大閘蟹旺季，這些巨頭拼了

快遞的“快”，正在被AI重新定義

北京南六環，京東智能產業園二層分揀倉庫，傳送帶正勻速運轉，隔幾秒，吐出一個包裹。

這是當天11點前下單的同城快遞。 12點到13點是高峰時段，包裹密集地隨著傳送帶前行，精準滑向送達區域的網點格口。分揀員守在格口旁，將包裹碼放在指定籠車。到14點半，分揀完的快遞裝車集中發貨，最快半小時內，東城、朝陽、通州等地區的使用者就能收到包裹。

分揀工作是一個體力活，最多時，工人一天要碼放上千件包裹。今年，一部分工作開始被機器接管。 14台幾人高的機械臂「異狼」立在格口之間，伸展、抓取、放置一個包裹，平均只用15秒。單台機械臂單日分揀抵得上一名分揀員的飽和工作量。更重要的是，這些機械臂不知疲倦，可以將工人從高強度的體力勞動中解放出來。

一般消費者最直觀的感受是，快遞的速度越來越快了。然而，千億件快遞的背後，卻是個極度複雜的物流網路，涵蓋收件、運輸、倉儲、配送等諸多環節。這個產業長期依賴人力與個人經驗，如今，主流的物流企業都推出了大模型，AI正悄悄滲透至核心節點。倉庫中的機械臂是一個縮影，快遞的“快”，正在被AI重新定義。

不確定的“洪峰”

9月底，陽澄湖、洪澤湖等湖區開捕，成千上萬噸螃蟹起籠。大閘蟹賞味期短，商家普遍承諾，同省當日達、跨省次日達。但在產地分散、出貨量瞬間暴漲的旺季，如何確保螃蟹不死在路上，歷來是產業難題。

正因如此，大閘蟹寄遞被視為生鮮物流的「天花板」。近幾年，順豐、京東、中通等快遞企業在湖區展開激烈競爭，每年螃蟹季，也成為物流體系的典型壓力測試。

今年，順豐在湖區一線布設了超百個收寄網點，智慧轉運中心每小時可分揀2萬件包裹，日處理能力突破40萬件。順豐超腦大模型負責人陳桓向《中國新聞周刊》介紹，以往順豐的“快”，靠的是天網、地網構成的重資產體系，以及精細化的流程管理，核心是壓縮物理運輸和中轉時間。但如今，借助大模型技術，「快」的含義發生了變化，開始轉向對不確定性的預判和調控。

在物流領域，客戶需求的波動，是一個棘手的變數。如果是新品上架，沒有歷史銷售資料，再加上商家促銷、市場反應與競爭關係又極為複雜，傳統模型難以應付。在大閘蟹旺季，沒人能精確預測明天會寄出多少隻螃蟹。電商直播突然爆單，就可能讓某條連結超載。

陳桓提到，從產地到網點，再到中轉場，任何一個環節的波動，都可能讓全盤計畫失效。 「這類高度依賴個人經驗且需要即時回應的複雜決策場景，在過去恰恰是制約規模化服務穩定性的關鍵。」他對《中國新聞周刊》說。

陳桓和團隊提前半年就開始摸底大閘蟹的銷售情況，理解產區預計產量，電商平台的行銷節奏，以及相關宏觀經濟資料，喂入大模型，很快拿到了對旺季件量與產能的預測。

但有了預測，也沒有讓陳桓團隊心態完全放鬆下來，意外仍然頻繁發生。以剛過去的「雙11」為例，陳桓團隊針對美妝等特殊品類做了應對預案後，還是遇上一場「洪峰」。某主播的直播間，一個單品的銷量意外激增，實際單量比系統預測峰值還高出了大約40％。

幾乎是訂單產生的同時，順豐系統已經感知到了流量異常。接下來，基於動態預測的大模型開始動態調控：是否需要臨時調度車輛和航班？末端配送人員的班次如何最佳化？分揀線能否即時加速？當自有運力不足時，何時、何地、以何種方式呼叫外部資源予以支援？所有決策在數分鐘內完成了推演與下達。

