导语:近年来,数据作为新型生产要素,已快速融入生产、分配、流通、消费和社会服务管理等各环节。在中共中央、国务院印发的《关于构建数据基础制度更好发挥数据要素作用的意见》这一背景下,公路货运领域,一些科技型企业正加快探索,通过AI技术,充分发挥海量数据规模和丰富应用场景优势,激活数据要素潜能,推动物流数字化不再局限于单一业务场景,而是基于弹性供应链的全局优化。

公路货运数字化建设举足轻重

物流作为支撑国民经济社会发展的基础性、战略性产业,连接生产、分配、流通和消费环节。随着近几年产业数字化推进,传统的物流基础设施也在快速实现数字化改造升级,由此衍生出的智慧物流行业也呈现出高速增长态势。

中国物流与采购联合会区块链应用分会与链上数字产业研究院统计显示,2020年到2022年,中国数字物流整体市场规模从357亿元上升至1281亿元,年均复合增长率超过70%,其中,新成立数字物流企业占新成立物流企业的比例从2018年的0.40%增长至2022年的2.02%,占比逐年攀升。尽管整体市场容量快速扩张,但从数据上看国民经济的发展对物流业的要求除了速度与规模之外,更重要的是质量的提升和结构的优化。据报告显示,2021年我国社会物流总费用与GDP的比率已降至14.60%,但与美国、日本等发达国家的物流费用与GDP的比率稳定在8%-9%左右仍有一定距离,物流运行效率相对较低。由此反映出,国内物流需要加强质量与效益,其背后的支柱就是数字化。

从市场格局来看,物流行业多小散乱,推动行业数字化、标准化建设、降本增效是大势所趋。在各细分领域中,公路作为运输主体,公路货运物流贯穿农业、工业和国民经济各部门、各企业、城乡与地区之间,是社会生产、消费、流通领域的重要纽带。据国家统计局和交通运输部相关统计数据显示,2021 年全年完成公路货物周转量69087.65亿吨公里、增长14.8%;全年完成营业性货运量 391.39亿吨,比上年增长14.2%。而在公路运输数字化应用方面,根据灼识咨询的资料显示,中国整车运输市场约占公路货运60%的市场规模。因此,从公路货运数字化入手,是推动整体运输市场向数字化转型的基础。

(数据来源:国家统计局)

但公路货运领域多以个体司机为主,行业集中度低,数字化水平仍落后于其他赛道。那么从物流数字化到公路货运的数字化如何破局?如何解决数字化不对称,帮助行业降本增效?

中交兴路相关负责人指出,应以AI为引擎,激活公路货运数据要素潜能,将数据要素与丰富应用场景相结合。同时,以AI为引擎,驱动公路货运数字化升级,探索行业前沿科技,从单点到全局,从垂直算法模型到大模型,与行业共融共创,将促进数字技术和实体经济深度融合,更好的赋能产业数字化转型和智能化升级。

充分发挥数据价值丰富应用场景

数字物流时代,在信息化、数字化浪潮席卷之下,企业并不缺少数据,而是缺少完善数据治理、激活数据价值的能力。

作为全国道路货运车辆公共监管与服务平台的技术支持单位,中交兴路将研发重点放在商用车车联网大数据能力上,在IoT、人工智能等底层技术的基础上整合“人、车、货、企”数据要素,从而构建了物流科技能力平台aPaaS,实现物流核心要素的可视与价值挖掘。

其中,面向B端物流企业及货主提供TMS、物流控制塔、网络货运解决方案、智能运力池、数字化厂区协同等数字物流服务,让数字化能力与供应链上下游,在虚拟和物理层面融为一体,打通物资链,信息链和资金链,促进全渠道、全链路供需调配和精准对接。

同时,面向C端中小微运输企业、车队、司机群体,开发车旺大卡,提供“运力、在途、保险、用油、金融、社区”等一站式数字化生产生活服务。另外,在汇聚了海量行业数据的基础上,满足客户场景差异化、高标准、多样的需求,扩展出保险、安全、商用车数字营销、数字政务等服务,不断提升数字化水平,推进物流数字化建设,“物畅其流”日渐显现。

截至目前,中交兴路已为近4000家物流企业提供数字化服务。以石家庄市河钢集团为例,其重型货车平均在厂等待装车时间约2-3天,在上线中交兴路的厂区物流协同平台后,车辆利用率提高70%,等待装车时间也缩短到了6-8小时。此外,在保险营运货车业务方面,中交兴路累计为30多家保险公司服务,仅保中风险干预就可减少一般事故和重大事故损失达数亿元。

物流数字化的实现也推动了企业供应链更加弹性化。作为企业数字化中枢,物流在贯穿供应链运营的同时,也打通了企业内部的数据孤岛。与物流业务关联度高的LIMS、仓库、ERP、门禁等系统实现了信息互联互通。

中交兴路相关负责人认为,疫情加速了行业数字化进程,单一业务场景优化不再是企业降本增效的核心目标,而是要拉通供应链各个环节,打破数据壁垒、实现全局优化。中交兴路在物流运输场景的大数据及科技能力,正在赋能货主、物流企业、车队,提供了包括货运在途可视化、运力智能调度、货物监管及溯源等极具行业竞争力的产品能力。同时,中交兴路依托 AI、IoT 等技术,携手行业伙伴,整合优秀的仓储、结算、配送等系统供应商,有机连接各个场景的数据,探索激活数据要素价值,成为弹性供应链的有力支撑点。

探索AI加强数据价值挖掘

AI技术的升级迭代将加速更多细分场景下数字化解决方案的优化,对于物流领域也不例外。在中交兴路看来,未来的行业格局将呈现出,芯片、云计算,甚至大模型属于基础设施部分,通过大厂主导来实现。多模态大模型的训练需要的算力成本都是现在的百倍千倍,需要投入大量的人力和物力,像BAT、字节这样的头部企业肯定有自己的大模型,服务于自己的业务,同时也会类似于openAI,开放给中小公司,所以将会是大厂大模型和垂直领域共生共融,垂直领域应因地制宜,形成边界,实现双赢的业务场景。

具体到物流场景,在AI技术的作用下,以机器视觉、自然语音处理、大数据挖掘、深度学习为基础的智能软件,为物流行业所涉及的信息识别、存储、管理、利用等开辟了更加高效的途径,让“AI驱动物流”成为现实。

目前,在AI与物流结合方面,中交兴路已完成“时空挖掘引擎”和“数据智能引擎”两款产品的研发,并荣登“2022年度人工智能最佳产品TOP10”。其中,“数据智能引擎”致力于从数据中挖掘潜在的价值,通过车后精准营销、全域运力智能调度、物流上下游行业识别、园区车辆智能管理等核心模块将挖掘到的大数据进行业务化呈现与应用;“时空挖掘引擎”则专注于货运过程中的可视化及智能化,目前可以实现货运多点路线规划、ETA、时效电子围栏、老司机路线导航等功能。

未来,随着AI技术的发展,特别是ChatGPT的出现,将呈现机器人从浅层辅助到深层辅助,其发展路径与无人驾驶类似,由人来解决复杂、高阶问题。另外,在物流领域永恒的问题是降本增效,提升运营效率。如果ChatGPT在这个领域应用,可以提升整个行业的数字化和智能化程度。例如,在安全预警方面,如果机器有足够的语料,可以更进一步提升预警提示的准确率。在效率方面,结合GPT技术,可以提供更有效的运力调度指引,辅助司机更好的做出决策,并且改善运力链条冗长的问题,将大数据和 AI、IoT 相互配合,实现从智能感知、分析、决策到执行的全程自动化、智能化。

责任编辑：kj005