众所周知，物流行业作为一个传统的实体行业，其链路长、场景复杂，涉及众多线下人员与设备。它连接着生产、分销到最终消费的每一个环节，确保货物从起点安全高效地抵达终点。
过去，这个行业大多依靠人工密集的方式来提升效率，数智化程度相对较低。然而，随着新质生产力的快速发展，新兴技术的应用，这些年物流行业经历着一场前所未有的变革。
现代的物流不仅包括传统的货运、仓储服务，还涵盖了先进的供应链管理和技术驱动的解决方案。顺丰在这场行业变革中走在前列，已经在关键运营环节如规划调度、快递员管理和中转场运营等方面实现有效数智化。而且通过 AI 和 AIGC 等技术的深入探索和应用，顺丰不仅显著提升了效率，还有效降低了运营成本。
为了更深入了解顺丰如何实现这一切，并探索其数智化转型和创新实践的动因及成果，本期《行知数字中国》特别邀请了顺丰集团 CIO & 顺丰科技 CEO 耿艳坤、顺丰科技 AIoT 领域副总裁宋翔两位嘉宾，分享他们的经验和见解。通过他们的洞察，我们将揭示顺丰如何利用前沿技术重新定义物流行业的未来。
以下内容基于原始对话，经 InfoQ 作不修改原意的删减和编辑：
1 通过科技实现生产力的提升，如何看待投入与产出价值？
InfoQ：其实在整个物流行业，顺丰已经走在了数智化的前列。最近我走访了很多企业，发现大家对传统行业的数字化非常感兴趣。所以今天我们围绕物流行业的数字化以及背后的思考，进行深度探讨。既然提到顺丰科技在数智化方面一直走在前面，我特别想了解一下，顺丰在刚开始是怎么思考的？
耿艳坤：其实物流行业有非常多复杂的场景，而顺丰的很多技术都是服务场景的。比如我们的全国快递网络，有着极致的履约时效承诺。为了实现这一承诺，需要一系列持续创新的科技解决方案。这里我可以举几个例子。
我们的网络链路很长且复杂。在前几年，当我们谈顺丰科技或科技服务顺丰时，通常将其定义为记录系统。比如每个环节的巴枪扫单（巴枪指物流行业专用手持终端），更多是记录留痕，形成信息链。这某种程度上也叫数字化，但其实它并不是生产系统。现在，顺丰科技致力于将数字化的信息记录系统转变为生产系统。
什么是生产系统呢？比如，如果我们通过人工简单地进行小哥的区域分配，就无法有效应对波峰波谷的问题、建量的多和少问题，以及小哥的劳动强度问题，靠人工管理四十多万小哥是不可行的。十年前的顺丰可能是这样，但今天，我们通过数字化小哥系统和丰智云算法模型，基于时间空间和小哥的能力特征，甚至突发情况，来指导运作和管理。因此，在每个环节上，顺丰科技实现的是生产力的提升。
再举个例子，车队运输。上一代的数字化或信息系统更多是记录车队的任务，收集数据。但这些数据如何指导营运、提高效率或降低成本，其实是没有工具和抓手的。
所以，我们建设了数据中台和基于数据中台的质控模型，日常会做监控和分析，比如常规任务是否充分利用自有资源，避免资源浪费。通过数据模型分析和挖掘，知道整个网络每个环节的改善点。
所以科技投入绝对不仅是成本，因为每个系统和算法模型背后创造的是成本节约和效能提升。归根结底，顺丰是极致追求客户体验的，最大化客户服务的保证是我们的目标.
