来稿|人工智能引领物流变革 DeepSeek如何重塑供应链未来?

撰文: 01论坛
出版:更新:

来稿作者:于承忠、刘锐业

在全球数字化转型的浪潮下,物流供应链行业正迎来前所未有的变革机遇。2025年初,国产大语言模型DeepSeek的横空出世,不仅在全球AI领域引发轰动,更为物流行业带来革命性突破。其独特的混合专家架构(MoE, Mixture of Experts)实现了显著的技术创新,根据摩根士丹利最新研究报告,其训练成本仅为ChatGPT的三十分之一,推理成本更降至GPT-4的7%。这种成本优势源于其精准的资源调度机制:系统会根据具体任务特点,只激活最相关的专家模组,而非调用全部算力资源,从而大幅提升运算效率。

顺丰同城作为物流行业首批接入DeepSeek的企业,成功构建了“客户生态+运力生态+调度运营生态”的智能服务体系。通过整合CLS城市物流系统与DeepSeek的能力,实现了智能业务规划及营销管理、骑手融合调度及智能订单分发、智能运营优化等三大核心功能。系统能够精确预测订单波动情况,并综合统筹前端营销策略、骑手分布和调度、路线规划、接单意愿和补贴、到店等待时间和配送时间等因素,有效实现不同行业、场景和复杂配送网络中订单与骑手之间的最优匹配。同时,顺丰同城还积极拓展AI合作生态圈,与多家互联网公司达成战略合作,在营销策略、用户体验、多场景智能客服,骑手人脸、装备等配送规范识别,多元运力资源管理等方面进行持续创新。

在运输环节,DeepSeek的应用展现出巨大潜力。透过多维度数据分析,系统能够实时监测路况、天气变化,预测可能出现的运输风险。特别是在预测性维护方面,DeepSeek可以通过分析历史设备运行数据,提前预警可能发生的设备故障,从而提高物流设备的可靠性。在商用车辆管理方面,系统能够支援高级驾驶辅助系统(ADAS)中的车道偏离预警、碰撞预警、自动紧急制动等功能,实现端侧AI的实时感知和决策。

在仓储管理领域,DeepSeek驱动的智能仓储系统实现了从“人找货”到“货找人”的转变。通过多模态融合技术,系统可以同时处理图像、文字和传感器数据,实现货物的智能识别与管理。在实际应用中,系统能够优化仓库内货物的存储位置,提高存储效率,并根据库存情况生成自动化指令,指导机器人进行货物搬运,大幅提升作业效率。

在供应链预测与风险管理方面,DeepSeek展现出独特优势。系统能够分析供应链中的各种风险因素,包括自然灾害、罢工等潜在威胁,并提前采取预防措施。通过分析历史数据,系统可以预测未来商品的需求量,帮助物流企业合理安排库存,更精准地预测需求,减少库存积压和缺货情况,提高供应链的响应速度。更重要的是, DeepSeek有助物流持份者可以建立韧性供应链网络。

在多式联运智能衔接方面,DeepSeek相比传统AI模型具有更强的推理能力。系统能够充分考量货物特性、运输时效要求以及各种运输方式的实时运力等多方面因素,智能规划出最优的转运方案。这样不仅能够显著减少转运等待时间,还能降低因衔接不畅导致的延误风险和成本。

在绿色物流领域,DeepSeek支持的碳足迹追踪系统能够实现从采购到最终交付的全程碳排放监控。通过智能路径规划和装载优化,系统能够在保证运输效率的同时,有效降低碳排放。这对于需要遵守欧盟CBAM等严格环保法规的跨境物流企业来说尤为重要。

然而,DeepSeek在物流行业的应用仍面临诸多挑战。例如,DeepSeek 有时连基本的 API 访问压力都承受不了。相信有不少用家会遇过“服务器繁忙”的提示。虽然DeepSeek支持多模态输入,进行数据处理,但其在低质量数据应用上还缺乏充分的实际验证。此外,DeepSeek以低成本为核心竞争力,但存在“隐性成本”。其训练数据依赖其他大模型,比如其性能30%源于对GPT-4的知识蒸馏(Distillation)。一旦美国实施“模型输出管制”,模型的迭代能力可能骤降。同时,为规避美西方芯片制裁,采用国产华为芯片也需要额外投入20%的算力调试成本。

展望未来,DeepSeek等大语言模型将在物流供应链领域发挥更大作用。AI将深度参与企业战略决策,提供更准确的市场预测和风险评估;物理世界与数字世界的界限将更加模糊,实现真正的数字孪生;跨企业、跨行业的数据共享和协作将更加普遍,形成智能物流生态圈;AI不是取代人类,而是将释放人类创造力,实现人机优势互补。

DeepSeek的出现标志着物流供应链智能化进入新阶段。这场变革不仅关乎效率提升,更是商业模式和价值创造的根本性变革。企业需要以开放心态拥抱变革,在保持战略定力的同时勇于创新。唯有将先进技术与深厚的行业积累相结合,才能在这场变革中赢得先机,实现基业长青。

作者于承忠博士、刘锐业博士分别是香港理工大学专业及持续教育学院客席讲师、学生事务总监及高级讲师。文章仅属作者意见,不代表香港01立场。

“01论坛”欢迎投稿,来函请电邮至01view@hk01、com。来稿请附上作者真实姓名及联络方法。若不适用,恕不通知。