本項目主要通過搭建一套智能計劃系統，實現主/日計劃的整體優化，以進一步保障交付，提升產能利用，減少庫存損失及降低其它生產成本。該企業是MTO的計劃策略，多品種小批量與大規模批量生產混合的生產模式。解決方案解決方案智能優化算法驅動智能優化算法驅動優化優化成果成果主生產計劃協同規劃主生產計劃協同規劃日計劃從局部手工插入產線邏輯變為所有訂單全局優化智能選擇產線提供主計劃層面產能等的整體規劃，指導日計劃，規劃車間產能排產效率提升20%，產能利用率提升2.5%，生產轉拉率下降10%，庫存成本下降15%卷繞日計劃全局優化卷繞日計劃全局優化排產指標提升排產指標提升數據規范化，拉通了ER

58、P，MES，IPS等各個不同的系統中生產數據，進行完整的數據治理和生產匹配。主計劃顆粒度到“月”維度，精確到各關鍵工序產能限制，上下游工序平衡生產，各機臺工藝和功能限制，人力、原料、工夾具等因素的考慮。日計劃從接單后的局部手工插入產線，變為所有訂單全局優化智能選擇產線。PC從幾十份Ecxel文件中進行數據流轉，轉移到線上進行需求確認，庫存模擬，交期應答，快速響應客戶需求。庫存成本、車間生產成本、工夾具成本、產能發揮效益成本、轉型成本、搬運成本等各成本優化。信息孤島，缺乏統一的信息平臺，手工排產響應慢，已難以滿足客戶的要求。僅靠人工難以細化顆粒度、均衡分配的問題，對生產資源規劃的指導不足。拍腦袋

59、策略，缺乏生產預排KPI數據輸出，無法通盤考慮相互之間的影響。在有限時間內，結合多約束、多優化目標難以權衡整體最優和優化生產成本。資料來源：悠樺林供稿案例案例：高級生產排程（高級生產排程（APS APS）-精密制造龍頭企業精密制造龍頭企業3C3C制造生產優化制造生產優化客戶痛點客戶痛點該企業專注于連接線、連接器、馬達、無線充電、FPC、天線、聲學和電子模塊等產品的研發、生產和銷售。產品應用于3C（計算機、通訊、消費電子）、企業級設備、汽車、醫療等領域，致力于為客戶提供一站式采購服務。該企業是ETO的計劃策略，多品種小批量與大規模批量生產混合的生產模式。使用excel表格進行計劃編制，缺少系統工

60、具支持。各計劃員線下管理計劃，缺乏一體化計劃系統，計劃數據分散，協同性差；無法實時分析數據，對于各工序的產能負荷、訂單交付的情況等信息無法實時掌控。訂單變更、插單、缺料、生產異常發生時，難以快速進行全局計劃更新。缺乏模擬分析的手段，當異常發生時，無法快速嘗試不同計劃策略，通過多版本計劃比較尋找最經濟計劃方案。解決方案解決方案智能優化算法驅動智能優化算法驅動優化優化成果成果提升提升計算效率計算效率6倍倍縮短縮短整體生產工期整體生產工期40%每月縮減每月縮減交期評審時間交期評審時間525H通過多工序協同，縮短整體生產工期計算效率從3小時縮短至30min交期評審從每月花費600H到75H，大幅提升評

61、審效率通過對接現有ERP及MES系統，實現訂單數據及工藝數據整合。構建全工廠工藝模型，充分模擬工廠全工序實際運作情況。對所有訂單進行全工序計算，獲取準確的交期。通過MES系統及時接受異常情況，對計劃影響作出預判并告警，APS及時對計劃進行修復。資料來源：悠樺林供稿AI+園區倉儲A I 已 深 度 滲 透 物 流 園 區“人-車-貨-場-能”的 全 流 程，推 動 管理 從 “經 驗 驅 動”轉 向 “數 據 智 能 驅 動”，驅 動 園 區 倉 儲 管 理邁 向 零 等 待 調 度、零 庫 存 浪 費、零 安 全 事 故 的 下 一 代 智 慧 生 態。AI+AI+物流園區：重構物流園區運營效

62、率物流園區：重構物流園區運營效率物流園區作為連接供應商、生產商、分銷商和消費者的關鍵節點，運營管理的效率與服務質量直接影響著整個物流鏈條的順暢與高效。在AI技術加持下，我國物流園區管理在逐步邁入智慧化，圍繞“人、車、貨、場、設備、環境、能源”形成園區智慧化管理體系，涵蓋資產管理、運營管理、招商推廣、物業服務、能耗管理、巡更巡檢、工單報修等多個方面。在園區智慧化運營管理中，AI在巡更巡檢、園區安防、資產管理、能耗管理等方面具備較強的賦能作用，成為新建園區、高標園區運營管理系統的必選項；未來，AI將通過“感知-分析-決策-執行”的閉環，重構物流園區運營效率。A I 技 術算 法 生產作業的數智化

63、優化決策的數智化園區運營園區運營 資產臺賬 資產入庫/報廢/處置 資產改造 資產盤點 資產風險管理 資產看板 智能運維資產管理資產管理 人員管理 車輛管理通行管理通行管理 周界管理 禁區管理 違停管理 視頻監控 離睡崗管理園區安防園區安防 車輛預約 車輛排隊叫號 智慧月臺 場站調度 園區導航場站管理場站管理 能耗管理 新能源平臺 能耗計費能源管理能源管理 知識庫 培訓認證 品質管理 隱患管理園區管理園區管理 客戶中心 租賃管理 客戶合同 商機與線索管理招商租賃招商租賃 報事報修 巡更管理 設施設備管理 客戶管理物業管理物業管理 消防聯動 火災識別 智能監測 吸煙識別智慧消防智慧消防智 慧 園

64、區 系 統 核 心 模 塊強化學習AIOT生物識別無人駕駛、無人機.機器視覺數字孿生案例：中國郵政基于人工智能的數智化物流園區案例：中國郵政基于人工智能的數智化物流園區智能實時感知智能實時感知 關鍵要素實時感知 生產活動實時感知 風險異常實時感知智能運行控制智能運行控制 車輛停泊智能調度 裝卸月臺智能分配 設備運行智能控制 人員作業智能排班 生產計劃智能調整云邊高效協同云邊高效協同 邊緣與云端協同 設備間統籌優化 IT&OT融合智能設備控制系統A I邊緣計算I OT網關 技術中臺異地多活異構算力 分布計算 云云集群調度 混合多云 網絡安全管管邊邊端端 智能智能APPAPP/數字化看板數字化看板

65、(IOCIOC)/作業終端作業終端 云原生平臺（容器、微服務、DevOps）郵政專網、5G、物聯網、北斗衛星通信 數字數字中臺中臺連接連接&感知感知 大數據平臺 區塊鏈服務中心 AI服務中心 物聯網服務中心 智能化管控智能化調度智能化預測智能化作業智能控制中心智能控制中心 移動可視化移動可視化 數字仿真平臺數字仿真平臺 智能模型智能模型 主題數倉主題數倉智能智能應用應用模型訓練模型推理用戶用戶觸點觸點關鍵問題&痛點分析1、智能實時感知：人、車、貨、場、設備要素種類 多、數量多、環節多、不間斷，如何保障數據采集和傳輸準確率？2、實時運行控制：分揀機、AGV、無人車等自動化設備 運行控制精度要求高

66、、成本敏感，如何提供性價比高的解決方案？3、云邊高效協同：分揀機的自動化運行(OT)和云端大腦 的運籌與調度(IT)是物流園區的核心如何保障在IT&OT間的高效運行？4、生產計劃：業務量受節假日、電商活動、季節性等因素變化極大，如何保障 生產計劃的精準性和高效性？5、智能管控與調度：作業管理時效性要求高、管理成本居高、時效性低、調度影響不及時如何保障作業穩定高效運行？6、智能復盤：如何保障對生產作業過程發生的問題、事件、故障、生產壓力、運行質量等進行全方面的智能復盤分析？北斗終端皮帶機分揀機PDA水表電表閘機攝像頭門禁RFID解決方案利用云、大、物、智、5G、北斗等關鍵技術，基于IT&OT融合

67、、園區管理&生產運行融合的設計理念，搭建 智能實時感知、智能運行控制、云邊高效協同的郵政數字化體系，打造一套業務量預測、作業計劃、生產調度、異常管控、復盤分析全程閉環數字化解 決 方 案。資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-中郵信科參賽項目應用成效在數字化處理中心創新實踐中，有效驅動了中國郵政寄遞業務高質量發展，實現質量提升、降本增效、安全生產、綠色低碳，構建中國郵政新質生產力。使用RPARPA自動化技術自動化技術處理進出閘任務申請，并使用計算機視覺計算機視覺技術技術識別車牌、車廂、鉛封、危險品等信息進行實時上報，實現不停車進出閘。并使用計算機視覺技術計算機視覺技

68、術輔助堆場集裝箱驗箱環節。場景場景1-1-智能閘口智能閘口案例：中集世聯達智慧堆場建設項目案例：中集世聯達智慧堆場建設項目項目中人工智能場景的核心優勢及亮點使用計算機視覺、語義理解技術，識別供應鏈文檔或通用類票據等。場景場景3-3-自定義辦公文件模版識別自定義辦公文件模版識別使用計算機視覺技術，識別發生在堆場或相關作業區域的違規行為，涉及車輛操作、個人防護和安全規定遵守等場景。場景場景2-2-安全告警安全告警使用RPA自動化、計算機視覺和語義理解技術，輔助員工完成報關、制單等流程自動化，減少操作步驟，提高工作效率。場景場景4-4-數字員工數字員工-報關助理報關助理使用機器學習、語音識別、語義理

69、解技術，賦能業務，快速創建業務應用。場景場景5-5-應用市場應用市場使用機器學習技術、計算機視覺、語義理解技術輔助業務決策。場景場景6-6-堆場作業智能預采集堆場作業智能預采集“箱-貨-場”聯動，升級發展場站綜合物流業務；業務一體化，業務數據和財務數據交互結合，瞄準管理目標；提升平行拓展能力，基于戰略規劃對新堆場快速上線，加快場站網絡布局；流程一致性，以流程標準化為抓手，實現核心流程一致性，“插件化”各地差異需求，高可用。業業務務目目標標資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-中集世聯達參賽項目案例：中集世聯達智慧堆場建設項目案例：中集世聯達智慧堆場建設項目-智慧閘口

70、智慧閘口場場景景對對比比 車輛入場前需要前往交通局辦理通行證，再通過微信發給堆場，并用堆場在寧波交通服務號進行申請后獲取通行證。車輛到達閘口后，司機下車提交通行證，閘口工作人員審核通過后，堆場驗箱員進行驗箱操作，付款通過后進入堆場。改 造 前改 造 前使用RPA自動化技術處理司機的任務申請，并自動關聯海關系統。司機將車輛開到堆場閘口后無需下車，即可使用計算機視覺技術根據現場的視頻流自動識別車號、箱號，并實時上傳堆場系統自動查詢任務判斷是否需要開閘。落箱場景，車輛攜帶集裝箱過閘時，也可實時通過計算機視覺技術自動探測集裝箱外立面殘損情況，實時上傳堆場系統進行后續壞箱維修處理。改 造 后改 造 后R

71、PA自動化技術應用：處理司機的任務申請；計算機視覺識別技術應用：集卡車輛、集裝箱箱號箱型識別；集裝箱自動驗殘技術；危險品標記、鉛封號識別；手持驗箱。AIAI技術應用分析技術應用分析集卡車輛、集裝箱箱號箱型識別；集裝箱自動驗殘技術危險品標記、鉛封號識別資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-中集世聯達參賽項目AI+AI+倉儲管理倉儲管理：AIoTAIoT深度融合驅動倉儲全鏈路無人化深度融合驅動倉儲全鏈路無人化智慧倉庫作為物流行業的重要組成部分，是集合了互聯網、物聯網（IoT）、人工智能（AI）、大數據、云計算、機器人等先進技術裝備，對倉庫的布局，商品的入庫、存儲、出庫、

