人工智能，在過(guò)去十余年的發(fā)展中不斷創(chuàng)造著驚喜和奇跡。

基于深度學(xué)習(xí)的人工智能產(chǎn)業(yè)經(jīng)歷著從小模型到大模型、從文本生成到多模態(tài)，從專用到通用的發(fā)展歷程，正逐步進(jìn)入大模型時(shí)代。在“大模型+大數(shù)據(jù)+大算力”加持之下，Open AI公司先后發(fā)布的生成式AI模型chatGPT3.5和4.0在多場(chǎng)景、跨學(xué)科和多用途的任務(wù)處理能力表現(xiàn)驚艷。

現(xiàn)在，大模型常常被比作AI時(shí)代的操作系統(tǒng)，可賦能千行百業(yè)、推動(dòng)經(jīng)濟(jì)發(fā)展。同時(shí)，作為智能領(lǐng)先科技，大模型更符合新質(zhì)生產(chǎn)力的要求，成為科技領(lǐng)域最熱門(mén)賽道。國(guó)外，谷歌微軟臉書(shū)一眾名企紛紛大手筆投資大模型，在國(guó)內(nèi)，BAT、華為小米重金投入大模型的企業(yè)不在少數(shù)，文心一言、通義千問(wèn)、訊飛星火一大波大模型如雨后春筍迅速崛起。

3月，黃仁勛在英偉達(dá)GTC2024大會(huì)上展示最新生成式AI的計(jì)算平臺(tái)和產(chǎn)品。同時(shí)，也展示了人工智能和大模型在各行各業(yè)的應(yīng)用，在數(shù)據(jù)處理、工程模擬、電子設(shè)計(jì)自動(dòng)化、計(jì)算機(jī)輔助藥物設(shè)計(jì)、量子計(jì)算和生成式 AI 等領(lǐng)域?qū)崿F(xiàn)突破。

值得一提的是智能駕駛和配送領(lǐng)域，英偉達(dá)宣布全球交通運(yùn)輸?shù)念I(lǐng)先企業(yè)已采用 NVIDIA DRIVE Thor?集中式車(chē)載計(jì)算平臺(tái)，助力自動(dòng)駕駛和無(wú)人配送；借助數(shù)字孿生技術(shù)，在大型倉(cāng)庫(kù)和廠房空間實(shí)現(xiàn)更高效規(guī)劃和設(shè)計(jì)。顯然，用大模型提升貨運(yùn)系統(tǒng)效率提升，也將成為大模型的重要落地場(chǎng)景。

【人工智能大模型的誤區(qū)】

不過(guò)，作為人工智能領(lǐng)域長(zhǎng)期的觀察者，我也發(fā)現(xiàn)大模型發(fā)展中存在不少誤區(qū)。

一個(gè)是唯硬件論。在大模型領(lǐng)域有句名言“大力出奇跡”，大力就是超大規(guī)模的硬件算力投入，奇跡則是AI能力。大力出奇跡，一直被OpenAI等大企業(yè)奉為圭臬。而他們則通過(guò)大量購(gòu)置、提前囤積先進(jìn)的GPU提升數(shù)據(jù)訓(xùn)練速度，希望用硬件投入的差距，成為阻擋后來(lái)者的護(hù)城河。

另一個(gè)是片面追求超大模型和通用模型，場(chǎng)景落地能力差。

很多大模型的通用能力很優(yōu)秀，但在垂直領(lǐng)域、細(xì)分場(chǎng)景的數(shù)據(jù)集明顯不足，常出現(xiàn)特定場(chǎng)景的表現(xiàn)不佳的情形。在細(xì)分行業(yè)，通用語(yǔ)言大模型更像是個(gè)半成品。他們能夠完美理解文本、圖片甚至聲音視頻，但很難深入理解某個(gè)細(xì)分領(lǐng)域。這樣的大模型可能是語(yǔ)言專家，卻常常不是行業(yè)和問(wèn)題解決專家。

比如面對(duì)復(fù)雜的貨運(yùn)行業(yè)，傳統(tǒng)大模型開(kāi)發(fā)就面臨諸多難點(diǎn)：

一個(gè)，貨運(yùn)業(yè)務(wù)紛繁復(fù)雜。貨運(yùn)物品體積、重量往往大小不一，車(chē)型五花八門(mén)；貨運(yùn)場(chǎng)景環(huán)節(jié)眾多，司機(jī)從接單到裝貨、運(yùn)貨、卸貨，用戶下單溝通再到收貨付款，整個(gè)貨運(yùn)鏈條相當(dāng)繁雜；需求復(fù)雜，不同用戶對(duì)于貨物類(lèi)型、運(yùn)輸時(shí)間、距離、成本需求大相徑庭。普通的大模型很難理解如此復(fù)雜貨運(yùn)體系，很容易造成判斷偏差。

