導語:近年來,數據作為新型生產要素,已快速融入生產、分配、流通、消費和社會服務管理等各環節。在中共中央、國務院印發的《關于構建數據基礎制度更好發揮數據要素作用的意見》這一背景下,公路貨運領域,一些科技型企業正加快探索,通過AI技術,充分發揮海量數據規模和豐富應用場景優勢,激活數據要素潛能,推動物流數字化不再局限于單一業務場景,而是基于彈性供應鏈的全局優化。

公路貨運數字化建設舉足輕重

物流作為支撐國民經濟社會發展的基礎性、戰略性產業,連接生產、分配、流通和消費環節。隨著近幾年產業數字化推進,傳統的物流基礎設施也在快速實現數字化改造升級,由此衍生出的智慧物流行業也呈現出高速增長態勢。

中國物流與采購聯合會區塊鏈應用分會與鏈上數字產業研究院統計顯示,2020年到2022年,中國數字物流整體市場規模從357億元上升至1281億元,年均復合增長率超過70%,其中,新成立數字物流企業占新成立物流企業的比例從2018年的0.40%增長至2022年的2.02%,占比逐年攀升。盡管整體市場容量快速擴張,但從數據上看國民經濟的發展對物流業的要求除了速度與規模之外,更重要的是質量的提升和結構的優化。據報告顯示,2021年我國社會物流總費用與GDP的比率已降至14.60%,但與美國、日本等發達國家的物流費用與GDP的比率穩定在8%-9%左右仍有一定距離,物流運行效率相對較低。由此反映出,國內物流需要加強質量與效益,其背后的支柱就是數字化。

從市場格局來看,物流行業多小散亂,推動行業數字化、標準化建設、降本增效是大勢所趨。在各細分領域中,公路作為運輸主體,公路貨運物流貫穿農業、工業和國民經濟各部門、各企業、城鄉與地區之間,是社會生產、消費、流通領域的重要紐帶。據國家統計局和交通運輸部相關統計數據顯示,2021 年全年完成公路貨物周轉量69087.65億噸公里、增長14.8%;全年完成營業性貨運量 391.39億噸,比上年增長14.2%。而在公路運輸數字化應用方面,根據灼識咨詢的資料顯示,中國整車運輸市場約占公路貨運60%的市場規模。因此,從公路貨運數字化入手,是推動整體運輸市場向數字化轉型的基礎。

(數據來源:國家統計局)

但公路貨運領域多以個體司機為主,行業集中度低,數字化水平仍落后于其他賽道。那么從物流數字化到公路貨運的數字化如何破局?如何解決數字化不對稱,幫助行業降本增效?

中交興路相關負責人指出,應以AI為引擎,激活公路貨運數據要素潛能,將數據要素與豐富應用場景相結合。同時,以AI為引擎,驅動公路貨運數字化升級,探索行業前沿科技,從單點到全局,從垂直算法模型到大模型,與行業共融共創,將促進數字技術和實體經濟深度融合,更好的賦能產業數字化轉型和智能化升級。

充分發揮數據價值豐富應用場景

數字物流時代,在信息化、數字化浪潮席卷之下,企業并不缺少數據,而是缺少完善數據治理、激活數據價值的能力。

作為全國道路貨運車輛公共監管與服務平臺的技術支持單位,中交興路將研發重點放在商用車車聯網大數據能力上,在IoT、人工智能等底層技術的基礎上整合“人、車、貨、企”數據要素,從而構建了物流科技能力平臺aPaaS,實現物流核心要素的可視與價值挖掘。

其中,面向B端物流企業及貨主提供TMS、物流控制塔、網絡貨運解決方案、智能運力池、數字化廠區協同等數字物流服務,讓數字化能力與供應鏈上下游,在虛擬和物理層面融為一體,打通物資鏈,信息鏈和資金鏈,促進全渠道、全鏈路供需調配和精準對接。

