“AI+”如何为ToB供应链物流赋能（22页 PPT）

微信扫码，打开到小程序

“AI+” 如何为 ToB 供应链物流赋能 虞 楠（交通运输行业首席分析师） SAC 号码： S0850512070003 联系人：谭伊珊 2025 年 3 月 18 日 证券研究报告 （优于大市，维持） 16322 ToB 物流成本压力倒逼变革， AI 助力成本管控智能化。我们认为， ToB 物流服务链条长、定制化程度 高，且客户对成本诉求敏感，驱动物流企业加强成本控制、精细化运营的核心能力。 AI 大模型、机 器 人等技术在物流场景的落地，有助于成本管控正从“经验式”向“智能化”跃迁，率先使用 AI 等科技 或具备技术基因的 ToB 物流商，有望在成本竞争中进一步扩大竞争优势。 “AI+ 物流”相较于“互联网 + 物流”：全链路深度融合，智能决策。我们认为， AI+ 物流以人工智 能 算法、机器人及自动驾驶技术为底层支撑，从被动响应转向主动预测与动态优化，通过自主决策与 自 动化执行提升物流全链路效率。 “AI+ 物流”应用场景：贯穿供应链采购、运输、仓配、售后全链路。我们认为，例如运输智能调度、 多式联运智能筹划、突发事件处理、仓储自动化识别分拣、智能客服与交互、需求预测与绩效评估等 场景都具有广泛的应用价值，进一步发掘出物流企业的降本增效潜力。 投资建议。我们看好 AI 技术在 ToB 物流领域的应用前景，建议关注积极布局 AI 技术、具备较强数字 化 能力和精细化运营能力的物流企业： 1 ）制造业供应链：传化智联、海晨股份； 2 ）消费品供应链： 怡亚通； 3 ）大宗供应链：物产中大、厦门象屿、厦门国贸、浙商中拓。 风险提示： AI 等新技术落地应用不及预期、经济增速不及预期、下游需求低迷、行业竞争加剧等。 2 请务必阅读正文之后的信息披露和法律声明 核心观点 1. ToB 物流成本压力倒逼变革， AI 助力成本管控智能化 2. AI+ 物流 vs 互联网 + 物流：技术代际差异 3. AI 与机器人等在物流中的应用场景 4. 重点公司分析 5. 风险提示 3 请务必阅读正文之后的信息披露和法律声明 概要 ToB 物流企业普遍面临利润率低的行业挑战。根据 Wind ， 2023 年，物流的子板块按平均净利率排 序，跨境物流（ 5.8% ） > 快递（ 3.3% ） > 仓储物流（ 2.7% ） > 原材料供应链服务（ 1.1% ） > 公路货运 （ 0.7% ） > 中间产品及消费品供应链服务（ 0.6% ），大宗或者 ToB 物流相关板块利润 率显著低于与 电商消费相关性大的快递、跨境物流板块。 我们认为，过去 ToB 物流企业依赖“规模扩张 + 价格战”争夺市场，但增量红利见顶后，行业亟需提 升全链路成本控制能力以重构竞争力，就物流行业的底层逻辑而言，降低成本与提升效率始终是效 益提升与产业优化的核心命题。引入人工智能技术有助于实现降本增效的基本目标。 图：各物流子板块销售净利率 SW 原材料供应链服务 SW 中间产品及消费品供应链服务 SW 快递 SW 跨境物流 SW 仓储物流 SW 公路货运 2016 年 2017 年 2018 年 2019 年 2020 年 2021 年 2022 年 2023 年 2024Q3 1. ToB 物流利润率低迷，成本压力倒逼变革 4 请务必阅读正文之后的信息披露和法律声明 15% 10% 5% 0% -5% 资料来源： Wind ，海通证券研究 所 我们认为， ToB 物流业务链条长、非标场景多、客户定制需求多，是导致技术渗透缓慢的重要原 因。例如公路运输环节，路线规划、装卸工作高度依赖人工经验与操作，调度效率低，车辆空载率 较高；在仓储环节，仍存在大量人工分拣场景，准确率与效率均低于自动化分拣系统；在管理环 节，纸质单据处理耗时，异常事件人工响应滞后。 过去几年，借助互联网应用或者自动化系统等一些工具，物流局部环节实现了线上化、自动化，例 如满帮集团实了现车货匹配环节的线上推荐匹配，但我们认为， ToB 物流仍缺乏全链路的自动化运 作和智能管控，许多环节仍高度依赖人工，降本仍有较大空间。 图：物流全链路各环节的痛点 采购 运输 仓储 结算、售后 供应商信息繁杂、需求与产品 线路复杂、排线困难 不同类型仓库管理策略难定义 匹配度低 资源分配不均、时效不稳 库存不共享，流通不畅 采购流程繁琐 装载率参差不齐，成本难管理 多渠道库存不透明 价格谈判困难、隐性成本高 货物和司机状态难监控 仓库软硬结合程度低 1. 