【洞隐科技】2025中国物流与供应链领域AI应用研究报告

XXX中国物流与供应链领域AI应用研究报告联合发布：中国物流与采购联合会智慧物流分会洞隐科技、腾讯云2025年3月Part2Part2Part3物流供应链领域AIPart3Part4物流供应链领域AIPart4 Part1我国人工智能产业发展背景我国人工智能产业发展环境持续优化人工智能已成为新一轮科技革命和产业变革的重要驱动力量与战略性技术，自2017年以来，我国持续推动人工智能产业发展，以场景创新应用为先导，在政策、资本、产业融合上给予行业大力扶持。随着人工智能技术的加速迭代，特别是2022年底ChatGPT发布后，生成式AI浪潮席卷全球，国内大模型迅速崛起，上半场百模大战，下半场DeepSeek异军突起，带动千行百业对AI的探索力度不断加大，人工智能加速了产业融合进程，产业环境发展环境持续向好。业业代表的人工智能加速迭代，具身智能、类脑智能等多条技术路线快速发展；截至2024年，中国人工智能独角兽企业的数量为71家，主要分布在AI基础设施与技术、生成式AIGC、AI行业应用三个领域。业规划、应用场景、标准建设等多个维度；业聚集的城市先后跟进，发布人工智能发展政策，旨在推动人工智能产业的快速聚集发展。过去几年，AI正在各行业全面渗透，赋能传统产业升级，解决方案及应用场景在日益丰富；数据显示，我国已支持北京、上海、新应用先导区，加快推动场景创新，赋能传统产业应用。政策密集出台，加快发展人工智能已上升为新时代国家战略自2017年，中共中央办公厅、国务院办公厅，以及科技部、工信部等部委先后印发指导、支持、规范人工智能发展的一系列政策，内容涉及人工智能总体规划、伦理规范、标准体系建设、创新应用等多个方面，明确将发展人工智能产业定位为国家战略。在国家政策密集出台的背景下，北京、上海、广州、深圳等城市陆续出台了地方性人工智能发展政策，浙江、山东、重庆、四川等省市也相继跟进，政策内容以区域人工智能产业规划为主，主要聚焦人工智能技术研发、产业应用、基础设施建设等方面，旨在打造人工智能产业聚集区，推动产业快速发展。2017年～2024年我国人工智能相关产业政策 《关于规范和加强人工智印发，《关于规范和加强人工智印发，《关于加快场景创新11月，工业和信息化部3月，《政府工作报告》提家能司法应用的意见》明确以人工智能高水平应用促发布《人形机器人创新出深化大数据、人工智能。智能司法应用的主电总局公布《生成式人工智能理规范》理规范》5月，北京市发布《北2024年，上海、北京、地海市人工智能创新发圳市新一代人工智能州市关于推地海市人工智能创新发圳市新一代人工智能州市关于推进新一川省“十四五”新创新发展的若干措施》。市分别发布人工智能总 体规划，提出产业链发则》。(2019-2023年)》。展的行动计划》。规划》。加快推进人工智能产业智能创新发展和融合应方展专项支持实施细发展行动计划代人工智能产业 体规划，提出产业链发则》。(2019-2023年)》。展的行动计划》。规划》。加快推进人工智能产业智能创新发展和融合应创新发展的实施意见》。用高地。发布时间发文机构政策名称摘要2017年7月国务院《新一代人工智能发展规划》先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。2019年8月科技部《国家新一代人工智能创新发展试验区建设工作指引》提出依托地方开展人工智能技术示范、政策试验和社会实验，推动人工智能创新发展方面在区域先行先试、发挥引领带动作用。试验区建设以促进人工智能与经济社会发展深度融合为主线，创新体制机制，深化产学研用结合，集成优势资源，构建有利于人工智能发展的良好生态，全面提升人工智能创新能力和水平，打造一批新一代人工智能创新发展样板，形成一批可复制可推广的经验，引领带动全国人工智能健康发展。2020年12月最高人民法院《关于规范和加强人工智能司法应用的意见》院建设。2021年9月科技部《新一代人工智能伦理规范》旨在将伦理道德融入人工智能全生命周期，促进公平、公正、和谐、安全，避免偏见、歧视、隐私和信息泄露等问题。提出了人工智能各类活动应遵循的基本伦理规范；人工智能特定活动应遵守的伦理规范包括管理规范、研发规范、供应规范和使用规范。2023年7月国家网信办等七部门《生成式人工智能服务管理暂行办法》护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益。提出国家坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展。2024年3月工业和信息化部《人形机器人创新发展指导意见》提出到2025年，人形机器人创新体系初步建立，“大脑、小脑、肢体”等一批关键技术取得突破，确保核心部组件安全有效供给，整机产品达到国际先进水平并实现批量生产。2024年7月工业和信息化部、国家标准化管理委员会等四部门联合印发《国家人工智能产业综合标准化体系建设指南（2024版）》理等7个部分构成的人工智能标准体系。其中，行业应用标准主要规范人工智能赋能各行业的技术要求，为人工智能赋能行业应用，推动产业智能化发展提供技术保障。北上广深杭齐发力，抢占人工智能先机从2021年至2024年，随着国家新一代人工智能创新发展试验区、国家人工智能创新应用先导区建设的推进，北京、上海、广州、深圳、浙江、山东、重庆、四川等省市陆续制定了人工智能发展政策，涵盖了人工智能技术研发、产业应用、基础设施建设等多个方面，旨在推动人工智能产业的快速发展和传统升级。根据2024年12月，四川省科技厅会同省发展改革委联合印制的《四川省人工智能产业链总体工作方案》，提出到2027年，全省人工智能产业实现杆大模型；“百”，即攻克100项以上原创性、颠覆性关键核心技壮大100家具有全国竞争力的领军企业；“千根据2024年12月，四川省科技厅会同省发展改革委联合印制的《四川省人工智能产业链总体工作方案》，提出到2027年，全省人工智能产业实现杆大模型；“百”，即攻克100项以上原创性、颠覆性关键核心技壮大100家具有全国竞争力的领军企业；“千”，即人工智能科技企业达2000家以上，产业规模达2000亿元以上；“万”，即算力总规模突破40000P。