72、盤點等各個環節進行深度智能化改造的倉儲系統，通過實時數據收集、分析和應用，優化庫存周轉效率與空間利用率，實現對倉儲作業的自動化和智能化管理，也是人工智能技術在倉儲場景應用后的具像化表現。目前，在庫存優化、倉儲布局優化、庫內安全監測、自動化無人化搬運等環節的AI應用滲透較快，隨著AI技術的進一步創新、成熟，與數據融合的不斷加深，AI將進一步賦能倉儲管理的更多環節，實現從“人找貨”到“系統自決策”的范式躍遷。成本優化成本優化：AI技術通過優化庫存水平、減少人工干預，可以幫助企業大幅節省倉儲運營成本，同時提高服務質量。效率提升效率提升：AI驅動的智能倉儲系統能夠讓倉儲操作更加精準高效，無論是庫存調整

73、、布局調整還是配送調度，AI都能迅速做出最優決策，大大縮短了訂單處理時間，提升了整體運轉效率?？蛻趔w驗提升客戶體驗提升：借助AI技術，客戶能實時查看訂單狀態、配送路徑，享受更快更透明的配送服務，提高了客戶滿意度。應用成效案例：京東物流案例：京東物流-AI-AI驅動的物流供應鏈倉儲智能化管理優化系統驅動的物流供應鏈倉儲智能化管理優化系統行行業業痛痛點點電商物流在快速發展的同時也面臨著諸多挑戰和問題。在銷售預測方面，由于商品種類眾多且市場需求波動大，傳統的黑盒機器學習預測方式難以達到準確度且解釋性差，這不僅會導致庫存過?；蛉必浨闆r，嚴重影響企業的運營效率和顧客體驗。預測不準確會加大庫存管理的復雜性

74、，進而對倉儲空間的有效利用和布局優化提出了更高的要求。因此，企業需要在有限的倉儲空間內，通過優化存儲布局來提升空間利用率和揀貨效率，同時避免因布局不合理造成的資源浪費和運營效率下降。在快速增長的訂單需求面前，這一問題尤為顯著。加之庫存管理和訂單處理的方法，依賴歷史數據和靜態算法，無法有效應對需求的快速變化，導致倉庫存儲混亂、揀貨效率低下，以及對突發需求的響應不足。這些問題不僅影響了訂單處理的效率，也導致了時間和空間上的產能分配不均衡，成為效率和成本控制的重大瓶頸。布局混亂SKU種類繁多高密度存儲訂單結構復雜市場波動大海量、不定期下傳訂單現象現象影響影響產能不均衡生產路徑長庫存布局優化供應鏈預測

75、生產模式優化方法策略方法策略資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-京東物流參賽項目案例：京東物流案例：京東物流-AI-AI驅動的物流供應鏈倉儲智能化管理優化系統驅動的物流供應鏈倉儲智能化管理優化系統項目概述：該項目針對電商物流倉儲場景痛點，圍繞數據全生命周期建設以數據中臺為核心的數據底座，結合AI技術和仿真調度建立智能決策引擎，在供應鏈預測、庫存布局、生產模式等方面完成算法創新突破，沉淀行業智能化解決方案。項目成果：京東物流通過智能化升級在供應鏈領域取得顯著成效，現已構建覆蓋全國的智能倉儲網絡，支持千萬級商品的高效運營。依托自主研發的預測體系，實現多場景精準預測與自

76、動化補貨機制，關鍵運營指標全面優化：倉儲資源利用率、訂單處理效率及履約時效均達到行業標桿水平，自動化作業、訂單履約周期均有大幅提升。在服務體驗方面，全國核心區域已實現次日達服務常態化，供應鏈響應速度持續領跑全球。通過全鏈路數字化改造，公司年均可實現數億元級運營成本優化，為行業高質量發展提供創新范本。在自營商品SKU超過1000萬基礎上，存貨周轉天數持續保持30天的全球領先水平。項目顯著提升預測準確率、庫存周轉和揀貨效率，為企業降本增效并提升用戶體驗，樹立了全球物流行業智能化標桿案例，引領行業技術創新，隨著京東物流持續對外服務，項目成果已覆蓋快消、服裝、家電家具、3C、汽車、生鮮等多個行業。直接

77、經濟效益數億元，不僅在物流領域內部創造了價值，更在宏觀層面推動了產業升級和社會進步。入庫-預測創新：基于因果推斷和機器學習的可解釋性預測 智能庫存補貨預測項目創新點：在庫-布局創新：基于元啟發式算法和強化學習的動態庫存優化策略在庫-生產創新：海量動態訂單下傳與產能平衡策略 智能分單動態調度策略 基于多目標優化和強化學習的智能任務匹配策略資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-京東物流參賽項目AI+運輸配送在 運 輸 配 送 領 域，人 工 智 能 技 術 被 廣 泛 應 用 于 干 線 運 輸、城 市 配 送及 末 端 配 送 的 多 個 場 景，主 要 通 過 賦

78、能 傳 統 軟 件 和 硬 件 兩 種 方 式 實現 運 輸 配 送 的 智 能 化 升 級。AI+AI+運輸配送運輸配送：讓全局優化與全鏈路管理成為可能讓全局優化與全鏈路管理成為可能在運輸配送領域，人工智能技術被廣泛應用于干線運輸、城市配送及末端配送的多個場景，主要通過賦能傳統軟件和硬件兩種方式實現運輸配送的智能化升級。在軟件方面，通過融合算法、數據分析、自動化工具、大模型等人工智能技術，實現運輸調度、安全管理、裝載、車隊、車輛管理的智能化升級，提升整體效率與運輸安全，降低運輸成本；在硬件方面，通過在傳統運輸配送裝備、裝載器具上疊加AI技術，實現裝備的智能化升級，如在干線運輸領域，自動駕駛卡

79、車的應用能夠有效降低司機工作強度，降低人員與能耗成本；在末端配送，人工智能賦能無人化服務，如無人機、無人配送車、智能快遞柜等新裝備，給消費者帶來便捷服務的同時，降低末端配送人員的工作強度，提升工作效率。AI賦能機器學習機器學習、強化學習強化學習、計算機視覺計算機視覺 、生物識別生物識別、智能語音智能語音、算法算法、AIoTAIoT技術技術、大模型大模型 .自動駕駛車隊管理貨物安全監控無人配送智能調度場景痛點智能裝載AI正在提升傳統卡車的智能化水平，加速無人駕駛卡車的發展在AI、AIOT、視頻識別等技術加持下，運輸車隊的管理更加透明化、智能化，管理者可實時監控車隊、司機的駕駛狀態，進行主動安全管

80、理和運維管理，降低安全事故率和運維成本，提升裝備壽命和使用價值AI結合圖像識別和傳感器技術，可以在物流全過程中實現對貨物的實時監控，識別暴力分揀、貨物損壞、盜竊或延誤等異常事件，有效識別貨物安全，預測和管理物流過程中的安全風險無人配送車、無人機已步入示范應用，助力物流快遞企業完成最后一公里配送；以傳統AI技術為基礎的智能快遞柜的是末端派送的重要載體AI技術通過感知、大數據分析、機器學習算法，實時掌握客戶需求、貨物狀況和車輛信息，綜合天氣、交通情況，從而做出最優的調度決策，且能夠實時調整運輸路線、優化運輸時間，減少運輸過程中的延誤和空載現象司機勞動強度大且短缺、事故高發、空駛率高；燃油、路橋等費

81、用高；貨物跟蹤難配送人員勞動強度大、人力資源緊張且成本高、配送效率低，安全事故高發配送密度低、需求碎片化、路線規劃難、客戶滿意度有待提升、人力資源緊張在裝載環節，AI技術有非常優良的應用表現，通過算法模型提高裝載效率，解決人工計算裝箱痛點，實現精準裝載，降低物流成本城市配送門店/站點長途運輸末端配送DC/中轉場供應商/工廠/RDC消費者/驛站案例案例-運輸優化：洞隱智能運輸優化解決方案（運輸優化：洞隱智能運輸優化解決方案（DI-TOSDI-TOS云）云）洞隱智能運輸優化DI-TOS云將運輸計劃和人工智能進行結合，通過AI算法對運輸計劃實現優化，能夠與TMS進行無縫集成，實現運輸調度和運輸執行的

82、整體流轉。DI-TOS云支持多種運輸方式和多種配送模式的運輸優化。DI-TOS云已在多個客戶項目中表現優異，幫助客戶提升計劃作業效率、優化運輸成本，提升物流服務滿意度。智能調度引擎智能調度引擎約束集約束集優化目標優化目標拼線約束車輛滿載分區優化多倉發貨成本最優時間最短里程最短車次最少均衡最優收貨時間窗云端的路徑優化方案先進的路徑規劃求解器支持多種配送模式、約束條件和目標函數快速輸出結果貨車地圖融合知識庫自我迭代優化DI-TOSDI-TOS云產品優勢云產品優勢分區優化分區優化送貨點聚合送貨點聚合排線報表排線報表路順規劃路順規劃實施規劃實施規劃資料來源：洞隱科技供稿案例案例-運輸優化：洞隱運輸優化

83、：洞隱DI-TOSDI-TOS云為某大型商超降本增效云為某大型商超降本增效本次TMS的升級計劃建立一套標準的倉儲運輸流程，支持各DC的物流運作，覆蓋進口物流、采購物流、整車物流、城配物流、干線調撥、冷鏈物流、多式聯運和倉儲管理，并同時支持2B業務和2C業務。業務場景業務場景某大型商超某大型商超數百家門店數百家門店門店倉庫門店倉庫資料來源：洞隱科技供稿供應商配送中心門店/客戶算法應用特點算法應用特點優化算法應用效果對比優化算法應用效果對比項目概述項目概述 多訂單類型共配 擺柜時效計算 門店訂單基于通用時間窗/商品屬性-個性時間窗計算多波次配送方案 考慮彈性裝載率，多點拼載裝載率系數調整 考慮承運

84、商份額分配 考慮月臺約束 計劃效率顯著提升（15%）運費降低1.6%應用范圍：應用范圍：常溫，冷鏈物流中心的門店配貨業務。配送優化需求：配送優化需求：不同訂單類型，例如【去店-正?！俊救サ?進口】【去店-轉倉】基于一定規則組建波次，并基于波次任務進行排線優化，自動計算最優成本車輛排線方案。約束名稱說明使用的主數據業務目的訪問約束車輛對訂單是否可以訪問的條件設定地址可用車型、車輛的溫層屬性、訂單溫層、限行約束等數據取交集做判斷確保配送車輛不違反門店的進入要求；時間窗約束車輛是否可以在倉庫規定時間裝貨完成訂單是否可以在門店規定時間內到達并卸貨完成地址時間窗、地址卸貨效率、地址最小卸貨時間（應用于同

85、一車次該地址所有訂單）、行駛時間矩陣數據、車輛的裝卸貨效率確保車輛在各門店配送時間窗內完成到達及裝卸；月臺約束月臺的裝卸效率優化參數、月臺個數使用月臺能力對提貨車輛做進場指導，避免車輛積壓及算法結果同時裝車對后續計劃的不準確影響；容量約束車輛的可裝載能力車型數據、彈性配載率（隨拼店數而變化的容量）設置；確保車輛不超載，為拼店配送預留托盤回倉空間；承運商份額承運商的業務份額承運商份額維護按照維護的份額在承運商之間分配運單；多趟次單一車輛的多趟運輸車輛主數據、優化參數允許車輛在工作時間內進行多次運單執行；案例案例-運輸優化：洞隱運輸優化：洞隱DI-TOSDI-TOS云為某大型商超降本增效云為某大型

86、商超降本增效資料來源：洞隱科技供稿案例案例-運輸優化：洞隱運輸優化：洞隱DI-TOSDI-TOS云賦能達美樂門店擴張云賦能達美樂門店擴張從2020年開始，達美樂陸續同洞隱合作上線了WMS、OMS和YMS。2023年，達美樂第三次攜手洞隱，新增TMS云和TOS云打造一體化供應鏈管理平臺，旨在建立標準化的運輸管理流程，整合優化運輸資源，管控運輸成本；同時支持達美樂計劃排線&優化算法應用需求，提升智能化水平。業務場景業務場景供應商中央廚房&物流中心門店供應商供應商PO接收SRM送貨（維護批次）打印送貨單和標簽門店門店運輸管理門店簽收中央廚房中央廚房成品生產入庫原材料庫原材料庫生成ASNRF質檢/收貨

