关键字: [亚马逊云科技， 生成式AI， Walltag， 跨境物流企业， Ai应用场景， 智能助理， 物流成本降低， 业务流程优化]

导读

龚建是沃泰克公司的CTO，他在演讲中介绍了亚马逊云科技如何助力跨境物流企业应用AI技术降低成本。他分享了沃泰克公司的跨境物流解决方案，以及如何利用亚马逊云科技的大模型能力实现智能助理、Type to SQL等AI应用场景，提高物流效率。他还介绍了一个具体案例，通过将AI技术应用于跨境电商物流环节，实现了降低10%物流成本、5%人工成本、优化采购成本、降低业务风险成本等效果。总的来说，亚马逊云科技的AI技术为跨境物流企业带来了显著的成本节约和效率提升。

演讲精华

以下是小编为您整理的本次演讲的精华。

根据视频标题“亚马逊云科技助力跨境物流企业AI应用降低10%成本”和视频字幕内容，我将以叙事风格详细阐述该视频的主要内容。确保包含所有关键信息，并遵循要求获取亚马逊云科技服务相关术语、数据点、比例等内容。最后将给出简要总结。

标题:“亚马逊云科技助力跨境物流企业AI应用降低10%成本”的叙事详解

大家下午好，我是沃泰克CTO龚建。今天很高兴能够受亚马逊云科技的邀请，在这里为大家分享关于生成AI在物流行业的应用场景。

首先简单介绍一下我们公司的情况。我们是上海蜗行，英文名为Walltag，是一家主要从事国际物流、SaaS软件的平台型公司。目标客户群体是做国际物流的货代企业，或者从事跨境电商的物流服务商。(现场有做物流行业的人吗?有好几个。)

我们蜗行提供的是整体解决方案，主要垂直于跨境物流这个行业，面向国际货代和跨境电商物流。整体解决方案覆盖了TMS、OMS、WMS，也就是现在所谓的OTWB系统。经过十几年的发展，我们已经累积了2，000多家货代客户或国际物流客户。在整个平台上汇聚了大量物流服务资源，形成了物流生态圈。对于跨境电商卖家来说，可以从我们平台中组合、找到很多跨境物流资源。

我们的解决方案涵盖了国内段的揽收管理、干线运输管理、海外仓储以及最后一公里派送，还包括结算管理。对于外部系统，我们也进行了上下游对接，因为跨境物流这条链路会非常非常长。不同的物流服务商有自己的系统，对于跨境电商物流来说，信息化和数字化程度的要求很高，这样才能提升整体效率。所以我们对接了很多外部系统。

我们的整体定位就是一个连接和协同的核心点，连接了上下游很多系统，协同上下游很多物流环节，包括硬件设备、仓库内自动化流水线设备、手持终端等，都在我们这个解决方案的打通环节中。

我们的目标客户还包括了国内主要做跨境电商的大型物流集成商，因为他们提供端到端的物流产品，还有一些海外的跨境物流企业，包括商业快递公司。用我们合作伙伴的话来说，我们可能扮演的是类似于小菜鸟这样的角色，但主要针对国际物流，就是跨境这个垂直领域。

好，这是我们整体的解决方案。今天主要分享的是针对AI的相关应用。

其实我们公司很早就开始进行AI相关应用的尝试。最早是从单点化的工具化智能化开始的，比如说在物流行业中有很多单据或者称为托书。最初我们只针对这么一个很垂直的业务场景，在AI之前主要借助OCR识别的方式，通过人工打标的方式，不同格式样式的识别率在85%左右。

AI出现后，我们整体解决方案基本上全部部署在亚马逊云科技上，利用了亚马逊云科技的Bedrock接入了Cloud 3.5大模型，现在已经升级到3.7的大模型。通过这些年积累的客户和物流知识，实现了识别率能够达到98%的准确率，确实能提升物流行业的工作效率。

从最早期的单点功能性工具化智能化，到现在发展成为自动化流程。因为每个环节都需要很多信息和相关操作，最早我们称之为“人找事”，就是人去找需要做的事情。到现在，我们整体上做到了“事找人”，将所有确定化的流程固化到系统中，通过AI的能力来实现复杂流程的串联。

