知名人工智能研究公司OpenAI發布了新一代旗艦生成模型 GPT-4o，憑借其全能性再次引爆了國內外社交媒體針對大模型的討論。大模型是具有大規模參數和復雜計算結構的機器學習模型。近年來，以ChatGPT為代表的AI大模型產品推出為關鍵節點，大模型受到廣泛關注并經歷了“狂飆突進式”的發展。

本期西“景”洞察文章將從大模型的發展趨勢入手，結合西井科技的行業實踐和解決方案，進行觀點和經驗分享。

行業觀察：垂類大模型將成為發展大勢

落地千行百業

目前，大模型的發展與迭代已步入“深水區”——據統計，截至2023年11月底，僅中國國內便已經有200+大模型推出。然而，資本的大量、快速涌入也使得大模型的發展面臨著重復性強、商業化落地難等問題。正如360集團創始人周鴻祎所持有的觀點，目前通用大模型的國內應用主要圍繞寫作、作圖等淺層階段，而深入場景、靠用戶驅動的行業大模型會在2024年迎來爆發式增長。如何將大模型融入千行百業，是下一階段的發展重點。

因此，作為一種新型的“基礎設施”，大模型的縱深化、場景化發展趨勢將越發顯著：不同領域、不同的業務場景會帶來多樣化的需求和挑戰。因此，在大模型實現商業化落地的過程中，垂類大模型憑借其針對性、個性化的優勢，能夠通過自動化、智能化幫助客戶重塑流轉運營環節，從而真正實現降本增效。

目前，垂類大模型已在金融、工業等領域逐漸凸顯技術價值。根據騰訊研究院發布的相關報告，數字原生行業、傳統生產性服務業在垂類大模型的應用方面進展相對較快。未來，除了人們生活中耳熟能詳的通用大模型產品外，垂類大模型也將在各行各業實現深度嵌入與耦合，為社會發展注入技術的力量。

觀點分享

近期，在物流行業方面，我國中央財經委員會會議、國務院常務會議等重要會議多次針對“降低全社會物流成本”開展研究。西井認為，作為促動產業變革的強大技術力量，垂類大模型能夠助力物流行業實現業務創新，走向高效智能。

西井實踐：Terminal GPT

賦能集裝箱物流數智化轉型

集裝箱物流是全球供應鏈產業中最為關鍵的組成部分之一。在全球化進程中，數智化升級逐漸成為集裝箱物流行業的共同訴求——該場景長期面臨著人力成本增長、勞動力短缺等成本側的痛點；同時，從效能側來看，依靠人力或傳統系統進行管理已無法適應不斷上漲的運力需求。

西井科技最早由海港出發開展業務，因而敏銳感知到行業轉型痛點并致力于通過先進AI技術提供全棧智能解決方案。在大模型快速發展和應用的浪潮下，西井科技于2023年推出了集裝箱物流新型智能機器人專家TerminalGPT，以賦能集裝箱物流數智化轉型。

觀點分享

垂類大模型與通用大模型最大的區別就在它更加強調“具體問題具體分析”，即必須對行業專業知識、具體場景情況等方面具備扎實的積累和沉淀，才能實現在特定行業或場景的成功落地。

作為場景化·新能源自動駕駛全球領導者，西井科技目前已為全球18個國家和地區的200余家客戶創造了效率、成本、安全、減碳等方面的復合價值。多年行業深刻洞察和一線項目經驗的融入使得TerminalGPT的實用性和適用性更強：基于大模型技術基座，結合大物流場景的經驗知識和操作習慣，TerminalGPT自主學習并利用場景內預測“智能推薦”以及”統籌規劃“，在不斷積累中學習成為“大物流領域AI智能專家”；通過對WellOcean（集裝箱物流場景智能解決方案）、Qomolo（新能源無人駕駛及智能商用車）等各智能及信息系統的鏈接，賦能各系統使其更“智慧”，可有效打通港口、工廠等生產場景下的車輛、人員、空間及能源等多維度的運營壁壘，賦能集裝箱物流場景更高效、更安全、更低碳。

具體而言，在實際作業過程中，TerminalGPT可通過“推薦”各項關鍵性的智能操作，輔助人做出最優決策，提升生產要素執行效率，使生產運營更高效。此外，TerminalGPT還能通過自主學習助力TOS（碼頭操作系統）進行預演以及計劃輔助，從而大幅提升操作人員與生產系統的交互方式，改善一線員工的工作體驗。

總而言之，垂類大模型能夠通過降本增效、業務創新等方面賦能各行各業，推動新質生產力的發展。西井科技在大模型及AI技術方面的探索腳步永不停歇，以TerminalGPT作為開端，我們將不斷嘗試以技術力量突破物流場景下的運營能效邊界。

關于WestView Insight

WestView Insight（西「景」洞察）是西井科技推出的行業觀察欄目，關注全球大物流智能和綠色升級，結合西井科技實踐經驗，提供一手行業洞見。