

作者 | 金旺
来源 | 科技行者
2015年,中国电商交易额突破18万亿元,线上购物彼时已经成为主流意识形态。
线上经济高速发展的另一面是,受到巨大冲击的线下连锁商超,不得不在新的技术潮流中寻求变革,线上线下一体化成了当时连锁商超转型过程中的核心诉求。
正是在这样的时代背景下,多点数智开始着手打造零售数字化系统,目的正是推动连锁零售行业进行数字化变革,在数字时代,找到更高效的运营模式。
在之后的十年里,多点数智打造的Dmall OS系统帮助物美、麦德龙、胖东来、香港万宁在内的数十家头部商超数字化转型,Dmall OS系统也在这个过程中从最初的分布式电商系统进化为AI零售核心解决方案。
而作为零售行业中重要一环,多点数智打造的仓储运输系统也在人工智能技术加持下,有了更高的运转效率,成为当下快节奏本地生活背后尤为重要的一台发动机。
01 用人工智能,解决排线难题
决心研发智能排线系统,是2021年的事。
在此之前,多点数智物流负责人倪艳军发现,连锁商超的每个门店要货数量、收货时段、限定车型等存在诸多差异,所有连锁商超都有智能排线的需求,研发一款智能排线系统在2020年已是必然。
不过,作为一家服务于连锁商超的数字化系统供应商,多点数智并没有盲目追求技术自研,当时多点数智更想做的是引入一款好用的第三方智能排线系统,以此来实现客户需求。
在经过一番调研后,倪艳军发现,当时市面上还没有一款成熟的产品能够满足多点数智的需求,倒是在深入产业调研过程中,在与某个客户聊到智能排线的痛点和需求时,有了与客户联合共创一款全新的智能排线系统的想法。
实际上,对于当时已经为国内诸多大型商超搭建过仓储运输系统的多点数智团队而言,在研发智能排线系统时,算法本身的技术难度并不算什么,更需要考虑的其实是工程实践问题。
就某个大型商超而言,一个仓库往往需要为数百家门店配送货物,在这个过程中,存在门店要货数量、收货时段、限定车型、车辆限行规则、车辆承载、车辆是否返趟,以及门店配送优先级等数十个决定因素。
这些决定因素在智能排线系统中以参数形式存在,如何根据这些参数自动生成排线系统,这正是人工智能算法擅长解答的数学问题。

在这项技术研发过程中,由于需要考虑的参数众多,多点数智物流研发算法团队深入业务了解行业,最终决定采用传统算法+AI深度学习的方式解决众多参数有效协同的大规模计算性能挑战问题,并将这些参数转变为智能排线系统中的原子化能力,当有新的需求引入时,只需要进行差异化调整和版本迭代。
看似简单的技术开发流程,实际执行起来远超想象。
倪艳军以物流配送过程中货车是否走隧道为例,为我们进行了深入介绍:
在配送过程中,如果让配送的货车走隧道,配送速度会更快、配送效率也会更高,但产生的隧道通行费也会更多,一些地方的隧道通行费用很高,我们在智能排线系统开发过程中,仅仅是将隧道通行费、燃油费和行驶里程的综合成本纳入考虑范围,就需要重新针对上千个案例进行一一验证。

在智能排线系统开发过程中,诸如此类的诉求不胜枚举。
最终经过长达两年的技术研发和持续验证,多点数智的智能排线系统在2024年正式推出稳定版本。
这其中值得一提的是,由于并非要打造一套定制化系统,多点数智团队在智能排线系统研发过程中,通过持续的市场调研,将行业通用需求识别出来并针对性进行配置开发,以可配置的方式为多点数智的智能排线系统行业推广铺平了道路。
02 技术溢出,迈向海外
作为国际金融中心和贸易中心,香港正在成为中国企业出海第一站,多点数智的智能排线系统,在2025年也正是率先在中国香港上线应用。
就智能排线系统上线效果来看,据多点数智香港业务交付负责人透露,以往配送中心的货物信息、拣选进度、车次计划等都需要线下沟通,现在整个流程有了如下改变:
仓库完成订单处理并马上将订单信息同步给车队,车队根据订单信息执行自动排线并自动将排线的计划和结果同步回仓库;
仓库根据车队的运输计划安排每个门店的拣选顺序,完全实现了仓配的步调协调,加快整体周转;
同时信息的同步在上下游高效进行,当车队完成装车开始配送,TMS就会马上同步信息给门店的系统,让门店同事实时掌握配送的进度,方便门店的同事提前做好收货、上架等准备;
由此在Dmall OS系统上真正实现了供应链仓、配、门店的高度协同。
实际上,出海如今已经成为多点数智的核心战略,多点数智的技术能力也开始向海外溢出。
倪艳军告诉我们,多点数智的Dmall OS系统早在设计之初就有三大特性:
第一,支持全渠道,出去仓库向门店配送的基本诉求外,还支持B端诸如幼儿园、社区小店,以及C端诸如线上平台销售渠道;

