AI“爆改”快递行业的第二年

“90%的客服问题，交给AI就足够了。”谈及大模型在公司快递业务的首个落地尝试-AI客服，快递100产研中心负责人李朝明表示。

被利润下跌折磨的快递行业，打响的第一战是“反内卷”，而大模型成为了其中的关键一环。

10000000000，这是“三通一达”每一家在2024年上半年达成的百亿业务量。由“买买买”带动的快递行业，带动各大快递公司的单量增长。

但在快递行业单量大幅扩张的同时，“爆单”并没有让快递公司们赚的盆满钵满，而是赔掉了底牌。财报显示，今年11月，韵达、申通和圆通单票收入分别为2.03元/件、2.08元/件和2.29元/件，同比分别下降14.71%、5.45%和6.96%。

“快递行业已经进入，从卷低价到卷高质量服务的阶段。”快递100总经理陈登坤给出了判断。

2023年，快递行业瞄上AI。从早期的观望、试水，到2024年大模型开始在快递行业初步结果。虽然应用能力仍然有限，但大模型首先覆盖了快递行业中，一批最基础、也最有效的可降本增效的业务：AI客服、AI营销和ai助手。

而在2024年，除去常规运转之外，大模型正在深入快递行业的腹地。

从简单的寄件、查件入手，到面向快递小哥打造“知识库”、再到帮助完成业务信息的汇总整理，甚至到供应链的智慧控制，大模型在快递行业的能力正在被逐步释放。

选择私有化部署模型、自研大模型的快递公司们都相信一点：大模型是值得的长期投资，它在快递行业的应用上限仍然有一个广阔空间等待发掘。

单量大、竞争卷

快递行业拥抱AI增效

2023年 8月8日，李朝明清楚地记得，这是快递100决定接入大模型最开端的日子。彼时，孵化了快递100的金蝶集团刚刚在三十周年大会上发布了“苍穹GPT”，集团战略资源开始倾向大模型投入，促使快递100开始尝试将AI能力应用到自身业务中。

当作为基座的大模型能力得以突破，AI+快递的实际应用也打开了更多场景。

李朝明回忆，2023年10月，百度发布文心一言4.0大模型后，在合作的测试中，快递100发现，过往一些无法交给AI完成的场景在新模型能力的加持下，实现了能力突破。

两年时间内，多家企业均交出了自己的答卷：顺丰自研物流决策大模型“丰知”和聚焦物流行业垂直领域的“丰语”大模型、韵达推出AI快递助手、快递100选择了将公有云和私有云模型混合的“百递云GPT”模型。

然而，从快递业务的几个核心环节“揽收、分拣、运输、派送”来看，大模型能力的应用仍然有限。李朝明指出，当前，快递行业的落地更多还停留在“一头一尾”两个环节，即揽收和派送。

最早在快递行业落地的是AI客服类产品。它聚焦售后环节，帮助节省人力的同时，处理了大量重复的简单问题。谈及AI客服带来的效益，李朝明表示，虽然寄快递业务保持快速增长，但在AI能力应用到客服环节之后，快递100能够有效控制人员增长的速度。

李朝明透露，目前快递100实现了90%的客诉问题由大模型处理，问题一次性解决率高达99.4% 。

AI助手类产品则更多用于帮助快递行业的工作者服务，包括快递小哥、企业内部用户都是大模型的受益者。揽件环节，AI助手能够帮助快递行业的服务人员解决问题，比如违禁物品查询、快递时效性等需求。

顺丰科技大模型技术总监江生沛向光锥智能举了一个例子：在国际快递场景下，D197（猫山王榴莲的编号）、猫山王、榴莲糖、冻干榴莲，它们属于同一类别的托寄物吗？它们各自走陆运、航空寄往不同国家的寄送规则如何、使用哪种服务更合适？

过往这些细节，需要快递小哥在各个国家的海关网站上查询，需要跨越多语言、规则常变动等障碍，现在开始移交给搭载了物流知识库的AI助手。只需要拿出手机，顺丰的快递小哥就能在公司内部的AI助手上查询到不同件的国际寄送规则，当下处理客户的需求。

实际上，AI不仅仅可以为快递小哥赋能，在国际业务寄送的服务中，AI助手也能通过搭载相应知识库，为使用者提升效率。AI助手可以调用全球各地的海关邮寄政策，再同步生成一份最新的邮寄指南，帮助用户掌握海外政策变动情况。