數(shù)據(jù)是大模型的原料，而貨運(yùn)領(lǐng)域數(shù)據(jù)的復(fù)雜度，很多大模型難以消化。

貨運(yùn)業(yè)務(wù)涵蓋了訂單、貨物、車(chē)輛、駕駛員、路線等多個(gè)方面的數(shù)據(jù)。這些數(shù)據(jù)不僅數(shù)量龐大，種類(lèi)多樣。貨運(yùn)業(yè)務(wù)中的數(shù)據(jù)處于動(dòng)態(tài)變化中。貨物的狀態(tài)、位置、運(yùn)輸進(jìn)度等都在實(shí)時(shí)變化，這也需要貨運(yùn)大模型能夠?qū)崟r(shí)捕捉和處理這些動(dòng)態(tài)數(shù)據(jù)，并做出準(zhǔn)確的預(yù)測(cè)和決策。

早在這之前京東就發(fā)布了“京東物流超腦”，菜鳥(niǎo)供應(yīng)鏈也推出了“天機(jī)π”，而貨拉拉今年3月份首次公開(kāi)的貨運(yùn)無(wú)憂大模型，為大模型在物流場(chǎng)景落地，提供了一個(gè)嶄新思路。

【貨運(yùn)行業(yè)大模型的解決之道 】

單從企業(yè)名稱上看，貨拉拉是個(gè)不折不扣的貨運(yùn)企業(yè)；但從核心競(jìng)爭(zhēng)力上，貨拉拉早已深耕技術(shù)多年。早期的貨拉拉利用移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)，減少了貨主與車(chē)型、司機(jī)之間的信息差，大大提升了車(chē)貨匹配效率和物流效率，改變了傳統(tǒng)小、散、亂、差的貨運(yùn)行業(yè)。這時(shí)可以看成貨拉拉的數(shù)質(zhì)化1.0版。

2020年是貨拉拉數(shù)質(zhì)升級(jí)的關(guān)鍵時(shí)間點(diǎn)，這一年貨拉拉上線“智慧大腦”的中臺(tái)系統(tǒng)。在AI、大數(shù)據(jù)和地圖等基礎(chǔ)能力之上，通過(guò)自研運(yùn)籌優(yōu)化算法框架解決核心的資源優(yōu)化配置問(wèn)題，多個(gè)引擎，實(shí)現(xiàn)動(dòng)態(tài)定價(jià)、智能分單、運(yùn)力調(diào)度、用戶拉新的效率提升，逐步解決物流生產(chǎn)要素中“人、車(chē)、貨、路”的數(shù)智化問(wèn)題。這是貨拉拉數(shù)質(zhì)化2.0版。

貨拉拉“智慧大腦”表現(xiàn)不俗。在拉貨、搬家場(chǎng)景中，貨拉拉的智能分單系統(tǒng)日均可處理上百萬(wàn)訂單與國(guó)內(nèi)平臺(tái)超過(guò)90萬(wàn)名月活司機(jī)之間的即時(shí)分配問(wèn)題。借助“智慧大腦”，貨拉拉將平臺(tái)訂單的司機(jī)準(zhǔn)點(diǎn)率達(dá)到了95%，貨運(yùn)需求配對(duì)率達(dá)到92%，實(shí)現(xiàn)社會(huì)物流效率最大化。

而基于智慧大腦的AI、大數(shù)據(jù)等技術(shù)研發(fā)的貨運(yùn)無(wú)憂大模型，就是貨拉拉數(shù)質(zhì)化3.0版。

在貨拉拉看來(lái)，AI的競(jìng)爭(zhēng)并非一場(chǎng)比誰(shuí)能把模型做得更“大”的軍備賽，貨運(yùn)作為強(qiáng)垂直行業(yè)，更適合走輕量化、場(chǎng)景化的部署路線。與行業(yè)盲目求大的玩法不同，貨拉拉無(wú)憂大模型研發(fā)理念是：輕量化、場(chǎng)景化。

