本文经授权转载自微信公众号 出海同学会（ID：chuhaiwenda）
作者｜出海同学会
原文标题：《物流供应链行业智能化发展的趋势是什么？｜No.119期干货》
在全球化和数字化浪潮的推动下，供应链管理正面临挑战与创新。人工智能技术的迅猛发展为供应链的不同环节带来了新的机会，智能化、自动化和数据驱动的决策成为了重要要素。目前落地的AI应用集中在哪些供应链环节？传统物流与供应链企业在应用AI技术时的主要障碍是什么？我们携手早点出海，邀请了物流科技企业、北美物流企业、零售巨头的供应链负责人等相关的朋友们一起讨论。
以下是本次活动可公开部分。
本期课代表
按公司名数字-字母序
Antes AI CEO 陆戎飞
某大厂 亚太战略规划总监 Vincent Huang
ForePax Fulfillment GM Michael Yang
JIANGSU FEILIKS PD George HAN
Tesla 全球采购经理 Alex
Uniuni 美国战略负责人 Scott Wang
杭州湖畔网络技术 CEO 丁祥龙
京东物流 架构师 王治澎
洛杉矶某电商 Joe
某大厂 Supply chain manager 丁健
沃尔玛 中国区副总裁 邱涛
香港理工大学 学生 郭凯霖
早点出海 宸若（值日生/主持人）
Xinyun（文档笔记整理）
Xinru（排版布局设计）
一些同学因公司PR保密不能公开或有部分内容需要删节，我们同样感谢他们的精彩输出，本期我们将同学们在zoom聊天室输出的重要观点，也整理进入了此次笔记，如出现链接或企业名为嘉宾引用第三方，侵删。
要点问题
Part 1 背景研讨
物流供应链行业的现状与问题
不同行业/环节对AI赋能的需求是否存在？
Part 2 破壁研讨
目前落地的AI应用集中在哪些供应链环节？
Part 3 机会研讨
智能供应链的发展趋势是什么？
在供应链AI领域，初创企业有哪些机会？
Part 01 背景研讨
#1 物流供应链行业的现状与问题
邱涛：——沃尔玛
我是邱涛，现负责沃玛中国的物流和科技部门，之前也在菜鸟和电商物流领域工作过。当前物流行业有两种企业类型：资产重的企业因经济下行而专注于退出，回报率低；而资产轻、专注运营的企业则因行业细分多而持续发展。在电商物流方面，企业越来越重视物流与供应链，视其为核心竞争力，加大投资与深度运营。例如菜鸟取消了单独上市计划，将物流与主营业务更加紧密结合。总体来看，竞争依然激烈，壁垒相对较低。
Michael Yang：—— ForePax Fulfillment
我们公司提供一站式跨境物流服务，拥有深圳和美国的仓库，负责整个物流流程。目前观察到，最后一公里是美国物流成本最高的环节，占比超80%。一些公司通过众包模式降低这部分成本，市场需求较大。上个月，我们参加了 USPS 的 National Postal Forum，并了解其新的 “regional connect” 项目，专注于头程物流，而 USPS 擅长最后一公里。美国物流公司 PB 与 USPS 合作，通过全国仓库分拣货物到邮局，邮局负责最后分拣。这一项目为中国企业带来了新机会，尤其需要本地网络和配送卡车的支持。
Joe：—— 洛杉矶某电商
我是洛杉矶的资深电商创业者，专注于电商行业，尤其是物流。我不仅是 TikTok 和 Temu 的卖家，还曾帮助 Temu 在美国市场初期对接当地资源。Temu 在进入美国前期，将物流、商品和营销成本算得非常精细，尤其在众包物流方面，通过压低成本迅速扩张。然而，这种模式带来的利润空间有限，许多众包公司最终面临财务问题或退出市场。这一现象凸显了以低价冲量为核心的美国尾程物流挑战，尤其在 Temu 的扩张中表现明显。
George HAN：—— KanariesFEILIKS LOGISTICS