根据2024年12月上海市人民政府办公厅印发的《关于人工智能“模塑申城”的实施方案》，提出到2025年底，建成世界级人工智能产业生态，力争全市智能算力规模突破100EFLOPS，形成50个左右具有显著成效的行业开放语料库示范应用成果，建设3-5个大模型创新加速孵化器，建成一批上下游协同的赋能中心和根据2024年5月发布的《广东省关于人工智能赋能千行根据2024年5月发布的《广东省关于人工智能赋能千行百业的若干措施》，到2025年，人工智能核心产业规模超过3000亿元；到2027年，人工智能核心产业规模超过4400亿元；聚焦制造、教养老等领域，打造500个以上应用场景，各行各业劳动生产率显著根据2024年10月，浙江省发展改革委发布的《浙江省“人工智能+”行动计划（2024—2027年），加快推动大模型深度嵌入千行百业，培育形成特色鲜明、优势显著、融合发展的智能经济。到2027年，培育形成10个以上全国一流的垂直行业大模型，500个以上可复制推广的标杆应用场景，1000个以上融合示范案 Part2我国人工智能产业发展数据、算力、算法等多元驱动下，人工智能迈入生成式AI时代从1956年“人工智能”一词诞生起，人工智能技术经历近70年的发展，几经起落，技术不断迭代创新。近年来，随着计算能力的大幅提升，数据量（2022年底）之后，生成式人工智能进入了大众视野，各行业以及企业的也开始探索生成式AI应用的可能性。目前，生成式AI已经在多个领域展现出巨大的应用潜力，根据Gartner预测，到2026年，将有超过80%的企业接入生成式AI或大模型，2023年这一数据仅为5%。第三代人工智能第二代人工智能第三代人工智能第一代人工智能清华大学AI清华大学AI大模型符号主义专家系统符号主义1992197419921978198019871990195619781980198719901956196019701980195020102020203020001960197019801950201020202030资料来源：清华大学计算机科学与技术系公开发表资料国家人工智能创新应用先导区北京国家人工智能创新应用先导区北京、上海（浦东新区）、天津（滨海新区）、深圳、广州、杭州、成都、济南-青岛、长沙、武汉市国家新一代人工智能创新发展试验区我国人工智能产业应用进程持续推进，根据中国互联网协会数据显示，2023年我国人工智能核心产业规模达到5784亿元，已有714个大模型完成生成式人工智能服务备案；为推动人工智能产业快速发展，促进人工智能和实体经济深度融合，科技部等相关部委立足“谋改革、促应用、导经验”的定位，启动国家人工智能创新应用先导区、国家新一代人工智能创新发展试验区建设，截至目前，共批复先导区11个、试验区17个。876543210试验区先导区6900690057847578450806508054305554305303130313332020年2020年2021年2022年2023年2024年E2019年2020年2021年资料来源：中国信息通信研究院人工智能产业已形成区域集聚态势，超半数企业布局AI应用根据工业和信息化部数据显示，截至2023年底，我国人工智能企业数量已经超过4500家，主要由政府支持的科研中心实验室、传统互联网科技巨头、独角兽等初创企业、中小型企业四类构成。从地理空间分布来看，我国AI核心企业主要分布在长三角、京津冀和珠三角三大经济圈，与国家批复的“国家人工智能创新应用先导”、“国家新一代人工智能创新发展试验区”基本一致。从人工智能企业类型来看，应用层企业占据主导地位，一方面从软件端推动千行百业的AI应用探索，另一方面，AI与手机、电脑、工业装备等叠加，加速智能终端发展，从硬件端整合AI应用能力，全面加速AI与传统行业融合。29.04%21.90%13.99%8.21%8%2.85%2.34%2.16%1.90%1.53%在各省市自治区中，人工智能企业主要分布在北京市、广东省、上海市、浙江省、江苏省、山东省、四川省、湖北省、福建省和安徽省。其中，北京市占比最高，为29.04%；其次是广东省，占比为21.90%，主要分布在深圳市和广州市；排名第三的是上海市，占比为13.99%；第四是浙江省，占比为8.21%，主要分布在杭州市；排名第五的是江苏省，占比8.00%，主要分布在南京市和苏州市。资料来源：《中国新一代人工智能产业发展报告·2024》从人工智能企业技术层次分布来看，应用层企业数量最多，占比达到61.47%；其次是技术层企业，占比为28.60%；基础层企业占比为9.93%。步入2024年，随着大模型技术能力的持续迭代，AI应用正加速迈向爆发点。一方面，手机、电脑、工业装备等终端设备叠加AI，从硬件端整合AI应用能力；另一方面，智能客服、数字员工等层出不穷，从软件端推动大量行业的效率提升，千行百业的AI应用探索，将进一步加速AI应用企业数量攀升。“人工智能+”行动加速传统行业数智化变革人工智能逐渐成为企业数智化转型的核心驱动力，在企业数字化转型的进程中，机器学习、流程自动化、计算机视觉等人工智能技术成为企业优化流程和决策的重要支撑，推动了企业在各个层面的创新，从而实现了效率提升和价值创造；随着“人工智能+”被写入《政府工作报告》，在政策引导和市场需求地双重驱动下，人工智能技术加速融入千行百业，头部企业加大人工智能投入、释放应用场景；中小企业探索应用，挖掘AI技术红利，在金融、智能制造、智能家居、智慧医疗、智慧交通等场景中，人工智能技术被广泛应用；在物流与供应链领域，人工智能正在重塑行业，AI技术被广泛的应用到供应链管理、库存管理、安全管理、智慧仓储、运输优化、无人配送等物流供应链全链条的各个细分场景之中，同时通过装备与AI能力的叠加，升级货运车辆、搬运设备等传统物流装备，以提高物流效率、降低物流成本，提高客户服务质量。