深圳商报•读创客户端记者 陈姝
近日，记者在采访时获悉，依托腾讯云在云、AI、地图、安全等领域的技术积淀，货拉拉自主打造升级“智慧大脑”、货运无忧大模型等，并在车货订单精准匹配、经营决策、智能客服等运营场景落地，实现城市货运全链路降本提效。目前平台订单司机准点率达95%、货运需求精准匹配率达92%，司机接单效率较传统物流时代提升2至3倍，处于行业领先水平。
2024年底召开的中央经济工作会议明确提出“以科技创新引领新质生产力发展”，并将现代物流体系定位为畅通国内大循环、支撑全国统一大市场建设的“核心基础设施”。
同时，我国接连发布《交通物流降本提质增效行动计划》《有效降低全社会物流成本行动方案》的通知，提出2027年交通物流降本提质增效取得显著成效。如何通过数字技术这个“新质生产力”助力行业降成本、调结构、促转型，成为智能物流发展的首要命题。
作为国内领先的互联网货运平台，货拉拉连接着百万司机和千万货主，其运营效率是整个社会物流体系畅通的重要部分。
货拉拉CTO张浩告诉记者，城市货运要实现更高的效率，满足民生需求，关键在于对人、车、货、路等全要素进行数智化升级，优化供应链组织，AI是突破传统模式瓶颈的必然选择。
打造强大的大数据基座
城市货运行业环节多、流程杂，传统人工调度模式导致订单与车辆匹配精准度不足，空驶率高、司机等单时间长、装卸环节效率低下等问题突出。
“我们整个行业是公路货运里最难啃的一块，因为两端极度零散、不标准，以前数字化基础非常差”，张浩说，为了解决这个难题，货拉拉从2019年起就开始用数据驱动、机器学习构建“智慧大脑”，优化车货匹配、定价。2022年引入大语言模型，并与腾讯云合作开发“货运无忧大模型”。
“货拉拉与腾讯云的合作是从云迁移开始的”，货拉拉大数据负责人李炳国告诉记者，货拉拉12年积累了40PB规模的数据，如此大体量的数据要迁移，无异于搬迁一座大厦。通过双方合作，几个月的迁移工作基本对业务无影响。
李炳国表示，搬迁腾讯云之后，离线系统的稳定性、数据存储效率和IT成本资源的利用率都有了很大提升。这些变化在司机和用户群体的感受更深。“现在已连续三年以上未出现严重系统故障”。
据介绍，得益于过去腾讯云业务快速成长，以及多行业多场景客户迁移的技术和经验积累，
腾讯云利用弹性算力、COS存储等基础云资源，助力货拉拉构建稳定、可靠的“新一代离线大数据平台”，更好地支撑货拉拉经营分析、用户分析等场景，助力经营决策更精准、用户分析更精细。
货拉拉核心基础设施负责人陈永庭表示，货拉拉一直在追求处理好IT系统稳定性、研发效率与资源成本之间的关系。腾讯云在保证IT设施稳定性的基础上，还能够在效率和成本中找到最佳平衡点。比如腾讯云弹性伸缩的云资源，能够灵活应对日间订单高峰期的需求，保障系统稳定运行；在夜间资源空闲时段，这些资源还可被高效调度用于支持对实时性要求相对较低的计算任务，如大数据分析、模型训练等，从而显著提升资源利用率并优化整体成本。
另外，依托腾讯云算力平台、腾讯云TI-ONE训练平台、腾讯云智能体开发平台等，货拉拉自主打造行业大模型“货运无忧大模型”，对内赋能数据分析、HR办公等业务领域，对外赋能选车、客服等场景，优化企业员工协同办公能力，以及货主、司机连接效率和使用体验。
依托这一强大数据基座构建的“智慧大脑”，货拉拉平台实现了每日百万级订单与数十万司机的实时智能匹配。目前，平台订单司机准点率达95%，货运需求配对率高达92%，司机接单效率较传统物流时代提升2至3倍，提升了城市货运的核心效率。
把AI“开进”货运赛道
从去年开始，货拉拉与腾讯云合作发力打造AI数字员工，弥补高峰期时人力不足的问题。
货拉拉AI应用负责人林肯称，货拉拉采用腾讯云的ASR和TTS，在保证AI员工能听得懂的环节上，做到了语音识别准确率超过94%，语音合成真人度超过92%的水平，他指出，大模型本身会有自带的问题，如指令遵循能力偏差等，双方通过搭建常见知识库抑制“模型幻觉”的发生。通过工程链路的极致优化，将AI通话的端到端延时控制在1.6秒左右，使得数字员工和前端能进行流畅对话。
此外，货拉拉还在其他多个场景持续开展AI建设。张浩说，货拉拉基于货运行业数据优势自主研发了科技物流领域行业大模型——货运无忧大模型。模型在货拉拉业务知识、货运行业概念知识、货运企业信息、货运行业洞察、货运法律政策等维度能力评测中，达到了业界领先水平；同时，货拉拉还研发了AR识货技术以减少选车错误，提升匹配率；“安心拉”系统通过AI监控降低事故率，每百万公里指标优于行业。
他称，未来，货拉拉将持续探索面向用户/司机的AI助手业务可行性，比如在司机侧实现订单管理功能，可以智能提醒司机哪里有货，哪里单多，帮助司机提高接单抢单效率。
（图片由受访企业提供）