作者 | 程茜

编辑 | 心缘

智东西10月25日报道，本周一，腾讯与福佑卡车宣布将联合打造行业首个数字货运大模型。

目前，腾讯与福佑卡车从智能化OCR物流证件识别方向切入，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，基于大模型OCR准确率相比福佑卡车传统模型提升20%以上。

下一步，腾讯与福佑卡车将在智能客服外呼、智能分析、智能分单系统等场景逐步展开合作。

福佑卡车技术合伙人陈冠岭告诉智东西，从福佑卡车内部来讲，现在的阶段智能客服是优先智能数据分析，因为传统的智能客服需要维护数据库、标准答案，但其实由于公司业务变化很快，维护成本很高，他们希望能看大模型能不能做到端到端的智能客服的解决方案，降低维护成本。他希望明年Q1、Q2具体的东西能跑起来，真实检验一下智能客服的效果。

他补充说，相比于智能客服，大模型应用于智能分析领域的挑战会更大。原因在于这一领域对数据的要求更高。因此，福佑卡车要根据具体方案才能决定内部上线产品节奏，他们希望下半年看到一些场景应用。

一、OCR准确率总体提升超20%，复杂三方打卡图识别率达95%

福佑卡车通过全链路数字化推动其业务降本增效已经有一定成果，货运准时率达到95.2%，货运服务事故率降至0.02%，车辆空驶率由行业平均值45%下降到6.6%，车辆空置率由行业平均值40%下降到24.8%，司机收入提高33%。

基于大模型技术，福佑卡车联合腾讯将实现物流货运行业的数字化智能化创新，从而实现运营效率和客户体验的全面提升。货运领域应用AI的门槛将会被降低，数字货运将进一步提升为智能货运。

腾讯智慧交流积累了物流行业解决方案的经验，今年6月，腾讯云发布行业大模型解决方案，通过腾讯云TI平台提供MaaS一站式服务；福佑卡车作为货运场景方，积累了大量的行业数据，深切知道行业痛点是什么。

因此，福佑卡车和腾讯将智能化OCR物流证件识别作为切入点，进一步延续到货运领域的关键岗位上，可能打造智能助手提升工作的效率，最后探索对整个行业进行赋能，实现上下游拓展。

第一阶段，福佑卡车和腾讯的智能化OCR物流证件识别已经落地，基于大模型OCR准确率相比传统模型提升20%以上。其中，图片信息匹配综合识别准确率达到95%以上、图片字段识别准确率达到99%，图片字段识别召回率为98%。

主要提升在于工程化提效，福佑卡车新增需要识别的证件图片时，只需要小样本量的训练机就可以达到传统OCR数千样本量以上的训练效果。

准确率也有所提升，物流货运行业特有的复杂三方打卡图片识别，准确率从90%提升到了95%以上。

自动化程度提升，省略了人工验证环节，基于智能化检测验证，能进一步降低人工成本。

下一步，腾讯和福佑卡车将在智能客服外呼、智能分析、智能分单系统方面进行深入合作和拓展。

二、基于高质量垂直语料，打造OCR、智能客服大模型

AI进入大模型时代，泛化性、通用性、实用性大大增强。

物流行业中企业积累了大量的场景化数据，依托于腾讯行业大模型方案在技术、平台、应用层面的构建能满足福佑卡车这类行业用户的场景化诉求。

传统OCR模型往往基于小模型做，识别过程包括检测、识别文字内容，智能结构化提取，然后通过小模型做堆积，每个环节都有一定折损，会导致OCR效果不佳。

并且其不具备阅读理解和推理能力，模型的复用性也不强。

腾讯OCR大模型可以做到端对端识别，整个模型的效果会比传统OCR模型有提升，即使企业不做精调，也能达到更好效果，还能实现单模型多任务处理，具备一定的阅读理解和推理能力。

这一大模型基于原生大模型，不经过训练可以直接支持常规下游任务，Zero–shot学习泛化字段召回率可达93%以上；企业落地时通过Prompt设计，可以不经过训练支持复杂的下游任务，Few-shot泛化字段召回率可达到95%以上；腾讯OCR大模型通过多模态技术，通过小样本精调解决传统OCR难题，比传统模型召回率提高3%-20%。

为了企业实现更低成本的落地，腾讯OCR大模型功能设计采用数据分组、字段描述子、标注检查、Badcase智能分析等。

并且，腾讯内部在TI-OCR上进行日常标注和建模，平均一个季度完成70000次标注任务，完成超100次模型训练任务。

OCR大模型精调能使其基于特定场景感知文字信息，核心的提升点在于训练样本更少、训练时长更高，对于复杂的场景和训练，迭代一个模型的时长在小时、分钟级。

对于物流行业的智能客服，其痛点在于对话效果不够智能、人工坐席服务效率不高、传统知识库整理及运营依赖人工，投入大、效率低。

因此，底层基于物流行业客服大模型，加上福佑卡车内部数据进行精调，智能客服的能力升级。

大模型在泛化性、理解性方面的能力提升，能解决复杂问题，并且基于知识库文档快速学习，知识点快速提炼，掌握知识的时间从月级升级到分钟级。

腾讯客服大模型能实现低成本训练和推理，将百亿大模型训练成本从64卡降低到8卡，千亿大模型从从128卡降到了32卡。并且，智能客服还能通过搜索引擎获取网络知识，提高回答的多样性和相关性。

大模型能建立实时更新的大模型向量数据库，将阅读理解的长度从2k提升到8k，上下文挖掘观点的能力也有大幅提升。

除了知识问答外，智能客服还需要完成任务型办理，如查订单、状态获取等，基于客服大模型就可以通过API调用完成任务构建。

结语：生成式AI席卷货运物流全链路变革

陈冠岭谈道，目前我国公路货运行业市场规模达到了5万亿元，但数字货运渗透率只有15%，市场规模为7000亿元。物流货运具有体系完善、环节众多、数据复杂、场景丰富等特性，一直以来都是前沿技术落地应用的重要领域。

大模型技术正在席卷各行各业，同样将为货运物流全链路运营效率、服务体验和业务创新带来巨大变革。