货拉拉CTO张浩:AI的胜负手,不在基础模型,而在「应用场」
搜狐财经·2025-11-28 18:30

公司业务概况 - 公司为业务撮合平台,核心是连接货主与司机,业务遍及中国内地、东南亚、南美洲等全球400多个城市和地区 [7] - 平台月均有近2000万活跃用户和200万活跃司机,运营效率和用户体验是核心能力 [7] AI战略定位与路径选择 - 公司参考高盛2023年AI研报评估方法,通过岗位调研和任务拆解量化AI提效潜力,确定生成式AI将率先在高数据密度、人力密集型领域引发生产力革命 [7] - 初期投入资源研发货运行业垂类大模型,但最终调整方向,认识到基础大模型应由行业和大厂提供,而企业自身的AI应用平台建设更为重要 [8][9][10] - 公司花费一年多时间构建了三个核心AI平台:海豚平台(面向算法开发者)、悟空平台(支持非专业人士快速搭建智能体应用)和评测标注平台 [10][14][15] AI平台核心功能 - 悟空平台具备可视化流程编排、0代码智能构建能力,支持通过自然语言构建基本智能体,并建设企业级工具库 [10][13] - 海豚平台为算法工程师提供从数据训练、模型开发到上线维护的全生命周期一站式管理,旨在提升开发效率 [14][15] - 评测标注平台通过标注AB试验平台和拉拉智评等工具,重点提升模型PK和AB试验分流的完善度,确保上线结果可靠可重复 [15] AI具体应用场景与成效 - 在业务安全防控方面,通过大模型结合语音、图像等非结构化数据进行实时检测和干预,使危险品运输和违规载人的风险订单量下降30%,订单提醒率达到100% [16] - AI Coding在个体和团队中的使用率达到90%,研发流程渗透率达60%,但目前估算整体工作效率提升约为10% [17][18][19] - 产品体验创新包括“拍货选车”功能,通过AI点云分割计算货物体积并匹配车型,推荐过程仅需10秒钟 [20] - 利用大语言模型分析用户反馈,能精准捕捉如“开发票效率低”等以往易被忽略的信息 [20] - 构建AI产品知识专家系统,整合公司PRD文档、代码仓库等资料,解决历史知识垃圾和跨部门协作问题 [21] - 通过大语言模型优化短信内容,简化冗长表达,一年节省短信成本约12%,并提升风险合规预测能力 [22] AI数字人应用 - 开发AI+ASR+LDM+TTS三维串联的AI业务伙伴,通过热词运营和声学模型优化,语义识别准确率达94% [23][24] - 通过带口音的音色调整,使AI数字人的真人度达到92%,并利用大语言模型进行问题改写和场景路由,提升问题解决率和准确率 [24] 行业影响与未来展望 - 在当前以服务为主体的O2O行业(如电商、货运),AI的核心作用在于增收和降本,其提效能力被认为尚处于边缘,约在5%-10% [25] - 未来发展方向包括推进多模态模型方案,实现ASR、LLM、TTS的端到端单模型整合,并计划通过多个数字人协同提升整体企业流程效率 [25][26] - 长期期望是通过端到端大模型助手,对智能选车、智能填单以及内部运营、答疑等环节带来更大提效,进一步提升用户体验 [26]