会上由罗戈研究院长潘永刚主持，顺丰科技AIoT领域副总裁宋翔、咪啰信息科技公司联合创始人&上海海事大学教授丁一、壹沓科技合伙人&副总裁陆玥、运匠科技创始人兼CEO陈伟围绕“人工智能与数字孪生在供应链物流应用现状及未来空间”的主题展开了深度的探讨，大家一致认为，

　　（以下内容根据罗戈网“2023第六届中国供应链与物流科技创新企业年会”内容整理，略有删减。）

　　潘永刚：在讨论环节，我们聚焦“人工智能和数字孪生在供应链物流领域的应用现状以及发展空间”。在服务客户、做业务的过程中，无论是对人工智能、数字孪生、大模型还是AIGC、低代码平台，这些都可能延伸到供应链物流领域，跟人工智能相关最为前沿的一些观点。请几位嘉宾就这个领域的应用现状，从自身角度分析，未来发展上有哪些应用空间。

　　宋翔：放在物流供应链行业里看，除了数字孪生以外，人工智能是智慧物流发展里非常重要的一个组成部分。供应链运营的角度有一个非常天然的诉求，这个诉求几十年前就已经存在了，我们要去优化运营，这里面存在着预测、规划、调度需求。这件事对运力资源、人员、设备、场地都是一样，我们要去预测需求在哪里、有多少，我们匹配什么样的资源。这个规划可能是月级、周级、天级的，但是到执行那天一定会有一些变化，这就是调度。这是个共性的话题，这也是人工智能发展中首要解决的问题。

　　第二部分，我们针对整个环境里大量的非结构化数据的智能化理解和生成。这类总结起来，包括图片、视频、文字、语音以及它们的复合形态，在业务中是广泛存在的，不管是监控、车载的画面，还是手机应用的小程序、打的电话、拍的视频/图片，这些非结构化数据如何能够自动化地用AI去理解，如何用AI去生成，包括今年的大模型出来之后，这是非常重要的一部分。

　　第三部分就是机器人。过去5-10年的时间，国产物流自动化充沛，是这个行业发展的黄金时期。自动化的话题在我们这个行业里是永恒的，过去几年的AGV，包括最近几年非常关注的人形机器人，都是解决降低人力投入的途径，通过机器的方式缓解劳动力人口持续减少的问题。这是我们非常重要的战场，不管是顺丰还是行业内的同行，我们必然会有一个共识，人工智能是非常重要的。

　　丁一：我们怎么样定义数字孪生？如果对这个技术定义不清的话，一方面可能会高估这个技术所创造的价值，另一方面也可能会过于看低这个技术所创造的价值。我们团队认为数字孪生其实很好理解，不要认为好像一下子它能解决所有的问题，数字孪生是一个容器或载体，像是其他一系列技术的一个载体，包括大数据、AI，它是作为载体存在的一种技术。作为载体，数字孪生又可以有很多分类，我比较熟悉的还是港航物流领域，在我们这个领域有多种多样的数字孪生，当然有些数字孪生要打引号。我说一下我们理解的分类，这些分类的数字孪生产品或多或少在物流行业都能见到。

　　首先是打引号的数字孪生，这种数字孪生并不是真正意义上的数字孪生。它实际上是针对某个生产业务场景建了一个模，在这个模型上附了一些看板和指标数据，这种数字孪生只是对以前数据看板的一种美化和升级。

　　第二种数字孪生是真正的数字孪生，但是它和实际场景是单向的实时映射，像影子一样，它是替代过去的监控系统，这样的数字孪生也应用很广泛。

　　第三种数字孪生，我们把它叫做决策用数字孪生，这种数字孪生并不一定要实时的数据，它会基于历史上大量的数据，通过历史数据的重演。以港口为例，在港口设计初期，它就可以规划一个港口，怎么样去建设，对未来进行预估。这样的数字孪生其实已经有很大的意义了。