同時,面向C端中小微運輸企業、車隊、司機群體,開發車旺大卡,提供“運力、在途、保險、用油、金融、社區”等一站式數字化生產生活服務。另外,在匯聚了海量行業數據的基礎上,滿足客戶場景差異化、高標準、多樣的需求,擴展出保險、安全、商用車數字營銷、數字政務等服務,不斷提升數字化水平,推進物流數字化建設,“物暢其流”日漸顯現。

截至目前,中交興路已為近4000家物流企業提供數字化服務。以石家莊市河鋼集團為例,其重型貨車平均在廠等待裝車時間約2-3天,在上線中交興路的廠區物流協同平臺后,車輛利用率提高70%,等待裝車時間也縮短到了6-8小時。此外,在保險營運貨車業務方面,中交興路累計為30多家保險公司服務,僅保中風險干預就可減少一般事故和重大事故損失達數億元。

物流數字化的實現也推動了企業供應鏈更加彈性化。作為企業數字化中樞,物流在貫穿供應鏈運營的同時,也打通了企業內部的數據孤島。與物流業務關聯度高的LIMS、倉庫、ERP、門禁等系統實現了信息互聯互通。

中交興路相關負責人認為,疫情加速了行業數字化進程,單一業務場景優化不再是企業降本增效的核心目標,而是要拉通供應鏈各個環節,打破數據壁壘、實現全局優化。中交興路在物流運輸場景的大數據及科技能力,正在賦能貨主、物流企業、車隊,提供了包括貨運在途可視化、運力智能調度、貨物監管及溯源等極具行業競爭力的產品能力。同時,中交興路依托 AI、IoT 等技術,攜手行業伙伴,整合優秀的倉儲、結算、配送等系統供應商,有機連接各個場景的數據,探索激活數據要素價值,成為彈性供應鏈的有力支撐點。

探索AI加強數據價值挖掘

AI技術的升級迭代將加速更多細分場景下數字化解決方案的優化,對于物流領域也不例外。在中交興路看來,未來的行業格局將呈現出,芯片、云計算,甚至大模型屬于基礎設施部分,通過大廠主導來實現。多模態大模型的訓練需要的算力成本都是現在的百倍千倍,需要投入大量的人力和物力,像BAT、字節這樣的頭部企業肯定有自己的大模型,服務于自己的業務,同時也會類似于openAI,開放給中小公司,所以將會是大廠大模型和垂直領域共生共融,垂直領域應因地制宜,形成邊界,實現雙贏的業務場景。

具體到物流場景,在AI技術的作用下,以機器視覺、自然語音處理、大數據挖掘、深度學習為基礎的智能軟件,為物流行業所涉及的信息識別、存儲、管理、利用等開辟了更加高效的途徑,讓“AI驅動物流”成為現實。

目前,在AI與物流結合方面,中交興路已完成“時空挖掘引擎”和“數據智能引擎”兩款產品的研發,并榮登“2022年度人工智能最佳產品TOP10”。其中,“數據智能引擎”致力于從數據中挖掘潛在的價值,通過車后精準營銷、全域運力智能調度、物流上下游行業識別、園區車輛智能管理等核心模塊將挖掘到的大數據進行業務化呈現與應用;“時空挖掘引擎”則專注于貨運過程中的可視化及智能化,目前可以實現貨運多點路線規劃、ETA、時效電子圍欄、老司機路線導航等功能。

未來,隨著AI技術的發展,特別是ChatGPT的出現,將呈現機器人從淺層輔助到深層輔助,其發展路徑與無人駕駛類似,由人來解決復雜、高階問題。另外,在物流領域永恒的問題是降本增效,提升運營效率。如果ChatGPT在這個領域應用,可以提升整個行業的數字化和智能化程度。例如,在安全預警方面,如果機器有足夠的語料,可以更進一步提升預警提示的準確率。在效率方面,結合GPT技術,可以提供更有效的運力調度指引,輔助司機更好的做出決策,并且改善運力鏈條冗長的問題,將大數據和 AI、IoT 相互配合,實現從智能感知、分析、決策到執行的全程自動化、智能化。