物流行业又一个大模型来了。

继物流决策大模型“丰知”后，9月8日，在深圳国际人工智能展上，顺丰科技发布了物流行业的垂直领域大语言模型——丰语。

这相当于，顺丰科技在一个月内接连“官宣”了两个大模型产品，均为其自主研发的物流行业垂直领域大模型。

大模型，可能大家还不熟悉，但ChatGPT相信许多人都听过了。简单理解，大模型就是基于人工智能技术的一种有大量的参数、能够处理和学习复杂的数据模式，它通常需要大量的数据来训练，以便能够执行各种任务，如语言理解、图像识别、预测分析等。

过去这两年大模型的发展非常快，技术迭代非常迅速，作为人工智能领域的一个重要趋势，正在推动许多行业和领域的创新乃至颠覆。在此背景下，国内外都涌现出了不少好用的产品，一些我们熟悉的像GPT-4、文心一言，什么都能做，被称之为通用大模型。面向物流供应链行业广阔的场景，阿里云、京东、菜鸟、货拉拉、中远海运等企业也早已推出了一些物流领域的大模型。

据物流指闻了解，在发布丰知、丰语前，顺丰早已投入对大模型的研究多时，甚至包括顺丰王卫本人都对此颇有兴趣，去年就开始用大模型写公司内部的顺丰30周年感言。承担这一技术研究的团队，就是顺丰集团的智慧大脑——顺丰科技。

如今，这一内部打磨许久的产品，终于到了走到台前的时候了。顺丰投入大模型，是一次跟风试探还是深谋远虑？顺丰自研的大模型究竟有何不同？劳动密集型的物流行业用得上新潮的大模型么？

01

大模型加持，人人都可以快速成为专家

丰语，作为一种大语言模型，基于物流行业知识以及过往处理经验，通过对话的方式输出文字或图片等信息，从而帮助每个不同岗位的人，都快速“习得”，成为某个领域经验丰富的岗位专家。

据物流指闻了解，“丰语”大模型在正式对外亮相之前，早已广泛地应用于顺丰集团体系内的市场营销、客服、收派、国际关务等业务板块的二十余个场景中。这些使用者既有顺丰王卫、各管理团队等，也包括广大的顺丰快递小哥、人工客服、市场营销人员等一线岗位员工。

可以说，大模型已在顺丰内部实现了从上至下的全员普惠性应用。

比如，快递小哥。

这一个大模型基本涵盖了顺丰一线快递员的工作中可能遇到的各类操作流程相关的问题和经验。从入职开始，基于大模型生成的数字员工可以对小哥进行个性化的一对一辅导培训，让小哥可以更快上手。在日常寄递业务中，快递小哥如果有任何的问题，比如物品能不能寄、是否建议保价、要怎么包装、不同时效的产品多少钱等，可以通过基于大模型打造的小哥服务中心询问得到答复。遇到大模型无法回答的问题，也可以转人工处理，大大提升了快递小哥的工作效率。

比如，客服。

作为一个顺丰的人工客服，能够在售前咨询或售后保障问答的一开始，收到一个基于大模型的前期客户问题参考回答，从而更快速高质量应答；同时大模型能够自动提取关键信息辅助客服在系统填写工单；在服务结束后，大模型会自动在系统中记录问询基本信息、并形成客服摘要，方便客户后续来电其他客服可以快速了解情况并进行处理。除此以外，客服运营人员只需要提炼经验与规则，使用大模型更高效地维护客服知识库。

以丰语大模型为例，慢同行一步对外官宣的顺丰大模型，其实已深入顺丰体系，广泛应用于物流供应链业务场景应用中。捂了这么久才正式对外推出，可以说，这也很顺丰。

02

“定制”物流行业大模型：更专业、低成本、高可靠

丰语，是一个兼具通用能力和物流垂域能力的高质量行业模型。如何实现专业、可靠、资源与效果形成最佳平衡，成为顺丰打造这款物流行业专属大语言模型的重点。

第一，更懂物流行业，将物流行业的专业知识数据融入大模型。

物流供应链链条长、场景复杂，且高度专业化，尽管一些知名的通用大模型通识能力强，涉及到基础的文字信息或许还可以收集、整合与回答，但如果要实际应用到一线运营业务中，却往往不能胜任。这其中需要大量的、深入的、颗粒度更细的知识学习。

因此，顺丰在进行丰语大模型的研究与部署时，用了80%的通用数据和20%的垂域数据训练。这个垂域数据包含了1）顺丰30多年来积累的内部数据，比如顺丰内部各系统非敏感知识；2）外部数据，比如物流领域相关法规政策标准，物流领域专业书籍、论文、期刊，物流行业研究报告，国内国际物流发展历史、新闻动态等。

第二，在开发大模型时，不盲目追求模型参数规模、综合考虑效果与使用成本的均衡。

据了解，一些常见的商用通用大模型需要巨大算力，而这往往会产生高昂的使用成本。因此，顺丰科技选择在不降低大模型效果的情况下，尽可能先做小模型，降低推理门槛；同时，在保证模型通用能力的基础上，更聚焦于提升模型在物流、供应链行业的实际应用能力。

据专业测评结果显示，对比相近尺寸（具体包括参数数量、模型的复杂性以及它在训练时使用的数据量等）的主流通用模型，在通用能力层面丰语大模型可以做到表现持平，而物流领域表现远远胜出。