　　最后一种数字孪生是严格意义上的数字孪生，就像顺丰做的工作，要把三方面结合起来。我们在港口行业同样也分为事前、事中、事后，我们把它叫做事中的孪生监控，还有事前的孪生决策，基于各种机器学习和AI算法进行拟真的决策，大学还基于科技部的国研发项目，打造一个基于数字孪生的算法，从港口计划到调度阶段的算法验证平台，可以极大加快各种算法的研发效率。然后是事后孪生，孪生本身就是大数据治理的工具和体现，通过这样的数据，我们可以积累大量的数据，然后去把这些数据整理以后反馈给我们决策用的智能算法。现在大概孪生有这样的分类，各种类型的孪生也在物流行业有很深度的应用。

　　陆玥：壹沓正在构建数字员工机器人，来实现业务超自动化。超自动化的概念也是Gartner提出来的，分成四个阶段，第一阶段叫业务自动化，后来叫流程自动化，把点串成线。下一个阶段是智能识别，比如使用OCR、机器学习、大语言模型、知识图谱等技术来实现多模态识别等等，最后是超自动化。因为壹沓具备了Gartner所提的超自动化里的多个技术，所以我们也被Gartner认为是中国领先的超自动化厂商。目前我们基于超自动化的理念，构建了基于大模型的供应链数字员工超自动化平台。

　　·在数字人方面，我们既提供了开箱即用的固定场景数字机器人，比如查运配机器人、报关机器人。我们也提供了数字机器人的工具，我们还提供研发平台，比如说企业里的IT人员感兴趣，具备一定编程能力，他就可以很快速的利用数字机器人开发平台去搭建自己公司内部的数字机器人，而且可以实现多场景的任务分配。

　　·在智能识别方面，在供应链和国际物流领域里涉及到的、合同、提单、运单、原产地证、卫生证等等，我们可以把原来的word、图片、pdf等非结构化数据转成结构化数据，可以提升业务的效率。除此之外，我们还构建了全球13家船公司14个平台的运价聚合，可以让大家很方便的像使用携程一样做全航线运价的一站式比较。

　　此外，我们还做了物流可视化平台。在全球化的背景下，不管是海运、铁运还是公路，供应链、货物处于哪个位置，它的状态怎么样，是否有延迟，我们都可以通过这个平台去做监控。

　　今年我们自己也构筑了大模型的相应产品。差不多一个月之前，我们做了供应链领域里的数字员工机器人。我们提供了数字员工的专家团队，依托于大模型来构建。目前我们入选了Gartner的多个报告，包括AI上市企业指引，包括Gartner供应链的“魔力象限”，我们入选了2023大模型落地案例应用集。

　　陈伟：物流数字化和运输是两个大的行业，差距比较大，这次来讲讲物流数字化领域的现状。AI目前的机会还不大，为什么这样判断？汽车发展本身要有成熟度，任何科技技术，从关注期到应用期，要考虑你是什么身份。你说我是AI的创业者，那你肯定要完全all in，你要大胆的想，摔倒就摔倒，本来就是用来摔倒的。如果你是像顺丰这样的应用企业，那你就要学习丰田，永远用成熟技术。

　　AI的底层算法说大了没意义，因为都是跟你没关系的事情。但是给大家一点希望，它还是在往前走，至少在垂直领域，比如在名片识别上。在自动驾驶上，有前进的可能性，到什么程度我不确定。可能上千人在研发，有大量的视频、激光雷达等，后面的算力是无穷无尽的。但企业里的这些数据质量是很差的，大家要醒一醒，我们也要面对现实，管理者的第一要务是面对自己的现实做决策，而不是完全活在梦想中。真正的领袖级可以讲梦想，到CEO级别就开始要基于现实决策了。

　　潘永刚：站在应用范畴上来讲，领先的所有科技应用是大公司、专业公司去做的，而且能率先享受到它带来的超额收益。但是这个领先是有阶段性的，过了你领先的这个阶段，很快进入成熟期，大家大规模都在使用，那就变成普惠的技术。那时，可能就像我们现在的数字化系统一样，它变成了你只要愿意做投入，那我就可以给你带来价值，就可以让你应用。

