每經記者 趙雯琪    每經編輯 魏官紅    

DeepSeek的火終于“燒”到了物流領域。

2月12日，《每日經濟新聞》記者獲悉，順豐同城已接入DeepSeek大模型，成為物流行業(yè)首批接入DeepSeek的企業(yè)。順豐同城披露，此次接入DeepSeek大模型，將依托其在物流領域的運營沉淀和內容積累，結合DeepSeek在意圖理解、多模態(tài)生成等優(yōu)勢，探索更多大模型技術在即時物流行業(yè)的應用場景。

早在2023年ChatGPT橫空出世引發(fā)全球探討時，順豐集團董事長王衛(wèi)就公開表達了對這項技術的足夠興趣和危機感。“科技高速發(fā)展的進程里，順豐不可以偷懶，需要借助新事物、新工具，做到不落后。”王衛(wèi)曾在內部平臺表示，并直言“我們在這個時代，都是被科技或者創(chuàng)新的老虎分分鐘吃掉，而不是被同行干掉的”。

去年8月，順豐推出了自主研發(fā)的“豐知”物流決策大模型，如今，順豐同城作為物流行業(yè)首批“吃螃蟹的人”接入DeepSeek，也可以看出順豐對于新技術足夠的興趣和探索欲望。

快遞專家趙小敏向《每日經濟新聞》記者分析稱，大模型未來將重塑物流行業(yè)，有前瞻性的物流公司需加大投入，打造更強大的技術團隊，加強持續(xù)學習和大數據分析能力，提升創(chuàng)新能力。如果自身不具備相關能力，也要盡快想辦法和人工智能或科技公司合作，加速智能化進程。

順豐同城：希望通過DeepSeek削減運營成本

摩根士丹利報告顯示，DeepSeek R1的訓練成本僅為ChatGPT的三十分之一。順豐同城方面表示，希望通過引入DeepSeek，削減順豐同城的運營成本。官方數據顯示，順豐同城平臺上有2200萬活躍用戶、55萬活躍商家以及100萬活躍騎手，如果這方面成本得以削減，對于順豐同城來說將是不小的數目。

而在大模型的運用層面，順豐同城表示，目前已實現智能業(yè)務規(guī)劃及營銷管理、騎手融合調度及智能訂單分發(fā)、智能運營優(yōu)化等三大功能，在大數據分析和AI算法加持下，系統能有效預測訂單波動情況，并綜合統籌前端營銷策略、騎手分布和調度、路線規(guī)劃、接起意愿和補貼、到店等待時間和配送時間等因素，可以實現不同行業(yè)、場景和復雜配送網絡中訂單與騎手之間的最優(yōu)匹配。

順豐同城同時披露，公司已經與國內多個大模型廠商達成合作，包括火山豆包、騰訊混元、百度文心一言等。

值得一提的是，業(yè)內對于大模型技術在即時配送領域的運用早有期待。這兩年來，美團先后通過投資、收購等方式布局AI（人工智能）大模型，百聯咨詢創(chuàng)始人莊帥曾向《每日經濟新聞》記者表示，人機結合可以提高騎手的效率，降低履約成本，同時AI工具可以幫助平臺商家降本增效。

趙小敏表示，對即時配送行業(yè)而言，大模型技術能夠提高運行效率，實現配送線路智能化，同時可以助力消費者需求分析，包括地點偏好、購買習慣和精準時效等分析預測，而在末端領域，大模型在包括車輛、交通、自動駕駛和無人機領域也會帶來更大的技術層面提升。

他同時分析，2024年順豐已率先發(fā)布物流行業(yè)的大模型技術，如今順豐同城在物流行業(yè)首批接入DeepSeek，種種信號可以看出，順豐可能會繼續(xù)加大在人工智能和物流領域的投入，進一步鞏固領先地位。

大模型將如何重塑物流行業(yè)？

實際上，將大模型技術與物流場景結合的企業(yè)，不僅是順豐，過去兩年，菜鳥、京東物流、貨拉拉等早有探索，面向物流供應鏈領域發(fā)布了大模型產品。

其中，菜鳥供應鏈推出基于大模型的數字化供應鏈產品“天機π”；京東推出言犀大模型，致力于深入物流產業(yè)場景；百度地圖則推出物流大模型Beta版，率先在物流地址解析、物流調度決策兩大領域開展應用。

去年3月，貨拉拉介紹自研貨運無憂大模型，據官方透露，該大模型貨運事實性問答準確率超過90%。同月，物流行業(yè)首個專注于大模型應用研究與實踐的聯盟“物流智能聯盟”成立，該聯盟由阿里云、菜鳥、高德地圖、中遠海運、東航物流、圓通速遞、申通快遞、中通快遞、德邦快遞、G7易流、地上鐵、浙江大學智能交通研究所等在2024數智物流峰會上共同成立。

去年8月，順豐推出了自主研發(fā)的“豐知”物流決策大模型，據官方介紹，該模型旨在將大模型技術應用于物流供應鏈的智能化分析、銷量預測、運輸路線優(yōu)化與包裝優(yōu)化等決策領域。

在趙小敏看來，大模型未來必將繼續(xù)重塑物流行業(yè)，物流公司在擁抱新技術、加大技術投入的同時，還要優(yōu)化公司運營流程和網絡架構，使其更具靈活性和快速反應能力。

不過，對于物流領域的大模型技術，福佑卡車技術合伙人陳冠嶺曾向《每日經濟新聞》記者表示，目前物流大模型依然處于很早期的階段，在物流這種垂直行業(yè)，因為做的不是創(chuàng)意類的產品，對大模型輸出的準確性要求很高，而當下的大模型準確性不夠，隨機性比較強，還需要更多算法上的改進，以及大量的數據和場景的豐富來解決這個問題，這也是當下物流大模型面臨的最大挑戰(zhàn)。

封面圖片來源：每經記者 孔澤思 攝