我们专注于生产制造业的物流，客户主要来自电子、汽车和智能制造领域。随着国际贸易战和疫情的影响，许多制造业客户将部分产能转移到东南亚（如越南、泰国）、欧洲（匈牙利、土耳其）和北美（墨西哥），因此对跨境物流、报关及本地物流服务的需求增加。我们的服务涵盖研发、入厂、半成品或成品出货、售后服务零件管理等，提供定制化的物流方案，围绕客户的各个环节展开，客户在哪里，我们的服务就在哪里。
Alex：—— Tesla 全球采购经理
我们专注于生产制造业的物流，客户主要来自电子、汽车和智能制造领域。随着国际贸易战和疫情的影响，许多制造业客户将部分产能转移到东南亚（如越南、泰国）、欧洲（匈牙利、土耳其）和北美（墨西哥），因此对跨境物流、报关及本地物流服务的需求增加。我们的服务涵盖研发、入厂、半成品或成品出货、售后服务零件管理等，提供定制化的物流方案，围绕客户的各个环节展开，客户在哪里，我们的服务就在哪里。
#2 不同行业/环节对AI赋能的需求是否存在？
Scott Wang：—— Uniuni 美国战略负责人
我主要在美国，从供应链趋势来看，中国消费降级、产能过剩和全球通货膨胀推动了中国企业出海，商流的变化也带动了物流和供应链的变革。例如，Temu 和 Shein 实行全托管模式，从中国发货到美国客户，但物流遇到瓶颈，特别是在节点磨合和信息流匹配方面。AI 的需求存在，但更多停留在 machine learning 层面，因供应链更需要稳定、量化和准时到达。大模型的推理和预测在物流中的应用仍有待探讨。
Michael Yang：—— ForePax Fulfillment
我有朋友在美国做AI startup，去年底获得融资。他们解决了美国last mile配送中的一个痛点：货物在货车中杂乱堆放，导致司机需要花大量时间寻找并可能出错。他们公司通过自动化技术，用机械臂等设备将货物准确送到邮递员手中，邮递员只需将货物从车上取出并放在用户门口。这种移动发货中心（Mobile Fulfillment Center）大大提高了配送效率。这种解决方案有很好的市场前景，尤其适合服务大型客户如USPS、UPS、FedEx等。
Part 02 破壁研讨
#1 目前落地的AI应用集中在哪些供应链环节？
邱涛：—— 沃尔玛
讨论供应链可以从库存和物流两方面看。库存布局的优化至关重要，需要平衡服务水平和库存成本。例如库存放在海外能提升服务质量但成本高，而放国内则成本低但服务时效受影响。零售商还需考虑 SKU 的组合布局，通过连带购买提升客单价并降低履约成本。
在需求预测方面，传统算法仍需大量人工介入，如识别异常波动。IBM 的优化模型通过识别事件引发的异常波动，提升了预测准确度，帮助更好地进行备货。
在执行层面，如盘点与拣选等操作，计算机视觉技术大大提升了效率，例如通过摄像头识别库存二维码或分拣水果，已成为成熟应用领域。最后一公里的调度优化也有许多应用机会，结合成本、效率和服务质量选择最佳方案。
Scott Wang：—— Uniuni 美国战略负责人
我们专注于最后一公里的派送，区别于计时派送的众包模式，我们采用计划派送，确保包裹从进单到司机派送有序进行。我们注重理解客户需求，目标是包裹准时、准确、安全地送到客户手中。在AI方面，我们通过数据沉淀来提升派送的效率和稳定性。相比于大模型，我们认为machine learning 更适合优化路线规划，如高效避开高速或河流障碍，学习有经验司机的派送行为。通过数据沉淀，我们还可预测派送时间，提前通知客户，更好地服务最后一公里的需求。
陆戎飞：—— Antes AI
我们这一块可能跟物流少一些，而是汽车或者汽车生产商、航空航天器材的生产商，他们需要知道供应商是哪里，来自中国的供应商需要去给上游 OEM 提供说我们有这些合规的保证，包括去跟踪海关、关税的政策，我们可能想用可能大模型去追踪这些，包括提供一些智能的建议，包括怎么样去溯源整个供应链，去保证企业的供应链对于美国法律来讲是合规的，当然也希望能帮助中国的供应商应对美国的法律法规。
王治澎：—— 京东物流