87、/上架中央廚房領料成品庫成品庫生鮮入庫分貨成品入庫成品發貨成品采購入庫成品采購入庫三河中央廚房三河中央廚房覆蓋北京、天津和三河約覆蓋北京、天津和三河約200200家門店家門店上海中央廚房上海中央廚房覆蓋上海、杭州、南京、蘇州和無錫約覆蓋上海、杭州、南京、蘇州和無錫約250250家門店家門店深圳中央廚房深圳中央廚房覆蓋深圳廣州約覆蓋深圳廣州約120120家門店家門店資料來源：洞隱科技供稿案例案例-運輸優化：洞隱運輸優化：洞隱DI-TOSDI-TOS云賦能達美樂門店擴張云賦能達美樂門店擴張業務挑戰業務挑戰高頻開店高頻開店達美樂高頻率新店開業，對于固定線路調整帶來挑戰配送線路及規劃不再適用配送線路及

88、規劃不再適用城市人口遷移，分布對于傳統行政區劃意義上的線路劃分帶來挑戰相鄰城市間的邊界模糊，從配送經濟性看跨城一體化配送規劃帶來新挑戰運費走高運費走高原有的裝載率、車次等運輸計劃下，運輸成本不可控當業務體量來到一定規模，業務場景復雜化，量變達到質變零界點時，需要智能算法和貨車地圖的賦能。業務目標業務目標配送流程高效協同配送流程高效協同確保倉配服務能力能夠滿足業務部門快速開店擴張后的訂單履約保障，通過TMS平臺的建設，結合TOS智能優化，實現配送流程的高效協同，所有業務信息&運費信息實現在線管理，透明共享。降本增效降本增效能夠通過系統功能，智能算法，以及貨車地圖解決方案能力支撐，配合供應鏈部門實

89、現降本增效的核心管理目標。解決方案解決方案基于基于TOSTOS算法的應用，結合高德地圖物流距離測量算法的應用，結合高德地圖物流距離測量矩陣，對各個門店進行送貨點聚合，優化線路方案。矩陣，對各個門店進行送貨點聚合，優化線路方案。配送網絡優化配送網絡優化-送貨點聚合送貨點聚合 城配優先考慮末端送貨點的聚合 首個客戶到末端客戶的送貨距離城市道路對貨車有諸多限制因素，借助高德地圖豐富的道路動靜態數動靜態數據據，在計劃調度過程中，結合貨車貨車限行數據限行數據和道路實時路況道路實時路況進行貨車行駛路線的預測規劃路線的預測規劃。同時，結合預測路線的預計行駛里程和行駛時間，用于深層次的運力調度計算?；谪涇囘\

90、輸的路徑規劃基于貨車運輸的路徑規劃城市配送中，針對不同門店與倉庫間的距離，批量計算單起點至多終點的行車/直線距離，進而選擇最優的終點聚合方式。城配城配”單起點多終點單起點多終點”距離測量距離測量資料來源：洞隱科技供稿案例案例-運輸優化：洞隱運輸優化：洞隱DI-TOSDI-TOS云賦能達美樂門店擴張云賦能達美樂門店擴張算法應用特點算法應用特點優化算法應用效果對比優化算法應用效果對比項目概述項目概述實現智能調度，運費結算，路徑優化等場景的實施新開門店動態排線，無需頻繁調整維護固定線路表通過數字化工具和系統優化作業流程，顯著提升承運商，供應鏈團隊工作效率和準確率應用范圍應用范圍：應用范圍涉及常溫，冷

91、鏈物流中心的門店配貨業務。配送優化需求配送優化需求：不同訂單類型，例如【門店配送】【調撥轉倉】等基于一定規則組建波次，并基于波次任務進行TOS排線優化，結合高德貨車地圖，自動計算最優成本車輛排線方案。約束名稱約束名稱說明說明使用的主數據使用的主數據業務目的業務目的訪問約束車輛對訂單是否可以訪問的條件設定地址可用車型、車輛的溫層屬性、訂單溫層、限行約束等數據取交集做判斷確保配送車輛不違反門店的進入要求；時間窗約束車輛是否可以在倉庫規定時間裝貨完成訂單是否可以在門店規定時間內到達并卸貨完成地址時間窗、地址卸貨效率、地址最小卸貨時間（應用于同一車次該地址所有訂單）、行駛時間矩陣數據、車輛的裝卸貨效率

92、確保車輛在各門店配送時間窗內完成到達及裝卸；月臺約束月臺的裝卸效率優化參數、月臺個數使用月臺能力對提貨車輛做進場指導，避免車輛積壓及算法結果同時裝車對后續計劃的不準確影響；容量約束車輛的可裝載能力車型數據、彈性配載率（隨拼店數而變化的容量）設置；確保車輛不超載，為拼店配送預留托盤回倉空間；承運商份額承運商的業務份額承運商份額維護按照維護的份額在承運商之間分配運單；多趟次單一車輛的多趟運輸車輛主數據、優化參數允許車輛在工作時間內進行多次運單執行；多訂單類型共配擺柜時效計算考慮彈性裝載率，多點拼載裝載率系數調整門店訂單基于通用時間窗/商品屬性-個性時間窗計算多波次配送方案考慮月臺約束考慮承運商份額

93、分配排線工時從2小時縮短至30min30min運輸成本節約了3.6%3.6%資料來源：洞隱科技供稿案例案例-智能履約：福佑卡車基于智能履約：福佑卡車基于AIAI的全鏈路數字化貨運履約平臺的全鏈路數字化貨運履約平臺資料來源：福佑卡車供稿福佑卡車成立于2015年，是國內最大的全鏈路數字化貨運履約平臺。公司依托大數據、人工智能等技術構建智能物流系統，擁有行業領先的履約能力和供應鏈運營優勢，助力客戶供應鏈迭代升級。福佑是全國首批取得無車承運試點企業，平臺注冊卡車司機超過160萬，貨運網絡覆蓋全國337個主要城市、57000+重點線路，服務范圍輻射國內所有地區。以大數據和 AI 技術為核心，自主研發“福

94、佑大腦”智能中臺，包含智能定價、智能分單、智能服務三大系統提高決策與運輸效率，降低車輛空駛率、異常發生率確保貨物安全、高效、準時交付基于基于AIAI的創新應用的創新應用：智能定價智能定價“福佑大腦”智能中臺長途整車運輸運價主要受貨物重量、長度大小、種類、油價、天氣等因素影響。在傳統貨運市場，運價靠發貨人與卡車司機自行商議，要經過多輪詢價、談判、反復電話溝通才能確認價格，這一溝通過程短則數個小時，長則半天。福佑卡車平臺的智能定價系統通過特定的算法模型，結合車型、車長、距離、天氣等影響因素，對每一個運單進行實時、合理、可靠的定價。技術創新點：機器學習、大數據、運籌優化一、智能定價系統：以大數據破解

95、人工議價對整車數據進行大量積累、清洗與分析實時計算整車運價，與市場價吻合度超 95%。二、智能分單系統：基于機器學習和算法智能分析運單與司機信息在算法中進行預測，將運單與運力進行最優匹配最大程度提升車輛運行效率；三、智能服務系統：結合大量真實的運輸數據通過運力風控、智能預警和智能客服讓擁有不同承運經驗的運力輸出穩定、統一的標準化服務。案例案例-安全管理：跨越全鏈路安全智控中樞體系安全管理：跨越全鏈路安全智控中樞體系場 景 痛 點場 景 痛 點人員安全人員安全：近年來全國每年因貨車事故導致的死亡人數比例超1，高達2萬人，經濟損失超12億。疲勞駕駛，超時工作等違規行為，正是釀成悲劇的高頻元兇。貨物

96、安全：貨物安全：快遞業單季度損毀申訴16105起，占比23.36%；丟失短少申訴17529起，占比25.42%；兩類占比近50%。野蠻卸貨，拋扔踩踏貨物等違規行為是主因。視覺識別跨越安全智控系統架構應 用 成 效應 用 成 效基于AI技術，跨越開創性地實施了一套閉環管理策略，覆蓋物流作業的安全的主要環節，實現了貨物實時追蹤、全程運輸可視化、智能預警，最大程度保障客戶貨物安全，可以起到事前預警，事中識別，事后復盤的全鏈路管控?？缭剿龠\集團有限公司創建于2007年，始終堅持“大型科技化綜合速運企業”的戰略定位，面對市場多元化的需求，公司在以市場為導向、客戶為中心，在高端信息網絡管理系統為保障平臺的

97、基礎上，率先推出三大時效產品：當天達、次日達、隔日達服務?？缭侥壳皢T工總量超過6萬人，科技團隊1400人；運輸車輛超過20000輛，航空包機20架；年營收超過200億。資料來源：2024 物流與供應鏈領域“人工智能+”應用場景挑戰賽-跨越速運參賽項目國家郵政局關于2023年四季度郵政業用戶申訴情況的通告https:/ 戶 滿 意 度客 戶 滿 意 度 提 升 約提 升 約暴 力 分 揀暴 力 分 揀 準 確 率 提 升準 確 率 提 升貨 物 破 損 比 例 下 降貨 物 破 損 比 例 下 降 約約事 故 發 生 率 降 低事 故 發 生 率 降 低質量質量成本成本案例案例-安全管理：貨拉拉

98、安全管理：貨拉拉AIAI安全防控系統解決方案安全防控系統解決方案資料來源：中物聯智慧物流分會根據公開資料整理與網約車平臺不同，在交易和履約方面，同城貨運與出行相比更復雜，最重要的原因是貨運缺乏完善標準。網約車運輸的是乘客，而貨主要求司機承運的可能是衣服、家具等生活物品，也有可能是汽油、爆竹等違禁物品。作為深耕同城貨運物流領域多年的領軍企業，貨拉拉積累了車型、運輸路線、貨物品類等海量數據，擁有獨特的數據優勢。通過借助信息化設備和圖像算法、語音算法、自然語言處理算法等人工智能技術，貨拉拉建設了AI安全防控系統，實現對貨運車輛運行狀態的實時監測和數據分析，能夠及時發現和快速響應突發事件，實現了“法官

99、斷案”的全自動化，降低安全事故發生率。對貨運安全的管控，從事后走向事前和事中，從被動走向主動，從降低影響走向預防發生。三大痛點三大痛點一是獲取證據，平臺需要快速、全面、準確地獲取司機、用戶、貨物和路線等多方數據。二是訂單研判，如何在噪音大、司機口音重的錄音中精準判斷這個訂單是否違規，拿到想要的信息。三是妥善處置，面對不同訂單狀態，平臺如何引導用戶、司機取消，以便他們能更好地理解和接受，這也是一個很重要的難點。四道監測關四道監測關當貨主發布訂單需求時，平臺會自動對訂單上的貨物信息進行分析，如有違禁物品自動攔截該訂單；如果貨主故意填寫錯誤信息，貨拉拉還會對接單司機與貨主的通話進行實時監測與分析，發

100、現異常便會對貨車司機進行彈窗通知，建議其取消訂單。在事中階段，線下運輸前貨拉拉還會要求司機對貨物進行拍照，上傳至少1張裝貨圖，系統也會對照片進行實時分析。若司機在拍照時沒有上傳正確的物品信息，貨拉拉還會在隱私保護的前提下，利用在車輛上安裝的車載IoT設備，對車廂情況進行實時錄像、錄音，并對貨物信息進行相關檢測及處理。在事后，針對系統已經彈窗、貨車司機執意接單的案例，貨拉拉系統后臺還會進行人工分析，如果涉嫌裝載違禁品屬實，貨拉拉會第一時間對貨車司機進行判責，進行相應管控教育。AIAI安全防控系統安全防控系統感知感知檢測檢測處置處置終端數據終端數據AIAI算法算法下發措施下發措施行前裝貨圖、行前隱

101、私號通話錄音、行中車載IoT貨廂圖等圖像算法、語音算法、自然語言處理算法等語音免責提醒、司機端彈窗、扣罰行為分、實時取消訂單等案例案例-智能裝載：洞隱裝箱優化解決方案（智能裝載：洞隱裝箱優化解決方案（DI-LOSDI-LOS云）云）資料來源：洞隱科技供稿AI智能裝箱算法，考慮運輸方式，溫層，擺放方式，堆疊要求，重心，滿載率等約束智能裝箱+3D動態展示，可將裝箱結果輸出，指導倉庫作業DI-LOSDI-LOS云優勢云優勢DI-LOS云采用先進的優化算法，考慮各種約束條件，最大限度地利用集裝箱或運輸車輛的空間，以減少運輸成本并提高效率。裝裝 箱箱打打 托托裝柜裝柜 /車車案例案例-智能裝載：洞隱智能