這一系列“看不見的調度”，產生了看得見的實效。更關鍵的是，透過人力資源與運能的精準匹配，系統節省了高達千萬量級的臨時調度及異常處理成本。

快速處置“黑天鵝”

因前端航路突發的天氣異常，一架航班延誤，機上高時效包裹，臨時被「懸停」在了半路。這是陳桓近期印象深刻的突發事件。

在龐大的物流網路中，最不缺的就是意外。交通擁堵、包裝破損、貨物遺失等突發情況，都有機率讓原本固定的運輸線路與方式被迫調整。一位業者坦言，異常可能多達數百種，這些構成了快遞履約路上難以預測的「黑天鵝」。

陳桓舉例，過去遇到航班異常，卡點在於，系統會瞬間湧現海量警報，調度專員需要面對海量的資訊流，快速判斷決策，協調上下游多個環節以及七八位同事。

更複雜的是，處理物流異常，不是單一環節的調整。例如，光是飛機資源重新調配，就需要考慮機型、容量、班組資訊等，這可能衍生出數十種組合方案。

陳桓舉例說，上述航班延誤處理，調度專員的工作量在大模型的幫助下，已經大大減輕了。第一方案在專門設計的航空智能體中，輸入了異常情況，沒過幾分鐘，系統產生了三個推薦方案：協調另一條航線轉運、等待後續航班、將貨物緊急轉運至其他中轉場或換乘陸運，甚至還附帶了相關時效、成本與天氣變化等評估。

在末端派送環節，常見卻棘手的問題同樣層出不窮。同一小區內，位置相近的兩個包裹，快遞員可能送錯單元樓。過去，這類錯誤難以及時發現，不僅影響派送時效，還可能導致丟件或投訴。

京東物流大模型相關負責人向《中國新聞周刊》介紹，他們正在用大模型解決這類看似「低級」的錯誤。他舉例說，當快遞員將原本送往26號樓的快遞誤送到29號樓時，系統會在幾秒內判斷這一行為「違背常識」：快遞員剛剛在29號樓完成了兩單派件，卻在一兩分鐘後，出現在26號樓，時間和路徑都不合理。模型會立即向快遞小哥推送「派送異常」提醒，提示其及時糾正。

「當大模型有了'常識'，就能用人類的眼光發現問題，幫我們解決更多物流場景下的問題。」該負責人表示，「實際上相當於給每一位物流小哥都配備了一名智慧員工助手，無論是包裹狀態異常、運單明細查詢、通話記錄判責還是錄入訂單校驗，大模型都能把小哥從煩瑣重複的流程中解放出來，減少溝通成本，相應提升了配送量與收入。

而對於網路貨運平台貨拉拉來說，每天百萬筆訂單之間暗藏的最大變數，不是天氣或路況，而是一些安全風險。

在接到訂單後，司機會和使用者電話溝通拉什麼貨、隨行人數，但真實場景往往更複雜。貨拉拉智能平台部技術副總監張雨向《中國新聞周刊》舉例：煙花爆竹、罐裝燃氣等屬於明確禁運物品，但有使用者為了圖方便或省錢，在溝通和現場操作時，故意隱瞞。即便使用者沒有瞞報，司機也可能不確定這些東西是禁運品。更讓張雨關注的難題是貨廂載人，這是一條安全紅線，但總會有使用者到了現場，臨時要求多坐幾個人。

傳統上，平台主要依賴司機的經驗和人工審計進行安全監管。張雨表示，AI的介入為風險識別提供了多維度的判斷依據。

如今，從第一個電話起，系統已開始主動介入。過去，處理大量訂單背後的語音資訊是一大挑戰，但大模型可以即時解析對話內容，一旦識別到「煤氣罐」「鞭炮」等敏感詞，將自動觸發違規提醒或強制取消機制。

如果有些使用者沒有在電話裡告知，在司機開車前上傳貨廂照片的環節，電腦視覺演算法同步啟動，快速辨識違禁品形態。有些使用者會在司機拍照後，安排幾個人坐上貨廂，車載裝置也會識別發貨廂內出現人員，將立即強制中止訂單。

更強“大腦”和“手腳”