第二个方面是智能化分析，主要是BI方面的Type to SQL应用场景。到最后第三个方面就是自动化预警，结合历史数据做预测，比如预测货物到达时间，或者对仓库中每个商品做智能化预警。

主要是从这三个方面，我来具体讲一下我们在生成AI方面的实践。我们目前在整个ERP的SaaS系统中，有一个智能助理的入口。AI出现后，对于ToB这种软件来说，交互性发生了很大的改变。很多功能其实应该可以通过AI的方式重新去做。

比如说，对于货代行业来说，可能有很多批量化操作或可视化追踪的需求。我们通过这个智能助理，可以做意图识别，然后定位到具体的业务场景。比如打开智能助理，可以看到这是一个订单，智能助理可以感知到这个业务上下文是什么订单。你可以通过对话的方式，要查看这个订单的可视化追踪状态，或者做一些批量修改操作，都可以通过这个智能体来实现。这相对来说是比较通用化的，针对一些重复性操作的场景应用。

我们的整体能力是借助亚马逊云科技的Bedrock 3接入了Cloud 3.5大模型，现在升级到3.7。因为我们物流行业可能会有很多港口、船舶等专业术语，所以我们融合了自建的基础数据，借助RegEx技术来实现对这些行业术语的识别，来提升整体效率。

另外，对于货代行业来说，海外的很多代理使用不同的语言。通过智能助理，可以根据不同地区自动转化到当地语言，来降低服务海外客户的语言要求。

有些业务场景对准确率要求较高，所以对于需要用户确认的情况，我们会在对话框中让用户进行确认，然后再实现对业务的操作。

这是我们整个智能助理的实践。另一个就是Type to SQL的应用场景。因为我们是一个多租户的SaaS平台，每一家物流企业在我们这里都是一个租户。对于不同租户的BI数据分析需求，我们提供了一个对话框，可以根据不同租户配置好对应的数据源。

在AI之前，我们系统中有非常多的BI报表模板，每个模板都对应一些SQL语句。我们将这些历史SQL语句库、行业术语，加上数据库Schema的备注信息，做了一个量化，然后进行深度检索。用户可以通过这个入口实时去做报表工作，比如查看业务量的图表，最终会在框里呈现出基本图表。如果没问题，可以直接推送到我们的BI可视化平台，根据用户权限设置，客户就可以看到。

这就是我们在BI方面的应用，采用的技术架构可以看到右边那个图。聊天框里出来的图表，经过确认后，就可以推送到客户的租户下面。

对于货代企业来说，很多时候需要与客户沟通报价等场景。通过我们的智能助理，可以实现7*24小时工作，接受客户询报价，基于意图识别，结合我们抽象化的原子API能力，将这些场景集成到统一的助理入口中。

刚才讲的是相对通用化的一些AI场景应用。接下来，我们分享一个针对客户的实际案例。这个客户是一家做跨境电商物流端到端解决方案的大型物流服务商，整合了国内ABCD四段的物流资源，为跨境电商卖家提供物流服务。

在AI之前，我们系统中有很多智能化的路线规划，基于订单信息配置相关规则，来实现物流订单的履约。但AI出现后，由于跨境物流每个环节都可能发生动态变化，比如疫情、关税等，可能随时更换物流服务商。我们传统的做法是在系统中配置大量规则数据，一旦发生变化就需要更新很多配置数据，而有些场景需要动态根据业务情况调整。

所以对于这个业务场景，我们结合智能助理，通过文本交互输入，识别意图，对每个环节做相应调整。对于确定性的环节，整个流程是串在一起的。对于不确定性的，通过用户输入的意图识别，最终转换成我们系统中的规则配置数据或脚本，通过这种方式固化到系统中去。

它包含以下几个内容:

我们系统中有很多相关工具，比如订单查询、地址校验(因为不同国家地址需要标准化，才能保证派送时效)、地址自动识别补全工具。 如果中间某个供应商换了，很多面单需要重新贴。 包括识别提单等单据。 发送包含系统数据的电子邮件。

所有这些内容，我们之前是通过规则引擎把它们串在一起的。现在我们将这些工具都以API能力开放出来，前端的助理可以做意图识别，然后定位到每个工具。

比如说，客户交货后，在仓库可能需要对订单做一些拦截，比如地址有PU BOX或违禁品。以前需要通过QQ或企业微信与客户沟通后，在系统中做相关操作。现在都统一集成到我们的智能助理这个入口。