我来自京东物流，分享两个案例。首先，各大电商拥有大量SKU，像“苹果”可能指生鲜产品或手机。针对时效要求高的生鲜产品，AI和大模型可以识别订单并匹配合适的物流方案，确保质量和时效。此外，物流包装会推荐适合的箱子、标签等，提升履约质量，降低理赔成本。
另一个案例是AI驱动的物流提升。精准地址是提升配送效率的关键，尤其是国际客户的复杂路径规划。通过传统机器学习和地址大模型优化，能够提高地址准确率，减少误送、错发等问题，从而提升物流时效和效率。
郭凯霖：—— 香港理工大学
我是香港理工大学的学生，研究交通科学，尤其对最后一公里的 VRP（车辆路径问题）感兴趣。很多前辈提到 AI 在路径规划中的应用，我认为AI 主要提供了更强的计算能力和优化方法。VRP 的核心是设计一条最佳路径，在 AI 出现前已被深入研究，如降低成本、时间或距离的优化问题。AI 引入后，如 Tabu Search 等算法在面对更大网络时，能以更强算力更快地生成更优结果。
Michael Yang：—— ForePax Fulfillment
物流供应链行业已有数百年历史，许多流程仍使用低效的传统工具。Flexport 等公司致力于解决这些历史遗留问题，如用低效软件处理集装箱和大件物品的沟通。我们的经验表明，通过改进用户体验的小细节，如从“17track”到 Aftership，能增强用户粘性。一个例子是 TikTok 上的跨境发货，13盎司的重量差异会显著影响价格，因此我们建议客户调整包装以节省物流成本。扩展这一思路，AI 可以帮助商家在选品时优化物流成本，通过分析产品尺寸、物流方式等数据提供优化建议，从而实现个性化、定制化的运营服务工具。
丁祥龙：—— 杭州湖畔网络技术
万里牛提供国内和跨境电商的SaaS产品，主要解决ERP和WMS的履约问题。其客户数据涵盖多个行业和平台，包括TikTok、TEMU等。AI应用主要用于优化履约，如自动化补货、优化供应商选择、备货决策等，尤其在双十一、618等大促期间，帮助企业减少对人工经验的依赖。同时，AI也用于仓库管理，优化路径、上货时间和快递选择，以降低物流成本。电商行业标准化较高，但不同细分行业如服装和快消品之间仍存在较大差异，模型需要根据行业和类目不断调优。目前，90%的客户为国内电商，10%为跨境电商。
丁健：—— 某大厂
我所在的医疗器械公司面临供应链复杂性，因为生产模式是低量高复杂性，每个季度只生产150台左右且定制化需求不同，导致库存管理和采购成本高。我们计划用 AI 改善供应商和库存管理。举几个例子：首先，需求规划是痛点，由于客户需求各异，我们难以准确预测每个 SKU 的销量及零件采购量，导致库存增加数千万。其次，产品退市后仍需管理保修期的零件需求，也需要精准预测。第三，需分析哪些服务部件会定期损坏并需更换，这影响未来 5-7 年的库存准备。最后，供应商间的沟通繁琐，目前需要大量人工监控，我们希望用 AI 自动化供应商交流，降低成本。
Vincent Huang：—— 某大厂
我在一家能源公司工作，负责推出储能等产品。供应链复杂，终端用户对技术不太了解，因此销售人员常需转向技术团队，导致响应时效性较低。随着大语言模型的发展，通过 RAG 和内部历史数据，可以帮助更好地解答客户问题。模型可根据不同SKU和配置，提供产品介绍、价格核心因素，甚至输出较准确的价格范围。我想了解，目前AI和大语言模型是否可以精准识别客户问题，并输出足够商用的结果？技术约束的难度又有多高？
陆戎飞：—— Antes AI
我之前是斯坦福 AI 人工智能实验室的，我觉得尤其是跟数据和数字有关系的预测，其实很多经典的机器学，只要有数据，很多经典的机器学习方法输出的结果不一定比大模型差。尤其预测数字，我觉得大模型的优势更多在于语言，还有一些推理。他有这些幻觉的问题，所以数字它很难预测，可能 GPT 5 下一代的大模型出来之后，会有更强的能力，但是现在来讲，这是大模型目前的一个软肋。但是你要说综合决策、语言推理上，大模型那可能更强一些，如果是数字、价格上的推理，我觉得还是有距离的。
王治澎：—— 京东物流