在北京京東智能產業園的包裹分揀區，傳送帶上的包裹形態各異：鼓脹的防水袋、覆膜的紙箱、不規則的三角形乃至圓柱體。 「異狼」具身智慧手機械手臂需要在幾秒內做出判斷，如何抓取、以多大力度、碼放在那裡。

分揀線上的工作節奏緊張，尤其在「618」「雙11」等物流高峰期，傳送帶24小時不停運作，快遞車裝滿後立刻發車。即便分揀員輪班上崗，工作強度仍然非常大。無論國內外，物流企業一直在探索自動化，讓工人從重複的體力勞動中解放出來，從事更輕鬆、更有價值的工作。

但碼放非標包裹，對機器人來說是一個奧數等級的難題。人工幾秒鐘就能完成，但要讓機器穩定處理，卻極為複雜。 「異狼」項目負責人告訴《中國新聞周刊》，「異狼」突破的第一步，是快速識別不同包裹。在「異狼」頭頂，有一個攝影機，可以俯拍包裹，識別包裹的長、寬、高、重量、外包裝材質，甚至預估箱內物態。

大模型作為“大腦”，瞬間計算出抓取的力量、角度和時機。隨後，演算法再根據包裹形狀，測算最佳碼放位置。如果擺放凌亂，下一個環節的司機就無法順利搬運。

如果說機械臂在試圖最佳化物流體系中的“手”，無人物流車則在試圖解決末端配送“腳”的難題。

在內蒙古、雲南、貴州等地的偏遠村莊，快遞通常只能抵達鄉鎮網點，村民取件，需要翻山越嶺，或一周集中派送一次。不少鄉村快遞網點與下游的村站、農牧區之間往往相距上百公里，快遞員招工難。一位物流從業者向本刊提到，過去一些網點老闆考慮到成本，會攢兩天的件量，發一趟車，但這樣又容易因為延誤被罰款。

「鄉村物流一直是一筆『高成本的生意』。」無人物流車創業公司九識智慧副總裁周清向《中國新聞周刊》指出。狹窄複雜的路況、長距離的運輸，對司機也是巨大考驗。如今，一些鄉村網點開始採購無人物流車解決配送難題。根據中國郵政的測算，部分鄉村郵路由無人車承擔後，用工和運輸成本可降低約60％。

順豐、京東、菜鳥等頭部物流公司，都在探索無人車配送。實際上，今年的大閘蟹旺季，順豐、京東等無人車被用於冷鏈運輸，提前設定溫度，就像一台移動冰箱，運送大閘蟹訂單。截至今年8月，中通、圓通、申通、韻達、極兔等主流快遞企業，共投入約5,500台無人物流車產品。

周清提到，無人物流車在一些非接觸配送場景中展現獨特優勢。 2023年，一家山東大型國有藥企主動聯絡九識智能，希望用無人車運送藥品。

過去，高價值藥品在有人駕駛的運輸鏈條中，會面臨調包、竊盜等風險。如果司機疏忽，冷鏈中斷，藥品還會在途中失效。這家藥企購了幾十台無人車，承擔從轉運倉到各門店及醫院的常規運輸，單程達三五十公里。

藥品一旦裝上車廂，立即落鎖，開啟全程無接觸、狀態全監控的旅程。企業嚴格設定溫度、濕度等指標，車輛到達目的地後，直接卸貨，杜絕了人為風險，還能在問題發生時，精準追蹤到每一個環節。

但另一方面，無人物流車仍處於應用早期階段。在社交平台上，偶爾能看到車輛遇到路障的“烏龍名場面”，也有人質疑：“這車真的能上路？安全嗎？”

周清坦言，無人物流車的核心技術難點在於，不僅要精準識別路上的物體，還要預測它們的未來軌跡，例如物體會往那裡移動，會不會干擾無人車的行駛路線。如果預測物體只是與無人車擦肩而過，就無須干預；但如果它可能左轉或右轉影響路徑，就必須判斷是避讓還是繞行。

在周清看來，核心在於讓無人車在有路權的道路上跑起來，收集更多資料，包括障礙物的顏色、形狀和地面材質，才能更好地判斷那些地方不能走，並規劃安全路線。 （中國新聞周刊）