在商业格局加速演变的当下，一场聚焦科技与商业深度融合的盛会——36氪WISE2025商业之王大会在北京798艺术区传导空间盛大举行。这场被誉为“年度科技与商业风向标”的活动，以“科技爽文短剧”这一创新形式，为参会者带来了一场沉浸式的体验，全方位呈现了当下商业领域的最新趋势与变革力量。
货拉拉CTO张浩在大会上发表了精彩演讲，深入分享了AI在货拉拉业务中的落地应用与发展路径。货拉拉作为一家具有广泛影响力的业务撮合平台，自最早在香港成立，2014年进入中国内地后，历经12年发展，业务已拓展至东南亚、南美洲等400多个城市和地区，月均活跃用户近2000万，活跃司机达200万。对于货拉拉而言，撮合货主与司机交易是核心业务，运营效率和用户体验则是其核心竞争力，也是AI技术重点发力的方向。
随着ChatGPT的兴起，货拉拉于两年前开始探索AI在自身业务中的应用。公司参考高盛2023年AI研报的评估方法，通过对岗位调研、任务拆解和自动化难度评级，量化AI提效潜力，发现生成式AI在高数据密度、人力密集型领域具有显著的生产力提升潜力。基于此，货拉拉优先选择业务安全、研发、产品、运营等场景作为AI落地的重点，而在数据分析等确定性要求高、容错率低的场景则暂缓推进。
在确定发展方向后，货拉拉面临技术落地路径的选择。起初，公司投入资源研发货运行业垂类大模型，但经过实践后得出重要结论：基础大模型发展迅速，与其在基础模型上投入过多精力，不如专注于行业数字资产、业务API和行业经验的落地；同时，打造自身AI应用平台比构建基础大模型更为关键，随着基础大模型的不断进步，企业自身的AI应用效率也将自动提升。基于这些认知，货拉拉调整重心，经过一年多努力，成功打造了海豚平台、悟空平台和评测标注平台三个重要应用平台。
悟空平台旨在让非专业人士在5分钟内搭建初级企业智能体应用，具有可视化流程编排、0代码智能构建和建设企业级工具库与MCP等特点。通过拖拽操作，即可整合公司各类数据资产API接口；借助自然语言构建基本智能体；同时构建企业数字化资产，提升企业运营效率。海豚平台则面向专业算法开发者，提供从数据训练到模型开发、上线维护和生命周期管理的一站式服务，为算法工程师节省大量资源、数据、模型开发和检测等方面的时间。货拉拉推出的标注AB试验平台和拉拉智评，完善了模型PK和AB试验分流等评测环节，确保上线结果的可靠性和可重复性。
在应用场景方面，货拉拉的AI应用虽未带来颠覆性变革，但诸多微创新实践值得借鉴。在安全防控领域，针对货运场景中违规载人、危险品驾驶和危险驾驶等行为，货拉拉利用大模型对语音、图像和非结构化数据进行实时检测和干预，对下单流程进行分层处置。一年多来，危险品运输和违规载人风险订单量下降30%，订单提醒率达100%。AI Coding在货拉拉的产研提效方面也发挥了重要作用。目前，90%的个体和团队已应用AI Coding，研发流程渗透率达60%，但整体工作效率提升约10%。这是由于AI在生成新工程和前端任务代码时效率较高，但在处理复杂业务逻辑时，开发者需与AI反复交流，且代码上线率不确定，导致检查、纠错和测试时间增加。
在产品体验方面，货拉拉推出的“拍货选车”功能，用户通过摄像头拍摄货物照片，AI利用点云分割计算体积，并与车库车型自动匹配，10秒内即可推荐合适车辆，受到用户广泛好评。针对海量用户反馈的分类总结难题，货拉拉运用大语言模型打造用户反馈分析器，小模型快速识别分类，大模型总结整理，精准捕捉到如开发票效率低等以往易被忽略的问题。为解决公司内部知识死角问题，货拉拉利用大语言模型整合PRD文档、代码仓库和配置等数据，构建AI产品知识专家，有效解决历史问题和跨部门协作难题。
在业务流程中，短信发送成本较高，货拉拉借助大语言模型优化短信内容，简化冗长表达，一年节省约12%的短信成本，同时提前预测用词和内容的风险合规问题，及时干预潜在风险。在数字人应用方面，货拉拉打造AI+ASR+LDM+TTS的三维串联机构。通过独创热词运营和第三方声学模型优化，ASR语义识别准确率达94%；调整带口音音色，使AI真人度达92%；利用大语言模型进行问题改写、场景路由和Multi-Agent处理，大幅提升问题解决率和准确率，在内部和外部场景中得到良好应用。
张浩认为，在以服务为主体的业务场景中，AI主要发挥增收和降本的作用。在O2O行业，服务本质不会被AI取代，目前AI在行业中的提效能力约为5% - 10%，部分岗位受影响较大，但整体仍是提效、防风险和降成本的手段。货拉拉未来将继续探索多模态模型方案，整合单个模型，实现端到端打通，利用多个数字人提升企业流程效率，同时随着AI能力提升，通过端到端大模型助手为用户带来更多提效体验。