102、裝載：洞隱DI-LOSDI-LOS云提升海信日立訂單改善率云提升海信日立訂單改善率資料來源：洞隱科技供稿約束條件約束條件用戶交互場景準實時：大部分小單1分鐘內返回，少量大單（超過1000件貨物）幾分鐘內返回。波次批量執行場景：大部分小單1分鐘內返回，少量大單（超過1000件貨物）5分鐘內返回。每天上千條運單裝箱模擬多種貨品規格多種貨品類別項目收益項目收益海信日立使用洞隱LOS云進行裝箱優化，滿足復雜約束條件，并快速實現優化求解。LOS裝箱優化和TMS運輸管理云底層無縫集成，高效實現用戶的裝箱計算需求，無需在不同系統間來回切換。海信日立海信日立TMS+LOSTMS+LOS裝箱結果不能超過指派的車

103、輛類型的寬和高，但是如果單貨品不堆疊，允許超過指派的車輛類型高度需要裝箱的貨品只允許水平立方，但是可以任意角度旋轉內機可以相互堆疊，最多堆疊層數為七層，堆疊時總高度不超過指派的車輛類型的高度，小的室內機可以放到大的室內機上面（這里大小判斷為長*寬），反之不行當同型號的單臺室外機高度沒有超過XX米時，此時同型號的室外機可以堆疊裝箱，堆疊總高度不超過指派的車輛類型高度。室外機和室內機不允許相互堆疊選購件可以互相堆疊，也可放在室內機、室外機上（選購件不能放在內機、外機的下方）支持大量訂單數據支持大量訂單數據基線算法：發表在KDD的算法訂單改善率=改善訂單個數/總訂單個數，改善的訂單包括實裝率改善和路

104、線改善的訂單訂單改善率訂單改善率 5%5%快速計算快速計算案例案例-自動駕駛：嬴徹科技自動駕駛重卡實踐自動駕駛：嬴徹科技自動駕駛重卡實踐智能駕駛技術服務和解決方案算法為物流企業和貨主提供貨運服務：為物流企業和貨主提供貨運服務：借助自有前裝智能駕駛車隊運力，服務承運人和貨主并按里程進行貨運收費智能駕駛貨運平臺(AD Transport-as-a-Service Provider)向重卡向重卡OEMOEM出售智能駕駛系統出售智能駕駛系統:與OEM達成廣泛合作，將嬴徹系統應用和預裝于各大OEM的更多車型之上，并隨卡車銷售完成智能駕駛系統銷售提供定制化半棧研發服務定制化半棧研發服務，以加深與核心OEM

105、的業務綁定關系智能駕駛系統提供商(AD System Tier-1)向重卡用戶提供智能駕駛技術服務：向重卡用戶提供智能駕駛技術服務：支持OTA迭代及功性能持續升級智能駕駛技術服務商(AD-as-a-Service Provider)213 軟件硬件：智能駕駛計算平臺 線控底盤前向激光雷達*1后向攝像頭*4側向毫米波雷達*2前向攝像頭*3后向毫米波雷達*2全冗余轉向EHPS(3)全冗余制動EBS(4)+EHB(5)自研ADCU(1)前向毫米波雷達*1嬴徹科技（上海）有限公司（Inceptio Technology）成立于2018年9月，是一家專注于自動駕駛卡車網絡運營的公司，向物流行業客戶提供智

106、能駕駛技術服務和前裝量產智能駕駛卡車貨運解決方案。資料來源：嬴徹科技供稿案例案例-自動駕駛：嬴徹科技自動駕駛重卡實踐自動駕駛：嬴徹科技自動駕駛重卡實踐東北東北華東華東華南華南中部中部華北華北西南西南西北西北覆蓋全國的干線物流網絡超過一億公里商業運營里程超過一億公里商業運營里程為客戶創造顯著經濟效益勞動力成本占總運營成本的百分比約為15%，2018-2022年中國交通服務行業平均工資年復合增長率達到9.6%卡車司機被中國人力資源和社會保障部評為勞動力短缺最嚴重的 100 大職業之一省人省人，人力成本降低人力成本降低20%20%50%50%智能駕駛重卡為傳統物流運營商面臨的挑戰提供了有效解決方案能

107、耗成本占運營成本約為35%，由于供應鏈收緊和地緣政治風險，柴油價格在2022年同比上漲29.4%經驗豐富的老司機和新手司機的油量消耗差異約為20%，司機水平的較大差異使得能源管理也隨之困難省力省力，智能駕駛里程占比智能駕駛里程占比90%90%，輕松舒適輕松舒適82.4%的卡車司機會連續駕駛超過8個小時，而疲勞駕駛會帶來道路交通安全隱患；2022年由疲勞駕駛導致的事故約為4萬起，占中國商用車年度事故總量的90%單人死亡的補償金額在RMB 50-170萬之間，具體取決于事故發生地經濟水平和責任歸因省油省油，智能節油效益智能節油效益3%3%7%7%資料來源：嬴徹科技供稿 國產化程度：全棧自研案例案例

108、-自動駕駛：飛步面向智慧港口的無人駕駛自動駕駛：飛步面向智慧港口的無人駕駛FabuDisptachFabuDisptach車隊&設備調度管理系統FabuDriveFabuDrive無人駕駛水平運輸系統FabuRemoteFabuRemote遠程控制系統遠程控制系統100%100%自主研發自主研發 車路云全棧技術，打造 國產自研國產自研港口操作系統，港口操作系統，填補傳統港口向自動化、智能化轉型的技術空白技術空白;國內首家開展自動駕駛水平運輸真實運營的企業，實際作業超1,5001,500天，天，為行業提供可落地運營方案;行業內首個可支撐 混線工況混線工況 環境下編組實船作業的方案;方案同時適配

109、傳統傳統 與 新建新建 碼頭，高兼容、可復制、易落地.飛步科技由人工智能國際知名學者何曉飛教授于2017年創立，總部位于浙江杭州。秉持“AI改造生產”的夢想，我們致力于用人工智能技術助力傳統行業的智能化、無人化轉型升級?；谧灾餮邪l的人工智能核心技術，我們開發了面向行業的軟硬件智能系統，成功推出無人駕駛水平運輸系統（F a b uD r i ve）、遠程控制系統（FabuRemote）、車隊及設備調度管理系統（FabuDispatch）等系列產品，為客戶提供一體化的生產運營服務，提高生產安全性和效率，同時降低運營成本。資料來源：飛步科技供稿 2024年初，飛步科技正式宣布與寧波舟山港甬舟碼頭簽

110、署運營服務合同，首期部署12臺智能引導運輸車（IGV），組建全無人運輸車隊并提供運力服務。當前，寧波舟山港已為全球超大型集裝箱碼頭的智慧化轉型提供了“浙江樣板”，以“2+1”智慧化碼頭示范工程近期發布的階段性成果為例：梅東碼頭：全球唯一的單體超千萬混線作業自動化集裝箱碼頭，實現6路無人駕駛集卡常態化實船作業。甬舟碼頭：IGV具備在港區與無人駕駛集卡以及傳統集卡深度混行的作業能力，打造多車型全自動化集裝箱碼頭。案例案例-自動駕駛：飛步全球最大規模港口集卡車隊自動駕駛：飛步全球最大規模港口集卡車隊首套與首套與TOSTOS實時協同的云端系統實時協同的云端系統開發了首套與TOS系統實時協同的云端系統率

111、先實現全天候常態化混編作業梅東碼頭吞吐能力超1,000萬TEU業內唯一連續業內唯一連續5 5 期期102102 臺臺 集卡集卡技術服務技術服務+運力服務兩大引擎運力服務兩大引擎打造多車型全自動化集裝箱碼頭，IGV具備在港區與無人駕駛集卡以及傳統集卡，深度混行的作業能力，為行業提供更優質的服務。甬舟碼頭吞吐能力250萬TEU2期12 12 臺臺IGVIGV4545 臺集卡臺集卡呂四作業區吞吐能力140萬TEU1期5 5臺臺 集卡集卡交付時效業內最快用時小于小于3 3個月個月云端-ECS和FMS系統，包括信息交互、作業指令、遠程控制、車輛狀態監控等路端-路側感知，路側感知設備+邊緣計算。對港區道路

112、進行數字化、智能化升級，通過車路云一體化提前將路況發給作業車輛車端-無人駕駛集卡，搭載飛步科技無人駕駛系統的集卡，包括車端通信、人機交互、感知、路徑規劃、控制及定位等高精地圖，自動駕駛系統重要安全冗余，為車輛提供超視距感知寧波舟山港應用案例車路云一體化首次在港口的落地應用資料來源：飛步科技供稿案例案例-無人配送：新石器無人車有效解決末端配送痛點無人配送：新石器無人車有效解決末端配送痛點搭 建搭 建 4 D O n e M o d e l4 D O n e M o d e l 端 到 端 架 構端 到 端 架 構技術優勢技術優勢應用價值應用價值針對無人配送領域，使無人車具備全天候、全時段、全場景

113、的道路通行能力具備全天候、全時段、全場景的道路通行能力。不管是夜間、雨天、霧霾，還是土路、窄路、閘機口，都能穩定行駛。全天候全時段運營，使無人配送效率提升無人配送效率提升50%50%；有效避免積壓件、爆倉現象。單票運輸成本降低單票運輸成本降低70%70%，有效補充了運輸運力，幫助快遞物流企業降本增效。攝 像 頭激光雷達位 姿導 航障 礙 物車 道 拓 撲占 用 網 絡軌 跡BEV 特征A E BA E S控制時序隊列解碼器端 到 端 模 型 大 腦 直 接 系 統 小 腦 防御性駕駛主干網絡實 現 視 覺實 現 視 覺 B E V B E V 算 法 上 車算 法 上 車搭載12 個高清攝像頭

114、及 1 個激光雷達，配備行業天花板級的車規級Orin 計算平臺，算力 254Tops，實現多模態前融合感知，使無人車具備 360 度環視 120 米感知能力，擁有更高的安全性、穩定性。技術優勢技術優勢面向末端配送服務，具備室內、園區、公開道路機動車道和非機動車道L4級自動駕駛能力，可以實現點位到點位的自動通行和車位自動停泊實現點位到點位的自動通行和車位自動停泊。無人車大規模實現機動車道50km/h50km/h自動駕駛能力自動駕駛能力，可以輕松承擔起串點配送和驛站直發等運輸接駁任務，讓末端配送時效提升末端配送時效提升30%-50%30%-50%。應用價值應用價值新 石 器 無 人 車新 石 器

115、無 人 車L 4L 4 無 人 配 送 領 頭 羊無 人 配 送 領 頭 羊新石器無人車致力于L4級無人駕駛在物流領域的產品應用落地。公司自主研發的L4級無人車，具備在城市公開道路場景下50km/h的完全自動駕駛能力，目前廣泛服務于快遞、城配等多種物流場景需求。新石器無人車具備軟硬件自研、整車制造及智能調度等全棧技術能力，已獲得國家郵政局授予的“國家郵政局無人駕駛技術研發中心”及國家級專精特新“小巨人”企業，累計申請專利超過1200項。公司肩負“讓無人車普及全球”的使命，致力于將無人車打造成智慧城市的物流基礎設施，截止目前新石器無人車已經在全球全球1313個國家、個國家、9393個城市累計交個

116、城市累計交付部署無人車逾付部署無人車逾24002400輛，自動駕駛行駛里程累計超過輛，自動駕駛行駛里程累計超過20002000萬公里萬公里。資料來源：新石器科技供稿案例案例-無人配送：新石器無人車有效解決末端配送痛點無人配送：新石器無人車有效解決末端配送痛點 業務高峰人工運力緊張，快遞包裹容易出現積壓件、爆倉現象。人工運輸，夜間時段無法充分利用，運輸效率有待提升。新石器無人車X3(集裝車)是一款基于L4級無人駕駛技術的新型運力工具。單車單次裝載快遞200-300件，將集包袋或其他容器與無人車相結合，可實現籠箱從分揀中心到網點、從網點到驛站或快遞員之間快速接駁。具備自動裝卸功能，可通過提頻直發和