我分享一下退换货场景的AI协作模式。退换货在物流中是一种 C2B的模式，客户需要将货物退还给商家。对于物流公司来说，快递员如何去检验托寄物，比如包装、附件、外观、使用情况、SN 码等等。客户下完订单后， 对于真正去揽收的快递员，怎么能在他的应用上做一些 AI 引导式的作业，比如说验货步骤、操作提示语、拍照、商品图像识别和匹配等，这样对验货服务标准、服务质量都是有很多帮助，进一步在退货流程中提升了客户体验。
Part 03 机会研讨
#1 智能供应链的发展趋势是什么？
Michael Yang：—— ForePax Fulfillment
我最近参加了美国的大型供应链展会，聚焦于仓库的智能管理，无人化是行业发展的主要趋势。许多公司在使用智能机器人进行发货、拣货、收货，甚至无人叉车和无人机盘点。例如，无人机通过扫描产品二维码准确识别货物，但对产品大小和二维码方向有一定要求。美国电商公司如 Weee 已广泛采用智能仓库管理系统，尤其在人工成本高的湾区，这种自动化趋势不可逆。我们还接触到自动打包产线，通过激光扫描快速生成包裹，但适合高出货量的场景，如京东物流在洛杉矶的仓库也有类似应用。
Scott Wang：—— Uniuni 美国战略负责人
我觉得有几点可以跟大家分享，第一点是，在物流领域，其实 AI 可能更多是垂直的、在一个企业内，而不是横向做一个大模型的 AI。因为每一个物流公司有很多数据，但这个数据大家很难拿出来共享。
#2 在供应链AI领域，初创企业有哪些机会？
Scott Wang：—— Uniuni 美国战略负责人
我觉得所有的创业都是从问题出发、需求出发，就是说你要看大家的痛点在哪里？而且要看这个痛点有没有共性，就是你的市场有多大。比如说我有一个痛点，我需要把包裹地址的精度纬度跟实际妥投的包裹的精度纬度进行对比，怎么提高准确性？这是我们目前碰到的一个痛点，但是它是不是代表整个市场的需求？这个需求有多大？我觉得可能大家都要去思考解决这个问题是解决多大的一个问题。
陆戎飞：—— Antes AI
美国这边比较火的很多，像 YC summer batch 里有 5 个 startup 都是做供应链相关，更多是和采购有关，相当于是简化邮件沟通的成本，供应商来回的交流沟通可能都是 AI Agent 来取代，所以看到非常多的这样项目。可能就是最近的这 6 到 12 个月有很多 startups 从这儿冒出来，做沟通上面的自动化。因为很多是比较经典的机器学习问题，就是运筹，可能可以用一些轻简的算法来解决，大语言模型可能并没有起到更多的帮助。但是针对这里面的 Process Automation ，我们见到现在有非常多的 startup 在看这个方面的问题。
王治澎：—— 京东物流
当前AI、大模型在企业内部场景应用有巨大的潜力，特别在提升各类岗位工作效率方面， 在物流行业有大量客服、采购、销售、操作的岗位，这些岗位每个人级别不同、熟练程度不同，如何训练出一个智能助理来承担更多的工作流？这些工作流可以帮助这些岗位提供更加专业的建议和决策，承担更多的工作。今年和明年很多企业都在做，是当下AI、大模型应用的一个重点方向。
Part 04 同学提问
#1 刚刚提到重资产和轻资产运营，方便分享沃尔玛对于这一块的布局？
邱涛：—— 沃尔玛
在国内来讲，我们还是以合作为主。中国和美国还是有一些不一样，美国这边还是自营为主，就是相对来讲会比较重的投入。合作方还是那些拥有比较多的物流资产的企业，或者是有运营能力的企业。布局的话主要还是跟着整个主营业务去做布局，跟着主营业务在走。
#2 全托管和FBA物流有什么区别？
Scott Wang：—— Uniuni 美国战略负责人
FBA 模式是指将国内货物批量进口到亚马逊仓库，由亚马逊负责库存和派送。而随着电商的发展，全托管模式和T86清关政策（800 美元以下免税）推动了新趋势。平台如 Temu 和 Shein 抓住时机，通过全托管服务，加快了物流速度，从中国仓库发货，采用小包清关，最快5天内送达美国客户手中。这与传统45天的发货方式形成鲜明对比，提升了平台的用户体验和复购率，商流变化正推动物流速度整体加快。