机器人产品定价设计OCR产品定价设计OCR、风险、理赔生物特征识自动化自动化、柔性化生产生产计划优化、决策设备管理、产品质检、智能物流药品研发影像等医疗辅助药品研发影像等医疗辅助远程诊疗管理调度管理调度、道路安全路况监测、大数据分析数字员工数字员工、OCR、智能营销路径优化、库存优化智能仓、智慧园区、安全管理单车智能L4单车智能L4、车路协同单车智能L2/3、末端无人车具身机器人安防具身机器人安防、清洁、服务生产、物流资料来源：中物联智慧物流分会根据公开资料整理 Part3我国物流与供应链领域人工智能应用情况从探索到深度融合，AI加速物流与供应链数智化进程从视频识别技术在长途货运司机安全管理、园区管理等场景的应用，到以大模型、生成式AI为代表的全新一代人工智能技术赋能运输优化、供应链决策，AI正在成为物流与供应链领域重要的变革性力量，加速物流与供应链数智化进程。本报告以物流与供应链的运营场景为核心对象，重点分析物流与供应链各个环节、不同细分场景的AI应用情况，在着重关注大模型等新一代AI技术应用模式、应用成效的同时，也对传统AI技术的应用情况进行了梳理，并汇集了行业企业的典型应用案例，力求为行业AI转型提供价值参考。AI技术在物流与供应链领域的应用路径》》》》》》物流行业头部企业积极布局AI应用分会以“2024中国物流企业50强”入围企业为基础，针对物流行业不同场景的AI应用情况进行了全面调研，涵盖智能决策、智慧园区、智慧仓储、运输优化、自动驾驶/无人配送、安全合规六大场景，及数字员工、大模型两项重点AI技术应用。根据对110余家的样本企业调研发现，被调研企业均在推动AI技术应用，应用深度与广度参差不齐，整体AI应用渗透率超过37%，其中运输场景应用渗透率最高，为78%；安全合规、智能仓储分列第二、第三位，渗透率分别52.73%和47.27%。78.18%52.73%47.27%27.27%23.64%18.18%18.18%18.18%12.73%智能决策：主要指物流供应链中涉及的需求预测、库存预测、路线优化决策等；智慧园区：包含物流园区、场站、港口等；智慧仓储：包含库存优化、仓内规划、物流机器人应用等；运输优化：包含路径优化、智能调度、装箱优化等；自动驾驶/无人配送：涵盖自动驾驶卡车、港口等封闭场景的无人驾驶装备、无人配送车、无人机等；数字员工：包含智能客服、智能报关、智能订舱、智能询价等岗位的人员替代；大模型：包含开源模型接入、基于大模型的智能产品、行业/垂直模型等；安全合规：主要针对物流运营中的安全管理、监测，以及合规管理。数据来源：中物联智慧物流分会（在“2024中国物流企业50强”入围企业数字化转型调研、行业企业AI应用调研的基础上，结合行业公开资料整理）我国物流与供应链领域人工智能产业链图谱SISLN新松应用层解决方案行业/垂直大模型G7易流技术层通用技术大模型应用层解决方案行业/垂直大模型G7易流技术层通用技术大模型iloxs行业用户智能硬件 C-)阿里云自然语言处理 自然语言处理基础层算力基础层算力数据支持 产研标准理论研究说明：中物联智慧物流分会根据公开资料整理，受限于篇幅，该图谱依据各企业主营业务进行不完全列举，不涉及排名AI+供应链加流畅、灵活、高效。本节重点分析了采购型与生产型供应链中的AI应用情况。AI+供应链：全链路AI应用已成供应链数智化趋势供应链是一个复杂的网链结构，涵盖了上下游多类型、多地域的企业，与单个企业相比，在结构、规模、管理模式等方面都更具挑战，链条长、环节多、节点复杂是供应链的典型特征，这一特征也使得供应链管理面临多重挑战，企业需要借助新技术辅助供应链管理，以提高供应链效率。Al能够让供应链的历史数据更透明、更具价值，帮助供应链管理者更广泛地获取供应链中的关键要素和规律，同时为管理者提供更便捷的管理工具。随着AI技术在计划、采购、排产、物流等供应链各环节中应用落地，供应链各环节之间的壁垒终将被打破，使得供应链变得更加流畅、灵活、高效；同时，随着供应链管理过程自动化程度提升，部分岗位的员工将从简单且大量重复的工作中解放出来，转向更具价值创造的位置，一定程度上帮助企业缩减供应链管理团队。智能采购在采购供应链中，不仅引入AI营销、AI客服、AI知识库等通用模型能力，企业也在积极探索智能寻源、智能招投标、智能导购、智能核价、智能合同、智能物流调度、风控管理等采购特有场景的AI落地应用，以提升全链条的科学决策和降本增效。在制造业领域，人工智能(AI)技术的引入不仅能够在供应链计划、智能排产方面发挥重要作用，还被广泛的应用于产品设计、设备维护、产品检测等方面，以优化产品质量，降低运营成本。供应链供应链计划AI利用深度学习算法对供应链运营的大量历史数据进行分析，挖掘数据之间的潜在关联与规律，实现较为精准的需求预测，通过实时监测消费者行为和市场动态，不断更新销售预测模型，提高市场需求预测的准确性，同时帮助企业更好地规划生产和库存。智能排产通过综合考虑订单情况、库存状况以及设备性能等因素，AI可以智能生成生产计划与排程，从而提升生产效率，减少库存，优化资金使用。以联想为例，联想智能排产系统，可将排产耗时从原来的6小时直接缩短到1.5分钟，产品交付效率提高20%以上。l场景痛点：企业采购长期以来面临物资编码混乱、SKU管理难、采购寻源难、供应商数据维护难、供需双方沟通难、信息不透明比价难等问题，标准的不统一也让采购供应链的数字化能力被局限在局部环节，难以形成全链条的科学决策和降本增效。AI的引入使企业采购管理和流程更加智能化、自动化和高效化，提高供应链的可见性、灵活性和适应性，从而推动采购各环节由数字化向智能化升级。lAI应用价值：随着生成式人工智能（AIGC）技术的迅猛发展，采购供应链AI应用已经从采购人将AI用于辅助“个人任务”，转向AI对于采购供应链的全面改造。不仅引入了AI营销、AI客服、AI知识库等通用模型能力，企业也在积极探索智能寻源、智能招投标、智能导购、智能核价、智能合同、智能物流调度、风控管理等采购特有场景的AI落地应用，以提升全链条的科学决策和降本增效。数据智能表现基于智能映射技术，将物料非结构化数据进行标准化和结构化，智能数据智能表现基于智能映射技术，将物料非结构化数据进行标准化和结构化，智能•平台智能支持供虚商信息的自动补全、自动审核，自动风险提醒•供应商在线智能评估•智能建立供应商绩效评价指标与模板底层数据和技术•底层数据和技术•基于采购品类，平台对供应商进行智能分类分级•根据用户需求，智能推荐供应商数据层生产数据供应商数据交易数据资料来源：中国物流与采购联合会《2024数字化采购发展报告》案例：中国移动“智采助手”机器人QA问答与提取基于NLP的精准问答，避免幻觉文档检索问答构建采购专属知识库，利用RAG检索技术，优化问答生成结果，提供多种精准问答模式，满足7*24智能服务支撑需求。