大闸蟹旺季巨头竞相角逐

大闸蟹旺季来临，行业巨头展开激烈竞争，为了争夺市场份额，各大企业纷纷加大投入，推出各种促销活动和优惠政策，以吸引消费者，这场竞争异常激烈，各大巨头不惜一切代价，展现出强烈的商业竞争意识。

北京南六环，京东智能产业园二层分拣仓库，传送带正在匀速运转，隔几秒，吐出一个包裹。

这是当天11点前下单的同城快件。12点到13点是高峰时段，包裹密集地随着传送带前行，精准滑向送达区域的网点格口。分拣员守在格口旁，将包裹码放在指定笼车。到14点半，分拣完的快递装车集中发货，最快半小时内，东城、朝阳、通州等地区的用户就能收到包裹。

分拣工作是一个体力活，最多时，工人一天要码放上千件包裹。今年，一部分工作开始被机器接管。14台几人高的机械臂“异狼”立在格口之间，伸展、抓取、放置一个包裹，平均只用15秒。单台机械臂单日分拣抵得上一名分拣员的饱和工作量。更重要的是，这些机械臂不知疲倦，可以将工人从高强度的体力劳动中解放出来。

京东“异狼”机械臂 图/受访者提供

普通消费者最直观的感受是，快递的速度越来越快了。然而，千亿件快递的背后，是一张极度复杂的物流网络，涵盖收件、运输、仓储、配送等诸多环节。这个行业长期依赖人力与个人经验，如今，主流的物流企业都推出了大模型，AI正悄然渗透至核心节点。仓库中的机械臂是一个缩影，快递的“快”，正在被AI重新定义。

不确定的“洪峰”

9月底，阳澄湖、洪泽湖等湖区开捕，成千上万吨螃蟹起笼。大闸蟹赏味期短，商家普遍承诺，同省当日达、跨省次日达。但在产地分散、发货量瞬间暴涨的旺季，如何确保螃蟹不死在路上，历来是行业难题。

正因如此，大闸蟹寄递被视为生鲜物流的“天花板”。近几年，顺丰、京东、中通等快递企业在湖区展开激烈竞争，每年螃蟹季，也成为物流体系的一次典型压力测试。

今年，顺丰在湖区一线布设了超百个收寄网点，智能转运中心每小时可分拣2万件包裹，日处理能力突破40万件。顺丰超脑大模型负责人陈桓向《中国新闻周刊》介绍，以往顺丰的“快”，靠的是天网、地网构成的重资产体系，以及精细化的流程管理，核心是压缩物理运输和中转时间。但如今，借助大模型技术，“快”的含义发生了变化，开始转向对不确定性的预判和调控。

物流大模型也在快速进化。图/视觉中国

在物流领域，客户需求的波动，是一个棘手的变量。如果是一个新品上架，没有历史销售数据，再加上商家促销、市场反应与竞争关系又极为复杂，传统模型难以应对。在大闸蟹旺季，没人能准确预测明天会寄出多少只螃蟹。电商直播突然爆单，就可能让某条链路超载。

陈桓提到，从产地到网点，再到中转场，任何一个环节的波动，都可能让全盘计划失效。“这类高度依赖个人经验且需要实时响应的复杂决策场景，在过去恰恰是制约规模化服务稳定性的关键。”他对《中国新闻周刊》说。

陈桓和团队提前半年就开始摸底大闸蟹的销售情况，了解产区预计产量，电商平台的营销节奏，以及相关宏观经济数据，喂入大模型，很快拿到了对旺季件量与产能的预测。

但有了预测，也没有让陈桓团队心态完全放松下来，意外仍然频繁发生。以刚过去的“双11”为例，陈桓团队针对美妆等特殊品类做了应对预案后，还是遇上一场“洪峰”。某主播的直播间，一个单品的销量意外激增，实际单量比系统预测峰值还高出了大约40％。

几乎是订单生成的同时，顺丰系统已经感知到了流量异常。接下来，基于动态预测的大模型开始动态调控：是否需要临时调度车辆和航班？末端配送人员的班次如何优化？分拣线能否实时提速？当自有运力不足时，何时、何地、以何种方式调用外部资源予以支援？所有决策在数分钟内完成了推演与下达。