#3 美国之前的政策会不会对全托管和自发货的卖家有影响呢？
Scott Wang：—— Uniuni 美国战略负责人
我觉得这个问题是数据血缘的问题，还是归结到元数据管理的范畴，这个 topic 其实挺大的。
#4 4月份TikTok开始做FBI，TikTok是自己在做？还是合作？
Joe：—— 洛杉矶某电商
两个都有，一个是自己在租仓，另外一个是在用别人的第三方海外仓，再用他们的系统去做。这块据我了解不是特别成熟，他们现在也在找各行各业 order fulfillment 做的比较好的取经学习。
Michael Yang：—— ForePax Fulfillment
FBT 从去年起独立发展，最初属于 TSP 的宏观板块。去年品牌入驻 FBT 需每月 6,000 单的销售量，今年限制放宽，更多卖家加入。FBT 在美东、美中、美西有三个仓库，与一家专业的 fulfillment 公司合作，但其入仓效率较低，入仓时间长是一个主要痛点，有客户等待 10 天仍未上架产品，影响销售。而我们仓库规模小，能在 24 小时内上架。此外，FBT 适合应对发货问题，如丢件或扫描失败，尤其在 TikTok 履约时效要求下，FBT 能为卖家提供兜底服务，但缺点是只能绑定 TikTok 平台，无法在其他平台发货。
#5 您对AI赋能这块有什么想法吗？
Michael Yang：—— ForePax Fulfillment
目前我们接触到的用户需求场景与 AI 的结合点并不多，现有的 WMS 或 OMS 已能满足基本需求。然而，公司正在开发的新产品中，几乎所有客户的第一个问题都是关于收费和报价，通常是一些标准化的问题。我们希望未来的 AI 技术能成熟到处理这些流程化的问题，让客服无需反复回答。虽然 AI 可以高效解答，但完全统一的回答可能会显得枯燥，尤其对于 ToB 客户，还需要时间来完善体验。
宸若：—— 早点出海
我感觉报价这一块好像完全可以AI化，很多头程报价，因为一天一个样，经常在变，包括因为有不同的货，我感觉报价完全是可以用 AI 机器人客服来回答。我们现在接触到很多的物流公司，其实有点 labor intense ，包括很多物流公司找客户就扫楼，这些如果可以 AI 化的话，其实会减少很多的 labor。
Michael Yang：—— ForePax Fulfillment
这个行业有一个比较特别的点，包括我们的很多同行，他们会看人下菜碟。他报价可能是因为我跟你的关系，或者根据这个产品的一个特殊属性，因为像我们有发很多各种各样的产品，大到一辆车，小到一根针，我们公司都发，那我们这个产品的属性、包括跟客户的关系，风险也会来做一个综合的评估，所以说相对来讲的话还是一个比较 personalize 或者比较 customize 的过程。
#6 制造业的物流服务会对AI有什么需求？
Alex：—— Tesla 全球采购经理
大型的供应商，就是 Multi billion 这些公司现在在寻找的一个机会就是怎么样用 AI 减少制造成本，比如焊接，怎么样不用人工去检查质量，而是用摄像头，包括用 AI 软件去自动寻找焊接到底有没有问题；包括做设备的一些供应商，他们在寻找怎么样可以减少设备故障诊断的成本。比如传统来说，你设备出问题了，我就要派技术员去你公司修，但是如果你有一个 AI，让设备供应商做一个 chatbot 一样的东西，先作为一个简单的 troubleshoot，之后如果诊断觉得确实要派人来，那再派人去现场。如果这样就可以成本很低地把这个故障解决，而且效率会很高。
George HAN：—— FEILIKS LOGISTICS
这一块对我们来讲应该也会有，现在跨境物流涉及的当地进出口关税和政策变化比较快，所以我们也是希望开展不同国家业务时，能够第一时间知道他们的一些政策调整，如针对关税、进口管制方面合规的要求，我们希望能够AI技术推送给我们一些相关的最新资讯，以便及时与客户协调，甚至有Organized数据补充到我们的数据库，调整一线运营作业。
