在快递行业的激烈竞争中，各大公司纷纷寻找突破点以应对利润下滑的挑战，而人工智能大模型成为了它们手中的一张关键牌。
近年来，“三通一达”等快递巨头业务量迅速攀升，单量增长迅猛。然而，这种增长并未带来预期的利润提升，反而让快递公司陷入了低价竞争的泥潭。韵达、申通和圆通等公司的单票收入均出现下滑，显示出行业内部竞争的激烈程度。
面对这一困境，快递行业开始将目光投向人工智能，尤其是大模型的应用。快递100的产研中心负责人李朝明表示，90%的客服问题现在都可以交给AI来处理，这极大地提高了效率并降低了成本。
2023年，快递行业对AI的投入开始显现初步成果。从早期的观望到现在的初步应用，大模型已经在快递行业中找到了一批基础且有效的应用场景，如AI客服、AI营销和AI助手等。这些应用不仅提高了业务效率，还帮助快递公司实现了降本增效。
其中，AI客服的应用尤为突出。通过AI技术，快递公司能够处理大量重复的简单问题，从而节省了人力成本。快递100已经实现了90%的客诉问题由大模型处理，且问题一次性解决率高达99.4%。这一成果不仅提升了用户体验，还为公司带来了显著的经济效益。
除了AI客服，AI助手也成为了快递行业的重要应用之一。这类产品主要面向快递小哥和企业内部用户，提供如违禁物品查询、快递时效性等实用功能。顺丰科技的大模型技术总监江生沛指出，在国际快递场景下，AI助手能够帮助快递小哥快速查询不同国家的寄送规则，从而提高了工作效率。
然而，大模型在快递行业的应用并非一帆风顺。由于快递行业涉及人员庞大、快件海量、环节复杂，因此打造一个属于快递行业自己的大模型底座成为了首要任务。目前，快递公司大多选择自研大模型或调用公有云模型+私有部署模型的方式来进行应用。
自研大模型的快递公司如顺丰、韵达等，认为通用大模型在私有化部署时由于缺乏行业相关知识，效果并不理想。因此，它们选择利用自身数据和算力优势，自研行业大模型。而快递100则选择了公有云+私有云部署的方式，以平衡效果和成本。
尽管大模型的应用已经取得了一定成果，但要想将其深入应用到快递行业的各个环节，仍然面临诸多挑战。其中，数据训练、问题理解和业务流程结合是三大主要难题。快递公司需要采集大量行业特定的场景数据来训练大模型，并确保大模型能够准确理解问题中的所有元素，并根据需求调用对应的时效性、价格等信息。
为了克服这些挑战，快递公司正在不断探索和创新。例如，快递100通过为公司大模型编排好一套业务流程来控制大模型的调用需求，并尝试结合大模型能力开发面向企业端的寄快递业务服务。这一服务旨在帮助企业提升管理效率并降低行政费用。
随着大模型能力的不断提升和应用的深入拓展，快递行业正在经历一场深刻的变革。AI技术的应用不仅提高了业务效率和服务质量，还为快递公司带来了新的增长点。例如，通过AI能力辅佐下的查件、寄件效率提升，快递100的单量处理能力已经从2023年每天的30万单增长到2024年的50万单，并有望在未来一年实现每天100万单的突破。
大模型在供应链端的应用也展现出巨大潜力。尽管目前大模型在运输环节的应用较少，但在整个快递物流行业中，产业链深入融合才是最需要优化的部分。因此，快递公司还需要继续加大投入和创新力度，以充分释放大模型在快递行业的应用潜力。