技术滞后与人工依赖，降本陷入瓶颈 结算不灵活，一盘帐易出错 线下手工计算信息不准确，成 本分析难 缺少一站式平台，对客户问题 进行管理、处理 和后续分析 资料来源：数商云科技百家号，顺丰科技官网， 海通证券研究所 全链路管理 请务必阅读正文之后的信息披露和法律声明 决策链长、缺少决策自动化、预测难、复杂场景求解难 5 AI 科技正穿透 ToB 物流全链条，推动降本逻辑从“节流”转向“智能增效”。例如，运输智能调度方 面， 满帮正探索用 AI 提升车货匹配和运力调度的效率， 进一步提升车效。再例如， 京东物流升级了 “ 京东物流超脑”，在网络布局、预案规划、仓储运配、客服和营销都全面智能化。今年 2 月，京东 物流接入 DeepSeek ，在异常管控、智能交互、流程自动化三大板块落地使用。供应链领域，例如， 怡亚通的平台 · 运多星正式接入 DeepSeek ，将运用在智能风控体系、运力调度、数据价值深度挖掘 等 方面。 我们认为，大型语言模型时代下智能程度高速提升的 AI 模型，能够更高效地完成泛化社会 领 域中的复杂任务，为“ AI+ 物流”的发展模式提供现实背景与技术支持，“ AI+ 物流”的稳步发展与 积极应用将改变依赖人工经验的传统物流模式，正在推动物流行业向智能化、自动化与高效化方向 的产业能级跃进。 我们认为，在高度同质化竞争格局下，供应链行业护城河构建逐步从资源规模转向成本控制能力， 倒逼企业围绕全链路精益化管理展开深度变革。从业务特性看， ToB 物流服务链条长、定制化程度 高，且客户对成本诉求敏感，这些特性驱动物流企业加强两大核心能力：动态优化成本、精细化运 营。随着 AI 、机器人等技术在物流场景的落地，成本管控正从“经验式”向“智能化”跃迁，率先 使用 AI 等科技的具备技术基因的 ToB 物流商有望进一步扩大竞争优势。 1. AI 穿透全链条， 成本管控向“智能化”跃迁 6 请务必阅读正文之后的信息披露和法律声明 我们认为，“ AI+ 物流”是“互联网 + 物流”的迭代升级，它们区别主要有： 互联网 + 物流：我们认为， “互联网 +” 重点在于解决“信息孤岛”问题，核心在于通过移动互联 网、 云计算、大数据等技术，搭建数字化基础设施，推动物流行业的在线化、平台化，充分发挥互 联网 在人、货、车、仓等物流生产要素生产要素配臵中的优化和集成作用， 实现信息透明与各资源 协同。 但许多环节依赖人工决策，流程优化多局限于事后响应。 AI+ 物流：我们认为，相较于“互联网 +” 的广泛连接， “人工智能 +” 更强调技术与实体经济的深度融 合。 AI+ 物流以人工智能算法、算力、机器人及自动驾驶技术为底层支撑，从被动响应转向主动预测 与动态优化，通过自主决策与自动化执行提升物流全链路效率。 表： “ AI+ 物流” 与 “互联网 + 物流”区别 2. AI+ 物流 vs 互联网 + 物流：主动 vs 被动 维度 互联网 + 物流 AI+ 物流 技术核心 互联网、云计算、大数据 算法、算力等 运用场景 车货匹配、电子运单、资源配臵 需求预测、智能调度、智能仓储、智能客服 功能侧重 在线化、平台化，实现信息透明与资源协同 自动化操作、智能化决策、智能设备 人工依赖度 较高，需人工操作与决策 较低，机器自动执行，人工干预 资料来源：科技创新与品牌杂志公众号，湖南日 报百家号，海通证券研究所 请务必阅读正文之后的信息披露和法律声明 7 亚马逊对人工智能的布局覆盖供应链全链条，从需求预测、仓储管理到末端配送， AI 深度渗透各 环 节。我们认为，这种技术、场景与规模深度协同，使亚马逊具备领先行业的运营效率及成本控制 能 力，技术驱动亚马逊保持行业领先的核心优势之一。根据华尔街见闻和第一财经，亚马逊各环节 AI 应用如下： 购买前：预测需求、优化库存、协调发货。 亚马逊的供应链优化技术 SCOT 利用深度学习模型和海 量数据集，每天预测数亿多种产品的需求和销量， 来决定在哪些仓库、存放多少数量的产品，并协 调全球数百万卖家发货。深度学习模型使得 SCOT 系统的预测的准确率在两年内跃升了 15 倍。 购买中： 亚马逊对话式的 AI 导购、 AI 销售助理等已经落地应用或者已经推出测试版。