InfoQ：大家都知道物流行业毛利率没那么高，每一分钱来的都不是那么容易，但在科技上的投入又是相对较大的，对利润有一定的影响。所以在顺丰做这样的战略规划时，会有什么特别的考量？不会担心股东会有反对的意见吗？
耿艳坤： 其实这是每个企业都会面临的常态化问题。好的科技规划一定不能只基于眼前的利益而放弃长远的机会或规划，也不能盲目追求看不见落地和应用的场景。做大规模的科技投入后，无法实现价值是不可取的。
从顺丰科技的规划来看，我们一定要解决眼前的问题，比如降本问题和投产比问题，同时也要布局长期的问题。例如，现在的大模型、数字孪生和低空经济，我们很早就开始自研无人机，储备和建设这些能力。
所以科技规划需要基于企业的战略规划和经营要求，匹配合适的科技规划，一定是短、中、长期相结合的。从顺丰来看，能看得见的科技投入能创造价值的一定要多投，因为投入越多，创造的价值越大。这不仅仅是看成本的问题。
InfoQ：所以在做预算时，会单独有一条今年在科技投入上要放多少预算吗？会有一个百分比吗？还是每年都是变化的？
耿艳坤：我们没有绝对地说每年一定要怎么样，但从规划上讲，每年的科技规划和投入背后的逻辑一定要拆解。好的管理无论是科技管理还是业务管理，一定要有大的目标和战略，并且要拆解。对我们科技规划来说也是一样，一定要拆解。
拆解后要看到每项投入背后的价值是什么，然后做汇总。从物流行业和顺丰的角度来看，我们非常大力地进行科技投入，希望科技能改变一些常态化的营运做法。即使在经济下行或环境紧张的情况下，我们也会更重视投产价值。比如宋翔这边做 AIoT，很多 AI 的投入有一个投入期，但在某个节点或场景突然能爆发很大的价值。对于宋翔的投入，我们在科技规划预算上会做更多的保护，不能用眼前的利益侵蚀长线的核心竞争力。这是一个很挣扎但也很有趣的过程。
2 垂域大模型在试图解决物流行业的运筹问题
InfoQ：我知道宋总在大模型方面有很深的研究，所以想请教一下，现在顺丰科技内部大模型的应用进展如何？又如何对业务进行赋能？
宋翔：好的，在回答这个问题之前先补充一点，其实我们集团内部倡导的文化中有一条叫创新包容。我们对很多新技术的投入是坚定的，也包容失败和成功。整个集团对此非常支持。
大模型在这两年的发展非常快，每天都有新的论文和突破，技术迭代非常迅速。我们内部认为大语言模型和多模态模型本质上是一种更高效的学习方式，它在沉淀行业知识，从沉淀到应用再到产生效益，是这么一个逻辑。现在有通用大模型和垂域大模型。通用大模型像 GPT-4，什么都能做，但在特定行业缺乏细颗粒度的知识，表现不好。另外，由于很多数据和知识不是公开可获取的，需要行业积累和信息安全。因此，垂域大模型是我们必然要走的一条路。
具体来说，在物流供应链方向上，我们把大量垂直知识数据整合到大模型中，赋能业务。相比通用大模型，垂域大模型在垂域任务上表现更好。
在应用上，我们在市场营销、揽收派送、客户服务、国际关务等环节都在广泛使用。我们首先做的是企业的统一知识问答，这是集团知识中台的一部分。我们有大量岗位如小哥、客服、司机等需要获取知识，之前他们要问很多人，现在可以通过系统几秒钟内得到答案。我们已经覆盖了超过 20 万人，累计超过 600 万条问答，大大降低了时间，提高了效率，答案也很准确。
第二个应用是信息浓缩和摘要，在客服对话和邮件中广泛使用，每天生成超过 2 万多条客服摘要，直接可用率 88%，对客服工作提效显著。
第三部分是客户生意洞察。我们对不同群体的想法进行无监督的统计、汇总、分析和洞察，实时分析客户声音，覆盖率超过 80%，准确率有 90%。这对持续改进我们的作业逻辑和决策有非常大的帮助。
InfoQ：我觉得顺丰在这一块应该是有天然的优势的，因为数据积累特别多，去训练这些模型的时候效果会更好一些。我还想再请问一下宋总，目前已经有 20 万人在使用，有没有从投入产出比上计算过？比如说节省了多少人工，节省了多少预算？
