在商業格局加速演變的當下，一場聚焦科技與商業深度融合的盛會——36氪WISE2025商業之王大會在北京798藝術區傳導空間盛大舉行。這場被譽為“年度科技與商業風向標”的活動，以“科技爽文短劇”這一創新形式，為參會者帶來了一場沉浸式的體驗，全方位呈現了當下商業領域的最新趨勢與變革力量。
貨拉拉CTO張浩在大會上發表了精彩演講，深入分享了AI在貨拉拉業務中的落地應用與發展路徑。貨拉拉作為一家具有廣泛影響力的業務撮合平臺，自最早在香港成立，2014年進入中國內地后，歷經12年發展，業務已拓展至東南亞、南美洲等400多個城市和地區，月均活躍用戶近2000萬，活躍司機達200萬。對于貨拉拉而言，撮合貨主與司機交易是核心業務，運營效率和用戶體驗則是其核心競爭力，也是AI技術重點發力的方向。
隨著ChatGPT的興起，貨拉拉于兩年前開始探索AI在自身業務中的應用。公司參考高盛2023年AI研報的評估方法，通過對崗位調研、任務拆解和自動化難度評級，量化AI提效潛力，發現生成式AI在高數據密度、人力密集型領域具有顯著的生產力提升潛力。基于此，貨拉拉優先選擇業務安全、研發、產品、運營等場景作為AI落地的重點，而在數據分析等確定性要求高、容錯率低的場景則暫緩推進。
在確定發展方向后，貨拉拉面臨技術落地路徑的選擇。起初，公司投入資源研發貨運行業垂類大模型，但經過實踐后得出重要結論：基礎大模型發展迅速，與其在基礎模型上投入過多精力，不如專注于行業數字資產、業務API和行業經驗的落地；同時，打造自身AI應用平臺比構建基礎大模型更為關鍵，隨著基礎大模型的不斷進步，企業自身的AI應用效率也將自動提升。基于這些認知，貨拉拉調整重心，經過一年多努力，成功打造了海豚平臺、悟空平臺和評測標注平臺三個重要應用平臺。
悟空平臺旨在讓非專業人士在5分鐘內搭建初級企業智能體應用，具有可視化流程編排、0代碼智能構建和建設企業級工具庫與MCP等特點。通過拖拽操作，即可整合公司各類數據資產API接口；借助自然語言構建基本智能體；同時構建企業數字化資產，提升企業運營效率。海豚平臺則面向專業算法開發者，提供從數據訓練到模型開發、上線維護和生命周期管理的一站式服務，為算法工程師節省大量資源、數據、模型開發和檢測等方面的時間。貨拉拉推出的標注AB試驗平臺和拉拉智評，完善了模型PK和AB試驗分流等評測環節，確保上線結果的可靠性和可重復性。
在應用場景方面，貨拉拉的AI應用雖未帶來顛覆性變革，但諸多微創新實踐值得借鑒。在安全防控領域，針對貨運場景中違規載人、危險品駕駛和危險駕駛等行為，貨拉拉利用大模型對語音、圖像和非結構化數據進行實時檢測和干預，對下單流程進行分層處置。一年多來，危險品運輸和違規載人風險訂單量下降30%，訂單提醒率達100%。AI Coding在貨拉拉的產研提效方面也發揮了重要作用。目前，90%的個體和團隊已應用AI Coding，研發流程滲透率達60%，但整體工作效率提升約10%。這是由于AI在生成新工程和前端任務代碼時效率較高，但在處理復雜業務邏輯時，開發者需與AI反復交流，且代碼上線率不確定，導致檢查、糾錯和測試時間增加。
在產品體驗方面，貨拉拉推出的“拍貨選車”功能，用戶通過攝像頭拍攝貨物照片，AI利用點云分割計算體積，并與車庫車型自動匹配，10秒內即可推薦合適車輛，受到用戶廣泛好評。針對海量用戶反饋的分類總結難題，貨拉拉運用大語言模型打造用戶反饋分析器，小模型快速識別分類，大模型總結整理，精準捕捉到如開發票效率低等以往易被忽略的問題。為解決公司內部知識死角問題，貨拉拉利用大語言模型整合PRD文檔、代碼倉庫和配置等數據，構建AI產品知識專家，有效解決歷史問題和跨部門協作難題。
在業務流程中，短信發送成本較高，貨拉拉借助大語言模型優化短信內容，簡化冗長表達，一年節省約12%的短信成本，同時提前預測用詞和內容的風險合規問題，及時干預潛在風險。在數字人應用方面，貨拉拉打造AI+ASR+LDM+TTS的三維串聯機構。通過獨創熱詞運營和第三方聲學模型優化，ASR語義識別準確率達94%；調整帶口音音色，使AI真人度達92%；利用大語言模型進行問題改寫、場景路由和Multi-Agent處理，大幅提升問題解決率和準確率，在內部和外部場景中得到良好應用。
張浩認為，在以服務為主體的業務場景中，AI主要發揮增收和降本的作用。在O2O行業，服務本質不會被AI取代，目前AI在行業中的提效能力約為5% - 10%，部分崗位受影響較大，但整體仍是提效、防風險和降成本的手段。貨拉拉未來將繼續探索多模態模型方案，整合單個模型，實現端到端打通，利用多個數字人提升企業流程效率，同時隨著AI能力提升，通過端到端大模型助手為用戶帶來更多提效體驗。