人工智能与 机 器人的结合，将使亚马逊新一代运营中心的生产力提升约 25% 。 购买后：打包、搬运货物，协助配送。具备 AI 机器视觉功能的机器人可以识别、分类和检查数亿种 商品的质量，然后将其打包、装车。机器人识别和存储库存的速度提高 75% ，仓库处理订单的时间 缩短 25% 。截至 2023 年，亚马逊拥有全球最大的移动工业机器人车队， 部署超 75 万台机器人。 自动 化分拣方面具备 AI 增强视觉系统的机器人会帮助分拣包裹。运输过程中， AI 可以预测道路意 外状 况，智能规划派送路线。 2. AI+ 物流案例：亚马逊全链条布局 AI 8 请务必阅读正文之后的信息披露和法律声明 通过梳理亚马逊全链条布局 AI 的案例，参考京东物流等企业对人工智能技术的应用，我们认为， “AI+ 物流”可以实现的应用场景主要包括：运输智能调度、多式联运智能筹划、突发事件处理、仓 配的自动化识别分拣、智能客服与交互、需求预测与绩效评估。 图： “ AI+ 物流”的应用场景 运输智能调 度 3. 应用场景：覆盖运输、仓储、决策、售后等环节 仓储自动化 识别、分拣 资料来源：运联智库公众号，海通证券研究所 多式联运 智 能筹划 突发响 应及 时 需求预测 与 绩效评 估 智能客 服与 交 互 9 请务必阅读正文之后的信息披露和法律声明 运输智能调度 传统上，公路运力的调度依赖 TMS 系统人工经验配臵， 而基于 AI 大模型的智能调度系统能实现 更 实时地、智能地匹配货源与返程空车。例如，“京东物流超脑”具备亿级订单全网线路分钟级孪 生模拟及百万级数据分钟级的处理能力， 通过全国运力统调体系全方位调度陆铁空资源实现最优 调配。 多式联运智能筹划 DeepSeek 等 AI 大模型凭借其强大的多模态推理能力，通过实时解析货物特性、运输时效要求以 及 各种运输方式的实时运力等多方面因素， 智能规划出最优的联运方案。联运等待时间将大幅减 少，不同运输方式因衔接不畅导致的延误概率和成本也将得到显著降低。 结合区块链技术， AI 可以实现联运单证的数字化流转与自动化核验， 有效降低单证处理的错误 率，进一步提升运输效率与安全性。 突发响应及时 AI 系统响应速度提升，针对突发事件更迅速地动态决策。例如突发疫情、暴雨、洪水等极端情况 导致某区域交通瘫痪时， 模型的动态决策引擎会迅速作出反应，自动对全网运输路线进行调整， 并协调备用仓库， 大幅压缩突发事件的响应时间。 3. 应用场景——运输调度、联运筹划、突发响应 10 请务必阅读正文之后的信息披露和法律声明 3. 应用场景：智慧仓储、智能客服、预测与评估 仓储自动化识别、分拣 借助基于 DeepSeek 等大模型的图像识别技术，仓库机器人能瞬间自动识别货物的型号、数量， 成 功将误检率控制在百分之零点几的范围内。 智能客服与交互 借助自然语言处理技术， 无论是查询包裹位臵，还是询问预计送达时间， AI 客服能精确、快速地 做出回应，这将大大减轻人工客服的工作压力，同时显著提升响应速度。客户反馈包裹出现损 坏、延误等异常情况时， AI 可以自动提取关键信息，匹配历史案例中的解决方案， 迅速为客户提 供处理建议。 需求预测与绩效评估 AI 大模型通过需求预测，能有效提升供应链整体柔性。模型能够综合分析上下游企业的生产计 划、销售数据以及市场趋势等多源信息，为物流企业提供精准的需求预测。此外， AI 模型在自动 评估供应商绩效， 帮助物流企业筛选优质合作伙伴，优化合作策略方面也具有较强的助力。 11 请务必阅读正文之后的信息披露和法律声明 公司简称 传化智联 商业模式 物流：公路港、供应链物流 化学：功能化学品生产 数智化布局情况 开展 AI 大模型的应用，并在近期完成了 DeepSeek 本地化接入。将依托 AI 大模 型， 改善客户体验、效率提升和商业模式。 制造业供应链 海晨股份 制造业物流服务 物流装备及物流机器人制造 正式接入本地部署 DeepSeek 大模型系统，通过对物流数据的深度学习与训练， 提升公司在智能预测、运营优化、自动化决策等方面的能力。 成立机器人行业应用研究院， 聚焦人工智能和机器人技术在物流行业的深度应用。 消费品供应链 怡亚通 消费品和原材料贸易分销 自主研发出契合供应链行业特点、满足各类业务模式需求的大数据管理系统。