宋翔：有的，这一定是一个规模问题。现在我们测算 600 万多条问答所节省下来的时效，大概相当于几万 / 人天。这是一个很显著的节省，每个人每天的某些时间被节省下来后，可以有更多时间去做其他事情，整个集团都受益。相比我们的投资来说，这个节省是非常显著的。
耿艳坤：我们在做一些 AI 或数字化的变化时，一定是以保障用户体验为前提。我再补充一下，我们内部有两个有趣的词，一个叫“理论降本”，一个叫“实际降本”。理论降本就像宋翔讲的，这个 600 万条问答，它帮助大家提高了效率，但并没有在财务账上直接转换为真金白银。而实际降本则更多是产生实际的财务影响。现在 AI 的投入还处于投入待爆发的阶段，对于宋翔这边的很多应用场景来说，ROI 的测算也越来越细致。
我们希望小哥工作的效能变高，释放更多精力去做业务营销。客服效能提升后，我们也希望客服可以转型，不是用传统的 AI 替代人力然后减人的逻辑。我们希望通过 AI 实现一些简单或耗费时间的工作，让留下来的人去做更重要的事情。
InfoQ：前面我们聊到大模型在知识问答系统的应用，能不能进一步介绍一下大模型在供应链方面的更多应用场景？
宋翔：我可以举几个典型的场景。第一个是我们在服务很多行业供应链客户时，经常需要解决供应链业务的检视和咨询，改善整个供应链的效率和质量。过去，我们通常会有专门的数据分析师来看数据、分析并提供建议，这是常规做法。现在我们用大模型来做这件事，将我们过去服务供应链客户时所做的数据分析、根因诊断和改善措施，转化为 Agent，由大模型来调配。同样的问题不用再找数据分析师，而是问大模型，它会图文并茂地告诉你答案。这是在供应链场景中非常典型且有效的应用。
第二类应用是用大模型基于学习的方式解决运筹问题。这在行业和学术界已经发展了一段时间，如用深度强化学习和神经组合优化的方式。现在我们在路径优化、装箱优化等典型场景中，用大模型基于学习的方式可以达到接近启发式算法的效果，但求解时间减少了 3-4 个数量级，非常快。这是一个很大的进展。
当然，现在的解可能还不是最优解，还需要改进，但它已经展现出很大的潜力。我们认为这个方向发展下去，其价值的迸发会非常巨大。换一个思路，就是不用精确的方式来求解运筹问题，而是用学习的方式来求解。
耿艳坤： 今天讲到的基于大模型去做运筹，对我来说是很惊喜的。前段时间有团队小伙伴来汇报这件事，展示了一些数据结果、思考和未来规划。这就回到了我们提到的创新包容，这并不是一个自上而下的任务。在团队给我汇报之前，我并没有关注到大模型今天可以解决运筹问题，或尝试解决运筹问题。至少之前我的认知还停留在大模型解决语言问题和多模态问题上。
3 智慧供应链，如何给传统物流戴上智慧的帽子？
InfoQ：顺丰在智慧供应链方面有着深入的探索和实践。您认为未来智慧供应链的发展趋势是什么？顺丰将如何继续引领这一领域的创新？
耿艳坤：智慧供应链方面，从顺丰作为一个物流集团的角度来看，我主要思考的有两个主赛道。一个是快递网络的智慧化建设，另一个是智慧供应链的建设。供应链涉及很多行业和企业，它们或多或少都有商品、仓储和运输需求。包括互联网公司，它们有后勤保障，这在某种程度上来说也是供应链生意。例如，写字楼里的桌椅搬迁，这些都是供应链的范畴。
可以说，供应链覆盖各行各业。即使企业看似与供应链无关，但如果它大量开店，就需要基础设施、耗材、食品等。企业经营的成本和核心问题很多都在供应链。因此，顺丰科技致力于建设智慧供应链的生态体系，不仅解决顺丰自身的供应链问题，也解决客户的问题。
传统上，物流和供应链的重点在于仓储和运输，保障商品的库存周转周期、产能和效能。顺丰科技在过去几年一直在深耕和大力投入，推出了对外的智慧供应链科技体系——丰智云系列，包括塔、策、链、商、数。我们还在不断延展和叠加，例如将碳中和纳入智慧供应链生态，因为每个企业都必须解决供应链的碳排放和减排问题。
