本文整理自 2026（第十一届）物流技术大会主论坛 “物流黑科技秀场”的演讲内容。来自知微行易（上海）智能科技有限公司首席科学家彭俊松，以 “从数字智能到物理AI：物流行业的平台转移” 为题进行分享。以下为经整理后的现场速记稿。
演|讲|嘉|宾
彭俊松
尊敬的各位嘉宾、各位业界同仁，首先衷心感谢中国物流与采购联合会的邀请，让我有幸多次在行业最重要的论坛上，与各位同仁交流分享。我希望以本次演讲，对上午论坛中物流行业与AI融合的技术演进与未来趋势，做一次系统梳理与总结。
回顾过去三年我在物流技术大会上关于人工智能的分享，其实已经清晰勾勒出AI在物流行业应用的过去、现在与未来。2023年，我围绕ChatGPT与德国工业4.0 2030愿景，预判物流数智化发展方向。当时我们已经看到，云计算、企业软件与人工智能，已构成物流数字化转型的三轮核心驱动。
2024年，我聚焦企业智能化转型，提出AI在物流行业的应用已形成清晰的三阶段模式：内嵌式应用、智能副驾、自主智能体。其中，智能体已然成为当下众多企业布局的重点。放眼海外，以沃尔玛为代表的标杆企业，已同步将内嵌、副驾、智能体三类技术融入自身智能化转型实践。
去年在湖州，我们进一步探讨了AI在企业场景中的进化层级：从会话智能、推理智能，逐步走向自主创新与组织协同。沿着这一路径，AI正快速逼近乃至超越人类在特定场景下的决策与执行能力。
站在2026年这个AI热度空前的时间节点回望与展望，我们可以明确判断：全球物流领域的AI应用，已全面跨越局部试点阶段，正式迈入规模化部署的全新周期。
这一判断背后，有两大关键支撑：
第一，AI在企业中的战略定位快速提升，不再是业务运营的附加功能，而是成为连接全局、驱动整体运营的核心引擎；
第二，AI在物流行业的能力实现跨越式升级，从以往以预测、分析为主，进阶为以智能体为驱动，完成端到端业务流程的执行、优化与协同。
行业实践不断涌现，也印证了这两大趋势，其背后则有三个关键数据支撑：
一是当前AI在物流领域已具备30%以上的现实成本优化空间；
二是可实现18—24个月的快速投资回报；
三是已有85%的企业正在定制专属智能体，适配自身独特的供应链逻辑与应用场景。
因此，从今年开始，AI不再是零星的试点项目，而是行业全面推进的规模化部署新阶段。
正如今天上午多位嘉宾所分享的，物流行业正迎来属于自己的“ChatGPT时刻”，一场深刻的结构性转型正在发生，集中体现为三大变革：
一是运营平台转型，二是开发平台转型，三是数字智能体与物理AI深度融合，最终实现数字化与实体场景的价值闭环。物流行业的“ChatGPT时刻”，正通过这三大转变加速到来。
首先是运营平台的转变。
未来企业物流系统将直接构筑在AI之上，智能体将成为全新的人机交互入口。传统模式下，物流员工通过界面操作仓储、运输系统，人工点击、配置、执行；而在智能体模式下，我们可直接下达业务指令——例如让AI给出提升5%准时交付率的方案，根据港口拥堵程度优化分拨节奏，按挽回概率排序订单并自动生成客服话术。
未来，传统物流软件承载的流程将不再主要由人直接操作，而是通过人机协同，由机器理解任务、拆解任务、自主完成交付。长期来看，传统企业软件将逐步退出人机交互主界面：先是退居后台成为“无头应用”，最终在强大算力支撑下，实现业务需求驱动、AI实时生成、即用即弃的动态软件形态——流程执行完毕，数据与知识沉淀留存，应用可随时重构、实时优化。这将对企业流程与运营策略带来颠覆性改变。
其次是开发范式的转变。
