2024-08-20
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
SF Express의 Wang Wei 사장이 "SF Express가 ChatGPT를 연구하기 시작했다"고 공개적으로 밝힌 지 1년여가 지나서 SF Express는 대형 모델에 대한 새로운 소식을 발표했습니다.
19일 '매일경제' 기자는 SF익스프레스를 통해 SF테크놀로지가 지난 8월 18일 독자 개발한 '풍지(Fengzhi)' 대규모 물류 의사결정 모델을 출시했다고 전했다. 해당 모델은 대규모 모델 기술을 물류에 적용하는 것을 목표로 하고 있다. 공급 체인, 판매 예측, 운송 경로 최적화 및 포장 최적화 및 기타 의사 결정 영역에 대한 지능형 분석.
이르면 지난해 초 ChatGPT의 등장으로 글로벌 논의가 촉발되자 왕웨이는 이 기술에 대한 충분한 관심과 위기의식을 공개적으로 표명했다. 하지만 타사의 대규모 물류 모델 분야 개척에 비하면 SF Express는 아직 늦은 것 같습니다.
지난해부터 JD.com과 Cainiao는 물류 업계에서 대형 모델을 출시했습니다. JD대한통운은 올 상반기 JD닷컴의 '618' 지원 업무에 처음으로 대규모 물류 모델을 적용했다고 밝혔다. 3천만 번 이상 전화를 걸어 수십만 명의 일선 직원에게 역량을 부여했습니다. 올해 3월 Lalamove CTO Zhang Hao는 Lalamove가 개발한 걱정 없는 화물 모델이 여러 시나리오에 적용되었으며 질문 답변 정확도가 90% 이상임을 공개적으로 밝혔습니다.
이제 SF익스프레스까지 합류하면서 물류 대형모델 난투가 다시 본격화됐다. 대형모델 시대, 물류업체 간 경쟁에서 누가 기회를 잡을 것인가.
"현실은 언제나 잔인하다. 사실 '딕 온라인'(SF Express 30주년 기념 연설)은 제가 쓴 것이 아니라 빅모델이 쓴 것입니다. 왕웨이는 작년 상반기에 스크린샷을 공유했습니다." 대화.
왕웨이는 내부 플랫폼에서 “SF익스프레스는 게을러서는 안 되며 뒤처지지 않으려면 새로운 것과 새로운 도구를 사용해야 한다”고 직설적으로 말했다. 모두 기술이나 혁신에 집착하는 호랑이들이다. 동료들에게 죽임을 당하는 대신 몇 분 만에 잡아먹힌다."
이제 SF Express가 드디어 자체 대형 모델 제품을 출시했습니다. "Daily Economic News" 기자들은 공급망 운영 시나리오에서 대형 모델을 구현하는 문제를 해결하기 위해 SF Technology가 대형 언어 모델의 상호 작용 장점과 기존 소형 모델의 전문적인 깊이를 통합하여 공급망 지능형 에이전트를 구축했다는 사실을 알게 되었습니다. 이 지능형 에이전트는 SF Express Technology의 Fengzhiyun 생태계를 기반으로 하며, 고객 매출 변동 시 고객에게 문제의 원인을 정확하게 알리고 관리자에게 의사 결정의 근거를 제공하며 적절한 대응 전략을 선택할 수 있도록 지원합니다.
SF Express는 "Fengzhi" 대형 물류 의사 결정 모델이 보다 정확한 예측 결과를 달성하기 위해 다중 모드 대형 모델 기능을 기반으로 다단계 및 다중 채널 수요 예측 모델을 구축했다고 "Daily Economic News" 기자에게 말했습니다. 뿐만 아니라 계산 방식의 변경으로 모델 요구 사항 수와 리소스 소비도 줄어들어 리소스 효율성이 향상됩니다.
특정 실제 사례를 예로 들면, 서버 리소스 요구 사항이 크게 감소하고 실행 시간 효율성이 120배 증가했으며 예측 정확도가 5% 증가했습니다. 이러한 개선은 기존 모델에서는 달성하기 매우 어렵고, "Fengzhi" 물류 의사결정 모델이 공급망 수요 예측 분야에서 중요한 기술적 혁신을 달성했음을 나타냅니다.
하지만 이르면 지난해 초 대형 제품을 출시한 물류업체에 비하면 SF익스프레스는 아직 이르지 않은 상황이다.
"최근 몇 년 동안 일반 인공지능, 특히 대규모 언어 모델 기술은 상당한 발전을 이루었고 많은 산업의 생태계를 근본적으로 변화시켰습니다. 그러나 복잡하고 고도로 전문화된 물류 공급망 분야에서는 그 응용 가능성이 완전히 탐색되지 않았습니다. SF Technology의 부사장인 Tang Kai는 말했습니다.
Tang Kai는 또한 공급망 운영이 매우 전문적이고 엄격한 분야라고 언급했습니다. 현재의 대형 모델 기술은 큰 잠재력을 보여 주지만 정확한 계산과 '환상' 회피 측면에서 어느 정도 제한됩니다. 이 분야에서.