117、靈活串點的方式，大大提高無人車的運輸效率、降低企業運輸成本。場景痛點場景痛點無人車產品介紹無人車產品介紹應用應用&優勢優勢3.3.標準化籠箱，標準化籠箱，3030秒完成自動化裝卸秒完成自動化裝卸 傳統3m或6m的運輸車，裝散貨需要15-30分鐘，標準化籠箱一次性裝卸僅需30秒。4.244.24小時不間斷裝卸件，裝卸噪音小時不間斷裝卸件，裝卸噪音6060分貝以下分貝以下 可放在中轉場或網點的自動化分揀的隔口下，實現24小時不間斷裝卸件。裝卸噪音60分貝以下，符合城市噪音標準，滿足高密度城市中商超、驛站各大場景下的運輸裝卸需求。1.1.可驛站直發、可串點配送可驛站直發、可串點配送 驛站直發：配合自

118、動化分揀+驛站，無人車可以滿足一個網點到驛站的直發需求，單日可完成12-15次往返，實現快遞派單/攬件。串點配送：可覆蓋10-15公里半徑內的所有驛站，派送效率提升30%以上。2.2.極致高時效，夜間配送單票成本降低極致高時效，夜間配送單票成本降低50%50%晚上9點到凌晨6點，錯開早晚高峰，不間斷運輸至少10趟以上，單票運輸成本降低50%。資料來源：新石器科技供稿案例案例-無人機：豐翼科技無人機業務模式無人機：豐翼科技無人機業務模式豐翼科技（深圳）有限公司隸屬于順豐集團，以全棧式自主研發能力立身，圍繞無人機物流產品、技術產品、硬件產品不斷完善服務能力和產品體系。自主研發的無人機具備0.5kg

119、到50kg，10km到120km的運輸能力，涵蓋多旋翼和垂直起降固定翼等多種機型。作為國內首家獲得民用無人駕駛航空器運營合格證的企業，豐翼科技在物流無人機的基本盤內始終占據頭部地位，以行業先驅的身份著力于快遞、醫療、應急和巡檢等延展賽道，截止2024年12月1日，累計在全國開通636條航線，飛行超111.6萬架次，運輸貨物訂單數627.1萬票，運輸重量超23141.8噸，飛行總里程573.2余萬公里。案例案例-無人機：豐翼科技物流配送領域無人機產品能力無人機：豐翼科技物流配送領域無人機產品能力案例案例-無人機：豐翼科技物流配送領域無人機應用無人機：豐翼科技物流配送領域無人機應用解決方案業務挑戰

120、方案優勢客戶價值行行業業痛痛點點豐翼建設以深圳為中心，覆蓋粵港澳大灣區主要城市的低空物流網絡，打造大灣區2小時物流圈。2020年6月在大灣區開展低空物流常態化規模運營，現已完成深圳寶安區、光明區、龍華區低空物流網絡搭建，開通“深圳-珠?！?、“深圳-中山”、“深圳-東莞”跨城航線（服務范圍持續擴展中），并于2024年3月正式推出全球首個C端互寄的無人機物流產品。截止2024年5月31日豐翼在大灣區開通258條航線，日均飛行近千架次，日均運營單量突破20000件。累計飛行47萬余架次，運輸貨物超255萬件，飛行總里程185余萬公里。作為無人機物流行業領導者，豐翼已成功獨家打造城市低空無人機物流網絡

121、（大灣區），并探索出一套可復制、可推廣的低空物流商業化模式。1、提高中轉場的運輸效率。2、降低運營成本。3、縮短配送時長，同城2小時送達，灣區跨城4小時送達。1、方舟 40、豐舟90續航、載重、安全能力強，已得到充分驗證。2、多冗余并帶有降落傘可在城市中、城市間保證安全飛行。3、可遠程超視距自主多架次同時飛行。1、陸運交通擁堵，傳統陸運等待時間長，易造成快遞積壓。2、深圳-中山、深圳-珠海需經虎門大橋進行跨海運輸，配送時間長。3、生鮮等快件對配送時效要求高，無法及時送達易對商戶造成損失。1、自主研發載重大、航程遠、安全性能高的物流無人機。2、使用智能運控系統進行飛行管控，確保無人機的飛行安全和

122、管控效率。AI大模型應用2 0 2 4 年，物 流 與 供 應 鏈 頭 部 企 業 對 A I 大 模 型 由 觀 望 轉 向 應 用，多 個行 業 垂 直 大 模 型 發 布，大 模 型 正 在 融 入 供 應 鏈 計 劃、采 購、庫 存 管 理、物 流 履 約、客 服 等 細 分 場 景，智 能 體、O C R 等 應 用 率 先 落 地。AIAI大模型賦能物流供應鏈多場景應用大模型賦能物流供應鏈多場景應用大模型作為人工智能技術的一個重要細分，是新一輪人工智能熱潮的主要推動者，隨著技術演進，從語言大模型（NLP）、視覺大模型（CV）到多模態大模型，大模型技術已經突破了只能處理單一類型數據的

123、限制，通過其強大的跨模態處理能力和深度學習能力，在多個領域展現出了無可比擬的優勢，為產業應用帶來了巨大想象空間。2024年被定義為我國大模型應用爆發的元年，在物流與供應鏈領域，我們看到了大模型服務企業、物流科技企業、物流服務的頭部企業等不同主體在大模型賦能物流供應鏈業務發展的探索和實踐，基于通用大模型疊加行業數據訓練，形成行業專屬模型能力，賦能供應鏈計劃、采購，倉儲、運輸、配送、客服等物流與供應鏈的各個環節和場景。資料來源：根據洞隱科技智能化供應鏈服務框架整理從場景切入從場景切入，物流巨頭爭相布局大行業和垂物流巨頭爭相布局大行業和垂類大模型類大模型從2023年點狀的技術探索到2024年的巨頭爭

124、相布局，大模型在物流行業應用的腳步不斷加快，京東物流、菜鳥、順豐、招商局、中遠海等相繼發布行業大模型、垂類大模型或基于大模型的數智化產品，在滿足自身運營的同時向行業賦能；從企業已發布模型的服務場景來看，主要分為三大類別，一是供應鏈預測、優化和倉儲、運輸的優化，優化決策是企業布局大模型的主要聚焦點；二是客服、業務助手、數據分析等服務支撐工作；三是行業知識庫檢索問答。企業名稱企業名稱發布時間發布時間大模型大模型/產品名稱產品名稱應用場景應用場景菜鳥2023年6月天機天機基于大模型的數字供應鏈產品，主要有兩大場景應用。第一是能夠在銷量預測、補貨計劃和庫存健康等領域實現精準預測和優化。第二是能夠處理和

125、分析海量的物流數據，從中提取有價值的信息，為決策提供數據支持。京東物流2023年7月京東物流超腦“京東物流超腦”是基于大模型的數智化供應鏈產品，主要為實現對供應鏈全局的優化，包含倉儲布局優化、運營異常改善、供應鏈計劃輔助決策等。百度地圖2023年9月物流大模型Beta基于百度領先的大模型技術能力，結合物流行業場景特點，Beta主要應用于物流地址解析、物流調度決策。招商局2023年11月ShippingGPT“ShippingGPT”訓練壓縮了海量航運物流知識，可用于船舶和船員管理，航運市場指數查詢、市場分析與趨勢預測，航運法律知識問答、綠色減排等領域，具有航運物流知識檢索與問答、航運市場信息結

126、構化查詢問答等功能。圓通速遞2023年底YTO-GPTYTO-GPT模型在智能末端（優化路線規劃和提升派送效率）、智能客服、智能運輸（實時監控車輛狀態并優化調度）、智能中轉及智能決策等方面實現了全面升級。貨拉拉2024年4月貨運無憂大模型“貨運無憂大模型”包含了貨運、邀約、客服、數據分析、HR辦公等多個業務領域。中遠海運2024年7月Hi-Dolphin“Hi-Dolphin”包含航運知識、航運數據、運力預測、智能應用等四大功能，全方位服務于航運業的各個環節。順豐科技2024年8月“豐知”決策大模型“豐知”大模型主要應用于物流供應鏈的智能化分析、銷量預測、運輸路線優化與包裝優化等決策領域。順豐

127、科技2024年9月“豐語”大語言模型“豐語”大語言模型主要應用于市場營銷、客服、收派、國際關務等場景。資料來源：中物聯智慧物流分會根據調研和公開資料整理案例案例-垂直大模型：順豐科技大模型應用實踐垂直大模型：順豐科技大模型應用實踐資料來源：順豐科技供稿順豐AIGC應用總覽2024年，順豐科技先后發布“豐知物流決策大模型”、“豐語大語言模型”。豐語大語言模型與豐知物流決策大模型形成了聯動與結合。豐知物流決策大模型側重于處理結構化數據，用于時序預測、路徑規劃等供應鏈決策場景中。而豐語大模型則側重于處理非結構化數據，幫助每個不同崗位的人成為經驗豐富的崗位專家。兩者相互補充，共同構建了一個更為完整和全

128、面的物流智能化體系。案例案例-垂直大模型：順豐科技垂直大語言模型垂直大模型：順豐科技垂直大語言模型-豐語豐語豐語大語言模型是順豐科技針對物流行業特點量身定制的一款大模型產品。它以更小的尺寸模型，實現了對更大尺寸外部商用模型在物流垂直領域的全面超越。與通用模型相比，豐語大模型更加懂物流、更專業，已廣泛應用于順豐二十多個業務場景中，并獲得了顯著的業務效果。豐語大語言模型深度理解物流行業知識，旨在幫助員工快速成為經驗豐富的崗位專家，全面賦能市場營銷、客服、收派、國際關務等業務板塊的多個物流特色核心場景，真正實現物流行業中大語言模型的高效應用。資料來源：順豐科技供稿應用場景一：快件質量和快件安全保障快

129、件質量快件質量基于多模態大模型，對全鏈路快件數據進行智能檢索分析，發現潛在風險、預警、舉證，保障快件質量快件安全快件安全基于多模態大模型，搭建智慧安檢體系，實現安檢圖片與物流運單信息綁定，智能安檢保障快件安全應用場二：員工滿意，服務好每個快遞小哥新員工培訓；流程標準機制理解；數字人面對面AI陪練日常作業知識庫；運費/時效/包裝/收寄標準等API調用；產品與服務推薦小哥服務中心作業陪伴；語音助理 實時服務；擬人化小哥AI助理案例案例-垂直大模型：順豐科技垂直大語言模型垂直大模型：順豐科技垂直大語言模型-豐語豐語資料來源：順豐科技供稿應用場景三：國際物流業務宏觀分析資訊摘要-自動生成行業深度報告-

130、戰略智能問答下單環節海關文件解讀-自動生成國際收寄標準-多端查詢國際戰略研判國際戰略研判國際收寄標準國際收寄標準宏觀分析品名簡化-自動匹配報關要素-智能審判報關條件清關環節品名&數量識別-申報信息核驗-海關指令匹配品名自動規范品名自動規范托寄物智能查驗托寄物智能查驗AIAI大模型應用大模型應用-數字員工數字員工 數字員工是大模型在物流供應鏈領域應用的一個主要發展方向，也是大模型應用率先落地的場景之一，其背后是機器人流程自動化，也稱作代理人工智能，是多個人工智能工具構成的復雜組合；數字員工的優勢在于可以7*24不間斷地工作，模擬人工執行電腦上大量繁瑣重復操作，實現跨系統處理物流數據，能夠有效規避

131、人為失誤，提升處理效率與準確率，進而提升客戶滿意度，同時緩解物流企業的人手短缺、用人成本高企等問題；客服、報關、訂艙、跟單、錄入等環節成為數字員工率先應用的崗位，頭部企業也在進行智能調度員、智能程序員等更多工種和崗位的替代探索。工種工種場景場景/痛點痛點AIAI大模型賦能大模型賦能價值價值智能客服傳統智能客服在技術上使用的是關鍵詞、BERT模型等機制，這種機制需要大量的數據標注，標注越多，理解能力就越強，但標注高度依賴人工。一旦人工標注和訓練不足，機器理解能力就不夠，結果就是答非所問。表現出在復雜任務的處理上很呆板，缺乏情感表達，用戶體驗很差，始終無法實現真正的“智能”。此外，由于需要設立專門