企业流程与软件开发，将从传统人工硬编码、配置规则的模式，转向AI持续吸收数据、经验、约束、规则与反馈，实时训练与迭代系统。未来的物流软件，不再单纯由人开发，而是由AI持续优化、自主生成。
物流行业场景千变万化，规则组合近乎无限，人工编码难以穷尽所有场景。而智能体不仅可以逼近复杂规则的极限，更能基于企业实时运行状态持续学习、动态优化。我们可以想象：面对新需求，AI可现场修改代码、自动部署、立即执行，极大提升企业敏捷性。
上述两大变革更多聚焦数字侧的智能体升级，而我认为，物流行业AI真正的分水岭，在于让AI理解物理世界。
物流的本质，是在物理约束下高效移动物品。如果智能体只停留在数字空间，将面临三大难以逾越的障碍：
一是长尾场景缺乏有效数据支撑优化；
二是冷链、危化品等场景安全责任重大，试错成本极高；
三是企业物流策略调整，难以承担大规模AB测试的代价。
因此，仅靠数字侧的预测与决策远远不够，必须让AI理解物理后果，确保AI决策在现实场景中安全、稳定、有效落地。
未来物流企业构建AI体系，需要打造三台计算机，构筑新一代智能化底座：
第一台是训练计算机，实现识别、预测与策略生成；
第二台是推理计算机，在云端与边缘端实时优化决策，响应仓储、场站等动态变化；
第三台是模拟计算机，在决策执行前通过数字孪生、物理仿真完成验证、评估与复盘，确保每一条AI指令安全可靠。
未来物流AI的竞争，不在于模型多大、Token多少，而在于能否将训练、推理、模拟形成闭环，让AI自动生成的策略在落地前就被验证为安全、有效、可靠——这才是真正成功的物流AI。
实现三台计算机协同、数字智能体与物理AI深度融合，将经历三个发展阶段：
第一阶段是连接，实现单向控制，例如仓储系统调度AGV；
第二阶段是协同，数据实时反馈、动态决策优化；
第三阶段是共生，数字智能体不仅服务于人，更能调度机器人与自动化设备，虚实边界消融，实现自主进化。
这种深度融合，将为物流行业带来三大质变：
一是突破非标场景瓶颈，解决传统自动化难以覆盖的复杂场景；
二是极致提升物流资产效率，压缩冗余成本；
三是实现物流柔性与韧性的统一。
目前，行业内已有领先企业沿着这一路径布局。美国JB Hunt便是典型代表，作为拥有自有车队、主营多式联运的卡车运输企业，其数字化转型历经三个阶段：先是基础设施数字化、打通业务流程；随后在2017—2020年投入约5亿美元建设AI平台，内部打造50余个数字智能体，实现流程高度智能化与自动化，并在自动驾驶与智能装备领域落地应用，重构成本结构。
从其去年财报可见，营收、利润与股东回报均显著受益于AI赋能。其智能体已实现80%自动报价、近90%发票智能处理，每年完成超700万次多式联运报价，在降本增效的同时显著提升客户体验。企业也持续投入自动驾驶，推动数字大脑与物理世界融合，形成感知—决策—行动的闭环，是海外极具参考价值的标杆案例。
展望未来，传统物流依靠信息不对称、“人工服务+价差利润”的模式正在瓦解。未来，大量人工环节将被AI自动化替代，AI相关成本将趋近于电力成本，Token成本持续下降，利润压缩将成为常态。
因此，未来物流AI的核心竞争力，绝非简单采购物流机器人，而是像迭代APP一样，依托训练、推理、模拟三台计算机，持续重构物理作业流程。软件定义物流，将成为行业终极竞争壁垒。
当前，物流行业的AI进程前景广阔，但也时不我待。行业“迭代换代”的信号已然清晰，在兼具复杂决策与实体操作的物流领域，算力成本快速下降、投资回报节点已至、客户预期持续提升，行业正从“比拼资产”转向“比拼AI运营能力”。
最后我想说：不要等到未来才开始追赶，让我们从现在起，主动拥抱AI，引领变革。
谢谢大家！