深度剖析 | AI大模型给物流业带来哪些“巨变”？
前言导读
尽管ChatGPT已经问世一年了，依然有很多人不相信大模型是一次真正的突破，质疑大模型它不是真的人工智能。
突破性成果
2023年最创新的事是人工智能大模型的突破，大模型绝不只属于少数做大模型的公司，而是在我们各个企业家生意里的各个场景，未来这些场景和大模型的结合会带来很多红利。
对于ChatGPT，我们做了20年的搜索引擎，做了很多自然语言处理的工作，如果你真正去用这些大模型会发现，这次确实是狼来了，确实是通用人工智能一个拐点，因为它是人类第一次让电脑能够把人类所有的知识理解、存储、推理，对人类的语言有了完整的了解。
在这个突破之前我们人工智能做的不叫人工智能，叫人工智障，很多人都深受其害，比如你跟家里的智能音响或者跟苹果手机里的Siri较劲半天，稍微复杂的话它就不理解，因为没有很多先验知识的储备。这次大模型真正实现了这个突破。
落地物流
就长远来看，AI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,不亚于一次新的工业革命。对于物流来说，具有大模型落地的两大优势——数据与场景。在不久的将来，物流将逐渐展现出大模型应用的价值与前景；就今年来说，大模型已将物流技术4.0时代的大门提前推开。
01
数据
大模型在物流上的应用，以数据为基础。数据作为“养料”，决定了大模型的底色与能力边界。大模型之所以称之为“大”，就是因为它庞大的数据量和复杂的参数。在训练和优化大模型的过程中，高质量数据是核心生产要素，要想训练出精度极高的行业大模型，所需的不是互联网上免费公开的数据，而是行业特定的场景数据，
所谓的数据，来源于商流、物流以及金融流，一个物流公司，具有获得这三类数据的基础，更为重要的是物流原始数据只有在交互中才会产生，并且是动态而非静态的数据，因此，经过二十年发展的物流业，当然拥有丰富真实的产业数据。
大模型加入物流企业独有的场景数据，能快速精调生成专属模型，不同的物流企业，在数字供应链领域的细分深耕，为产业大模型的落地提供了差异化的数据优势与能力优势。源于产业和内部业务场景的“人无我有”的数据与能力，最终带来了物流大模型的差异化。
更进一步，可发力大模型与数字孪生技术深度结合，推进物流技术迈向数字原生时代，逐步形成AI自动生成供应链解决方案：数字孪生验证出全局最优方案，最终用于实践的完整闭环。
02
场景
近期，在华为、百度、腾讯、科大讯飞等企业的参与下，大模型的应用场景有了越来越多的实践案例。京东、阿里推出电商物流头部企业自己的大模型，菜鸟供应链也顺势发布了基于大模型的数字化供应链产品“天机π”。
这些更接近于物流场景，但落地物流，还需要与物流具体场景结合，需在物流企业内部的关键场景完成历练和实践。当模型训练完成之后，我们在输出时就可以针对不同场景，做到更为精准的变频。
大模型需要的数据包括场景化数据，物流具有长链路、复杂协同、更多动态数据回流的场景，成为了大模型最好的“练兵场”。
AI大模型需要在物流场景中反复与充分测试，锤炼技术、升级迭代和培育市场，因为，现实需要的是致力于在具体物流场景中100%解决问题，而不需要在100个场景中解决10%问题。
此外，大模型在物流领域成功落地的关键还在于，能否应用于具体场景，以解决效率优化问题；能否达到提质降本增效的目的，能否创造商业价值。
大模型的商业化发展
国外的大模型先行者实现收入激增，比如微软，每月大模型应用的收入已经达到数千万人民币，并且保持20%以上的月均增速。
OpenAI公司收入增长也超出预期。The Information援引知情人士报道，按照OpenAI目前的营收增速，这家公司有望在未来12个月内通过销售AI软件和算力产生超过10亿美元的收入，高于该公司此前对股东报告的收入预测。
不过，国内大模型的商业化之路比国外同行要慢半拍，在模仿后者的商业化道路上可能荆棘遍地。
结语
人工智能，是一场非常严肃的技术革命，大模型驱动AI时代的到来；人工智能的突破，首先是大模型产业落地的突破；围绕物流行业大模型进行技术融合与创新，并不断降低大模型的落地成本是长期确定的目标。
本文整编自中国企业家杂志、物流产品网、冰鉴科技
免责声明
此文仅出于传递更多行业信息之意，并不意味着赞同其观点或证实其描述。文章内容仅供参考。文章版权及插图归原作者或者网站所有，如有不妥之处敬请及时联系我们更正或删除。
