谁的效率高、成本低,谁的客单利润就高。所以,快递数字化的逻辑就是找出流程中可以提高效率、降低成本的环节,通过数字化手段加以简化和解决。很多人说我们的直营网点和车辆投入多,但这些都不是绝对的壁垒。只要拥有核心技术,要超越就很难。
德邦快递集团副总裁、德邦科技总裁 钟智龙
数字技术的发展给快递行业的经营和管理带来了前所未有的冲击,在业务与技术的双向驱动下,德邦快递与新华三合作,对IT与网络平台进行优化,让数据在快递全生命周期中发挥新价值。
2018年11月11日,电商平台不断攀升的交易量催生了中国快递行业的新纪录——当天,快递企业共处理4.16亿件邮(快)件,同比增长25.68%,是日常处理量的3.2倍。电商行业的爆发式增长,让快递企业面临着业务峰值压力大、经营利润下降、同质化竞争严重的困局。在这一背景下,只有依托前沿科技和数字化技术, 提高效率、降低成本,才能在变革与重塑的数字化时代脱颖而出。
面对日趋激烈的市场竞争格局,成立于1996年的德邦快递力图依靠数字化技术实现精细化管理,巩固零担市场竞争优势,为用户提供优质、高效的快递服务。为进一步提高生产效率、降低运维成本、实时监控分散在全国的业务网点,德邦快递携手紫光旗下新华三集团(以下简称“新华三”)升级IT与网络支撑平台,以数据价值开启快递行业的数字化转型之旅。
变革时代,德邦快递让数字化成为第一生产力
在德邦快递数字孪生中心,一块能够实时显示全国126家外场、10641个网点全景视频,以及物流、网点、渠道、客户等核心指标实时数据的屏幕,成为德邦快递调配资源、预测风险、优化管理的基础。依托背后的数据分析系统提供的数据洞察能力,德邦快递实现了从订单到仓储,再到配送的各个业务环节的智能化变革,并对风险因素自动预警,确保了高峰期数千万条快递线忙中不乱,高效运转,让一件件货物及时、安全地送达客户手里。
但在过去,这家行业领先的快递企业也曾经受过传统IT扩容困难、缺乏自动优化手段、运维工作量大等技术层面上的挑战和困扰。面对双十一等网络购物节带来的发展机遇和负载压力,德邦快递利用科技和数字化的力量提高生产效率,降低运营成本,发掘面向数字化时代新的增长点。而数字化技术带来的出色运营能力,也让德邦快递实现了可观的业务收益。
从存储到网络,新华三将数字化技术安全“送达”
缓解双十一等高峰期的业务负载压力,是德邦快递IT升级的核心目标之一,这要求新的数据中心架构不仅性能强大,更要实现对于业务峰值的资源动态优化能力。为此,新华三为德邦快递提供了全闪存储,提高了资源动态扩展能力,高IOPS支持数据高速输入和输出,帮助德邦快递节省机房空间超过77%,资源利用率提高近30%,存储综合成本降低约20%。这一高效、稳定的网络中枢能快速处理海量数据,缓解了业务量骤增带来的系统负载压力,为物流全链路数据监测、实时预警、快速定位、秒速反馈提供了坚实可靠的基础。
为了保护核心数据,提高数据中心的抗风险能力,德邦快递启动了双活数据中心建设项目。在德邦快递双活数据中心建设中,新华三网络设备起到了重要作用。同时,德邦快递采用了新华三统一备份系统,构建备份容灾解决方案,大大增强了数据的可靠性。
“科技有很强的竞争壁垒和核心竞争力。很多人说,我们的直营网点和车辆投入多,但这些都不是绝对的壁垒。只要我拥有核心技术,想要超越我就很难。”德邦快递集团副总裁、德邦科技总裁钟智龙表示。如今,德邦快递旗下的德邦科技已经建立起了138个IT系统、57个IT项目、5个开发平台。每年投入超过5亿,同时也在继续加大IT资源投入,让科技加速快递的效率。
新华三与德邦快递的合作是一次数字化技术和快递行业结合的成功实践。着眼未来,德邦快递将继续加大IT资源投入,让快递插上科技的翅膀,新华三也将作为快递行业的重要合作伙伴,发挥其应有的价值,持续为快递行业的数字化转型征程保驾护航!
好文章,需要你的鼓励
Luminary Cloud宣布完成7200万美元B轮融资,专注开发"物理AI"技术。该公司云原生平台可将仿真速度提升100倍,利用物理信息模型实时预测汽车、飞机等产品性能。公司推出针对特定行业的预训练模型,包括与本田合作的汽车设计模型和与Otto航空合作的飞机开发模型。融资由西门子风投领投,将用于扩大研发团队和市场销售。
清华大学研究团队通过MotionBench发现,当前最先进的AI视频理解模型在精细动作理解方面存在严重不足,准确率不足60%。他们提出的通过编码器融合技术TE Fusion有效改进了这一问题。这项研究揭示了视频AI理解的基础能力缺陷,为该领域发展指明了新方向。
伦敦量子动态科技公司宣布交付业界首台采用传统半导体制造工艺的量子计算机。该系统已安装在英国国家量子计算中心,使用标准化300毫米硅晶圆,是首台自旋量子比特计算机。系统采用CMOS技术,占地约三个19英寸服务器机架,具备数据中心友好特性。公司开发的可扩展瓦片架构支持大规模生产,未来可扩展至每个量子处理单元数百万量子比特,为商业化应用奠定基础。
上海人工智能实验室联合多家机构推出OVO-Bench评测体系,首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类,缺乏时间感知、实时记忆和主动响应能力。该研究为智能家居、在线教育、医疗监护等实际应用场景的AI升级指明方向。