基于NLP的精准问答，避免幻觉文档检索问答APP端PC端基于RAG检索问答给出文件出处，APP端PC端制度文件导航关联问题导航创作工具盒案例：中国移动“合规百事通”机器人立足合规管理业务痛点，以内外部静动态数据为基础，以AI技术集成应用为核心，迭代形成采购合规领域AI大模型，实现智慧问答和精准推荐两大核心功能，赋能打造场景化功能体系，助力采购人员、代理人员、评审专家全面实现合规管理效能提升。业务痛点业务痛点聚合内外部静动态数据：聚合内外部静动态数据：多维度、多层次、多类型收集数据来源行业标准集团规定合规讲座工信部/管局要求招标采购400问多维度数据源国资委要求法律法规公众号合规案例知识423…•使用计算机技术处理和理解人类自•计算机通过统计学算法，对大量历构构建AI大模型合规领域AI大模型合规领域的“百度”+“知乎”解决成效 智慧问答合规领域AI大模型合规领域的“百度”+“知乎”解决成效 智慧问答精准推荐案例：中国移动“评标数智人”融合AI大模型及语音识别技术，基于语音识别技术实现语音转文本、多说话人识别，通过评标文本合规检测模型识别评标风险行为，并支持标记违规信息，包括违规类型、发生时间段和违规原因。基于量子加密技术和智能体交互，实现免集成系统开发，大幅降低开发成本和开发时长。 “结构化”“结构化”AI+供应链：计划管理在全球经济一体化的市场环境中，供应链已成为连接供应商、制造商、分销商零售商乃至终端消费者的复杂网络，供应链计划恰是这一网络的大脑中枢。通过集成应用优化算法、机器学习、大模型等AI技术，能够帮助企业制定更灵活、更高效的供应链策略。供应链计划是一个综合性的管理过程，涵盖了从原材料采购到产品交付给终端消费者的所有环节，其核心目标是通过优化资源分配、协调内外部活动，确保供应链能够高效、经济且可靠地满足市场需求，同时实现成本最小化、服务最优化和利润最大化。供应链计划包括需求计划、供应计划、生产计划、库存管理计划、物流计划、逆向物流计划、销售与运营计划等多个方面。场景痛点：计划管理面临诸多挑战，如市场需求的不确定性造成需求预测不准，进而影响生产与库存；供应商的质量、价格、稳定性导致的生产中断或交货延迟，以及物流效率与成本、协调与沟通壁垒等，另一方面，传统的供应链计划方法往往基于静态模型、假设情景和个人经验，难以应对快速变化的市场环境。应用成效：AI可以利用深度学习算法对供应链运营的大量历史数据进行分析，挖掘数据之间的潜在关联与规律，实现较为精准的需求预测，通过实时监测消费者行为和市场动态，利⽤⽣成式AI技术，可以将⾮结构化数据（例如行业新闻、研报和社交媒体信息）纳⼊预测分析，不断更新销售预测模型，提高市场需求预测的准确性，同时帮助企业更好地规划生产和库存。此外，AI还可以帮助企业进行跨品牌的采购协同，降低采购成本。案例：杉数计划宇宙PlaniverseTM智慧需求预测一致性需求计划协同多维度业务可视分析新品计划安全库存策略优化库存计划多级仓网补货计划生产净需求计算主生产计划物料计划生产排程生产执行追踪智慧需求预测一致性需求计划协同多维度业务可视分析新品计划安全库存策略优化库存计划多级仓网补货计划生产净需求计算主生产计划物料计划生产排程生产执行追踪应用模块层决策引擎层决策引擎层内嵌新一代智慧决策技术贴合中国市场实际业务需求资料来源：杉数科技供稿案例：杉数计划宇宙PlaniverseTM模块计划决策功能输出未来一段时间未来一段时间，每个产品每个渠道每个区域需要多少数量算法预测计划编制协同工作流需求分析异常预警拆分汇总需求计划未来一段时间未来一段时间，每个产品每个区域需要备多少库存（SKU*DC*Timebucket）未来一段时间，每个产品每个区域需要向上游采购/要货多少数量未来一段时间，每个产品每个区域应向其他区域补货/调拨多少数量（SKU*FromDC*ToDC*Timebucket）场景分类算法动态库存算法库存预警约束补调算法计划编制仿真分析库存计划补货/采购/调拨计划未来一段时间未来一段时间，每个产品在每条产线生产多少数量（SKU*DC*Timebucket）未来一段时间，每个物料在每条产线需要多少数量（Item*Line*Timebucket）供需匹配算法生产计划编制物料需求计算生产需求管理物料采购计划主生产计划仿真分析存在需求&供应存在需求&供应Gap前提下，未来一段时间，使用哪一版需求计划&生产计划指导执行（SKU*DC*Timebucket）多版本计划管理可视性分析预警监控多场景计划管理KPI分析计划进度管理一致性需求计划一致性库存计划一致性生产计划Planiverse多模块设计满足企业全资料来源：杉数科技供稿案例：某世界500强饮料品牌电商需求计划项目项目背景achievementanalysisAccuracyanalysis【实施范围】：线上12个渠道Salestarget项目目标FCSTFCSTSpecialEventcalendarMonthly–weeklyprorationMonthly–weeklyprorationBU-MG1-skuprorationAIFCST•……提升关键SKU预测准确度提升关键SKU预测准确度Factorsanalysis手工计划工作转为线上，形成信息的交流和互联资料来源：杉数科技供稿案例：某国内知名美妆头部品牌供应链计划平台建设项目背景项目目标能力模块收益收益预测准确率提升预测准确率提升库存周转天数下降订单满足率计划与运营流程解决方案需求计划SKU*KA*仓SKU*渠道品类金额*渠道SKU*渠道*仓商品码-物料码SKU*渠道*仓SKU*渠道*仓SKU*渠道*仓SKU*渠道*仓SKU*分仓*月补货计划供应/补货决策库存策略决策总仓库存分仓收货能力库容（分仓）解决方案需求计划SKU*KA*仓SKU*渠道品类金额*渠道SKU*渠道*仓商品码-物料码SKU*渠道*仓SKU*渠道*仓SKU*渠道*仓SKU*渠道*仓SKU*分仓*月补货计划供应/补货决策库存策略决策总仓库存分仓收货能力库容（分仓） 库容（总仓-分仓）服务水平目标服务水平目标模型计算人工协同分仓调拨约束补货人工协同分仓补货需求补货需求计算SKU*仓颗粒度人工协同模型计算人工协同总仓要货需求约束供应人工协同SKU*总仓*月主数据｜历史订单数据｜历史预测信息｜库存信息｜历史促销信息｜终端销售信息需求分析｜库存分析｜补货执行分析计划仿真仿真参数（补货间隔、LT、产能、库容、兜底比例、需求预测…)仿真KPI（库存、服务水平、物流成本）仿真报表（多版本对比）智能预测补货释放一盘货势能期望通过更加灵活、精细、动态的库存分配逻辑，用更少的库存撬动更大的订单。