众所周知，ChatGPT的推出给整个IT界带来了翻天覆地的变化，我国很多厂家也推出了相应的大模型。大模型的出现，对数字经济的发展起到了极大的推动作用，物流行业对新技术的感应更是非常迅速。阿里巴巴在今年4月推出“通义千问”大模型以来，与业界产生了极大共鸣，在物流行业进行了深度交流和研究。
（阿里云智能物流运输行业总经理 李科）
从时代发展来看，移动互联网时代诞生了众多优秀的互联网企业，其以移动和数据化为核心，比如BAT。在物流行业，也诞生了很多优秀企业，像满帮、货拉拉、58货运等。此时是数字产业化时代。随着技术不断发展，互联网技术和云计算在千行百业深度应用，将互联网技术、云计算应用到生产经营中，这时步入到了产业互联网时代。此间，很多企业开启数字化转型、升级，产业数字化加速发展。未来，阿里云判断，将进入智能化时代，大模型的出现创造了历史性的机遇——所有行业都会被大模型重构，或者说，所有行业都会基于大模型进行重建。
未来物流供应链的赛道趋势
在物流行业，新的趋势、新的阶段、新的理念、新的格局，会带来新的浪潮和新的增量机会。
一是科技驱动。包括大数据、IoT硬件、数智物流、数字供应链，在物流行业的应用，都将得到极大推动。
二是制造业升级。目前，IoT硬件在物流全产业的应用仅次于制造业，无论是广度还是深度都已经是第二位。三年疫情，整个物流行业对自动化、智能化的需求，更是出现井喷状态。从物流行业来看，原来的数智物流、数字供应链更多集中在电商、流通端、消费端；接下来，供应链将不断向物流的上游延伸，不仅是从流通端延伸到产业、制造端，也将进一步从消费供应链延伸到原材料的生产供应链。打通生产供应链和消费供应链的端到端的供应链数字化，是非常大的蓝海的一个增量机会。
三是走向全球化。过去30年，我国的制造业发生了巨大变化，占到全球制造业的比重越来越大，目前其对接的是“以海外物流公司为主导、建设的全球供应链”格局。不管是全球的空运还是海运，真正以中国大陆为基础的能进入全球Top 10的可能只有中外运，这和我国制造业的能力、体量是非常不匹配的。伴随我国制造业进一步向高质量发展，更多制造业和品牌走向全球，我国物流企业在全球供应链建设方面的作用会越来越大，对于智能化、自动化的需求也会越来越高。
多样化的需求催生复杂、个性服务
从消费端看，消费者希望能按需服务，在最后一公里提供复合的、多种需求融合在一起的、全面的社区化服务——过去供应链只是做到送货上门，以后需要提供回收、综合购物等服务。从B端看，渠道的多样化、流量的多元化，导致供应链复杂程度的提升，新的需求促进了供应链升级，给供应链带来了一系列挑战，总结起来就是“VUCA”，即易变性（Volatility）、不确定性（Uncertainly）、复杂性（Complexity）和模糊性（Ambiguity）。无论是订单波动、信息过载、贸易战、需求多样、能源危机、消费降级、直播爆发、老龄化、增长困难、全球通胀等，都对供应链提出更多要求，阿里云也在思考，通过哪些技术帮助物流企业应对挑战。
未来智慧物流都会基于AI构建
面对物流行业的挑战，我们可以看看物流企业和物流供应链的发展。阿里云认为，其可分为五个阶段：一是原始级物流；二是流程级物流；三是整合级物流；四是协同级物流。目前，物流企业大多还在整合级和协同级，很多快递企业处于协同级。未来，将迎来第五个阶段——智慧级物流，其是基于“计算+数据+模型”的综合产业智能。
对于物流供应链，过去一些决策都是靠人工的经验、大脑，未来，无论是路由、定价还是履约配送等，都靠机器进行智能化决策。智慧级物流，将通过人工智能去解决问题，达到物流企业的可视化（Visibility）、可理解（Understandability）、可决策（Computability）、可调节（Adaptability），即另一种形式的“VUCA”。通过模型对物流企业实现实时、全景、端到端的控制；通过“数据+模型”，对物流需求进行理解，对物流资源进行动态调控、智能决策。简单说，即借助“数据+模型”，对整个物流资源和需求进行匹配，实时解决问题，智能化决策，进而应对物流企业、物流供应链所面临的挑战。
阿里云持续与物流行业共同成长
期间，阿里云在做什么？其一，大模型应用，加快物流供应链协同。以电商为例，过去生产企业关心的是库存、原材料、销售渠道；现在关心的是客户群、客户画像、客户喜好、客户需求、供应链布局等。这就要求通过云、大数据、模型对于供应链全生命周期进行管理。
其二，无人化应用，提升物流作业效率。不管是在封闭场景还是开放路段，人工智能都能帮助单车进行自动决策和自动控制等。大模型将推动无人化进入规模化，包括干线的自动驾驶、末端的物流配送等。物流机器人、无人仓的普及，无人化港口的兴起，也带动了国内无人化的快速落地。比如：上海港的无人港口，是无人港的第一代；阿里云和宁波舟山港合作的梅山港口是无人港的另外一种形态，其更适合我国大多数港口，其通过算法动态调度资源，桥吊、龙门吊、无人卡车协同工作，大大提高生产效率10%左右，节省的成本足以新建一个泊位。
其三，云技术应用，便捷服务行业。其让企业更容易获取云计算，更简单使用，企业获取云计算的门坎和成本都大大降低了。
在此，可以重点关注物流行业大模型的应用。一是智能决策。在销售预测、智能补货，包括订单处理方面，都是模型应用的较好场景。以阿里云与蒙牛合作为例，通过智能供应链打通多维度数据，进行分析预警、自动优化决策，其月度预测准确率较人工预测提升了5%，订单处理效率提升了35%。
二是辅助运营。举例看，物流企业与同行展开价格战时，自己的底线是什么，多少钱一单是盈亏平衡点，每次降价对货量有多少影响；决策到底怎么做，是根据经验，还是竞争对手降价，自己必须降价……这些都可通过“数据+模型”去做模拟，辅助企业决策。再举例，物流企业在哪建立或取消分拣中心，以往基本都是通过经验做决定，但实际上这种分拣中心的增、减，对应的路由和班次的衔接，都可通过模型去模拟增减以后的情况，进而实现智能化决策。简言之，在竞争分析、成本分析、动态定价、物流监控、数字孪生、仿真等方面，大模型都有广阔的应用空间。
三是物流作业优化。在干线自动驾驶、末端无人配送以及在无人仓里面，通过与业务结合去调动设备，也是大模型非常好的应用场景。
四是在物流枢纽上的应用。比如，通过模型去支持集卡和枢纽平台的协同，实现枢纽、车和路之间的协同；赋能枢纽大脑，通过模型动态调度作业，提升整体作业效率；以“数字孪生+仿真推演”，全景掌控枢纽运营全局态势，助力枢纽的协同调度与应急指挥。
当然，阿里巴巴在人工智能方面的应用，还有很多实例。比如，拍立淘、小蛮驴、视觉智能、天猫精灵、阿里翻译等。科研方面，数据更已成为科学研究的关键成果和重要战略性资源，科研步入了基于大数据、AI、高性能计算融合的“第五范式时代”。科研工作者可以将实验研究通过智算平台进行大规模的数据分析，大大提升研发效率。
一直以来，阿里巴巴始终致力于模型的研究，不只是在通用模型，还有行业模型。国家对于大模型研究也很重视，今年7月7日“2023世界人工智能大会”期间，大模型标准化专题组成立，阿里巴巴正是专题组长之一。