132、的機器人訓練師，企業投入的成本很高。大模型具備更深層次的理解能力和生成能力，基于大模型的智能客服可以更好地理解和回應用戶的復雜表達，同時生成更加擬人化，提高了用戶體驗的質量。此外，大模型還可以快速啟動，不再需要預先梳理大量的FAQ問答對，只需輸入文檔即可自動生成答案。新一代智能客服的最大優勢在于客戶體驗，基于對客戶的理解和情感化表達，極大提升了客戶體驗，同時也提高了客戶服務的效率和質量，為企業節省了大量的人力和時間成本，智能跟單客戶對貨物運輸狀態的透明度和可追溯性要求極高，期望能夠隨時了解自己的貨物處于哪個位置、何時能夠送達。物流企業也需要準確掌握貨物的動態信息，以便進行合理的調度和資源分配，

133、提高運營效率和客戶滿意度。借助AI大模型技術，數字員工可以自動登錄港口、海關等相關系統和平臺，收集貨物的跟蹤信息，并將其整合到一個統一的界面或數據庫中?？蛻艉臀锪髌髽I可以隨時通過這個界面查看貨物的實時狀態，無需手動切換不同系統。通過自動化物流跟蹤，物流企業可以減少對人工跟蹤的依賴，降低人力成本。同時，數字員工的準確性和高效性可以提高物流跟蹤的質量和效率，提升客戶滿意度。智能清關/報關隨著全球貿易的持續增長，物流企業需要處理大量的清關/報關單。這些單據包含了貨物的詳細信息、進出口方信息、價值等關鍵內容，準確及時地錄入這些信息對于貨物順利通關、確保貿易流程的順暢進行起著決定性作用。數字員工通過疊加

134、了大模型的OCR（光學字符識別）技術，能夠更準確識別紙質單據上的信息，自動抓取清關/報關單所需的數據，如貿易合同、發票、提單等，提高數據采集的效率和準確性。通過智能錄入與驗證，以快速處理大量的清關/報關單，大大縮短錄入時間，滿足國際貿易對時效性的嚴格要求。確保貨物能夠及時通關，減少貨物積壓和成本增加的風險。同時，可以與海關系統、物流管理系統等進行集成，實現數據的無縫對接和協同工作，提高整個貿易流程的效率和透明度。智能訂艙物流企業需要為客戶的貨物安排合適的運輸艙位，以確保貨物能夠按時、安全地送達目的地。然而，人工訂艙需要與多個航運公司或貨代進行溝通、比價、協商艙位等一系列復雜的流程，耗費大量時間

135、和精力，往往無法滿足客戶的需求，影響客戶滿意度。數字員工可以自動與航運公司或貨代的系統進行交互，查詢艙位信息、比較價格、提交訂艙申請等，大大簡化訂艙流程，提高效率。按照預設的規則進行數據處理，避免人為錯誤，確保艙位信息和價格等數據的準確性。當有緊急訂艙需求時，數字員工可以快速響應，及時處理訂艙申請，提高客戶滿意度?？梢詫⒂喤撨^程中的數據進行自動記錄和整理，為企業提供準確的數據支持，便于進行數據分析和業務優化。智能錄單在物流行業中，錄單是一項基礎工作。物流企業需要處理大量不同格式、不同來源的單據和貨物運輸信息，包括發貨人信息、收貨人信息、貨物種類、數量、重量、運輸路線等等，傳統的人工錄單方式顯效

136、率低下、易出錯，且人員成本高。數字員工可以自動從電子郵件、表格、網站等渠道抓取訂單信息，識別郵件內容，提取關鍵信息并錄入到物流管理系統中。在錄單過程中，數字員工可以對抓取到的信息進行自動驗證，如檢查電話號碼的格式等。如果發現錯誤，數字員工可以自動進行糾錯或提醒人工進行修正，確保數據的準確性。按照預設的規則和格式進行錄單，保證數據的一致性；可以實時監控錄單進度和狀態，及時向管理人員反饋異常情況。管理人員可以通過監控界面隨時了解錄單工作的進展情況，及時采取措施解決問題；可以與物流管理系統、倉儲管理系統等進行集成，實現數據的無縫對接和協同工作。資料來源：中物聯智慧物流分會根據調研和公開資料整理案例案

137、例-智能客服：洞隱助力某大型物流企業實現智能客服：洞隱助力某大型物流企業實現AIAI驅動的智能化客服驅動的智能化客服某大型物流服務企業，主要從事國際及沿海集裝箱運輸、航運專業服務和航運物流業務。經營范圍還包括國際集裝箱班輪運輸、近洋國際貨物運輸、上海與香港間的旅客運輸、國內貨物運輸、船舶租賃業務、集裝箱倉儲、中轉和租賃等。作為航運板塊的領軍企業，通過資源高效集聚及配置優化，助力集團戰略發展。資料來源：洞隱科技供稿業務痛點業務痛點技術方案：技術方案：引入大模型，實現客服產品價值提升傳統客服語義理解局限，客戶體驗不佳傳統客服語義理解局限，客戶體驗不佳傳統客服系統在語義理解上存在明顯不足，缺乏必要的

138、邏輯判斷和推理能力，難以準確解析省略和指代信息，且無法實現跨知識引擎的對話內容“記憶”，導致客戶服務體驗不佳。對話交互僵化對話交互僵化人機對話過程機械、刻板，答案固定且缺乏靈活性，無法直接、明確地回應客戶問題，對話框架限制嚴格，難以提供自然流暢的交互體驗。知識庫構建的成本高知識庫構建的成本高問題梳理易出錯且成本高，標準答案梳理易出錯且成本高。知識庫及大模型應用知識庫及大模型應用知識庫建立：一鍵上傳文檔（業務文檔知識庫建立：一鍵上傳文檔（業務文檔/幫助手冊等），通過大模型（幫助手冊等），通過大模型（OpenAI Assistants/OpenAI Assistants/阿里云百煉）自動完成解析和

139、構建。阿里云百煉）自動完成解析和構建。文件上傳文件上傳分塊處理分塊處理建立索引建立索引嵌入向量嵌入向量矢量搜索矢量搜索內容檢索內容檢索支持doc、docx、pdf、txt等類型文檔對話，支持文本型內容。1 1、快速建立知識庫、快速建立知識庫2 2、知識庫迭代、知識庫迭代（自學習能力）（自學習能力）根據用戶對答案的反饋，將上下文對話內容納入知識庫，進行知識庫的自我更新迭代支持按不同角色接入不同知識庫支持按不同租戶接入不同知識庫用戶智能/人工客服理解意圖回復答案答案反饋業務問答知識庫、業務操作知識庫、場景知識庫、通用行業知識庫 chatGPT 阿里云百煉業務操作應用場景業務問答應用場景為內部用戶提

140、供訂單為內部用戶提供訂單自動創建、業務問答及智能報表生成等服務自動創建、業務問答及智能報表生成等服務：協助內部用戶處理訂單，包括訂單創建、修改、取消等操作自動驗證訂單信息的準確性，并實時更新訂單狀態提供業務操作SOP及系統操作說明等業務問答數據分析及自動分析報表生成（基于私域數據庫）為客戶提供為客戶提供自動化自動化咨詢與查詢服務咨詢與查詢服務：智能響應客戶的咨詢，解答關于訂單、運費、配送方式等問題根據客戶的歷史數據，提供更合理的方案或決策，如推薦合適的運輸方式、優化配送路線等貨物的狀態、位置、預計到達時間查詢處理退換貨、投訴等售后問題自動回訪與滿意度調查案例案例-智能客服：洞隱助力某大型物流企

141、業實現智能客服：洞隱助力某大型物流企業實現AIAI驅動的智能化客服驅動的智能化客服資料來源：洞隱科技供稿主要從事國際及沿海集裝箱運輸、航運專業服務和航運物流業務。經營范圍還包括國際集裝箱班輪運輸、近洋國際貨物運輸、上海與香港間的旅客運輸、國內貨物運輸、船舶租賃業務、集裝箱倉儲、中轉和租賃等。作為航運板塊的領軍企業，通過資源高效集聚及配置優化，助力集團戰略發展。某大型物流服務企業某大型物流服務企業智能客服智能客服解決方案解決方案項目收益項目收益提供7*24小時全天候在線服務案例案例-智能客服：騰訊云基于大模型的智能客服：騰訊云基于大模型的TRTCTRTC實時對話式實時對話式AIAI解決方案解決方

142、案 全新降噪引擎，輸入端音頻實時AI降噪，提升ASR的識別準確度。紅框內客戶自定義紅框內客戶自定義 騰訊側：客戶端和服務端的一體化集成方案，提供智能打斷、降噪能力?？蛻魝龋鹤远x大模型和TTS，接入到騰訊AI服務，保持業務靈活性。技術優勢技術優勢雙講打斷雙講打斷AIAI降噪降噪服務穩定服務穩定AI聊天過程，實時打斷，真正實現與人聊天的真實體驗。全球2800+節點，多服務容災，高穩定超低延遲。實現超低延遲的實現超低延遲的AIAI對話對話音視頻端到端延遲低于300ms300ms，AI對話延遲低于1000ms1000ms。高兼容性高兼容性精準的精準的ASRASR識別識別支持多種語言，包括英語、西班牙

143、語、日語、韓語、中文以及2323種方言和種方言和130130種國種國際語言際語言。配置LLM和TTS服務的賬戶憑證，無縫集無縫集成成到服務后臺。支持多個平臺，兼容超過20,00020,000種設備模型。第三方第三方LLMLLM和和TTSTTS無縫集成無縫集成功能特點功能特點 使用Tencent RTC，可以結合騰訊混元大模型或第三方的大模型和TTS等，可以輕松創建一個AI實時交互體驗，結合到業務場景中。資料來源：騰訊云供稿案例案例-智能客服：騰訊云助力某大型物流企業智能客服：騰訊云助力某大型物流企業AIGCAIGC落地落地 基于某大型物流企業的降本提效需求，騰訊云基于混元大模型底座與相關技術，

144、利用企業知識庫打造輔助客服坐席。包括但不限于自動生成前序會話摘要，會話中支持智能服務/話術生成，接待結束后自動生成會話小結；經過大模型技術加持，全流程助力客服提效，提升了服務質量和效率。項目背景產品示例及效果1 1一線客服工單效能低，自助閉環率有待提升一線客服工單效能低，自助閉環率有待提升-理解客戶問題的知識專業性要求高-傳統“文檔搜索”耗時長，理解成本高長文檔自動學習總結，生成答案長文檔自動學習總結，生成答案2 2產研團隊知識運營成本高、更新慢產研團隊知識運營成本高、更新慢-需要通過人工沉淀，不清楚一線缺少哪些知識，需要擴充哪類知識-知識覆蓋的更新效率慢文檔實時更新、基于反饋機制自主學習進化

145、傳統文檔搜索需從大量文檔分散知識中總結關鍵信息AIGC答案生成大模型通過長文檔閱讀理解自動生成答案優秀話術采納率提升采納率提升采納率(30%(30%）復雜問題準確率提升提升25%25%資料來源：騰訊云供稿案例案例-智能訂艙：某大型海運貨代公司運用數字員工實現智能訂艙智能訂艙：某大型海運貨代公司運用數字員工實現智能訂艙資料來源：洞隱科技供稿在長江經濟帶具有重要地位的大型物流企業，致力于在如下主要業務領域：江海聯運、鐵水聯運和國際鐵路聯運。提供物流供應鏈優化、整合、集成服務，以及國際貨運代理、航線經營、定制化物流解決方案等。涵蓋內外貿集裝箱水路運輸、NVOCC、件雜貨海運租船、國際國內鐵路貨運代理

146、、多式聯運及項目物流、合同物流、供應鏈物流等業務。業務痛點業務痛點技術方案：技術方案：基于貨代行業知識庫，打造訂艙智能體某大型海運貨代某大型海運貨代公司公司智能訂艙智能訂艙訂艙數據核對煩、易出錯訂艙數據核對煩、易出錯操作員每月都需定期到訂艙平臺確認訂艙信息，若發現與原始訂艙數據存在差異則要及時修正，并發郵件通知各相關方。操作繁瑣枯燥，且數據核對容易出錯。信息更新時效要求高，工作量大易錯漏信息更新時效要求高，工作量大易錯漏訂艙確認后、鎖船前，操作員若未及時維護平臺實際貨物信息，將導致貨物無法上船每票訂艙的Loading維護可能涉及較多箱子，人工錄入工作量大、出錯率高鎖船前，每次實際貨物信息變更都