第三，相较于通用大模型，通过应用丰语大语言模型，一些业务场景的数据指标明显得到了优化，显示出高可靠性。

以丰语大模型的应用为例，在客服对话摘要场景时，相对原来使用的通用大模型，错误率降低了25%；应用于国际物流场景时，收寄物品名自动规范错误率降低了42%；在小哥问答场景中，意图分类错误率降低了58%；在客服填单时，降低52%的实时物流信息抽取错误率。

03

不盲从不跟风全面落地应用凸显价值

“在大模型横空出世的时候，其实我们没有盲目去进行跟风，而是仔细思考，如果要让每一个业务、每一个人都能用得起、用得好大模型，我们应该怎么布局大模型整体的战略。”顺丰科技相关负责人告诉物流指闻。

在发布会上，顺丰科技向外界首次展示了这个大模型体系的全景图。

这个体系包含物流大语言模型应用（丰语）、多模态大模型应用以及物流决策大模型应用（丰知），它们作为一个整体，从知识获取到信息理解再到预测决策，形成一个完整的闭环。在实际业务应用与效果转化中因而可以实现“1+1大于2”的效果。

比如，与“丰语”大模型不同，8月对外推出的“丰知”，就是将大模型技术应用于物流供应链场景下的智能化分析、销量预测、运输路线优化与包装优化等环节，以辅助决策，比如，告诉你这个路径具体怎么规划、包装应该怎么设计等。

回顾过往，在丰语、丰知之前，顺丰在将大模型技术用于物流行业场景方面已有了诸多标杆案例。在顺丰科技看来，大模型是一种更高效的学习方式，这个技术的目标路径清晰：需要通过沉淀行业知识，到应用，再到产生效益。

从应用的广度上来看，通过与顺丰的组织架构与管理流程融合，已实现AI对顺丰业务全面赋能提效。

在顺丰，有面向所有员工的基于大模型的办公助手，还有通过企业统一知识平台实现的各类问答机器人。有意思的是，还可以通过内部的一站式智能体无代码开发平台，让更多不同的业务组织可以根据自身需要，快速搭建属于自己的大模型智能体。

从应用的深度来看，借助AI之力，通过全员使用，并与物流供应链全环节场景深度链接，助力全链路运营效率和客户服务体验优化，并助力业务拓展创收。

1、以当前业内为数不多的快递新增量市场：电商退货件业务来说。在这个场景用户下单环节中，一般需要用户上传退货信息截图进行下单。通过顺丰大模型，可以自动提取截图中的寄递信息，提取正确率高达98%，省心、省时间，助力提升了用户的退货体验；在派件物流回单审核环节，智能机器人支持实时差异化审核，着力保障回单签署规范性，提升客户增值服务体验。

2、再比如，顺丰当前投入多、增长快的国际业务。在中国企业出海背景下，基于大模型技术结合各国法文条规、海关公告等，自动生成的国际收寄标准得到广泛应用，据顺丰半年报此前披露，已在 6 个国际流向中投入使用，覆盖近4000条线路。同时，清关对品名规范的要求很高，报关需要按照各国海关要求填报规范的物品名称，如果填报内容不规范，很可能导致本身可以通关的物品无法通关，或因重新修改填报延误清关时效。大模型将物品名称规范化为更简短、符合海关分类的品名。以美国业务为例，顺丰日均有十几万的美国进口运单，清关品名有98%均来自大模型自动生成的合规品名，节省了人力投入，提升了通关时效。

3、如果以具体产品为例，通过丰语知道构建基于大模型的知识问答、产品服务推荐，助力增收数千万元；丰语商编则优化了国内&国际收寄标准，扩大可收寄口径，转化增收数千万元；多模态审核用于电商退货一张图下单，已实现增收上亿元。提效方面，丰语摘要、丰语知道、丰语助理等产品，极大提高了全网80万各岗位人员获取知识、加工信息的工作效率。

目前来看，这些大模型技术，与顺丰长期对人工智能、大数据、运筹、数据孪生等多种技术体系化的积累和投入相结合，已为顺丰集团带来了价值产出和切实的效益。在AI领域，顺丰还在布局机器人、具身智能相关技术研究和应用，并探索将大模型应用到更多场景和服务更多客户所在的行业。

04

新质生产力时代，“AI+物流”想象空间巨大

物流行业需要大模型，毋庸置疑。

在国家大力推进新质生产力的背景下，人工智能已成为了经济发展的核心驱动力之一。而今年上半年，中央财经委员会会议、国务院会议等重要会议多次针对“降低全社会物流成本”开展研究，并将AI大模型等技术视为促进物流产业变革的强大技术力量。与此同时，要在物流供应链领域真正发挥出大模型的价值，还需要深入链接产业的场景，着眼于解决产业的每一个环节的具体问题，才能实现真正的赋能。

在此前的文章中，物流指闻也曾撰文讨论过当前物流行业大模型“百家争鸣”的现状。相对而言，顺丰科技的这场发布会来得有点慢，但随着以丰知、丰语等大模型产品的相继面世，顺丰对大模型、人工智能技术的思考和战略布局也更值得长期探究。有理由期待，人工智能技术可以为顺丰、也为整个快递物流行业释放出更大的价值。