在商業(yè)格局加速演變的當(dāng)下，一場(chǎng)聚焦科技與商業(yè)深度融合的盛會(huì)——36氪WISE2025商業(yè)之王大會(huì)在北京798藝術(shù)區(qū)傳導(dǎo)空間盛大舉行。這場(chǎng)被譽(yù)為“年度科技與商業(yè)風(fēng)向標(biāo)”的活動(dòng)，以“科技爽文短劇”這一創(chuàng)新形式，為參會(huì)者帶來(lái)了一場(chǎng)沉浸式的體驗(yàn)，全方位呈現(xiàn)了當(dāng)下商業(yè)領(lǐng)域的最新趨勢(shì)與變革力量。

貨拉拉CTO張浩在大會(huì)上發(fā)表了精彩演講，深入分享了AI在貨拉拉業(yè)務(wù)中的落地應(yīng)用與發(fā)展路徑。貨拉拉作為一家具有廣泛影響力的業(yè)務(wù)撮合平臺(tái)，自最早在香港成立，2014年進(jìn)入中國(guó)內(nèi)地后，歷經(jīng)12年發(fā)展，業(yè)務(wù)已拓展至東南亞、南美洲等400多個(gè)城市和地區(qū)，月均活躍用戶(hù)近2000萬(wàn)，活躍司機(jī)達(dá)200萬(wàn)。對(duì)于貨拉拉而言，撮合貨主與司機(jī)交易是核心業(yè)務(wù)，運(yùn)營(yíng)效率和用戶(hù)體驗(yàn)則是其核心競(jìng)爭(zhēng)力，也是AI技術(shù)重點(diǎn)發(fā)力的方向。

隨著ChatGPT的興起，貨拉拉于兩年前開(kāi)始探索AI在自身業(yè)務(wù)中的應(yīng)用。公司參考高盛2023年AI研報(bào)的評(píng)估方法，通過(guò)對(duì)崗位調(diào)研、任務(wù)拆解和自動(dòng)化難度評(píng)級(jí)，量化AI提效潛力，發(fā)現(xiàn)生成式AI在高數(shù)據(jù)密度、人力密集型領(lǐng)域具有顯著的生產(chǎn)力提升潛力。基于此，貨拉拉優(yōu)先選擇業(yè)務(wù)安全、研發(fā)、產(chǎn)品、運(yùn)營(yíng)等場(chǎng)景作為AI落地的重點(diǎn)，而在數(shù)據(jù)分析等確定性要求高、容錯(cuò)率低的場(chǎng)景則暫緩?fù)七M(jìn)。

在確定發(fā)展方向后，貨拉拉面臨技術(shù)落地路徑的選擇。起初，公司投入資源研發(fā)貨運(yùn)行業(yè)垂類(lèi)大模型，但經(jīng)過(guò)實(shí)踐后得出重要結(jié)論：基礎(chǔ)大模型發(fā)展迅速，與其在基礎(chǔ)模型上投入過(guò)多精力，不如專(zhuān)注于行業(yè)數(shù)字資產(chǎn)、業(yè)務(wù)API和行業(yè)經(jīng)驗(yàn)的落地；同時(shí)，打造自身AI應(yīng)用平臺(tái)比構(gòu)建基礎(chǔ)大模型更為關(guān)鍵，隨著基礎(chǔ)大模型的不斷進(jìn)步，企業(yè)自身的AI應(yīng)用效率也將自動(dòng)提升。基于這些認(rèn)知，貨拉拉調(diào)整重心，經(jīng)過(guò)一年多努力，成功打造了海豚平臺(tái)、悟空平臺(tái)和評(píng)測(cè)標(biāo)注平臺(tái)三個(gè)重要應(yīng)用平臺(tái)。

悟空平臺(tái)旨在讓非專(zhuān)業(yè)人士在5分鐘內(nèi)搭建初級(jí)企業(yè)智能體應(yīng)用，具有可視化流程編排、0代碼智能構(gòu)建和建設(shè)企業(yè)級(jí)工具庫(kù)與MCP等特點(diǎn)。通過(guò)拖拽操作，即可整合公司各類(lèi)數(shù)據(jù)資產(chǎn)API接口；借助自然語(yǔ)言構(gòu)建基本智能體；同時(shí)構(gòu)建企業(yè)數(shù)字化資產(chǎn)，提升企業(yè)運(yùn)營(yíng)效率。海豚平臺(tái)則面向?qū)I(yè)算法開(kāi)發(fā)者，提供從數(shù)據(jù)訓(xùn)練到模型開(kāi)發(fā)、上線(xiàn)維護(hù)和生命周期管理的一站式服務(wù)，為算法工程師節(jié)省大量資源、數(shù)據(jù)、模型開(kāi)發(fā)和檢測(cè)等方面的時(shí)間。貨拉拉推出的標(biāo)注AB試驗(yàn)平臺(tái)和拉拉智評(píng)，完善了模型PK和AB試驗(yàn)分流等評(píng)測(cè)環(huán)節(jié)，確保上線(xiàn)結(jié)果的可靠性和可重復(fù)性。