同时通过系统和标准来提升日常运营效率主生产计划解决产销匹配问题产能和原材料供应端的剧烈波动下，需要更智能的决策引擎来进行更精益更灵活的战略性资源配置，和应对突发的急单插单S&OP决策平台及策略层优化通过S&OP串联端到端的计划决策，实现产销协同分析，且实现仓网、产能、库存策略等战略策略优化资料来源：杉数科技供稿AI+供应链：排产管理通过AI技术赋能，制造业排产管理正从“经验驱动”转向“数据+算法驱动”，助力企业实现零浪费、零延误、零盲区的智能化生产目标。供应链排产是指在供应链管理中，根据市场需求和生产能力，合理安排生产计划和生产顺序的过程。排产管理涉及生产计划、资源调配、订单处理等多个方面。场景痛点：当前制造业排产管理面临多重挑战：市场需求波动频繁导致预测失准，客户临时插单与个性化定制需求激增，迫使企业在多品种小批量生产中频繁切换产线，设备调试耗时拉低效率；资源协同矛盾突出，设备空闲与超负荷运转并存，物料短缺与库存积压交织，而ERP、MES等系统数据孤岛加剧了信息滞后，排产决策多依赖人工经验；传统排产工具难以动态响应突发状况（如设备故障、质检异常等），人工调整耗时长且错误率高；供应链上下游协同断裂进一步放大风险，供应商交付延迟与能源成本波动使排产稳定性雪上加霜，同时生产进度缺乏可视化监控，异常问题依赖事后巡检，最终导致产能浪费、交付延期与成本超支形成恶性循环。应用成效：AI能够实时分析市场趋势，帮助企业制定科学的生产计划，避免产品堆积或备货不足，同时，AI综合原材料库存、来料即时送货、原材料送货效率、产线产能、成品库存、物流配送等情况制定生产节拍，实现最大效能。案例：悠桦林APS供应链计划与排程解决方案提升计划订单交付率优化库存水位提升资源利用率智能供应链计划与排程一体化计划平台资料来源：悠桦林供稿案例：主生产计划(MPS)-世界领先的锂离子电池生产企业和创新者锂电池生产优化锂电池生产优化行业内知名的锂离子电池生产者和创新者，以提供高质量可充电式锂离子电池的电芯、封装和系统整合方案为己任。锂电产品家族既包括高能量密度、高功率电芯，又包括快充、异形电芯等。产品应用于生活中常见的手机、手提及平板电脑等产品。实现主/日计划的整体优化，以进一步保障交付，提升产能利用，减少库存损失及降低其它生产成本。该企业是MTO的计划策略，多品种小批量与大规模批量生产混合的生产模式。资料来源：悠桦林供稿•信息孤岛，缺乏统一的信息平台，手工排产响应慢，已难•仅靠人工难以细化颗粒度、均衡分配的问题，对生产资源规划的指导不足。•拍脑袋策略，缺乏生产预排KPI数据输出，无法通盘考虑相互之间的影响。•在有限时间内，结合多约束、多优化目标难以权衡整体最优和优化生产成本。••数据规范化，拉通了ERP，MES，IPS等各个不同的系统中生产数据，进行完整的数据治理和生产匹配。•日计划从接单后的局部手工插入产线，变•PC从几十份Ecxel文件中进行数据流转，转移到线上进行需求确认，库存模拟，交期应答，快速响应客户需求。优化成果优化成果卷绕日计划全局优化排产指标提升排产效率提升20%，产能利用10%，库存成本下降15%案例：高级生产排程（APS）-精密制造龙头企业该企业专注于连接线该企业专注于连接线、连接器、马达、无线充电、FPC、天线、声学和电子模块等产品的研发、生产和销售。产品应用于3C（计算机、通讯、消费电子）、企业级设备、汽车、医疗等领域，致力于为客户提供一站式采购服务。该企业是ETO的计划策略，多品种小批量与大规模批量生产混合的生产模式。3C制造生产优化资料来源：悠桦林供稿•使用excel表格进行计划编制，缺少系统工具支持。•各计划员线下管理计划，缺乏一体化计划系统，计划数据分散，协同性差；无法实时分析数据，对于各工序的•缺乏模拟分析的手段，当异常发生时，无法快速尝试不同计划策略，通过•通过对接现有ERP及MES系统，实现订单数据及工艺数据整合。•构建全工厂工艺模型，充分模拟工厂全工序实际运作情况。•通过MES系统及时接受异常情况，对计划影响作出预判并告警，APS及时对计划进行修复。优化成果提升优化成果提升计算效率6倍计算效率从3小时缩短至30min缩短整体生产工期40%通过多工序协同，缩短整体生产工期每月缩减交期评审时间525H交期评审从每月花费600H到75H，大幅提升评审效率AI+园区仓储AI+物流园区：重构物流园区运营效率物流园区作为连接供应商、生产商、分销商和消费者的关键节点，运营管理的效率与服务质量直接影响着整个物流链条的顺畅与高效。在AI技术加持下，我国物流园区管理在逐步迈入智慧化，围绕“人、车、货、场、设备、环境、能源”形成园区智慧化管理体系，涵盖资产管理、运营管理、招商推广、物业服务、能耗管理、巡更巡检、工单报修等多个方面。在园区智慧化运营管理中，AI在巡更巡检、园区安防、资产管理、能耗管理等方面具备较强的赋能作用，成为新建园区、高标园区运营管理系统的必选项；未来，AI将通过“感知-分析-决策-执行”的闭环，重构物流园区运营效率。•资产台账•资产入库/报废/处置•资产改造•资产盘点•资产风险管理•资产看板•智能运维•客户中心•租赁管理•客户合同•商机与线索管理•车辆预约•车辆排队叫号•智慧月台•场站调度•园区导航•报事报修•巡更管理•设施设备管理•客户管理•生产作业的数智化•优化决策的数智化•周界管理•禁区管理•违停管理•视频监控•离睡岗管理•知识库•培训认证•品质管理•隐患管理•消防联动•火灾识别•智能监测•吸烟识别•能耗管理•新能源平台•能耗计费•人员管理•车辆管理机器视觉生物识别强化学习算法AIOT数字孪生无人驾驶、无人机......