147、需及時維護到訂艙平臺上，容易造成漏單案例案例-智能訂艙：某大型海運貨代公司運用數字員工實現智能訂艙智能訂艙：某大型海運貨代公司運用數字員工實現智能訂艙資料來源：洞隱科技供稿在長江經濟帶具有重要地位的大型物流企業，致力于在如下主要業務領域：江海聯運、鐵水聯運和國際鐵路聯運。提供物流供應鏈優化、整合、集成服務，以及國際貨運代理、航線經營、定制化物流解決方案等。涵蓋內外貿集裝箱水路運輸、NVOCC、件雜貨海運租船、國際國內鐵路貨運代理、多式聯運及項目物流、合同物流、供應鏈物流等業務。某大型海運貨代某大型海運貨代公司公司智能訂艙智能訂艙解決方案解決方案訂艙確認從4h縮短到 5min5min訂艙錯誤率從

148、10%降到 0%0%平均訂艙效率從5min縮短到 40s40sLoading維護從每單10min縮短1min1min漏單率/錯誤率分別從20%/10%降到 0%0%自動化覆蓋率99.98%99.98%項目收益：與人工操作相比項目收益：與人工操作相比案例案例-智能詢價：壹沓詢報價智能詢價：壹沓詢報價AgentAgent靈活集成各IM應用和平臺，詢報價Agent可以做到全天候詢價實時響應與自動回復，幫助企業保持高質量的服務體驗；運 小 沓運 小 沓 LLMLLM意圖理解任務規劃船期港口記憶管理船名航次箱型規格詢報價詢報價AgentAgent會話存儲數據分析詢價響應工單生成運價查詢回復報價場景細分：

149、對內面向銷售報價，對外面向客戶報價場景細分：對內面向銷售報價，對外面向客戶報價工 作 流工 作 流 SOPSOP化化信息入口集成信息入口集成運小沓LLM相比通用大模型，是更懂國際物流業務的專屬大腦，使詢報價Agent可以像一名業務專家一樣受理詢價需求；通過詢價報價流程SOP化、詢價報價過程自動化，實現商機管理自動化/線上化/可視化，從而幫助企業提高商機轉化率；小程小程序序飛書飛書網頁網頁企微企微企點企點釘釘釘釘資料來源：壹沓科技供稿案例案例-智能詢價：壹沓詢報價智能詢價：壹沓詢報價AgentAgent詢價咨詢詢價咨詢接收接收詢價需求詢價需求推理推理運價查詢運價查詢發送運價發送運價人工建聯人工建

150、聯數據記錄數據記錄對內報價-Agent核心能力底層整合技術和平臺能力運小沓信息入口集成運小沓信息入口集成運小沓運小沓LLMLLM運小沓運價平臺運小沓運價平臺運小沓工單平臺運小沓工單平臺實時消息收發并發消息分流船期港口船名航次箱型規格記憶規劃意圖理解信息抽取航司線上實時運價線下有效運價上傳詢價工單管理詢價會話記錄詢價分析看板對外報價-Agent核心能力商機詢價受理商機詢價受理詢價詢價入口入口需求需求理解理解查詢查詢運價運價加減加減價規價規則則發送發送報價報價通知通知銷售銷售商機商機動態動態提示提示銷售銷售跟進跟進商機商機歷史歷史詢盤詢盤記錄記錄優勢優勢運價運價推薦推薦底層整合技術和平臺能力運小沓

151、信息入口集成運小沓信息入口集成運小沓運小沓LLMLLM運小沓運價平臺運小沓運價平臺運小沓工單平臺運小沓工單平臺實時消息收發并發消息分流船期港口船名航次箱型規格記憶規劃意圖理解信息抽取航司線上實時運價線下有效運價上傳商機看板商機管理詢價工單商機基礎數據資料來源：壹沓科技供稿在數字化時代，文本識別技術已經成為日常生活和企業運營中不可或缺的一部分。無論是掃描紙質文檔、識別圖像中的文字，還是從視頻中提取信息，文本識別技術都在發揮著重要作用。隨著人工智能（AI）技術的飛速發展尤其是AI大模型的出現，文本識別技術也迎來了新的革命。傳統技術痛點傳統技術痛點盡管傳統OCR技術在某些應用場景下取得了成功，但它仍

152、然存在一些局限性。例如，傳統OCR系統通常需要大量的訓練數據來提高識別準確率，而且對于手寫文本、模糊圖像或復雜背景的識別能力較弱。AIAI大模型應用成效大模型應用成效強大的特征提取能力：AI大模型能夠自動學習到文本圖像中的復雜特征，而不需要人工設計特征。適應性強：AI大模型能夠適應不同的字體、格式和背景，提高了文本識別的泛化能力。多任務學習能力：AI大模型可以同時學習多個任務，例如文本識別、圖像分類和自然語言處理等，這使得模型的應用范圍更加廣泛。AIAI大模型賦大模型賦OCROCR新變革新變革案例案例-智能識別：騰訊云：智能識別：騰訊云：OCROCR應用應用AI能力-智能結構化高級版模型參數更

153、大模型參數更大相比智能結構化版本參數，高級版本參數更大學習能力更強捕捉更復雜的輸入圖特征更好識別模糊輸入適應性更強處理更復雜的任務少量樣本即可訓練少量樣本即可訓練使用大模型后，所需樣本量和版式要求顯著降低，能泛化到更多未見過的版式。少量樣本學習能力可遷移性強魯棒性更強參數數量提升參數數量提升6 6倍倍新版式訓練數據數新版式訓練數據數量降低量降低解析復雜文本結構票據表格文檔印章復雜版式支持更好抽取復雜版式支持更好抽取結合MLLM，能更高效解決復雜合同場景的抽取需求抽取能力更強抽取能力更強 智能結構化（高級版）融合了業界領先的深度學習技術、圖像檢測技術以及OCR大模型能力，能夠實現不限版式的結構化

154、信息抽取，通過預學習建立鍵值對應關系，支持客戶定制模板，提升數據提取錄入效率，適用于政務、票據核銷、行業表單和國際物流等場景。資料來源：騰訊云供稿案例案例-智能識別：騰訊云：智能識別：騰訊云：OCROCR應用應用AI實踐-貫穿物流全鏈路的應用場景 物流鏈路中涉及大量票據，騰訊OCR技術可貫穿物流全鏈路場景，實現票據的精準、智能識別，以降低人工錄入成本，提升供應鏈與物流單證的信息流轉效率。司機身份核驗寄件人身份認證物流單證識別快遞快運網貨平臺/大宗物流跨境貨代+身份證行駛證駕駛證從業資格證道路運輸證身份證識別-二要素、三要素識別實名認證活體檢測寄件人身份證識別貨主資質核驗法人身份證識別營業執照識

155、別結算環節識別快遞面單識別物流運單識別磅單識別回單識別普通發票、高速發票、加油票國際發票識別普通發票裝貨單識別道路運輸經營許可證司機資質核驗海運托書識別報關單識別海外運單裝箱單識別+資料來源：騰訊云供稿案例案例-智能識別：洞隱科技基于大模型智能識別：洞隱科技基于大模型OCROCR的智能地址的智能地址資料來源：洞隱科技供稿模型應用模型應用DHL使用的運單地址和預約地址都是以英文的方式書寫的（每年超過2500萬條），由于原始英文地址書寫樣式多樣化，例如英文混合拼音，地址書寫順序不規范等，造成需要較多的人工協助進行翻譯，校正，以便配送員準確進行貨物配送。DHL ExpressDHL Express智

156、能裝載優化（智能裝載優化（LOSLOS）開發一種地址智能識別模型，用于自動識別和解析輸入的英文地址信息，轉化成標準的中文地址格式，提高地址識別的準確率和效率，減少人工干預的工作量和錯誤率。從而實現在中國電子地圖上進行定位，輔助派送員進行取件和派送，并在客戶端實現可視化效果。QwenQwen模型模型大語言模型是最新的深度學習模型的一種，在各種自然語言處理任務上表現出色，包括文本生成、語言翻譯、問答等文心一言模型文心一言模型大語言模型的一種，用于實現地址多種語言的翻譯MGeoMGeo地址結構化模型地址結構化模型多任務多模態地理文本預訓練底座MGeo模型項目收益項目收益地址地址智能智能訓練訓練構建中

157、英文地址庫地址人工修正修正地址日志地址訓練模型API（方 案 一）對外服務對外服務地址應用系統文心一言Qwen模型MGeo地址結構化模型地址地址智能智能識別識別地址智能識別單條地址智能識別API批量地址智能識別API地址智能識別日志接口用戶授權管理接口推送信息管理接口日志管理接口接口管理管理用戶管理角色管理數據字典系統系統管理管理系統藍圖系統藍圖我國物流供應鏈領域AI應用挑戰與趨勢展望Part 4挑戰與建議：三重挑戰關系物流供應鏈挑戰與建議：三重挑戰關系物流供應鏈AIAI項目成敗與成效項目成敗與成效場景多樣、環節復雜是物流與供應鏈的突出特征，為此，AI落地過程中場景的選擇尤為重要，過度關注技術

158、而忽視場景特征與需求，將導致AI解決方案難以解決業務實際痛點，企業需選擇合適的業務場景，通過小規模試點，逐步驗證其商業價值，確保投入的有效性。明確區分面向內部和外部的項目；落地場景與企業戰略的一致性；明確AI對于所優化流程的目標：增強或取代；清晰定義目標與衡量標準場景選擇場景選擇數字化是AI技術應用的基礎，數據的可得性、全面性和準確性至關重要。然而物流行業數字化成熟度偏低，企業內部數據孤島現象嚴重，數據存儲和管理能力偏弱、質量參差不齊，這些都將成為AI技術應用的制約因素。同時，物流行業數據涉及貨主、服務商、承運商、終端用戶等多個主體，海量數據應用下，如何保護企業和客戶的數據隱私和安全也是一個重

159、要挑戰。數據基礎數據基礎人工智能技術正在快速迭代，新技術層出不窮，DeepSeek的橫空出世引發全球熱議，讓國內“百模大戰”邁向“終結”，英偉達、騰訊等國內外科技巨頭先后接入，物流行業頭部企業與物流科技也爭相跟進。AI技術的迭代速度之快已經讓企業甚至技術專家都難以準確預測其發展趨勢，甚至讓部分企業陷入已啟動的AI項目尚未完成，但AI技術已經迭代更新的窘境。為此，企業AI應用中的技術策略至關重要，在平衡技術投入成本、與傳統IT架構支撐性的基礎上，制定靈活的技術策略，既要保持技術的先進性，也要避免忽略自身基礎而盲目跟風。技術方案技術方案AIAI實施落地實施落地根據調研，人工智能技術在物流與供應鏈領

160、域的應用潛力已經得到初步驗證，行業頭部企業率先開始AI技術與業務融合的應用探索，企業管理者和技術團隊以優化運營流程為核心，推進AI技術在業務不同細分場景的應用落地，以推動業務運營的降本增效、產品創新和用戶體驗升級。根據RAND Corporation 公司2024年8月發布的報告，該報告采訪了65位在工業界或學術界擁有至少五年構建 AI/ML 模型經驗的數據科學家和工程師，最終得出80%的AI項目會失敗的結論。在AI技術落地過程中，企業面臨著算力成本、技術瓶頸、協同組織、技術合規與倫理風險等多重挑戰，這些挑戰的突破與否決定了項目成敗。在物流與供應鏈領域，AI技術實施落地除了面臨以上挑戰外，場景

161、選擇、數據準備、技術選型也尤為關鍵，關系著AI應用項目的成敗與成效。挑戰與建議：挑戰與建議：AIAI技術和跨學科人才短缺成為行業瓶頸技術和跨學科人才短缺成為行業瓶頸政政府府隨著AI在供應鏈、倉儲、運輸等多場景的應用加深，企業需要具有AI技術和物流供應鏈知識背景的跨學科人才來支撐企業持續推動數字化、智能化轉型。但由于當前AI技術迭代過快，同時高校教育中傳授的AI技術知識和技能相對滯后，導致市場上能夠滿足企業需求的AI人才供不應求。根據工信部數據顯示，我國AI 核心產業人才缺口已超500萬，在高層次算法研發、跨學科應用等領域的供需矛盾尤為突出。為了應對物流與供應鏈領域AI人才短缺問題，政府、高校、