貨拉拉大模型，主要針對(duì)傳統(tǒng)模型在處理復(fù)雜數(shù)據(jù)和細(xì)節(jié)時(shí)表現(xiàn)不佳，預(yù)測(cè)結(jié)果存在較大偏差的痛點(diǎn)。貨運(yùn)無(wú)憂大模型通過(guò)構(gòu)建更加復(fù)雜的模型結(jié)構(gòu)，可針對(duì)復(fù)雜數(shù)據(jù)提升預(yù)測(cè)精度，還具備更強(qiáng)的泛化能力和適應(yīng)性。通過(guò)在大量多樣化數(shù)據(jù)上的訓(xùn)練，可以適應(yīng)更多種類(lèi)的任務(wù)和數(shù)據(jù)。

現(xiàn)在，貨運(yùn)無(wú)憂大模型已經(jīng)在多個(gè)場(chǎng)景落地，比如AI邀約、 AI客服、審核判責(zé)、AI招聘、多模態(tài)AI助手。借助AI助手，在用戶側(cè)，可幫助用戶根據(jù)貨物智能匹配車(chē)型；在司機(jī)側(cè)，上線了違禁品識(shí)別功能，甚至能實(shí)時(shí)識(shí)別出違禁物品。

據(jù)了解，貨運(yùn)無(wú)憂大模型針對(duì)貨運(yùn)事實(shí)性問(wèn)答準(zhǔn)確率達(dá)90%以上，在貨拉拉業(yè)務(wù)知識(shí)、多種貨運(yùn)知識(shí)多維度能力評(píng)測(cè)中均達(dá)到業(yè)界領(lǐng)先水平。

貨拉拉的大模型還衍生出豐富的能力矩陣，長(zhǎng)期來(lái)看，能夠?qū)崿F(xiàn)顛覆式降本增效的作用。在客服/邀約場(chǎng)景中，貨拉拉已經(jīng)打造了基于任務(wù)型對(duì)話的AI機(jī)器人，實(shí)現(xiàn)全鏈路自動(dòng)閉環(huán)；在辦公場(chǎng)景中，貨拉拉打造HR智能問(wèn)答助手，應(yīng)用AI智能招聘，成本降低近90%。

【貨運(yùn)無(wú)憂大模型能否成為撐起貨運(yùn)領(lǐng)域的AI一極】

在貨運(yùn)物流行業(yè)，大模型的應(yīng)用并不止貨拉拉一家，比如京東在物流產(chǎn)業(yè)側(cè)的大模型“京東物流超腦”、菜鳥(niǎo)發(fā)布的大模型“天機(jī)π”，面對(duì)這些不差錢(qián)、不差硬件的同行們，貨運(yùn)無(wú)憂大模型能否成為撐起貨運(yùn)領(lǐng)域的AI一極？我想，答案是肯定的。

首先，貨運(yùn)無(wú)憂大模型的先發(fā)和區(qū)域優(yōu)勢(shì)。

時(shí)間維度上，貨拉拉在數(shù)字化、智能化的技術(shù)方面積累已久，早在2020年便已搭建“智慧大腦”中臺(tái)系統(tǒng)。

其次，大模型的目標(biāo)不同，貨拉拉的目的在貨運(yùn)，電商企業(yè)在電商。

貨拉拉的貨運(yùn)無(wú)憂大模型目標(biāo)在于提升貨運(yùn)效率，助力貨運(yùn)行業(yè)實(shí)現(xiàn)“三化”，即：數(shù)智化、集約化、精細(xì)化。數(shù)智化，提高物流運(yùn)作的效率和準(zhǔn)確性。集約化，實(shí)現(xiàn)資源的優(yōu)化配置，避免資源的浪費(fèi)和重復(fù)投入。精細(xì)化：精細(xì)化更注重對(duì)貨運(yùn)過(guò)程的細(xì)節(jié)管理和服務(wù)質(zhì)量的提升，實(shí)現(xiàn)更高的服務(wù)質(zhì)量和效率。

京東和菜鳥(niǎo)的快遞物流業(yè)務(wù)只是零售業(yè)務(wù)的一個(gè)環(huán)節(jié)，最終還是為零售業(yè)務(wù)服務(wù)。

比如菜鳥(niǎo)借助大模型，提升倉(cāng)儲(chǔ)系統(tǒng)的數(shù)字化，全鏈條信息化，再到數(shù)字孿生技術(shù)之于供應(yīng)鏈體系的革新，目的在于提升零售業(yè)務(wù)的效率。而京東物流超腦，早期應(yīng)用人臉識(shí)別，提高賬戶和支付的安全性的同時(shí)提高用戶體驗(yàn)。至于生成式大模型，京東更側(cè)重于生成數(shù)字人。比如，最近大模型生成的數(shù)字人“劉強(qiáng)東”上線，其目的是幫助京東迅速切入電商直播業(yè)務(wù)。