在應(yīng)用場(chǎng)景方面，貨拉拉的AI應(yīng)用雖未帶來(lái)顛覆性變革，但諸多微創(chuàng)新實(shí)踐值得借鑒。在安全防控領(lǐng)域，針對(duì)貨運(yùn)場(chǎng)景中違規(guī)載人、危險(xiǎn)品駕駛和危險(xiǎn)駕駛等行為，貨拉拉利用大模型對(duì)語(yǔ)音、圖像和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行實(shí)時(shí)檢測(cè)和干預(yù)，對(duì)下單流程進(jìn)行分層處置。一年多來(lái)，危險(xiǎn)品運(yùn)輸和違規(guī)載人風(fēng)險(xiǎn)訂單量下降30%，訂單提醒率達(dá)100%。AI Coding在貨拉拉的產(chǎn)研提效方面也發(fā)揮了重要作用。目前，90%的個(gè)體和團(tuán)隊(duì)已應(yīng)用AI Coding，研發(fā)流程滲透率達(dá)60%，但整體工作效率提升約10%。這是由于A(yíng)I在生成新工程和前端任務(wù)代碼時(shí)效率較高，但在處理復(fù)雜業(yè)務(wù)邏輯時(shí)，開(kāi)發(fā)者需與AI反復(fù)交流，且代碼上線(xiàn)率不確定，導(dǎo)致檢查、糾錯(cuò)和測(cè)試時(shí)間增加。

在產(chǎn)品體驗(yàn)方面，貨拉拉推出的“拍貨選車(chē)”功能，用戶(hù)通過(guò)攝像頭拍攝貨物照片，AI利用點(diǎn)云分割計(jì)算體積，并與車(chē)庫(kù)車(chē)型自動(dòng)匹配，10秒內(nèi)即可推薦合適車(chē)輛，受到用戶(hù)廣泛好評(píng)。針對(duì)海量用戶(hù)反饋的分類(lèi)總結(jié)難題，貨拉拉運(yùn)用大語(yǔ)言模型打造用戶(hù)反饋分析器，小模型快速識(shí)別分類(lèi)，大模型總結(jié)整理，精準(zhǔn)捕捉到如開(kāi)發(fā)票效率低等以往易被忽略的問(wèn)題。為解決公司內(nèi)部知識(shí)死角問(wèn)題，貨拉拉利用大語(yǔ)言模型整合PRD文檔、代碼倉(cāng)庫(kù)和配置等數(shù)據(jù)，構(gòu)建AI產(chǎn)品知識(shí)專(zhuān)家，有效解決歷史問(wèn)題和跨部門(mén)協(xié)作難題。

在業(yè)務(wù)流程中，短信發(fā)送成本較高，貨拉拉借助大語(yǔ)言模型優(yōu)化短信內(nèi)容，簡(jiǎn)化冗長(zhǎng)表達(dá)，一年節(jié)省約12%的短信成本，同時(shí)提前預(yù)測(cè)用詞和內(nèi)容的風(fēng)險(xiǎn)合規(guī)問(wèn)題，及時(shí)干預(yù)潛在風(fēng)險(xiǎn)。在數(shù)字人應(yīng)用方面，貨拉拉打造AI+ASR+LDM+TTS的三維串聯(lián)機(jī)構(gòu)。通過(guò)獨(dú)創(chuàng)熱詞運(yùn)營(yíng)和第三方聲學(xué)模型優(yōu)化，ASR語(yǔ)義識(shí)別準(zhǔn)確率達(dá)94%；調(diào)整帶口音音色，使AI真人度達(dá)92%；利用大語(yǔ)言模型進(jìn)行問(wèn)題改寫(xiě)、場(chǎng)景路由和Multi-Agent處理，大幅提升問(wèn)題解決率和準(zhǔn)確率，在內(nèi)部和外部場(chǎng)景中得到良好應(yīng)用。

張浩認(rèn)為，在以服務(wù)為主體的業(yè)務(wù)場(chǎng)景中，AI主要發(fā)揮增收和降本的作用。在O2O行業(yè)，服務(wù)本質(zhì)不會(huì)被AI取代，目前AI在行業(yè)中的提效能力約為5% - 10%，部分崗位受影響較大，但整體仍是提效、防風(fēng)險(xiǎn)和降成本的手段。貨拉拉未來(lái)將繼續(xù)探索多模態(tài)模型方案，整合單個(gè)模型，實(shí)現(xiàn)端到端打通，利用多個(gè)數(shù)字人提升企業(yè)流程效率，同時(shí)隨著AI能力提升，通過(guò)端到端大模型助手為用戶(hù)帶來(lái)更多提效體驗(yàn)。