162、企業與行業組織需共同行動，推動在職人員AI知識、技能培訓與遠期跨學科人才儲備。高高校校企企業業政府政府在政府層面，需加強AI人才的培養和引進政策，支持AI相關的項目研發、在職人員AI技術培訓深造與高校AI教育教學建設，并提相關資金支持；政府政府在高校教育層，應加強“人工智能+”跨學科教育模式，通過組建跨學科教學團隊，推動AI技術在物流工程、物流管理等相關院系的落地，培養既懂技術又懂行業知識的復合型人才。同時，加強高校與企業的產學研合作，依托行業頭部企業的技術與場景優勢，開展“人工智能+”實景研學與實訓課程，讓學生觀摩行業前沿應用，在實踐中積累經驗，提高解決實際問題的能力。政府政府在企業層面，要

163、持續加強內部培訓，提升現有員工的AI素養與技能，推動團隊與AI的高效協作，為企業的全面數智化發展儲備人才。行行業業協協會會支撐聯合賦能AIAI應用展望：企業應用應用展望：企業應用邁入邁入“AI-in-ALLAI-in-ALL”，具身智能等將成行業熱點具身智能等將成行業熱點當下，DeepSeek通過輕量化模型架構和開源策略，大幅降低了訓練與部署成本,降低了企業應用門檻，行業AI應用必將加速，物流供應鏈頭部企業將進一步強化技術優勢，中小企業也將逐步引入AI技術，AI技術應用成本的降低將帶動更廣泛的行業應用，促進行業數智化能力提升；可以預見，未來物流行業的頭部企業將全面布局AI應用，實現產品、營銷、

164、服務與內部流程的全面AI化，特別是快遞等服務C端客戶的物流企業，將成為AI轉型領跑行業，在政策引導下，央國企也將加大AI投入，推動更多行業模型落地。對于頭部企業而言，在深化自身應用的同時，加速深耕垂直模型與行業模型，將AI能力產品化、平臺化，為行業提供優質、精準的AI產品與服務是必然路徑?，F階段現階段未來未來3-53-5年年遠期展望遠期展望員工自發使用AI提升個人效率AI試點項目優化流程，降本增效AI嵌入企業產品與服務，提供智能化產品，增強客戶體驗，形成差異化競爭優勢逐漸步入“AI-in-ALL”，推動AI在內部運營與外部服務的深度融合，實現產品、營銷、服務與內部流程的全面AI化“ALL-in

165、-AI”，實現以AI為核心重塑企業組織、運營模式與商業模式，實現全新增長與價值創造AIAI應用熱點應用熱點政府政府政府政府政府政府智 能 體AI智能體（AI Agent）是AI大模型與流程自動化工具集的結合體，能夠自主行動、感知環境、做出決策并與環境交互的智能應用，AI智能體能的優勢在于復雜任務處理，在物流行業，AI智能體已經在客戶服務、訂艙等場景實現落地，隨著AI智能體逐步成熟，具備更強的理解和主動思考能力，將在物流與供應鏈的更多場景中提供精準的服務，成為行業應用的熱點。具 身 智 能.得益于輕量級模型和端側模型的技術發展，將進一步強化智能終端的環境適應性和自主學習能力，為自動駕駛、人形機器

166、人等智能設備帶來發展機遇。例如，在自動駕駛、無人機、物流機器人等移動終端等場景中，輕量化模型將有效推動終端設備實現低延遲響應，加速智能化升級；在人形機器人方面，支持機器人完成復雜動作（如直膝行走、多機協同）和精細化操作，顯著提升運動控制泛化能力。輕 量 化 模 型當前輕量化模型技術正加速與多領域融合，推動AI應用場景的規?；涞?。物流供應鏈領域的大模型應用也正在向“輕量化”與“高效化”發展，特別是在實時決策和移動應用中，輕量化的大模型將能夠更靈活地響應數據處理需求，為供應中的中小型主體降低接入門檻。未來，以垂類大模型為代表的AI技術將逐步成為物流供應鏈數智化轉型過程中的核心支持工具。參考資料：

167、https:/ 采購協作生產協作 倉儲協作優勢：復雜環境下仍需人的生物智能進行判斷，通過機器對協作人類行為的理解，智能輔助協作，實現更精益的操作劣勢：人機高效配合仍待突破人機協作進行產品組裝人機協作進行產品組裝某家電企業在產品組裝的過程中引入協作機器人，由機 器人完成規范性嚴格的背板安裝與重復性強的螺絲安裝 工作，由工人協助安裝加強鐵、水管等工業復雜的組裝 工作，人機協作產能提升30%以上AIAI應用展望：應用展望：AIAI驅動供應鏈數智化、精益化驅動供應鏈數智化、精益化、綠色化發展綠色化發展智能化趨勢由淺入深，未來智能化供應鏈已經不僅僅是運用AI技術，進行輔助智能管理和決策，而逐步轉為無人智

168、能化供應鏈，可根據用戶需求自動、靈活地進而供應鏈運行環節，而人機協作智能化運作對智能化技術要求更高，不僅可以智能執行，而且可以智能理解人的行為，協同處理更為復雜、更加精益的供應鏈場景，打造精益型供應鏈。01場場 景景03案案 例例02優劣勢優劣勢無人智能化靈活彈性的數智供應鏈無人評標 供應鏈智能調配無人倉 無人車智能售后服務優勢優勢:可根據用戶需求自動地執行，靈活調整供應鏈運行環各節劣勢劣勢:在復雜環境下，無人智能化可能存在錯誤，需實現更高的精度和可靠性國能集團無人評審系統國能集團無人評審系統國家能源集團的智能無人評審系統的詢價通知單模塊已上線，試運行期間完成非招標采購訂單1810個，實現采購

169、無人評審寫在后面寫在后面 未來已來，AI正在加速融入物流供應鏈的各個環節，優化、重塑物流供應鏈流程，以AI新科技全面賦能物流與供應鏈領域數智化轉型升級，助力企業打造核心競爭力，推動中國物流產業高質量發展，為我國經濟運行發展提供良好助力！本報告內容主要成稿于2024年底，由于時間所限以及AI大模型技術驚人的更新迭代速度，本報告對于AI在物流供應鏈領域應用的研究難免存在疏漏與偏差，敬請諒解。未來，中物聯智慧物流分會將持續關注物流供應鏈的人工智能應用，通過與行業企業的深度互動、攜手物流科技50人智庫專家對于行業的深度觀察，持續輸出更多研究成果。歡迎行業同仁提供更多寶貴意見和建議。在此特別感謝福佑卡車

170、技術合伙人陳冠嶺博士、滿幫集團CTO王東、中集世聯達物流科技CIO金建明、百勝中國/傳勝供應鏈IT總監許昆、普洛斯資產運營服務 副總裁/首席信息官黃璟、騰訊云交通物流行業總經理李學朝等中國物流與采購聯合會物流科技50人智庫專家等對本報告給予的支持，為報告前期調研、撰寫提出了寶貴的專業觀點與建議！感謝洞隱科技、騰訊云對本報告的大力支持！感謝洞隱科技副總裁朱慶華，騰訊云蘇磊博士、常碩、趙思聰等行業專家對報告撰寫工作的貢獻！特別鳴謝特別鳴謝機構介紹機構介紹 中國物流與采購聯合會(China Federation of Logistics&Purchasing 簡稱 CFLP)，是國務院政府機構改革過

171、程中，經國務院批準設立的中國唯一一家物流與采購行業綜合性社團組織，總部設在北京。聯合會的主要任務是推動中國物流業的發展，推動政府與企業采購事業的發展，推動生產資料流通領域的改革與發展，完成政府委托交辦事項。政府授予聯合會外事、科技、行業統計和標準制修訂等職能。中國物流與采購聯合會是全國現代物流工作部際聯席會議成員單位，是亞太物流聯盟和國際采購聯盟的中國代表，并與許多國家的同行有著廣泛的聯系與合作。中國物流與采購聯合會智慧物流分會（以下簡稱“中物聯智慧物流分會”）是由生產制造企業、商貿流通企業、現代物流企業、智能物流技術裝備(物聯網、大數據、云計算、人工智能、自動駕駛等)服務企業以及相關的金融、

172、保險、法律、研究咨詢、教育等機構，為實現共同意愿而自愿組成的行業性、非營利性社會團體，截止目前分會會員企業超過300家。本分會隸屬中國物流與采購聯合會，是中國物流與采購聯合會的分支機構，接受其業務指導和監督管理。本分會宗旨：嚴格遵守國家法律、法規和政策，遵守社會道德風尚;加強行業自律，反映企業呼聲，維護會員合法權益;整合智慧物流市場資源，協助政府推進行業工作，促進行業技術進步和產業升級；促進智慧物流產業健康有序發展，為建立和完善現代物流體系做出貢獻。本分會的主要任務及職能：一、向政府反映物流企業的意見和訴求，維護物流企業合法權益；二、在國家標準委員會的指導下參與智慧物流的國家、行業、團體標準的

173、制定、修訂；三、組織實施智慧物流相關調查、統計、提供智慧物流在城市發展規劃、產業政策及相關立法的建議；四、協助發改委、工信部、商務部、科技部等政府職能部門在物流領域開展智慧物流技術與應用優秀案例、示范工程及 示范基地的申報與評審工作；五、成立專家委員會，組織智慧物流的理論研究，舉辦學術討論會和產學研交流會；六、組織智慧物流展覽和交流活動，推廣智慧物流科技成果；七、推動智慧物流基礎教育，培訓智慧物流專業人員；八、編輯出版智慧物流行業年度發展報告和其他行業出版物；九、面向國內從事、需求、服務智慧物流等相關業務的企業及個人，開展會員申報、審核工作；其他依法并符合本分會宗旨的事項。合作伙伴介紹合作伙伴

174、介紹 洞隱科技整合“供應鏈管理云平臺+行業數字化方案”，通過AI驅動提供端到端的供應鏈數智化解決方案，統籌供應鏈業務全場景。其中，洞隱自主創新的供應鏈管理云平臺，為貨主及物流企業提供包括訂單管理(OMS云)、運輸管理(TMS云)、倉儲管理(WMS云)、場站管理(YMS云)、關務合規(GTM云)的一體化云解決方案。洞隱行業數字化方案包括航運、貨代、綜合物流三大數字化產品，航運數字化實現船岸、經營、業財的一體化搭建，貨代數字化為海運、空運、鐵路、集疏港汽運、多式聯運、報關清關等提供全方位的智能化管理，綜合物流數字化支撐物流企業多模式、端到端的運營升級。此外，洞隱融合運籌算法及大模型能力和垂直行業2

175、0余年的業務沉淀，發布了DI.AI供應鏈智能產品，來優化業務流程，提升運營效率。洞隱采用西安與廈門雙研發中心的模式，已為家樂福、伊利、中聯重科、中儲、錦江航運、DHL等，超過500家來自制造、零售消費品、三方物流、航運貨代等行業的先進企業，提供全程供應鏈數智化能力支撐。合作伙伴介紹合作伙伴介紹騰訊云是騰訊集團傾力打造的云計算品牌，承接騰訊25年的技術錘煉與積累，提供全球領先的云計算產品、技術、服務和解決方案，成為千行百業數字化轉型升級的助手。20252025人工智能應用人工智能應用大賽即將啟動大賽即將啟動中國物流與采購聯合會于2024年4月發起了“2024物流與供應鏈領域人工智能+應用場景挑戰

176、賽”，歷經初賽、晉級賽的層層篩選與比拼，最終30余支隊伍入圍總決賽；12月，在天津市科技局、天津南開區人民政府、天開高教科創園、天津南開科技創新國有資本投資運營有限公司等聯合支持下，2024物流與供應鏈領域“人工智能+”應用場景挑戰賽及系列論壇活動在天津舉行，來著人工智能、物流科技、物流行業的200余家相關企業，近400人出席活動。2025物流與供應鏈領域人工智能+應用場景挑戰賽將在首屆基礎上，進一步細化場景、優化流程、擴充熱點技術賽道，與中國物流與采購聯合會科學技術進步獎深度聯動，誠邀更多行業企業參賽！中 國 物 流 信 息 中 心挖掘挖掘AIAI應用最佳場景應用最佳場景，推動技術持續落地推動技術持續落地中 物 聯 智 慧 物 流 分 會中 物 聯 科 技 獎 勵辦 公 室