來稿作者：于承忠、劉銳業

在全球數字化轉型的浪潮下，物流供應鏈行業正迎來前所未有的變革機遇。2025年初，國產大語言模型DeepSeek的橫空出世，不僅在全球AI領域引發轟動，更為物流行業帶來革命性突破。其獨特的混合專家架構（MoE, Mixture of Experts）實現了顯著的技術創新，根據摩根士丹利最新研究報告，其訓練成本僅為ChatGPT的三十分之一，推理成本更降至GPT-4的7%。這種成本優勢源於其精準的資源調度機制：系統會根據具體任務特點，只激活最相關的專家模組，而非調用全部算力資源，從而大幅提升運算效率。

順豐同城作為物流行業首批接入DeepSeek的企業，成功構建了「客戶生態+運力生態+調度運營生態」的智能服務體系。通過整合CLS城市物流系統與DeepSeek的能力，實現了智能業務規劃及營銷管理、騎手融合調度及智能訂單分發、智能運營優化等三大核心功能。系統能夠精確預測訂單波動情況，並綜合統籌前端營銷策略、騎手分佈和調度、路線規劃、接單意願和補貼、到店等待時間和配送時間等因素，有效實現不同行業、場景和複雜配送網絡中訂單與騎手之間的最優匹配。同時，順豐同城還積極拓展AI合作生態圈，與多家互聯網公司達成戰略合作，在營銷策略、用戶體驗、多場景智能客服，騎手人臉、裝備等配送規範識別，多元運力資源管理等方面進行持續創新。

在運輸環節，DeepSeek的應用展現出巨大潛力。透過多維度數據分析，系統能夠實時監測路況、天氣變化，預測可能出現的運輸風險。特別是在預測性維護方面，DeepSeek可以通過分析歷史設備運行數據，提前預警可能發生的設備故障，從而提高物流設備的可靠性。在商用車輛管理方面，系統能夠支援高級駕駛輔助系統（ADAS）中的車道偏離預警、碰撞預警、自動緊急制動等功能，實現端側AI的實時感知和決策。

在倉儲管理領域，DeepSeek驅動的智能倉儲系統實現了從「人找貨」到「貨找人」的轉變。通過多模態融合技術，系統可以同時處理圖像、文字和傳感器數據，實現貨物的智能識別與管理。在實際應用中，系統能夠優化倉庫內貨物的存儲位置，提高存儲效率，並根據庫存情況生成自動化指令，指導機器人進行貨物搬運，大幅提升作業效率。

在供應鏈預測與風險管理方面，DeepSeek展現出獨特優勢。系統能夠分析供應鏈中的各種風險因素，包括自然災害、罷工等潛在威脅，並提前採取預防措施。通過分析歷史數據，系統可以預測未來商品的需求量，幫助物流企業合理安排庫存，更精準地預測需求，減少庫存積壓和缺貨情況，提高供應鏈的響應速度。更重要的是, DeepSeek有助物流持份者可以建立韌性供應鏈網絡。

在多式聯運智能銜接方面，DeepSeek相比傳統AI模型具有更強的推理能力。系統能夠充分考量貨物特性、運輸時效要求以及各種運輸方式的實時運力等多方面因素，智能規劃出最優的轉運方案。這樣不僅能夠顯著減少轉運等待時間，還能降低因銜接不暢導致的延誤風險和成本。

在綠色物流領域，DeepSeek支持的碳足跡追踪系統能夠實現從採購到最終交付的全程碳排放監控。通過智能路徑規劃和裝載優化，系統能夠在保證運輸效率的同時，有效降低碳排放。這對於需要遵守歐盟CBAM等嚴格環保法規的跨境物流企業來說尤為重要。

然而，DeepSeek在物流行業的應用仍面臨諸多挑戰。例如，DeepSeek 有時連基本的 API 訪問壓力都承受不了。相信有不少用家會遇過「服務器繁忙」的提示。雖然DeepSeek支持多模態輸入，進行數據處理，但其在低質量數據應用上還缺乏充分的實際驗證。此外，DeepSeek以低成本為核心競爭力，但存在「隱性成本」。其訓練數據依賴其他大模型，比如其性能30%源於對GPT-4的知識蒸餾（Distillation）。一旦美國實施「模型輸出管制」，模型的迭代能力可能驟降。同時，為規避美西方芯片制裁，採用國產華為芯片也需要額外投入20%的算力調試成本。

展望未來，DeepSeek等大語言模型將在物流供應鏈領域發揮更大作用。AI將深度參與企業戰略決策，提供更準確的市場預測和風險評估；物理世界與數字世界的界限將更加模糊，實現真正的數字孿生；跨企業、跨行業的數據共享和協作將更加普遍，形成智能物流生態圈；AI不是取代人類，而是將釋放人類創造力，實現人機優勢互補。

DeepSeek的出現標誌着物流供應鏈智能化進入新階段。這場變革不僅關乎效率提升，更是商業模式和價值創造的根本性變革。企業需要以開放心態擁抱變革，在保持戰略定力的同時勇於創新。唯有將先進技術與深厚的行業積累相結合，才能在這場變革中贏得先機，實現基業長青。

作者于承忠博士、劉銳業博士分別是香港理工大學專業及持續教育學院客席講師、學生事務總監及高級講師。文章僅屬作者意見，不代表香港01立場。

「01論壇」歡迎投稿，來函請電郵至01view@hk01、com。來稿請附上作者真實姓名及聯絡方法。若不適用，恕不通知。