第二,聚焦连锁零售,相比其他制造业或其他领域厂商研发的仓储物流系统,多点数智更专注于深入连锁零售领域,提升连锁零售行业仓配的运营效率;
第三,复用供应链和网点资源,帮助连锁零售复用供应链和网点资源,放大连锁零售企业在这方面的优势。
此外,倪艳军还特别指出,“由于多点数智物流的产品团队和交付团队既有来自传统行业的专家,也从互联网行业补充了不少专业人才,因而团队既拥有连锁零售传统行业多年来积累的经验,又天生具备互联网思维,紧跟互联网行业云原生、中间件等技术发展趋势。”
这是多点数智团队的优势所在,这样的优势让多点数智物流在锚定出海战略后,将产品顺利带到了海外的连锁零售市场。

不过,倪艳军也指出,最初在拓展海外市场时,团队依然面临着一些挑战。
当多点数智在开拓海外市场时,需要交付团队到线下做调研、蓝图,结合自身产品和客户实际需求完成产品研发和上线推广,会面临诸如语言、工作节奏、文化差异、个人隐私、产品应用习惯、国际软件巨头生态竞争等挑战。
面对这些挑战,倪艳军告诉我们,“多点数智物流团队秉承为客户创造价值的初心,深度应用最新的软硬件技术,持续打磨产品为客户业务更好的赋能;同时组建了一支80%拥有很好英语能力或海外工作经验的物流产品交付团队,并不断迭代项目交付方法论更快更低成本的交付,为客户省心省时省钱。”
据悉,多点数智的物流出海业务如今已经不止于中国香港,进一步服务了印尼、新加坡、柬埔寨等众多连锁零售企业的数智化转型。
据倪艳军透露,“接下来我们将进一步拓展全球市场。”
03 让AI深入零售行业
据《中国互联网络发展状况统计报告》数据显示,2024年,中国人工智能产业规模突破7000亿元,并连续多年保持着20%以上的增长速度。
作为一家技术立命的公司,多点数智自2015年公司成立后,其核心产品Dmall OS系统经历了分布式电商、一站式全渠道解决方案、新一代智能零售解决方案三次重要技术迭代,如今也演进为AI零售核心解决方案。
据倪艳军透露,“多点数智早在2020年就将人工智能技术引入到了产品体系中,彼时更多是将TTS、图像识别技术应用于扫描错误提示、收货凭证识别等场景。”
不过,作为尤其注重技术产业化的一家公司,倪艳军也特别指出,“我们会很关注技术成本,什么时候相应的人工智能技术成熟了、成本降下来了,我们就会将相关技术落到Dmall OS系统上,进而应用到产业中。”
多点数智创始人张文中曾多次表示:“AI不仅是未来,AI时代已经到来,AI关乎着我们每个人的命运,我们要全力而坚定的拥抱AI!”
以智能排线系统为例,据多点数智官方给出的数据显示:
相较于以往调度员花费数小时甚至数天,反复权衡、手动计算才能完成的线路规划工作,如今在多点数智智能排线系统的助力下,企业排线效率提升了80%;
依托智能排线精准的路线规划能力,企业在物流运输过程中的不确定性显著降低,车辆能够更加合理地安排行驶节奏,准时率提升10%;
通过合理规划线路,减少不必要的迂回和空驶,使企业物流运送趟次数减少15%,降低了燃油消耗、车辆磨损等运营成本。
倪艳军告诉我们,“多点数智接下来也会将TMS系统进一步带到更多海外市场,助力海外连锁零售企业提升仓储物流运营效率。”
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。