其次在我们的仓库作业部分，目前FEILIKS有超过100 万平方仓库在运营，其中有10万平方米的自动化仓；在仓库作业中，我们已尝试用AI技术对出口托盘装板的优化；并希望利用AI技术在仓储空间、人员管理、设备管理和辅助决策等方面，以及协助客户在库存管理方面进行优化。
#7 你们产品的呈现模式是怎样的呢？
陆戎飞：—— Antes AI
现在市面上有不同的呈现模式，一种是把美国国土安全局的数据、从 public domain 挖掘的数据等等整合在一起，制成了相当于供应链的 graph，你可以知道谁是谁的供应商、上流是又是谁。因为一般来讲，你可能只知道你的直接供应商，你要往上在溯源、一直到原材料，有的时候就非常困难。也有公司用大模型或者传统的机器学习提取这样的信息、整合这样的信息，相当于制成一个graph。
另外一个呈现方式是，对于公司，他们更关心供应链有什么风险，如果有政策的调整，你要提醒我。如果物流上面有变化、或者说供应商上面有变化的话，我可能是不是要换供应商，更多是对于公司风险的提醒。
#8 TikTok后台可以根据你的产品重量或者尺寸给你推算不同运输方式的不同费用，这是Michael提到的工具吗？
Michael Yang：—— ForePax Fulfillment
我们常见的物流平台，如 Pirate Ship 和 Ship Station，提供类似计算器的功能，用户输入产品体积、重量等信息即可获取不同运输方式的价格选项。但针对电商，尤其是大规模选品场景，逐一输入数据的方式效率低下。我们设想是否能开发一个更智能的计算器，基于物流成本和市场热销产品，快速分析产品组合（如 TikTok 上的 Fastmoss），帮助控制成本并提升效率。目前市场上还没有类似的解决方案。
#9 数据驱动决策在物流供应链有哪些的场景？
邱涛：—— 沃尔玛
数据驱动在供应链和决策中扮演重要角色，尤其在库存管理和履约方面，算法和自动化已成为日常操作的一部分。传统方式通过数据仓库和数据湖进行分析，但随着数据量增长，依赖人的分析越来越强。我们探索通过大模型解读数据，提升分析效率。
有两种解读方式：一是为没有技术背景的领导提供支持，大模型将问题转化为 SQL 语句，自动生成分析；二是帮助业务人员从大量报告中找到关联性，提升工作效率。尽管大模型的应用前景广阔，但数据质量和信任基础是关键，需要不断在实际业务中尝试和优化。
我们通过内部竞赛，鼓励员工探索大模型的应用，期望它改变业务与技术的合作模式。
Michael Yang：—— ForePax Fulfillment
我觉得如果放大一些来讲，整个供应链环节，包括运营这一块，我们还围绕 TikTok 环节来讲的话，我一直觉得像 Fastmoss 做数据选品，包括数据决策全面助力运营各个环节，有这样的工具还是非常重要的。我觉得如果要是作为一个新的创业公司，比如说作为 TikTok 的一个卖家或者供应商，可能只是在做一件事情，但是像 Fastmoss 是在搭一个。而且我身边也有很多 TikTok 美国本地的一些群体，他们也在使用这样的数据软件，比如像美国做的比较大的 Helium ten，包括 Jungle Scout 等等在传统亚马亚逊领域做的比较大。我看到 Fastmoss 其实就是 TikTok 界的 Helium ten。我觉得从这方面来讲还是会有一些创业机会。
但是其他层面，因为我们可能更多处理的是物流、实体物件的发送环节，目前还没看到和我们应用直接相关的点。
#10 过程自动化可以举一些例子吗？
陆戎飞：—— Antes AI
比如说供应链里面负责采购负责、和供应商交流货有没有到，有个几千家供应商你要来回Email，很多日常生活里的这些 process，这些你可以用 AI 来取代。其实并没有那么高精尖的科技，就是这些比较琐碎的人工重复的劳动可以用 AI 来做。