这一系列“看不见的调度”，产生了看得见的实效。更关键的是，通过人力资源与运力的精准匹配，系统节省了高达千万量级的临时调度及异常处理成本。

快速处置“黑天鹅”

因前端航路突发的天气异常，一架航班延误，机上高时效包裹，临时被“悬停”在了半路。这是陈桓近期印象深刻的一次突发事件。

在庞大的物流网络中，最不缺的就是意外。交通拥堵、包装破损、货物丢失等突发情况，都有概率让原本固定的运输线路与方式被迫调整。一位行业人士坦言，异常可能多达数百种，这些构成了快递履约路上难以预测的“黑天鹅”。

陈桓举例，过去遇到航班异常，卡点在于，系统会瞬间涌现海量警报，调度专员需要面对海量的信息流，快速判断决策，协调上下游多个环节以及七八位同事。

更复杂的是，处理物流异常，不是单一环节的调整。例如，仅仅是飞机资源重新调配，就需要考虑机型、容量、班组信息等，这可能衍生出几十种组合方案。

陈桓举例说，上述航班延误处理，调度专员的工作量在大模型的帮助下，已经大大减轻了。第一方案在专门设计的航空智能体中，输入了异常情况，没过几分钟，系统生成了三个推荐方案：协调另一条航线转运、等待后续航班、将货物紧急转运至其他中转场或换乘陆运，甚至还附带了相关时效、成本与天气变化等评估。

在末端派送环节，常见却棘手的问题同样层出不穷。同一小区内，位置相近的两个包裹，快递员可能送错单元楼。过去，这类错误难以及时发现，不仅影响派送时效，还可能导致丢件或投诉。

京东物流大模型相关负责人向《中国新闻周刊》介绍，他们正在用大模型解决这类看似“低级”的错误。他举例说，当快递员将原本送往26号楼的快递误送到29号楼时，系统会在几秒内判断这一行为“违背常识”：快递员刚刚在29号楼完成了两单派件，却在一两分钟后，出现在26号楼，时间和路径都不合理。模型会立即向快递小哥推送“派送异常”提醒，提示其及时纠正。

11月10日，江苏宿迁市宿豫区，京东物流园数字化智能分拣车间内的自动化分拣系统。图/中新

“当大模型有了‘常识’，就能用人类的眼光发现问题，帮我们解决更多物流场景下的问题。”该负责人表示，“实际上相当于给每一位物流小哥都配备了一名智慧员工助手，无论是包裹状态异常、运单明细查询、通话记录判责还是录入订单校验，大模型都能把小哥从烦琐重复的流程中解放出来，减少沟通成本，相应提升了配送量与收入。而在全国几十万小哥高频次使用和反馈下，大模型也会快速‘进化’。”

而对于互联网货运平台货拉拉来说，每天上百万笔订单之间暗藏的最大变数，不是天气或路况，而是一些安全风险。

在接到订单后，司机会和用户电话沟通拉什么货、随行人数，但真实场景往往更复杂。货拉拉智能平台部技术副总监张雨向《中国新闻周刊》举例：烟花爆竹、罐装燃气等属于明确禁运物品，但有用户为了图方便或省钱，在沟通和现场操作时，故意隐瞒。即便用户没有瞒报，司机也可能不确定这些东西是禁运品。更让张雨关注的难题是货厢载人，这是一条安全红线，但总会有用户到了现场，临时要求多坐几个人。

传统上，平台主要依赖司机的经验和人工审核进行安全监管。张雨表示，AI的介入为风险识别提供了多维度的判断依据。

如今，从第一通电话起，系统已开始主动介入。过去，处理海量订单背后的语音信息是一大挑战，但大模型可以实时解析对话内容，一旦识别到“煤气罐”“鞭炮”等敏感词，将自动触发违规提醒或强制取消机制。

如果一些用户没有在电话里告知，在司机开车前上传货厢照片的环节，计算机视觉算法同步启动，快速识别违禁品形态。一些用户会在司机拍照后，安排几个人坐上货厢，车载设备也会识别出货厢内出现人员，将立即强制中止订单。