Tang Kai는 또한 특히 중요한 것은 공급망 운영 의사 결정 및 분석 요구 사항이 추적 가능하고 검증 가능해야 한다는 점이라고 말했습니다. 이는 현재의 '블랙 박스'와는 다른 소위 '화이트 박스' 기능입니다. " 대형 모델에서 흔히 볼 수 있는 출력 방식입니다. 근본적인 차이점이 있습니다. 이러한 핵심 차이점은 대형 모델이 공급망 분야에서 널리 홍보될 때 직면하는 주요 과제가 되어 역량을 최대한 발휘하는 데 방해가 됩니다.
SF 테크놀로지가 'Fengzhi' 대규모 물류 의사결정 모델을 출시한 같은 날(8월 18일) SF 테크놀로지는 Zero One Thousand Things를 포함한 다수의 대형 모델 스타트업과 생태학적 협력도 달성했다는 점을 언급할 가치가 있습니다. SF Express의 대형 모델 분야에서의 추가 행보와 레이아웃은 업계의 기대를 불러일으켰습니다.
업계에서는 많은 산업 시나리오 중에서 도로 화물이 완전한 시스템, 수많은 링크, 복잡한 데이터 및 풍부한 시나리오의 특성을 가지며 대규모 모델 구현의 주요 영역 중 하나라고 믿습니다. 대형 모델 기술의 심층적 적용은 전체 물류망의 운영 효율성, 서비스 경험, 비즈니스 혁신에 큰 변화를 가져올 것으로 예상됩니다.
이에 지난해부터 차이냐오(Cainiao), JD로지스틱스(JD Logistics) 등은 이미 물류 공급망 분야를 위한 대규모 모델 제품 출시에 나섰다. 작년 6월 Cainiao Supply Chain은 대형 모델 기반의 디지털 공급망 제품 'Tianji π'를 출시했습니다. Cainiao 알고리즘 + 대형 모델 기반 생성 AI 지원 의사 결정을 통해 판매 예측, 보충 계획, 재고 상태 및 기타 분야의 품질과 효율성 향상은 물류 공급망을 대형 모델 시대로 효과적으로 촉진할 것입니다.
지난해 7월 13일 2023 JD 글로벌 기술 탐색기 컨퍼런스에서 JD는 언어, 음성, 비전, 다중 양식 등을 지원하고 일반 데이터 70%와 디지털 인텔리전스 공급 30%를 통합하는 Yanxi 대형 모델을 공식 출시했습니다. 체인 네이티브 데이터는 물류 산업 현장을 심화하고 실제 문제점을 해결하기 위해 최선을 다하고 있습니다.
바이두맵스도 지난해 9월 말 바이두의 대형모델 기술력과 물류산업 시나리오의 특성을 결합해 물류대형모델 베타버전을 정식 출시해 물류분야 적용에 앞장섰다고 밝혔다. 물류주소 분석과 물류일정 의사결정 두 분야로 나뉜다. 지난해 10월 Fuyou Trucks와 Tencent는 최초의 대규모 디지털 화물 모델을 공동으로 개발하는 데 포괄적인 전략적 협력을 맺는 서명식을 가졌습니다.
올해 3월에는 랄라무브가 자체 개발한 대규모 걱정 없는 화물 모델을 시나리오 기반 경량 모델에 집중하며 '당신 주변의 물류 전문가'로 자리매김했습니다. 현재 화물 사실관계 질문 및 답변 정확도는 90%를 넘고 있습니다. 같은 달 대규모 모델 응용 연구 및 실습에 중점을 둔 물류 업계 최초의 물류 인텔리전스 얼라이언스(Logistics Intelligence Alliance)가 설립되었습니다. 이 얼라이언스는 Alibaba Cloud, Cainiao, Amap, COSCO Shipping, China Eastern Logistics, YTO로 구성됩니다. Express, STO Express, ZTO Express, Deppon Express, G7 Yiliu, Ground Rail, Zhejiang University 지능형 교통 연구소 등이 2024 Digital Intelligence Logistics Summit에서 공동 설립되었습니다.
요즘 SF익스프레스의 자체 개발 대형 모델 출시는 물류 거대 기업이 모두 총출동했다는 의미이기도 하며, 물류 대형 모델 분야에서는 더욱 치열한 전쟁이 본격화됐다.
그러나 Fuyou Trucks의 기술 파트너인 Chen Guanling은 "Daily Economic News" 기자에게 현재의 대규모 물류 모델은 물류 수직 산업에서 아직 초기 단계에 있다고 말했습니다. 창의적인 제품, 대규모 모델은 대규모 모델에 적합하지 않습니다. 출력 정확도 요구 사항이 매우 높으며 현재 대규모 모델은 정확도가 충분하지 않으며 더 많은 알고리즘이 개선되고 대량으로 강화됩니다. 이 문제를 해결하려면 많은 데이터와 시나리오가 필요합니다. 이는 현재 대규모 물류 모델이 직면한 가장 큰 과제이기도 합니다.
업계에서는 2024년이 제너레이티브 AI가 산업과 결합되는 해이자, 본격적으로 구현될 수 있는 해가 될 것이라는 데 공감하고 있다. 최근에는 물류 업계의 헤비급 게스트가 게임에 참여함에 따라 누가 물류 분야에서 기회를 잡을 수 있는지가 미래의 가장 큰 매력이자 서스펜스가 되었습니다.
매일 경제 뉴스