案例：中国邮政基于人工智能的数智化物流园区在数字化处理中心创新实践中，有效驱动了中国邮政寄递业务高质量发展，实现质&用户触点异地多活异构算力分布计算云集群调度混合多云管 端用户触点异地多活异构算力分布计算云集群调度混合多云管 端智能应用智能化预测智能化作业智能化调度智能化管控······•关键要素实时感知•生产活动实时感知•风险异常实时感知•车辆停泊智能调度•装卸月台智能分配•设备运行智能控制•人员作业智能排班•生产计划智能调整•边缘与云端协同•设备间统筹优化数字中台连接&感知主题数仓智能模型模型推理模型推理模型训练移动可视化云原生平台云原生平台（容器、微服务、DevOps）大数据平台大数据平台物联网服务中心物联网服务中心AIAI服务中心区块链服务中心区块链服务中心水表门禁摄像头闸机分拣机皮带机北斗终端水表门禁摄像头闸机分拣机皮带机资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-中邮信科参赛项目资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-中集世联达参赛项目案例：中集世联达智慧堆场建设项目业务业务目标•提升平行拓展能力，基于战略规划对新堆场快速上线，加快场站网络布局；项目中人工智能场景的核心优势及亮点项目中人工智能场景的核心优势及亮点场景1--智能闸口使用RPA自动化技术处理进出闸任务申请，并使用计算机视觉技术识别车牌、车厢、铅封、危险品等信息进行实时上报，实现不停车进出闸。并使用计算机视觉技术辅助堆场集装箱验箱环节。场景2--安全告警使用计算机视觉技术，识别发生在堆场或相关作业区域的违规行为，涉及车辆操作、个人防护和安全规定遵守等场景。场景3--自定义办公文件模版识别使用计算机视觉、语义理解技术，识别供应链文档或通用类票据等。场景4--数字员工-报关助理使用RPA自动化、计算机视觉和语义理解技术，辅助员工完成报关、制单等流程自动化，减少操作步骤，提高工作效率。场景5--应用市场使用机器学习、语音识别、语义理解技术，赋能业务，快速创建业务应用。场景6--堆场作业智能预采集使用机器学习技术、计算机视觉、语义理解技术辅助业务决策。资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-中集世联达参赛项目案例：中集世联达智慧堆场建设项目--智慧闸口车辆入场前需要前往交通局办理通行证，再通过微信发给堆场，并用堆场在宁波交通服务号进行申请后获取通行证。车辆到达闸口后，司机下车提交通行证，闸口工作人员审核通过后，堆场验箱员进行验箱操作，付款通过后进入堆场。场景对比场景对比•RPA自动化技术应用：处理司机的任务申请；•计算机视觉识别技术应用：集卡车辆、集装箱箱号箱型识别；集装箱自动验残技术；危险品标记•RPA自动化技术应用：处理司机的任务申请；•计算机视觉识别技术应用：集卡车辆、集装箱箱号箱型识别；集装箱自动验残技术；危险品标记、铅封号识别；手持验箱。集卡车辆、集装箱箱号箱型识别；集装箱自动验残技术危险品标记、铅封号识别集装箱自动验残技术智慧仓库作为物流行业的重要组成部分，是集合了互联网、物联网（IoT）、人工智能（AI）、大数据、云计算、机器人等先进技术装备，对仓库的布局，商品的入库、存储、出库、盘点等各个环节进行深度智能化改造的仓储系统，通过实时数据收集、分析和应用，优化库存周转效率与空间利用率，实现对仓储作业的自动化和智能化管理，也是人工智能技术在仓储场景应用后的具像化表现。目前，在库存优化、仓储布局优化、库内安全监测、自动化无人化搬运等环节的AI应用渗透较快，随着AI技术“系统自决策”的范式跃迁。应用成效成本优化：AI技术通过优化库存水平、减少人工干预，可以帮助企业大幅节省仓储运营成本，同时提高服务质量。效率提升：AI驱动的智能仓储系统能够让仓储操作更加精准高效，无论是库存调整、布局调整还是配送调度，AI都能迅速做出最优决策，大大缩短了订单处理时间，提升了整体运转效率。客户体验提升：借助AI技术，客户能实时查看订单状态、配送路径，享受更快更透明的配送服务，提高了客户满意度。资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-京东物流参赛项目案例：京东物流-AI驱动的物流供应链仓储智能化管理优化系统行业痛点电商物流在快速发展的同时也面临着诸多挑战和问题。在销售预测方面，由于商品种类众多且市场需求波动大，传统的黑盒机器学习预测方式难以达到准确度且解释性差，这不仅会导致库存过剩或缺货情况，严重影响企业的运营效率和顾客体验。行业痛点预测不准确会加大库存管理的复杂性，进而对仓储空间的有效利用和布局优化提出了更高的要求。因此，企业需要在有限的仓储空间内，通过优化存储布局来提升空间利用率和拣货效率，同时避免因布局不合理造成的资源浪费和运营效率下降。在快速增长的订单需求面前，这一问题尤为显著。加之库存管理和订单处理的方法，依赖历史数据和静态算法，无法有效应对需求的快速变化，导致仓库存储混乱、拣货效率低下，以及对突发需求的响应不足。这些问题不仅影响了订单处理的效率，也导致了时间和空间上的产能分配不均衡，成为效率和成本控制的重大瓶颈。影响现象影响方法策略SKUSKU种类繁多供应链预测库存布局优化库存布局优化资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-京东物流参赛项目案例：京东物流-AI驱动的物流供应链仓储智能化管理优化系统项目概述：该项目针对电商物流仓储场景痛点，围绕数据全生命周期建设以数据中台为核心的数据底座，结合AI技术和仿真调度建立智能决策引擎，在供应链预测、库存布局、生产模式等方面完成算法创新突破，沉淀行业智能化解决方案。项目成果：京东物流通过智能化升级在供应链领域取得显著成效，现已构建覆盖全国的智能仓储网络，支持千万级商品的高效运营。依托自主研发的预测体系，实现多场景精准预测与自动化补货机制，关键运营指标全面优化：仓储资源利用率、订单处理效率及履约时效均达到行业标杆水平，自动化作业、订单履约周期均有大幅提升。在服务体验方面，全国核心区域已实现次日达服务常态化，供应链响应速度持续领跑全球。