　　在这样的领先科技方面，我们用什么样的视角去观察它，既是要求顶天又要立地，既要站得高看得远，知道最前沿的发生了什么，又要站在地上，看这是不是我应该用的东西，我现在应该做什么，应该尝试什么，不同公司的差异很大。

　　原来可能是单聚集，后来到里程碑聚集，最后所有的环节都可视了，最后做成3D的。实际实践中，算法和呈现上已经有很多实际案例了，包括园区、仓库，我们仓库的研发投入也挺大的，仓库的功能已经超过运输功能了，仓库相对比较成熟，有3700多个功能点，运输反而只有3400多个功能点，总共有7000多个功能点。这些功能和数据就是为了做数字孪生的，最终在实战中，作业效率提高11%，户外运输提高了5%的准时率，整体来讲达到预期，投入不大，百万级的投入，加上自己的投入可能要上千万。在这样的投入情况下讲收益才有意义，因为企业还是要算账。

　　因为本身管理水平高、数据质量高，你才有可能做这些事，再往上做预测、做全供应链的，做数字孪生的一些探索，也是在不断的精进过程中。

　　从原来数字化的角度，一个环节一个环节的去处理，达到收益。当你全链条的质量做高了，我们从原材料到库存、门店、经销商，库存全部一盘货做完。供应链做到一盘货真正打通的也不多，你觉得已经排到很顶尖的位置了，在这个基础上做数字孪生是很有可能的。最终还是要讲销量，我的销量上升了，这非常关键，重点是库存要下降，越做越正反馈，越做越好，最后把全渠道打通。

　　我们现在正在做、未来也要做的是延展到更多地方，比如到门店、个人消费者，供应链连的越多越好。还要做全链条的方案，其实已经做了，有研发了继续投入，这样就是良性循环，而不是一直烧钱，烧不下去了。现在市场不好，大家都卷的要死，哪有那么多钱去投。供应链全部打通了以后，运输也好，仓储也好，订单也好，渠道也好，这些都好了，应该可以做更高级的事情，去做整体的解决方案。

　　潘永刚：我们要更高阶的科技，实际上你要有更坚实的基础，只有基础打好，你才能够获得高新科技带给我们的价值。

　　陆玥：我感觉从技术角度最终是殊途同归的，我认为未来都会走到元宇宙的集大成概念里。我的主业还是做人工智能相关的事情，我们目前已经服务了国内差不多近千家各个口岸的头部供应链物流企业。

　　我讲一下我对未来的判断是什么，刚才在讲我们用的一些人工智能技术，不光是我们的客户在用，我们自己也在用，包括数字机器人，比如说我们内部的HR招聘，我们都是通过数字机器人去自动下载简历，跟数字人打招呼，去跟它建联，已经不完全是人在做了。

　　另外，我们内部推了基于大模型的数字员工，我们在自己企业内部开放了广泛应用，我们鼓励每个员工都去搭建自己的数字助手，这可以用于各种领域，你可以自己去培训，你可以去设数字员工的性格特点、说话风格、具备技能库/知识库，我们可以自己去训练，甚至你可以直接把网站地址加进去，机器人会自己去学习网站上的内容。

　　要实现比较高精度的时候，可能需要做一些指定的微调。比如说你的HR制度、行政、报销等各方面，现在都是员工自己去找对应的机器人去问，已经不是去找对应的人去问了，这是已经看到的未来，不是讲一些虚的，这完全是实际的应用。包括客户在用的，直接去查海运的价格、陆运的价格、货物的状态，现在都可以数字员工的平台去实现。我们之前说的系统设计都是给人使用去开发的，按照流程的固化、工作岗位设置不同界面，人登录这些界面去操作自己那部分的职责。

　　将来的系统是给机器人来使用的，不是个人使用的，所以我们现在所看到的界面，未来一定不是这个界面。大语言模型的出现，为什么大家都认为它是颠覆的，它可能带来一个直接后果，将来我们不管是上网、购物、业务操作，将来入口最极致的可能就是一个对话框，不管是输文字、导图片还是发语音，它通过识别来判断你的意图，来对应后面的系。