快递小哥用手机查询信息

从降本增效抓起，以AI客服为切口，到面向员工的ai应用，2024年，大模型逐渐进入快递业务的腹地，已经嵌入到“寄、管、查”的快递服务核心全流程。

在下单、接单、上门取件、出账、支付、运输、签收等全流程服务体系，AI都能为各个环节提供能力支持。以快递100的“自动改派单”功能为例，在退货场景中，通过系统预设的规则，AI可以实时判断订单状态，按需调配运力资源。

比如，如果用户下单后快递员接单超时，AI将立即向用户推送通知询问是否接受改派，确认后，系统将调配运力资源接管；在上门取件中，如果快递员未能准时到达，AI也会为用户重新安排取件方案。

AI对快递行业的爆改，无论从快递员还是用户端，体感上都不是非常剧烈，但却恰到好处在提供着许多主动式、自然语言交互的体验，正如春雨润物细无声。表面上虽然云淡风轻，底层的技术层却正在发生着翻天覆地的变化。

大模型深入

产业腹地的艰难一年

为什么过去两年，能够将大模型深入应用的快递企业还是“少数派”？

快递行业涉及人员庞大、快件海量、环节也相当复杂，对效率要求却极致的高。所以，当大模型想要深入改造这样一个传统行业时，第一步先要打造一个属于快递行业自己的大模型底座。

目前，快递行业公司接入大模型大多选择了两种方式：一种是完全基于自研大模型服务企业，另一种则通过调用公有云模型+私有部署模型，共同配合使用。

顺丰、韵达等公司选择自研大模型。谈及为何选择自研这条路，江生沛表示，在使用开源模型进行私有化部署的过程中，由于其不具备物流行业相关知识，它在实际落地的效果并不理想，顺丰有数据有算力，自研行业大模型是必经之路。

“比如‘小哥’这个词，拿给通用大模型，它的理解肯定和训练过的垂类大模型不一样。”江生沛举例道。

出于对效果和成本平衡的考虑，快递100则选择公有云+私有云部署的方式，按照不同场景的侧重需求调用。

谈及为何选择放弃自研大模型，快递100的想法是，通过部署能力不断进化的多个大模型，加上以自有海量数据训练并部署在私有云的大模型，既能发挥各种模型的能力优势，又能使用私有化部署的大模型控制成本。

李朝明表示，每个模型都有自己的强项，比如文心一言4.0在意图理解和内容生成、提取方面表现更好，多模态理解和识别上，通义千问VL模型更佳，智谱模型则在客户意图识别上效果理想。多种模型结合，更能发挥各自的长板。

选择完部署方式，才是万里长征第一步。要想训练一个垂类领域的大模型，针对特有数据的训练上就是一大难题。

中交协物流技术装备委员会指出，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，想要训练出精度极高的行业大模型，所需的不是简单公开的数据，而是行业特定的场景数据，而物流产业所需的真实交互数据，样本少、分布不均，极难获得。

江生沛举了一个例子，“做一个行业模型，首先需要针对各种具体的场景去采集对应的数据，但物流行业的很多知识信息是高度碎片化的，很多数据可能在某台电脑、记账本中存储，所以需要借助大模型完成全面数字化的过程，让大模型去处理富媒体信息，经过知识抽取、清洗等一系列操作，转化成可以被训练的语料。”

其次，要想将大模型能力和快递业务结合起来，如何让大模型准确地理解问题中的所有元素，比如“地址”、“时间”等信息，并根据需求准确调用对应的时效性、价格等信息，这对于大模型来说仍然是个挑战。

李朝明表示，虽然目前行业中更多讨论的是如何以AI为主导推动业务，但当应用到真正的业务流程中，大模型仍然出现了很多问题。

在快递100的业务中，可以归结为两点：

第一，在和AI交互的过程中，必须保证它全程在业务流程中。比如“寄快递”，无论用户如何对话，AI必须要把用户最终引导到寄快递上。

“一个东西能不能寄、这个东西要怎么包装？如果你没有业务流程设定的话，大模型就会和用户一直解释这些问题，他不会引导用户接下来继续去寄快递。”李朝明说，“大模型本来应该要引导用户把联系方式和寄送地给到。”

第二，在处理用户需求时，大模型需要用到企业内部沉淀的业务知识，比如当用户来寄快递时，AI需要知道寄的东西是什么、各快递公司单价等知识并准确调用，才能准确估算出一单快递的价格。