通过全链路数字化改造，公司年均可实现数亿元级运营成本优化，为行业高质量发展提供创新范本。在自营商品SKU超过1000万基础上，存货周转天数持续保持30天的全球领先水平。项目显著提升预测准确率、库存周转和拣货效率，为企业降本增效并提升用户体验，树立了全球物流行业智能化标杆案例，引领行业技术创新，随着京东物流持续对外服务，项目成果已覆盖快消、服装、家电家具、3C、汽车、生鲜等多个行业。直接经济效益数亿元，不仅在物流领域内部创造了价值，更在宏观层面推动了产业升级和社会进步。项目创新点：入库-预测创新：基于因果推断和机器学习的可解释性预测智能库存补货预测在库-布局创新：基于元启发式算法和强化学习的动态库存优化策略在库-生产创新：海量动态订单下传与产能平衡策略智能分单动态调度策略基于多目标优化和强化学习的智能任务匹配策略AI+运输配送在运输配送领域，人工智能技术被广泛应用于干线运输、城市配送现运输配送的智能化升级。AI+运输配送：让全局优化与全链路管理成为可能在运输配送领域，人工智能技术被广泛应用于干线运输、城市配送及末端配送的多个场景，主要通过赋能传统软件和硬件两种方式实现运输配送的智能化升级。在软件方面，通过融合算法、数据分析、自动化工具、大模型等人工智能技术，实现运输调度、安全管理、装载、车队、车辆管理的智能化升级，提升整体效率与运输安全，降低运输成本；在硬件方面，通过在传统运输配送装备、装载器具上叠加AI技术，实现装备的智能化升级，如在干线运输领域，自动驾驶卡车的应用能够有效降低司机工作强度，降低人员与能耗成本；在末端配送，人工智能赋能无人化服务，如无人机、无人配送车、智能快递柜等新装备，给消费者带来便捷服务的同时，降低末端配送人员的工作强度，提升工作效率。AI结合图像识别和传感器技术AI结合图像识别和传感器技术，可以在物流全过程中实现对货物的实时监控，识别暴力分拣、货物损坏、盗窃或延误等异常事件，有效识别货物安全，预测和管理物流过程中的安全风险在装载环节在装载环节，AI技术有非常优良的应用表现，通过算法模型提高装载效率，解决人工计算装箱痛点，实现精准装载，降低物流成本AI技术通过感知AI技术通过感知、大数据分析、机器学习算法，实时掌握客户需求、货物状况和车辆信息，综合天气、交通情况，从而做出最优的调度决策，且能够实时调整运输路线、优化运输时间，减少运输过程中的延误和空载现象在AI、AIOT、视频识别等技术加持下，运输车队的管理更加透明化、智能化，管理者可实时监控车队、司机的驾驶状态，进行主动安全管理和运维管理，降低安全事故率和运维成本，提升装备寿命和使用价值AI正在提升传统卡车的智能化水平AI正在提升传统卡车的智能化水平，加速无人驾驶卡车的发展无人配送车无人配送车、无人机已步入示范应用，助力物流快递企业完成最后一公里配送；以传统AI技术为基础的智能快递柜的是末端派送的重要载体AI赋能机器学习、强化学习、计算机视觉、生物识别、智能语音、算法、AIoT技术、大模型......司机劳动强度大且短缺、事故高发、空驶率高；燃油、路桥等费用高；货物跟踪难配送密度低、需求碎片化、路线规划难司机劳动强度大且短缺、事故高发、空驶率高；燃油、路桥等费用高；货物跟踪难配送密度低、需求碎片化、路线规划难、客户满意度有待提升、人力资源紧张末端配送消费者/驿站DC/中转场长途运输城市配送末端配送消费者/驿站DC/中转场长途运输案例-运输优化：洞隐智能运输优化解决方案（DI-TOS云）洞隐智能运输优化DI-TOS云将运输计划和人工智能进行结合，通过AI算法对运输计划实现优化，能够与TMS进行无缝集成，实现运输调度和运输执行的整体流转。DI-TOS云支持多种运输方式和多种配送模式的运输优化。DI-TOS云已在多个客户项目中表现优异，帮助客户提升计划作业效率、优化运输成本，提升物流服务满意度。DI-TOS云产品优势智能调度引擎智能调度引擎送货点聚合<资料来源：洞隐科技供稿排线报表>案例-运输优化：洞隐DI-TOS云为某大型商超降本增效资料来源：洞隐科技供稿案例-运输优化：洞隐DI-TOS云为某大型商超降本增效配送优化需求：不同订单类型，例如【去店-正常】【去店-进口】【去店-转仓】基于一定规则组建波次，并n多订单类型共配n摆柜时效计算n门店订单基于通用时间窗/商品属性-个性时间窗计算多波次配送方案n考虑弹性装载率，多点拼载装载率系数调整n考虑承运商份额分配n考虑月台约束优化算法应用效果对比n计划效率显著提升（15%）n运费降低1.6%资料来源：洞隐科技供稿案例-运输优化：洞隐DI-TOS云赋能达美乐门店扩张从2020年开始，达美乐陆续同洞隐合作上线了WMS、OMS和YMS。2023年，达美乐第三次携手洞隐，成品采购入库成品采购入库中央厨房中央厨房成品库原材料库供应商覆盖深圳广州约120家门店覆盖深圳广州约120家门店资料来源：洞隐科技供稿高频开店达美乐高频率新店开业，对于固定线路调整带来挑战配送线路及规划不再适用•城市人口迁移，分布对于传统行政区划意义上的线路划分带来挑战•相邻城市间的边界模糊，从配送经济性看跨城一体高频开店达美乐高频率新店开业，对于固定线路调整带来挑战配送线路及规划不再适用•城市人口迁移，分布对于传统行政区划意义上的线路划分带来挑战•相邻城市间的边界模糊，从配送经济性看跨城一体化配送规划带来新挑战运费走高原有的装载率、车次等运输计划下，运输成本不可控配送流程高效协同配送流程高效协同确保仓配服务能力能够满足业务部门快速开店扩张后的订单履约保障，通过TMS平台的建设，结合TOS智能优化，实现配送流程的高效协同，所有业务信息&运费信息实现在线管理，透明共享。基于TOS算法的应用，结合高德地图物流距离测量配送网络优化-送货点聚合配送网络优化-送货点聚合城配优先考虑末端送货点的聚合首个客户到末端客户的送货距离城配”单起点多终点”距离测量城市配送中，针对不同门店与仓库间的距离，批量计算单起点至多终点的行车/直线距离，进而选择最优的终点聚合方式。城市道路对货车有诸多限制因素城市道路对货车有诸多限制因素，借助高德地图丰富的道路动静态数据，在计划调度过程中，结合货车限行数据和道路实时路况进行货车行驶路线的预测规划。同时，结合预测路线的预计行驶里程和行驶时间，用于深层次的运力调度计算。