顺丰的AI双引擎：丰语丰知如何重塑物流行业

网址

type

Post

status

Invisible

date

Feb 23, 2026

slug

shunfengai

summary

为什么顺丰要做自己的大模型

这事得从2023年初说起。

ChatGPT横空出世那会儿，顺丰董事长王卫就公开表达过对这项技术的重视。但和很多企业"先上车再说"的策略不同，顺丰选择了一条更重的路——自己研发物流垂直领域的大模型。

为什么？

我和一个业内大佬聊过这个话题，他的观点很直接："物流行业的know-how太深了。你用通用大模型问'这个包裹能不能寄'，它可能给你背一遍禁寄物品清单。但一线快递员要知道的是，这个客户的件是不是经常出问题、这个地址是不是配送困难、这个时段是不是容易延误——这些都是行业特有的经验。"

顺丰显然也意识到了这一点。

他们构建大模型的思路很明确：不是做一个"能聊天的AI"，而是做一个"懂物流的专家"。通过大量物流行业数据训练，让模型真正理解这个行业的业务逻辑和决策逻辑。

这种"垂直深耕"的策略，在2024年结出了果实——"丰语"和"丰知"两个大模型相继发布，而且不是停留在实验室，而是已经大规模落地应用。

丰语：让每个员工都有"老师傅"带

先说说"丰语"。

这是一个物流垂直领域的大语言模型，定位很明确——帮助员工快速成为经验丰富的岗位专家。

具体来说，丰语已经全面赋能了顺丰的市场营销、客服、收派、国际关务等业务板块，覆盖了20多个具体场景，赋能超过1000个岗位。

这些数字背后是什么？我研究了一下具体的应用场景。

客服场景是最直观的。传统的客服培训，一个新员工要熟悉各种业务规则、话术、异常处理流程，少说也要几周时间。而且物流行业的客服特别难做——客户的问题五花八门，从"我的快递到哪了"到"这个能寄国外吗"，从"运费怎么算"到"我的件损坏了怎么办"，每个问题都可能涉及复杂的业务逻辑。

丰语在这里发挥的作用，就像一个24小时在线的"老师傅"。新员工遇到不懂的问题，可以直接问丰语，它能给出准确的回答和操作指引。据说现在丰语已经构建了实时语音交互的能力，客服人员可以直接语音查询，效率提升很明显。

收派场景也很有代表性。顺丰在全国有几十万快递员，每个区域的情况都不一样——哪些地址难找、哪些客户有特殊要求、哪些时段容易堵车，这些都是经验积累出来的。丰语把这些经验沉淀下来，新入职的快递员可以通过它快速了解负责区域的特点，少走弯路。

国际关务可能是技术含量最高的场景。跨境物流涉及海关申报、商品归类、税费计算等复杂流程，对专业性要求极高。顺丰依托丰语推出了"丰语商编"智能关务解决方案，聚焦国际件审单、申报及查验等关键环节。以前需要专业关务人员处理的很多工作，现在可以通过AI辅助完成，既提高了效率，也降低了出错率。

丰知：让供应链决策更聪明

如果说丰语是"语言专家"，那丰知就是"决策专家"。

丰知是顺丰推出的物流决策大模型，专注于供应链的智能化分析、销量预测、运输路线优化与包装优化等决策领域。

这个定位很有意思。物流行业一直不缺数据——每天产生海量的运单数据、路由数据、时效数据。但数据不等于决策，怎么从这些数据里提炼出有价值的信息，辅助甚至替代人工决策，这才是关键。

丰知的核心能力，我总结为三个方面：

第一是需求预测。丰知构建了多模态多尺度多通道需求预测模型，能够更精准地捕捉市场需求变化、销售数据和发展趋势。这对供应链计划非常重要——预测准了，库存就不会积压或短缺；预测错了，要么缺货影响销售，要么积压占用资金。

