10月23日，腾讯与福佑卡车达成战略合作，双方将联合共创行业首个数字货运大模型。
　　当下，AI大模型正引领新一轮技术变革，各行各业都在探索大模型技术的落地应用，而腾讯与福佑卡车的联手，也将加速大模型在货运场景的落地。
　　福佑卡车技术合伙人陈冠岭表示，公路运输场景有着多元性、复杂化的特性，使得大模型的应用具备较大空间，关键在于产品的易用性和稳定性。去年ChatGPT发布后，福佑卡车内部也开始做大模型的探索，从探索到实际应用，期间经历了较长的周期。
　　不过，这次与腾讯的合作，从两家企业开始接触到进行模型精调，再到真正生产使用，过程非常短。陈冠岭称，腾讯构建的MaaS平台，即插即用的方式对企业来说非常友好，在场景落地式有优势。
　　但是在具体落地过程中，大模型依然存在很多局限性。陈冠岭指出，货运是一个比较严肃的行业，对大模型来说准确性就变得非常重要。
　　“这也是为什么我们将OCR的应用放在了客服之前，因为之前探索智能客服，包括智能分析时，大模型有时候还会编造一些结果”。陈冠岭介绍道。所以，行业大模型在货运场景的落地，接下来的一个较大的挑战，是解决精准性问题。
　　对此，腾讯智慧交通副总裁李学朝表示，现在业界也在找方法，来从根本上解决大模型的准确性问题，但现阶段，只能先从技术侧和数据侧，比如做搜索、做增强，或者是做数据库等，通过这些方式，能够一定程度缓解大模型的“胡言乱语”。
　　所以现阶段，数字货运大模型依然处于发展早期。但从腾讯与福佑卡车的实践效果来看，大模型已经展现出了其价值。据悉，腾讯和福佑卡车从货运物流证件识别大模型方向切入，目前已形成了端到端的OCR智能识别大模型能力，并针对物流证件识别、各类回单识别等场景实现了智能识别与自动处理。
　　经过前期实践验证，针对多样式回单识别场景，经过少量样本训练，该大模型对图片字段识别准确率超过99%，图片信息综合识别匹配准确率超过95%，召回率比传统模型提高近20%。
　　“以前我们的客服会做回单的人工审核，来确认司机的运输是不是按照要求完成的，而这个审核的过程和时效会直接决定司机提款的时间。对福佑卡车内部同事来说，这个工作其实很枯燥，之前我们也自研了OCR模型，可以节省一部分工作量，但最后的审核还是需要人工来完成。而现在，有了OCR大模型之后，在一定程度上已经不再需要人工参与了”。陈冠岭说。
　　而接下来，福佑卡车计划让大模型落地的一个重要场景是人工客服。陈冠岭表示，“货运行业是劳动力密集行业，需要大量的人工进行客服沟通，过去这个领域的效率很低，所以我们希望引入AI大模型，帮助客服回答一些问题，甚至帮助调度员决定订单匹配，帮助运营同事分析数据。”
　　在时间规划上，陈冠岭希望明年上半年就能有具体的智能客服解决方案跑起来，去检验一下效果。而对于智能分析的解决方案，陈冠岭则更加谨慎，“这个对数据的要求更高，我们不希望产生的数据分析是编造的，所以要看具体方案才能决定内部上线的节奏”。
（文章来源：21世纪经济报道）