公司AI战略核心观点 - 衡量AI价值的关键在于面向业务场景的应用与平台化建设，而非自建基础大模型[1] - 公司技术路径由打造垂直领域行业大模型转向构建企业级AI基建平台[1] - 未来将持续聚焦场景深耕与平台能力建设，以实现技术向业务价值的转化[3] 公司AI平台建设 - 投入打造三大内部平台：面向业务人员的悟空平台、面向算法开发者的海豚平台、用于模型评测与标注的评测标注平台[1] - 平台旨在将企业数据资产、流程体系与行业经验沉淀为可复用能力[1] - 实现从技术研发到业务应用的全链路支撑[1] 公司AI应用落地成果 - 在安全领域，AI安全防控系统实现危险品运输与违规载人日均风险单量下降30%、风险订单识别提醒率100%[2] - 在研发效能上，AI Coding使用率超90%，研发流程AI渗透率超60%[2] - 针对用户选车痛点，上线“拍货选车”功能，最大单边误差小于10%，平均误差不足10厘米[2] 行业观点与未来方向 - 基础大模型迭代速度极快，具有指数级发展，企业应将有限资源投入应用场景做深和平台做牢[2][3] - 在服务型平台企业中，AI当前主要承担提效、防控与降本的角色，而非替代服务本身[2] - 未来AI应用应向多模态方向推进，进一步提升准确率与优化用户体验[2]

公司AI战略核心观点 - 衡量AI价值的关键在于面向业务场景的应用与平台化建设，而非自建基础大模型 [1] - 公司技术路径由打造垂直领域行业大模型转向构建企业级AI基建平台 [1] - 将企业数据资产、流程体系与行业经验沉淀为可复用能力，实现技术研发到业务应用的全链路支撑 [1] AI平台建设 - 公司投入打造三大内部平台：面向业务人员的悟空平台、面向算法开发者的海豚平台、用于模型评测与标注的评测标注平台 [1] AI应用场景与成果 - 在安全领域，AI安全防控系统覆盖用户下单到运输完成全流程，实现危险品运输与违规载人日均风险单量下降30%、风险订单识别提醒率100% [2] - 在研发效能上，AI Coding使用率超90%，研发流程AI渗透率超60% [2] - 针对用户选车痛点，上线“拍货选车”功能，AI根据货物照片推荐车型，最大单边误差小于10%，平均误差不足10厘米 [2] 对AI应用的行业观点 - 企业应将有限资源投入到应用场景做深和平台做牢，待基础能力成熟后，自建应用平台将获得更大效率回报 [2] - 在服务型平台企业中，AI当前主要承担提效、防控与降本角色，而非替代服务本身 [2] - 未来AI应用应向多模态方向推进，以提升准确率与优化用户体验 [2]

行业背景与痛点 - 2025年全社会货运量预计超过590亿吨，货运物流需求增长较快 [1] - 行业长期面临货厢载人、危险品运输、疲劳驾驶等安全隐患，以及责任判定难、处置时效长等痛点 [1] - 传统事后追溯的安全防控和纯人工审核判责模式难以匹配规模化、高频次的货运服务需求 [1] AI技术应用的核心价值 - 人工智能技术的深度应用正成为破解货运安全和判责难题的核心引擎 [1] - 平台型企业开始探索AI在保障劳动者权益方面的应用，其中安全和判责是两个重点场景 [2] - AI技术可高效分析海量、类型各异的货运业务数据，成为数据处理的关键 [7] AI安全防控系统 - 货拉拉AI安全防控系统可智能识别货厢载人、危险品运输、疲劳驾驶、货物超限等风险场景 [4] - 系统在不同做单环节针对性干预，例如用户下单时识别高危场景并阻止下单，运输过程中检测连续驾驶4小时后每小时发送疲劳驾驶提醒 [7] - 美团智能头盔为骑手提供防摔警报、疲劳预警等功能，通过语音交互减少骑行中操作手机的风险 [4] AI判责系统 - 货拉拉自研AI判责系统在订单取消后自动获取订单基本信息、行驶轨迹等数据，结合平台规则初步判定责任归属 [6] - 对于规则清晰的订单，AI能直接判定司机无责取消，使司机更快知晓结果；在复杂场景中为人工判责提供关键信息 [7] - 人机结合判责时效由过往的72小时缩短至48小时 [8] AI应用成效 - AI全面应用后，货拉拉危险品运输和违规载人日均风险单量下降30% [8] - 危险品与违规载人识别后，弹窗和语音提醒率达到100%，日均强制取消违规订单超1000单 [10] - 疲劳驾驶提醒日均触发近4万次，超限识别平均准确率超80%，识别后弹窗提醒率达100% [10] 行业影响与展望 - AI技术为货运装上了“安全雷达”和“公正天秤”，提升了判责准确率与处理效率，优化了用户与司机的服务体验 [12] - AI赋能行业数智化转型的深层价值在于将安全与公平打造为行业发展的坚实基石 [12]