圖:Getty
運輸和物流(T&L)行業(yè)里B2C電子商務在全球范圍蓬勃發(fā)展,在這背后,COVID-19期間的全球零售銷售增長在很大程度上起到了推動作用。
發(fā)展加速了增長,再加上現在的全球貿易迅速反彈,對于運輸和物流業(yè)來說,現在是推進更智能的數字化轉型的好時機。
根據麥肯錫咨詢公司的看法,這個行業(yè)為了確保未來的發(fā)展必須完全數字化,但完全數字化需要什么呢?
未來雖然看起來很美好,但由于快速的行業(yè)整合、新技術的加速、不斷變化的監(jiān)管規(guī)則,如GDBR,當然還有英國脫歐對歐洲市場的影響,未來也是復雜的及充滿了挑戰(zhàn)。
世界貿易組織(WTO)一直都在不停地發(fā)聲,強調運輸和物流業(yè)必須注意客戶體驗的重要性,這要求快遞司機必須以更靈活的速度運輸、安排路線和交付包裹和產品。如今,亞馬遜的服務速度正在改變客戶對B2B及時性的期望,比如,B2B也要像B2C的個人體驗一樣有彈性,要求能即時報價、實時跟蹤訂單及能對快遞服務進行個性化的信息服務等等。
我們一直都知道,透明、個性化、高效和快速的全渠道物流,必將永遠改變運輸和物流業(yè)的網絡基礎設施的發(fā)展動態(tài),甚至,我們還開始看到一些眾包送貨品牌和互聯網最后一英里服務供應商(如Cargomatic、Flexport)在傳統(tǒng)的商業(yè)模式上大展身手。
但是在現實情況下,許多物流公司仍然會受到過時的IT基礎設施、車隊管理和倉儲系統(tǒng)的拖累,這些系統(tǒng)將直接影響他們快速創(chuàng)新和數字化轉型的能力,影響他們更好地實現差異化和更大的發(fā)展。因為這些系統(tǒng)在過去設計時,并沒有考慮到互連互通,所以,數據廣泛地分布在各種專門支持個別業(yè)務的系統(tǒng)里,如車隊管理、倉儲、港口或海上作業(yè)。
也就是說,今天的技術和物流面臨的挑戰(zhàn),就是要擺脫傳統(tǒng)系統(tǒng)的限制、獲得一個更全面的視角以及從這個行業(yè)的網絡和復雜的關系里釋放出新的價值。
從技術角度來看,如今新的車輛技術和自主無人駕駛卡車以及無人機船舶等技術推動了智能基礎架構的發(fā)展,而智能基礎架構將改變貨物的運輸方式。另一方面,物聯網(IoT)將一切連接在一起,例如穿著智能制服和智能手表、駕駛智能車輛的快遞司機,帶有智能標志的智能道路上的集裝箱、托盤、包裹等等都與人工智能及IoT傳感器相連,這些新功能正在改變如何做決策、采取什么路線,車隊如何管理包裹、產品和貨物的流動等等。
在這個過程中,人工智能將使得運輸和物流公司能夠更容易地處理歷史趨勢數據,借以預測和管理庫存并解決整個供應鏈運作的可變需求?;谶^去的運營歷史數據,可以幫助人工智能算法自動進行主要的操作,可以減少供應鏈中的人為錯誤甚至預測收入或經營利潤率,同時,通過復雜的人工智能驅動的預測模型還可以看到未來,就像是從后視鏡看到過去——總之,對于那些希望現代化和成功發(fā)展的貿易和物流公司來說,這是唯一的未來。
但如前文所說,在IT架構受困于傳統(tǒng)投資時,敏捷性和創(chuàng)新能力往往會受到阻礙,這時,就需要利用云中應用敏捷的人工智能解決方案為決策提供信息,進而幫助創(chuàng)造更令人難忘的客戶體驗及幫助公司實現差異化,這就需要更多另辟蹊徑的思維方式。
新型Purolator電動路邊遞送車使用人工智能進行遠程信息處理(圖:多倫多星報/Getty)
舉例來說,諸如Purolator這樣的T&L市場領導者正在推動獨特的預測性和規(guī)定性人工智能銷售業(yè)務模式,其目的就是提高公司的勝率及加速毛收入的增長。Purolator管理層深刻地認識到,人工智能需要一種透明的能力,需要輕松地跟蹤數據的完整性并監(jiān)測銷售預測的準確性,并且,人工智能如果沒有完整和高質量的數據支持是肯定要失敗的。
據了解,Purolator正在通過預測性分析等人工智能方法為的銷售人員提供實時輔導,幫助銷售者和客戶獲得更有價值的體驗。Purolator銷售和客戶體驗高級副總裁Jeffrey Green擁有強大的高級分析和數學方面的背景,而他同樣也傳承了很強的技術領導力,這些都是領導復雜的數字客戶體驗轉型的關鍵技能屬性。
總而言之,數字化轉型不是件容易的事,雖然在市場上很容易找到各種技術解決方案,但要提高T&I行業(yè)的技能、提高投資資本和可持續(xù)性(或者簡單地說“高瞻遠矚的藝術”)以及用極大的耐心管理起起伏伏的阻力和更新,則需要強大的領導力、溝通技能和人才管理能力。
T&L行業(yè)常常是這樣,領導者需要建立一個靈活的數字文化和商業(yè)模式,并且始終重視創(chuàng)新,理解數據的價值,以推動決策的改善。因此,T&L公司在不斷推進他們的數字化轉型計劃,釋放數據相關性提供戰(zhàn)略洞察力的同時,也就成了領導層持續(xù)考慮的優(yōu)先事項。
可以說,這是一個激動人心的時刻,這個行業(yè)的所有公司都在競相推進他們的數字化轉型工作,都在利用先進的分析技術去發(fā)現那些很難發(fā)現的東西。
那么,你的組織準備好了嗎?
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。