每个驾驶员每天少开一英里就可以每年节省高达5000万美元,这让UPS有充分的动力把技术整合到各个业务领域,以提高效率。根据UPS首席技术官Juan Perez的说法,“在UPS,业务推动着技术的发展。”下面就让我们来看看UPS是如何使用大数据和人工智能(AI)为第四次工业革命做好准备的。
技术助力UPS全球运营
UPS公司成立于1907年,具有拥抱变化、随着新技术涌现而进行变革的悠久历史。使用大数据和人工智能,让这家公司能够成功在全球超过220个国家和地区运营其全球物流网络。平均每天道路上有96000个UPS车辆,在处理多达1900万个包裹。UPS每年在技术上投资近10亿美元,用于提高效率、改善客户服务、支持日益增长的消费者需求,以尽可能接近实时地交付包裹。
UPS Bot聊天机器人
UPS自主开发了聊天机器人“UPS Bot”,并且在这一创意诞生的3个月后就投入使用了。这个以AI为动力的工具模仿人类进行交谈,可以响应客户诸如“最近的UPS是在哪里?”等问题,可以跟踪包裹并发送运费。客户可以通过移动设备、社交媒体渠道、Alexa和Google智能助理等虚拟助手,以文本或语音命令的方式向机器人提问。UPS Bot能够识别这些请求,然后采取适当的步骤来完成请求。机器人的“对话”越多,将来采取适当行动的经验也就越多。
UPS My Choice提醒系统
在高峰期间,UPS发出了超过1.37亿条的UPS My Choice提醒——这个免费系统让客户决定“如何、何地以及什么时候送货上门”。UPS My Choice系统集成了聊天机器人,因此客户能够获取有关收到的包裹和货件的信息,而无需提供追踪号码。
ORION优化送货路线
UPS用于管理车队系统的另一个专有工具是ORION(On-road Integrated Optimization and Navigation,道路集成优化和导航)。ORION先进的算法可根据客户、司机和车辆提供的数据为送货司机提供最佳路线,可以根据不断变化的天气情况或事故随时改变路线。最终,ORION会查看仍需完成交付的货物,并继续优化路线。基于这种优化所实现的降低成本、减少时间、降低减排量都是非常显著的——UPS预计送货里程可以减少1亿英里。
EDGE优化内部操作
ORION做的是优化送货路线,而EDGE(Enhanced Dynamic Global Execution)做的是为UPS内部运营提供帮助。通过实时数据获知的技术可帮助员工做出决策,降低成本(预计2020年完全部署后节省数亿美元),优化运营并使UPS物流网络更加智能化。
NPT网络规划工具
NPT(Network Planning Tools,网络规划工具)的目标是优化包裹在UPS网络中的流动,包括从装载码头到分拣再到最终目的地(仅在美国就有约6000万包裹)。NPT在实时数据、人工智能和分析的推动下,帮助UPS员工做出决策并提高效率。预计到2020年NPT将得到全面部署,UPS希望通过该系统实现1-2亿美元的成本节约。
自动送货和无人机
UPS高管坚称,UPS的司机们是公司成功和公司面貌的核心要素,但他们已经测试了无人机送货在一些场景中的使用,包括在卢旺达投下基本耗材,以及展示如何将药物送到某岛屿。在农村地区,无人机有开阔的空间可以从空中送货,而且不同停靠点之间的距离对驾驶员高效工作也是不小的挑战,从UPS卡车顶部发射的无人机为减少成本和改善服务提供了坚实的解决方案。无人机也可以部署在UPS分拣设施和仓库中,以便在高架或偏远地区运送货物。
UPS使用的技术会生成数据缓存,从而为提高效率、改善客户体验、创新交付解决方案等提供更多机会。从优化UPS网络到改善运营,大数据和人工智能可以说是UPS业务表现的核心。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。