但在调用过程中，大模型经常出现错乱的情况，要么不知道应该调用什么样的参数，要么调用了错误的信息，从而导致结果错误。

此外，要想面向快递行业训练一个可供商用的大模型，需要让大模型能够同时兼顾通用模型的理解能力，也要让它充分理解垂类领域模型应有的专业知识，完成对内容的调用。

对于需求更加精准的快递行业来说，需要给出能够保证可商用的产品，才能真正应用到业务场景中。

对此，快递100的选择是，先由公司为大模型编排好一套业务流程，在这个过程中控制大模型的调用需求。

回到“寄快递”来说，在做好业务流程编排的情况下，大模型会不断“Push”用户给到所需寄件信息。除此之外，它还能根据需求查询到不同快递品牌的寄件价格，并在整理好后重新生成一个回复，帮用户找到更加便宜划算的寄件选择。

而在今年的大模型能力落地快递行业过程中，在大模型能力逐渐提升的过程中，企业也开始试图让AI作为主导者。

通过和大厂智能体平台合作，快递公司也开始上线各式各样的智能体。针对查询快递需求，快递100在百度、腾讯、MiniMax上线了“查寄管”同名智能体应用，将主导权让给了大模型。

通过这种合作方式，智能体既能记住和用户交互的上下文，也能通过大模型能力解决一些业务流程中的问题。比如，查询快递不需要了解具体找到对应快递公司平台查询，只要给个单号就能查到信息；智能体还能根据输入的地址信息进行“补全”，自动识别残缺信息并纠正成可以被寄快递识别的正确地址。

智能体帮助用户查快递

随着大模型能力的进一步解锁，快递行业接下来还能交给AI主导更多复杂的任务。

要降本更要增量

AI爆改快递业

当快递行业的各方都在应用大模型能力，企业和个人用户使用快递的服务体验已经“质变”。

比起过往寄送快递，往往需要人来亲自填写表单，逐步完成信息填写；如今，只需要用户用语音、文字或是图片的方式把相关信息给到大模型，李朝明以快递100的AI 寄快递为例，“告诉大模型‘我需要给张三寄一个快递’，再拍张图告诉它寄的是什么物品，就能实现真正的“一句话/一张图寄快递”。”

此外，通过和寄件需求高的大型企业对接，企业当下寄件主要有两个痛点：一是员工寄件没有登记在系统中，存在管理混乱的情况；二是在企业需要对账时，邮寄快递的费用需要一单一单计算，给财务带来巨大的工作量。

对此，李朝明表示，快递100目前正在尝试结合大模型能力，面向企业端开发一个类似“携程商旅”式的寄快递业务服务，植入到企业内部办公平台，帮助企业提升管理效率。

历经两年的探索期，大模型落地快递行业的优势正在体现，一个最直接的结果就是节约成本。

除了上面提及的AI客服能降低快递行业自己的服务成本，AI也能帮寄快递的企业客户降低行政费用。

“很多企业都有降本的诉求，”李朝明说，“比如员工寄一张纸就需要10-20块钱，但是如果能通过我们的‘寄快递’聚合服务，根据不同物品智能选择不同的快递品牌，企业可能节省好几倍的快递费用。”

对于急需提升收益和服务质量的快递公司来说，它们不仅需要AI帮助企业内部完成降本增效， 更需要进一步提升快递服务的效率和质量，让收入实现增长。

G7易流开发了可以智能接单的智能助手，将接单时间从2小时缩短至30分钟，效率提升高达75%；货拉拉则利用AI能力为司机上线“违禁品识别”功能，最快1秒就能识别出违禁物品；顺丰给快递小哥开发的AI助手平均每次对话可节省3分钟。

效率提升后，大模型就能够成为快递企业增收的“利器”。

在AI能力的辅佐下，当查件、寄件的效率提升，快递100运转单量的能力也随之提升：从2023年一开始的每天30万单，到2024年的每天50万单，李朝明预计，在大模型能力的辅助下，大模型能够在未来一年实现每天100万单的突破。

将多家快递公司服务接入平台，快递100又成为了一个集合“查寄管”服务的快递生态入口：

基于百递云领域知识库，用户不仅可以查快递，更可以一句话对比价格，帮助企业和个人用户找到更具性价比的价格；AI还能自动帮助用户补全信息地址，避免快递运转出现问题。陈登坤分享，通过MiniMax大模型，快递100解决了98%的地址补全难题。

当下，大模型能力仍然没有被完全释放，比如，在供应链端，大模型还有充足的发挥空间。

“实际在快递的运输环节，大模型现在能参与的部分较少，”李朝明告诉光锥智能，“但在整个快递物流行业里面，其实最需要优化的还是在于产业链的深入融合，所以大模型在快递行业的应用仍然有较大空间。”

在大模型能力充分应用到快递行业的每个角落之前，快递行业的企业们还需要继续为这场漫长的攻坚战补充弹药。