基于货车运输的路径规划资料来源：洞隐科技供稿案例-运输优化：洞隐DI-TOS云赋能达美乐门店扩张波次任务进行TOS排线优化，结合高德货车地资料来源：洞隐科技供稿优化算法应用效果对比排线工时从2小时案例-智能履约：福佑卡车基于AI的全链路数字化货运履约平台福佑卡车成立于2015年，是国内最大的全链路数字化货运履约平台。公司依托大数据、人工智能等技术构建智能物流系统，拥有行业领先的履约能力和供应链运营优势，助力客户供应链迭代升级。福佑是全国首批取得无车承运试点企业，平台注册卡车司机超过160万，货运网络覆盖全国337个主要城市、57000+重点线路，服务范围辐射国内所有地区。““福佑大脑”智能中台以大数据和AI技术为核心，自主研发“福佑大脑”智能中台，包含智能定价、智能分单、智能服务三大系统提高决策与运输效率，降低车辆空驶率、异常发生率确保货物安全、高效、准时交付基于AI的创新应用：智能定价长途整车运输运价主要受货物重量、长度大小、种类、油价、天气等因素影响。在传统货运市场，运价靠发货人与卡车司机自行商议，要经过多轮询价、谈判、反复电话沟通才能确认价格，这一沟通过程短则数个小时，长则半天。福佑卡车平台的智能定价系统通过特个运单进行实时、合理、可靠的定价。技术创新点：机器学习、大数据、运筹优化资料来源：福佑卡车供稿案例-安全管理：跨越全链路安全智控中枢体系跨越速运集团有限公司创建于2007年，始终坚持“大型科技化综合速运企业”的战略定位，面对市场多元化的需求，公司在以市场为导向、客户为中心，在高端信息网络管理系统为保障平台的基础上，率先推出三大时效产品：当天达、次日达、隔日达服务。跨越目前员工总量超过6万人，科技团队1400人；运输车辆超过20000辆，航空包机20架；年营收超过200亿。场景痛点货物安全：快递业单季度损毁申诉16105起，占比23.36%；丢失短少申诉17529起，占比25.42%；两类占比近50%。野蛮卸货，抛扔踩踏货物等违规行为是主因。应用成效视觉识别视觉识别t20%客户满意度提升约t30%暴力分拣准确率提升20%资料来源：2024物流与供应链领域“人工智能+”应用场景挑战赛-跨越速运参赛项目国家邮政局关于2023年四季度邮政业用户申诉情况的通告/gjyzj/c100015/c100016/202402/4c3199f6285642afae84aae9e237d9ee.shtmlAI安全防控系统案例-安全管理：货拉拉AI安全防控系统解决方案AI安全防控系统与网约车平台不同，在交易和履约方面，同城货运与出行相比更复杂，最重要的原因是货运缺乏完善标准。网约车运输的是乘客，而货主要求司机承运的可能是衣服、家具等生活物品，也有可能是汽油、爆竹等违禁物品。作为深耕同城货运物流领域多年的领军企业，货拉拉积累了车型、运输路线、货物品类等海量数据，拥有独特的数据优势。通过借助信息化设备和图像算法、语音算法、自然语言处理算法等人工智能技术，货拉拉建设了AI安全防控系统，实现对货运车辆运行状态的实时监测和数据分析，能够及时发现和快速响应突发事件，实现了“法官断案”的全自动化，降低安全事故发生率。对货运安全的管控，从事后走向事前和事中，从被动走向主动，从降低影响走向预防发生。三大痛点•一是获取证据，平台需要快速、全面、准确地获取司机、用户、货物和路线等多方数据。•二是订单研判，如何在噪音大、司机口音重的录音中精准判断这个订单是否违规，拿到想要的信息。•三是妥善处置，面对不同订单状态，平台如何引导用户、司机取消，以便他们能更好地理解和接受，这也是一个很重要的难点。行前装货图、行前隐私号通话录图像算法、语音算法、自然语言语音免责提醒、司机端弹窗、扣罚行为分、实时四道监测关•当货主发布订单需求时，平台会自动对订单上的货物信息进行分析，如有违禁物品自动拦截该订单；•如果货主故意填写错误信息，货拉拉还会对接单司机与货主的通话进行实时监测与分析，发现异常便会对货车司机进行弹窗通知，建议其取消订单。•在事中阶段，线下运输前货拉拉还会要求司机对货物进行拍照，上传至少1张装货图，系统也会对照片进行实时分析。若司机在拍照时没有上传正确的物品信息，货拉拉还会在隐私保护的前提下，利用在车辆上安装的车载IoT设备，对车厢情况进行实时录像、录音，并对货物信息进行相关检测及处理。•在事后，针对系统已经弹窗、货车司机执意接单的案例，货拉拉系统后台还会进行人工分析，如果涉嫌装载违禁品属实，货拉拉会第一时间对货车司机进行判责，进行相应管控教育。资料来源：中物联智慧物流分会根据公开资料整理案例-智能装载：洞隐装箱优化解决方案（DI-LOS云）DI-LOS云采用先进的优化算法，考虑各种约束条件，最大限度地利用集装箱或运输车辆的空间，以减少运输成本并提DI-LOS云优势AI智能装箱算法，考虑运输方式，温资料来源：洞隐科技供稿案例-智能装载：洞隐DI-LOS云提升海信日立订单改善率海信日立使用洞隐LOS云进行装箱优化，满足复杂约束条件，并快速实现优化求解。海信日立使用洞隐LOS云进行装箱优化，满足复杂约束条件，并快速实现优化求解。在室内机、室外机上（选购件当同型号的单台室外机高度没当同型号的单台室外机高度没有超过XX米时，此时同型号总高度不超过指派的车辆类型高度。内机可以相互堆叠，内机可以相互堆叠，最多堆叠层数为七层，堆叠时总高度不超过指派的车辆类型的高度，小的室内机可以放到大的室内机上面（这里大小），•用户交互场景准实时：大部分小单1分钟内返回，单（超过1000件货物）几分钟内返回。•波次批量执行场景：大部分小单1分钟内返回，少（超过1000件货物）5分钟内返回。资料来源：洞隐科技供稿案例-自动驾驶：嬴彻科技自动驾驶重卡实践嬴彻科技（上海）有限公司（InceptioTechnology）成立于2018年9月，是一家专注于自动驾驶卡车网络运营的公司，向物流行业客户提供智能驾驶技术服务和前装量产智能驾驶卡车货运解决方案。11算法软件2智能驾驶技术服务商算法软件2智能驾驶技术服务商(AD-as-a-ServiceProvider)•向重卡用户提供智能驾驶技术服务：支持OTA迭代及功性能持续升级硬件：智能驾驶计算平台3硬件：智能驾驶计算平台3Tier-1)和预装于各大OEM的更多车型之上，心OEM的业务绑定关系