货 运平台 · 运多星正式接入 DeepSeek 。 大宗商品供应链 物产中大 大宗商品贸易分销、物流， 金融 服务，高端制造 “ 金属智链”平台深化仓储、钢厂系统直连， 实现订单实时响应、物流全程跟 踪、 货物安全交付、金融便捷服务。推进轮胎智能工厂建设，通过云平台、销售 数字 化、仓储物流系统化，实现全生产过程数字化智能制造系统的贯通。 厦门象屿 大宗商品贸易分销、物流、供应 链金融 运用智慧物流系统进行仓库数智化管理，开发建设“屿链通”数字供应链服务系 统， 建设农业产业级供应链服务系统。 厦门国贸 大宗商品贸易分销、物流，医疗 健康供应链及生产研发 自主构建智慧供应链综合服务平台——国贸云链，赋能供应链风控、电子签章、 金融服务、综合物流仓储服务等场景。 浙商中拓 大宗商品贸易分销、物流 构建智慧仓储系统（ WMS ） 、物流金融系统（ FMS ）、物流运输管理 （ TMS ）、 电子商务系统（ EC ）等平台系统，数智化赋能业务。 通过对重点企业的梳理，我们认为， ToB 供应链领先企业现阶段基本已经实现了业务的信息化、数 字化，并且愈加重视人工智能对业务的赋能，例如传化智联、海晨股份已经本地部署 DeepSeek 以 追 求业务效能突破； 同时，人工智能技术亦有望为传统的大宗商品和消费品供应链企业提供新的赋 能 机会。 表：重点 ToB 供应链企业数字化智能化布局 资料来源：传化智联官网、投资者关系活动记录，海晨股份官网、官方公众号，怡亚通官网、官方公众号，物产中大 23 年年报，厦门象 屿 23 年年报，厦门国贸 24 年半年报，浙商中拓 24 年半年报，海通证券研究所 12 请务必阅读正文之后的信息披露和法律声明 4. ToB 物流企业愈加重视“ AI+” 赋能 领域 传化智联经营主要围绕智能物流平台和化学业务两大板块协同推进。物流板块作为“公路港”模式的开创 者， 是国内领先的公路物流基础设施平台。化学板块聚焦纺织化学品、纤维化学品和合成橡胶等领域。 传化智联已经在开展 AI 大模型的应用，并在近期完成了 DeepSeek 本地化接入。借助 AI 大模型，公司有望 在 客户体验、效率提升和商业模式三个方面得到改善。第一，原本需要业务员开展的服务都可以通过人工 智能 大模型来处理，物流业务的运费报价可以实现更加快速、精准，客户的日常服务，水电费缴纳、物业维 修、 停车场办卡、发货找线路等方面都较好提升了客户体验。第二，成本方面，可以通过 AI 监测机器狗巡 检等在 智慧工厂的应用，确保安全提升效率。第三，公司有望通过新的技术来重构商业模式。 风险提示：车流量大幅下降，下游需求低迷，物流仓储市场竞争加剧，新项目进度不及预期，新技术落地应 用不及预期等。 图：传化智联毛利构成（ 2024H1 ） 图：传化智联具备数智化能力的物流服务网 4.1 传化智联：接入 DeepSeek 赋能物流业务 物流 36% 精细化工 64% 资料来源： Wind ，传化智联官网，海通证券研 究 所 13 请务必阅读正文之后的信息披露和法律声明 增值 服务 保险、车后、金融 物业 服务 停车、安防、能源 经营 赋能 数字营销、标准运营 运力仓储 线上调度匹配平台 供应链 管理作业系统 园区 PMS 云亭 系统 鹰眼 系统 IOT 设备 储 分 配 集 运 企业经营服务台 供应可视运营 在线匹配调度 园区智能管理 14 请务必阅读正文之后的信息披露和法律声明 海晨股份是消费类电子行业供应链解决方案的运营商和管理者，主要为全球科技制造企业提供集运输、仓 储、关务和其他增值服务为一体的综合物流解决方案。公司通过数字化和物联网手段，使得生产物流全过程 可量化、可分析，结合人工智能工具，持续优化业务流程和管理效率。通过机器人和自动化手段，降低对人 工的依赖，大幅提升业务过程的稳定性和可复制性。 海晨股份近期正式接入本地部署 DeepSeek 大模型系统，通过对公司海量物流数据的深度学习与训练， DeepSeek 大模型将显著提升公司在智能预测、运营优化、自动化决策等方面的能力，为公司的智能化转型 提供技术飞跃。在智能装备领域，公司正式成立机器人行业应用研究院，并宣布达成多项战略和技术合作， 进一步推动公司在智能物流装备和数字化转型领域的领先优势。 风险提示：下游需求低迷，大客户依赖度高，市场开拓受阻，新技术落地不及预期等风险。 图： 海晨股