最后，也是最重要因素是大數(shù)據(jù)差異化優(yōu)勢(shì)。

大模型需要算法、算力和大數(shù)據(jù)的綜合實(shí)力。算法是技術(shù)積累，需要堆人力；算力靠的是硬件，需要堆顯卡GPU；而大數(shù)據(jù)靠的是長(zhǎng)期的業(yè)務(wù)積累。巧婦難為無(wú)米之炊，算法和算力是錢(qián)能買(mǎi)到的要素，而數(shù)據(jù)，尤其是貨運(yùn)行業(yè)多年的復(fù)雜數(shù)據(jù)，則形成了難以跨越的護(hù)城河。

京東和菜鳥(niǎo)的大數(shù)據(jù)來(lái)自零售業(yè)、供應(yīng)鏈甚至制造環(huán)節(jié)，而貨拉拉的業(yè)務(wù)并不局限在零售和生產(chǎn)，還包括服務(wù)業(yè)，比如搬家、零擔(dān)等等。京東和阿里的數(shù)據(jù)關(guān)注點(diǎn)在商品，連接的是商品與用戶；而貨拉拉的核心是貨運(yùn)服務(wù)，連接的是司機(jī)和商品。貨拉拉的業(yè)務(wù)模型更像滴滴，只是貨拉拉的重點(diǎn)在拉貨，滴滴的重點(diǎn)在于拉人。

在大模型落地貨運(yùn)的場(chǎng)景中，堆硬件并不能大力出奇跡。相反，對(duì)于那些多年專注貨運(yùn)數(shù)字化和信息化的企業(yè)，在積累了多年的貨運(yùn)數(shù)據(jù)和大量算法的貨拉拉，反而憑借大數(shù)據(jù)獲得差異化優(yōu)勢(shì)，成為貨運(yùn)大模型場(chǎng)景三足鼎立中的實(shí)力玩家。

【結(jié)束語(yǔ)】

如何讓大模型場(chǎng)景落地，我的前老板周鴻祎在哈佛論壇演講中，有的觀點(diǎn)相當(dāng)精辟：

用戶要的并不是大模型，而是用大模型解決了什么問(wèn)題。用戶要的不是鉆頭，是鉆頭鉆出來(lái)的洞；先做大模型再去找場(chǎng)景的玩法是不對(duì)的，大模型創(chuàng)業(yè)，最重要的是找到場(chǎng)景，然后根據(jù)場(chǎng)景定義功能，再根據(jù)功能來(lái)訓(xùn)練專業(yè)的模型。

英偉達(dá)2024GTC大會(huì)上印證了老周的觀點(diǎn)。大會(huì)展示的大模型應(yīng)用并不只有通用生成式大模型，在垂直領(lǐng)域，如企業(yè)智能助手、自動(dòng)駕駛、機(jī)器人、數(shù)字孿生、數(shù)字地球2.0、以及大模型在醫(yī)療、制藥、工業(yè)設(shè)計(jì)等多個(gè)領(lǐng)域都有成功的項(xiàng)目，大模型落地垂直的場(chǎng)景更令人期待。

在人工智能領(lǐng)域，中國(guó)并不缺實(shí)力玩家，幾十家的通用大模型方興未艾就是證明。但我相信，在大模型落地垂直領(lǐng)域時(shí)，同樣會(huì)涌現(xiàn)了一批實(shí)力玩家，長(zhǎng)期專注貨運(yùn)領(lǐng)域的貨拉拉會(huì)和菜鳥(niǎo)、京東一樣，成為貨運(yùn)大模型領(lǐng)域的實(shí)力玩家。

雄觀，資深新經(jīng)濟(jì)觀察家、知名意見(jiàn)領(lǐng)袖，國(guó)內(nèi)首個(gè)嚴(yán)肅科技脫口秀“雄辯”主講人、十大科技自媒體（見(jiàn)各大權(quán)威榜單）。曾在阿里巴巴、360、搜狗、藍(lán)港等著名互聯(lián)網(wǎng)公司負(fù)責(zé)相關(guān)營(yíng)銷(xiāo)工作，參與5次IPO，橫跨行業(yè)主要領(lǐng)域。每日一篇深度文章+科技熱點(diǎn)快評(píng)，發(fā)布于微信、微博、頭條、百度，各大門(mén)戶及科技博客、媒體社群、短視頻等30+全部主流平臺(tái)，覆蓋400萬(wàn)中國(guó)最核心商業(yè)、科技人群。為FT金融時(shí)報(bào)、福布斯等世界級(jí)媒體撰稿人，觀點(diǎn)被媒體廣泛轉(zhuǎn)載引用，影響力極大。