第二是路线优化。物流成本里，运输成本占大头。怎么规划路线最省时间、最省油、成本最低，这是一个经典的运筹学问题。丰知把大模型的能力和传统的运筹优化算法结合起来，可以在更复杂的约束条件下找到更优的解。

第三是包装优化。这个场景可能很多人没想到。不同的商品、不同的运输距离、不同的时效要求，应该用什么样的包装？过度包装浪费成本，包装不足可能损坏。丰知可以根据商品特性和物流方案，推荐最优的包装方案。

据我了解，丰知目前主要部署在顺丰对外的供应链服务产品中，为顺丰的企业客户服务。也就是说，如果你是一家电商企业，使用顺丰的供应链解决方案，背后可能就有丰知在帮你做决策优化。

双引擎协同：1+1>2的效果

丰语和丰知不是孤立存在的，它们之间有很强的协同效应。

举个简单的例子。客户通过丰语智能客服咨询一个问题："我想寄一批电子产品到欧洲，有什么方案推荐？"

丰语首先理解客户的意图，然后可以调用丰知的能力——根据当前的运力情况、路由时效、成本结构，给出最优的物流方案建议。这个过程中，丰语负责"听懂"和"表达"，丰知负责"计算"和"决策"。

这种协同在很多场景都存在。比如收派场景中，丰语帮助快递员理解客户需求，丰知则优化派送路线；在国际关务场景中，丰语辅助填报和审核，丰知则进行风险评估和方案优化。

顺丰把这种架构称为"可控、可信、可用"的AI应用体系。可控，是因为模型是自己研发的，可以根据业务需要调整；可信，是因为模型深度理解物流行业，给出的结果更可靠；可用，是因为已经在大规模业务中验证过，不是实验室玩具。

对行业的启示

研究完顺丰的双模型策略，我有几点思考想分享。

第一，垂直大模型的价值被低估了。 现在大家都在关注通用大模型的参数规模、 benchmark分数，但真正在产业里落地，垂直领域的深度理解往往更重要。顺丰的案例说明，与其追求"什么都能聊"，不如把特定场景做深做透。

第二，AI落地需要和业务深度融合。 丰语和丰知不是IT部门单独搞出来的"技术项目"，而是和业务部门深度协作的产物。每个应用场景都是和业务一线反复打磨出来的，这种"从业务中来，到业务中去"的思路，是AI能够真正产生价值的关键。

第三，大模型和小模型可以共存。 顺丰的架构里，既有丰语、丰知这样的大模型，也有传统的运筹优化算法、规则引擎。大模型负责理解和生成，传统算法负责精确计算，各自发挥所长。这不是"取代"的关系，而是"增强"的关系。

第四，数据资产的重要性进一步凸显。 顺丰能做垂直大模型，前提是积累了大量的物流行业数据。这些数据不仅是训练模型的燃料，也是构建竞争壁垒的护城河。未来，数据能力可能会成为物流企业的核心竞争力之一。

写在最后

说实话，在研究顺丰这两个大模型之前，我对物流行业的AI应用是有些偏见的——觉得这个行业数字化程度不够，AI落地会很慢。

但丰语和丰知的案例让我改变了看法。顺丰不仅在大模型应用上走在了前面，更重要的是，他们找到了一条"务实"的路径：不追求技术的新奇，而是追求业务的价值；不盲目跟风，而是深耕自己的优势领域。

这让我想起那个做供应链的朋友。如果今天再和他聊这个话题，我可能会说：物流行业的AI，可能不是最 flashy 的，但可能是最扎实的。

毕竟，能把每天几亿个包裹的物流网络管好，本身就是一个了不起的工程。现在加上AI的双引擎，这个网络的效率和智能程度，可能会超出我们的想象。

对了，最近听说顺丰同城还接入了DeepSeek，看来他们在AI领域的探索还在继续。这个赛道，值得持续关注。

参考资料：

顺丰科技2024年官方发布信息

AICon 2024全球人工智能开发与应用大会公开资料

深圳国际人工智能展相关报道