更强“大脑”和“手脚”

在北京京东智能产业园的包裹分拣区，传送带上的包裹形态各异：鼓胀的防水袋、覆膜的纸箱、不规则的三角形乃至圆柱体。“异狼”具身智能机械臂需要在几秒内做出判断，如何抓取、以多大力度、码放在哪里。

分拣线上的工作节奏紧张，尤其在“618”“双11”等物流高峰期，传送带24小时不停运作，快递车装满后立刻发车。即便分拣员轮班上岗，工作强度仍然非常大。无论国内外，物流企业一直在探索自动化，让工人从重复的体力劳动中解放出来，从事更轻松、更有价值的工作。

11月4日，四川成都顺丰长兴中转场，工作人员在“旋风播”快件自动化智能分拣流水线上分拣快递。图/中新

但码放非标包裹，对机器人来说是一个奥数级别的难题。人工几秒钟就能完成，但要让机器稳定处理，却极其复杂。“异狼”项目负责人告诉《中国新闻周刊》，“异狼”突破的第一步，是快速识别不同包裹。在“异狼”头顶，有一个摄像头，可以俯拍包裹，识别包裹的长、宽、高、重量、外包装材质，乃至预估箱内物态。

大模型作为“大脑”，瞬间计算出抓取的力道、角度与时机。随后，算法再根据包裹形状，测算最佳码放位置。如果摆放凌乱，下一个环节的司机就无法顺利搬运。

如果说机械臂在试图优化物流体系中的“手”，无人物流车则在试图解决末端配送“脚”的难题。

在内蒙古、云南、贵州等地的偏远村庄，快递通常只能抵达乡镇网点，村民取件，需要翻山越岭，或一周集中派送一次。不少乡村快递网点与下游的村站、农牧区之间往往相距上百公里，快递员招工难。一位物流从业者向本刊提到，过去一些网点老板考虑到成本，会攒两天的件量，发一趟车，但这样又容易因为延误被罚款。

“乡村物流一直是一笔‘高成本的生意’。” 无人物流车创业公司九识智能副总裁周清向《中国新闻周刊》指出。狭窄复杂的路况、长距离的运输，对司机也是巨大考验。如今，一些乡村网点开始采购无人物流车解决配送难题。根据中国邮政的测算，部分乡村邮路由无人车承担后，用工和运输成本可降低约60％。

顺丰、京东、菜鸟等头部物流公司，都在探索无人车配送。实际上，今年的大闸蟹旺季，顺丰、京东等无人车被用于冷链运输，提前设定温度，就像一台移动冰箱，运送大闸蟹订单。截至今年8月，中通、圆通、申通、韵达、极兔等主流快递企业，共投入约5500台无人物流车产品。

周清提到，无人物流车在一些非接触配送场景中展现出独特优势。2023年，一家山东大型国有药企主动联系九识智能，希望用无人车运送药品。

过去，高价值药品在有人驾驶的运输链条中，会面临调包、盗窃等风险。如果司机疏忽，冷链中断，药品还会在途中失效。这家药企购入了几十台无人车，承担从转运仓到各门店及医院的常规运输，单程达三五十公里。

药品一旦装上车厢，立即落锁，开启全程无接触、状态全监控的旅程。企业严格设定温度、湿度等指标，车辆到达目的地后，直接卸货，杜绝了人为风险，还能在问题发生时，精准追踪到每一个环节。

但另一方面，无人物流车仍处于应用早期阶段。在社交平台上，偶尔能看到车辆遇到路障的“乌龙名场面”，也有人质疑：“这车真的能上路？安全吗？”

周清坦言，无人物流车的核心技术难点在于，不仅要准确识别路上的物体，还要预测它们的未来轨迹，比如物体会往哪里移动，会不会干扰无人车的行驶路线。如果预测物体只是与无人车擦肩而过，就无须干预；但如果它可能左转或右转影响路径，就必须判断是避让还是绕行。

在周清看来，核心在于让无人车在有路权的道路上跑起来，收集更多数据，包括障碍物的颜色、形状和地面材质，才能更好地判断哪些地方不能走，并规划安全路线。

杂志标题：快递的AI进化论