那如何赋予供应链智慧的帽子？这包括基于顺丰自身和客户的场景进行仓网规划，将顺丰的 know-how、科技、算法和模型应用到客户身上，帮助客户了解用户分布、仓储分布和 SKU 特性，从而制定更有效的仓网规划。这涉及仓网规划、需求预测、路径规划、动态补货和自动化仓储营运等。
丰智云系列产品在各个环节解决不同的问题。例如，丰智云·策解决算法类问题，如仓网规划、路径优化、库存计划和动态补货；丰智云·链解决传统仓储物流运输的数字化问题，做数据沉淀和积累以支撑丰智云·策的算法模型价值发挥。此外，面向商流和企业更好经营的丰智云·商等系统工具已经广泛推广和应用。
InfoQ：顺丰的数字孪生技术和运筹优化技术在物流网络中的应用在业界很出名。能否分享些具体案例，说明这些技术是如何提升我们的业务效率和进行优化的？
宋翔:物流的本质是一个复杂的序列决策过程。一件物品从收到到派送，中间有多个环节，每个环节的问题都可能影响到下一个环节，产生类似蝴蝶效应的连锁反应。因此，我们需要利用运筹技术进行规划和调度，以解决这些问题。国内外的供应链和物流企业都面临这一问题。数字孪生和运筹技术的结合，旨在通过构建精细的仿真环境解决这一复杂的序列决策过程，因为没有仿真环境，我们只能依赖成本较高的线下实验。
过去比如战斗机和卫星的开发中也应用了数字孪生技术。这种概念在生产制造、材料科学等领域应用广泛。我们将这种思路应用于物流，通过构建精细化仿真环境来检验运营策略是否最优，并探索改进的可能。数字孪生技术虽然在行业中发展有些年，但也走过不少弯路。
我们的目标是构建足够真实的仿真环境，整体设计和考虑是必不可少的。
具体到落地实施，我们会根据不同场景定制解决方案。例如，我们曾在鄂州机场优化分拣设备和计划，并利用云进产品解决停机位分配问题。此外，我们使用大量的自动引导车（AGV）优化中转厂的集装集运，每天可以对分拣计划进行超过 1000 次的优化。
仿真的逼真度是我们非常重视的指标，我们的逼真度超过 95%，不仅外观相似，行为模式也非常接近真实情况。这确保了我们的策略和算法在虚拟环境中测试无误后，可以安全有效地应用于实际情况。
例如去年双 11 期间，我们在多个场地实施了数字孪生技术，显著提升了产能，有的场地产能提升超过 20%。
数字孪生技术不仅重现了场景，还帮助我们优化操作流程。在真实世界的物理条件下，每个场地的差异要求我们必须通过不同的算法调优来找出最佳解决方案。
耿艳坤：这与常见的 AB 测试不同，AB 测试更适合在线互联网平台，他们快速回收数据并全流量推广。但如果是解决物流现实问题的话，我们的方法应该是唯一解。
InfoQ：未来还有哪些技术您认为将对物流行业产生重大影响？
宋翔：人工智能是目前技术变革最快的领域，它的应用目标是更广泛、更高质量地替代或辅助人的工作。可以细分为脑力和体力劳动，目前我们使用的大模型在许多场景中辅助人工。
然而，当前大模型的错误率仍高于人类，限制了其应用范围。不过随着技术的进步和误差的减少，辅助措施和可靠性的提高，以及计算成本的降低，未来应该会有更多工作岗位能得到 AI 的辅助，甚至直接被 AI 替代。
这就是为什么我们说一切才刚刚开始。当前我们看到的是技术尚未达到的场景，未来这些场景都有可能通过 AI 得到实现。同时，对于物流行业，尤其是体力劳动领域，大量的线下作业都在终端场内进行。
对于物流业而言，特别是在高峰期如双十一时，许多中转站和网点可能会因产能达到瓶颈而爆仓。这是因为目前的自动化终端厂具有固定的刚性产能。为了解决这个问题，我们投资了大量的自动化分拣线，并引入了柔性生产的概念。通过部署物流机器人，我们可以根据需要调整产能，使生产过程更加灵活。