我可以举一个具体的场景，这里列出了系统中一些历史规则数据，每个规则可能会对应一个动作。比如收件人地址包含PU BOX地址，需要做拦截或者不拦截;地址自动补全和标准化;自动预警等。

现在通过流程将这些工具串起来，随着大模型能力的增强，AI处理任务的时间会大幅缩短，为整个流程串联提供了基础。

比如做拼多多TIMO这个跨境电商物流业务的客户，他做CD段业务。正常情况下，拼多多平台会通过API或邮件的方式下发相关数据，比如提单PDF文件、汇总数据等。物流服务商需要从邮箱收取这些数据，到系统中校对，生成一部分数据后，再通过邮件发给下游供应商，比如目的国的清关代理。

传统做法是通过人工一步步操作。现在，对于这个物流集成商来说，如果有一个空运主单需要出运，只需要告诉智能助理这是一个TIMO业务的空运主单号，它就会根据流程自动去搜索邮件、在系统中校对数据，最后通过邮件发出去。

我们现在的做法就是，将系统中遗留的历史规则，每个规则对应的动作都以API的方式开放出来，前端的入口通过大模型识别用户意图，将整个场景串联起来。

通过这个案例的改造，整体效果是:

物流成本降低10%，因为我们基于不同物流服务商的价格进行了优化。 人工成本降低5%，主要是流程自动化串联，OCR识别等替代了人工录入，我们利用行业知识和Claude 3.7大模型，对跨境物流垂直领域的识别准确率可以达到99%，比传统提升很多。 采购成本降低，主要是对尾城派送服务商价格的智能比对和选择。 业务风险成本降低，通过智能化预警，提前发现并减少异常发生的概率，对客服团队效率也有很大提升。比如那个客户，通过智能助理的具象化场景应用，客服团队的效率提升了40%，人数也减少不少。

这就是我们对于一个客户在国际物流方面AI应用的分享。如果大家对这个方案有任何疑问，欢迎线下交流。以上是我对“亚马逊云科技助力跨境物流企业AI应用降低10%成本”这个视频的详细叙述，谢谢大家。

简要总结: 该视频分享了蜗行公司如何利用亚马逊云科技的大模型能力，为跨境物流企业提供智能化解决方案，通过智能助理、Type to SQL等AI应用，实现了流程自动化、智能分析和预警，降低了物流、人工、采购和业务风险成本，提高了效率，为客户创造了价值。

下面是一些演讲现场的精彩瞬间：

The speaker introduces their company， Walltag， a platform-based company specializing in international logistics and SaaS software， targeting freight forwarders and cross-border e-commerce logistics service providers.

公司早期就开始应用AI技术，从物流行业的单据识别开始，利用亚马逊云科技的大模型提高了识别率。

AI may not be suitable for scenarios requiring high accuracy， but it can play an assistive role in traditional industries like logistics， where it can handle bulk operations， visualization， and intent recognition.

The intelligent assistant can work 24/7 to handle customer inquiries， recognize intents， and integrate various capabilities through modular APIs， providing a unified entry point for scenarios like price quotations.

一家跨境电商物流服务商整合了国内各个环节的物流资源，为卖家提供端到端的物流解决方案，并利用人工智能优化路线规划和资源组合。

通过自动化和人工智能技术，公司将人工成本降低了5%，提高了效率和准确性。

总结

亚马逊云科技助力跨境物流企业AI应用，降低10%成本。沃泰克CTO龚建分享了他们公司在跨境物流领域应用AI的实践案例。

首先，他们利用亚马逊云科技的大模型能力，将传统的OCR识别单据提升到98%的准确率，大幅提高了效率。其次，他们开发了智能助理系统，通过对话意图识别实现业务流程自动化，减少人工操作。此外，他们将Type to SQL技术应用于BI数据分析，实现自动化报表生成。

最后，龚建重点介绍了一个跨境电商物流企业的AI应用案例。通过智能助理将原子化的业务工具以API形式集成，实现了端到端物流流程自动化。该方案降低了物流成本10%、人工成本5%、采购成本，并减少了业务风险，提高了客服团队效率40%。

总的来说，亚马逊云科技的AI技术为跨境物流企业带来了显著的效率提升和成本节约，助力企业数字化转型。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。