例如，当双十一来临时，我们可以额外部署 20 个机器人来增加产能。活动结束后，这些机器人可以被重新部署到其他地方。这种柔性生产需要机器人具备强大的适应性、指令遵从性和空间感知能力，这些都是当前大模型能够为机器人赋能的。
我们正在积极研究终端工厂内的具体作业场景，评估哪些场景和操作可以由柔性物流机器人替代。这种柔性生产方式允许机器人像人一样灵活地从事不同的任务，这是 AI 2.0 时代可能带来的重要突破，也是一种新质生产力。
耿艳坤：我们这里的数十万小哥作为业务员和收派员，他们需要处理和记录的信息太多了。由于我们的业务形态复杂且场景多样，这种信息量的管理已变得难以承受。因此，我认为我们迫切需要与宋翔合作，尽快为每一位前线员工配备一个 AI 业务助手。这将极大地简化他们的知识管理，提高工作满意度，让小哥们的工作变得更加轻松愉快。
4 AI 时代，数字化人才如何培养与发展
InfoQ：企业的数字化转型是以人才为先导的，因此接下来想请耿总介绍下顺丰科技是如何培养数字化人才的？
耿艳坤:企业的数字化转型不仅是科技部门的责任，而是涉及整个集团的人才培养体系。我们强调科技作为生产力对业务的加持和影响，所有部门都非常重视科技的长期投入和潜在价值。今年，我们要求所有业务部门全面拥抱 AI 和 AIGC，每个部门都要思考如何将 AI 与自己的工作结合。
我们的文化背景促使每一个业务体系都要思考科技如何与业务更好地结合。我们已经看到如 RPA 和机器人技术在每个部门的广泛应用，我相信未来 AIGC 类助手也会变得很重要。AIGC 时代，其实数据很重要，知识也很重要，这些知识数据要整理的，不可能说直接将低质量的知识灌到一个大模型里，就可以期待它到给你好的反馈。
所以我们今年也在全集团推动知识中台的建设。虽然科技部门在这个项目中起到了牵头作用，但我们实际上只是完成了一小部分工作。这个大平台和广阔的应用场景实际上是由各个业务部门来充当主要执行者的。
在具体的实施方面，如同我们的数据中台一样，科技部门通常负责搭建基础设施，但真正的结构优化和价值实现都是由业务部门自行完成的。因此，许多组织和业务部门现在都基于我们的数据中台进行自主操作，进行能力提升和交流培训。
回顾过去，三年前顺丰科技的场景与今天大不相同。那时候，许多业务部门依赖科技部门来完成报表和统计工作。但现在，随着数据中台的不断完善，这种依赖已经大幅减少。我已经很久没有听到业务部门抱怨科技部门因为排期问题无法支持数据需求的情况。
InfoQ：耿总前面也提到顺丰有超过 40 万名快递员，对于这么庞大的团队，顺丰是如何通过技术手段实现这些员工的智慧管理的？这种管理模式带来了哪些显著的变化？
耿艳坤：对于几十万人的管理，我们的核心是创造一个公正公平的环境，通过信息系统建设和智慧算法模型来实现这一点。这样可以确保大家按劳分配，促进一个健康、可持续发展的状态。
管理上，我们需要考虑快递小哥与客户的粘性和熟悉程度，以及不同工作负载的调整。也希望能控制和减少每位小哥的工作时长，同时确保他们的收入。希望小哥们在需要休息或放假时能得到满足，同时也确保我们履行对用户的承诺。所以这里面涉及到多个复杂问题的平衡，包括人性、管理和权衡客户与员工的需求。
我在加入顺丰的第一天就深刻理解到，提升员工满意度是我们的核心理念。我们提供的服务应该是有温度的，这种温度来源于员工的内心。
在做快递小哥智慧管理的过程中，其实科技团队的压力很大，因为他们需要解决数十万员工的核心问题。我们会收集小哥的反馈并积极解决问题，确保所有问题都能当天得到处理。这也体现了我们的文化价值，即全面保障小哥利益，让他们能高效工作并获得足够的休息，最终为客户提供有温度的服务。
通过科技和管理创造公正、公平、健康的工作环境后，我们看到了诸如小哥工作时长和低收入小哥比例等指标的持续改善。这些都有助于提升我们的竞争力，让员工更快乐地服务用户，推动顺丰的业务发展。
