美国物流公司XPO Logistics的新任CIO正在为应对公司在北美的零担运输(LTL)货运负载而构建复杂的IT平台。
LTL是一种货运模式,在这种模式中,一辆卡车的货物会包含了来自多个客户的产品,所有客户都有自己的交货地点、交货期限、定价、占地面积、托盘尺寸和运输要求。尽管客户与其他客户共用一辆卡车,但他们希望,XPO公司能够优化他们的库存交付,而这项工作需要大量的信息技术。
对于XPO公司来说,这个“IT引擎”中既包括了内部开发的货运应用,也包括云,并且一切都是以数据为“燃料”的。
XPO Logistics CIO Jay Silberkleit
Jay Silberkleit于今年11月1日被任命为XPO公司的首席信息官,当时XPO将旗下RXO经纪业务剥离为一个单独的上市公司。Silberkleit在XPO公司工作了十多年时间,曾经与前任CIO以及新任CEO共事,新任CEO Mario Harik在过去十年中为公司的数字化转型投入了超过30亿美元,以服务于他们超过2.5万家客户,其中包括Dow、John Deere、Tractor Supply等蓝筹公司。
与Old Dominion等公司展开竞争的XPO,现在把目光聚焦在发展货运业务上,因为XPO与RXO经纪业务是分开的,Oppenheimer董事总经理Scott Schneeberger认为这一转变将能带来巨大好处:“Mario Harik是最早一批的雇员之一,他是一位具有技术背景的技术人员,很有说服力。”
对技术的重视,帮助XPO成为企业市场的“颠覆者”,Silberkleit说,他已被任命在这个新的阶段负责XPO的IT工作。
自主应用开发和云
XPO每年要处理130多亿件货物。由于每辆卡车包含很多个客户交付,IT团队(有430多人,其中有大约十几名数据科学家)构建了一个大型的专有网络来优化成本、效率和无损坏交付。
XPO自主开发了一系列应用运行在Google Cloud Platform(GCP)平台上,平台中包括了作为数据湖的Google BigQuery、作为API网关的Google Apigee、以及最新发布的Vertex AI平台,因此XPO公司的网络装备可以说十分精良,可以给客户提供物超所值的最佳选择。
XPO使用Google Cloud Platform(GCP)和Kubernetes编排引擎进行容器化,这对处理日常业务量来说也是至关重要的,但这是XPO对内部应用开发的一项承诺,包括通过数据分析优化和整合货运方案,这是XPO公司主要的差异化因素。
例如,XPO开发了一种动态定价工具以及一组API,可以实时捕捉货运机会,此外还开发了专有的成本建模功能,使XPO能够在尊重客户支付意愿的同时,提高利润率。XPO的平台还帮助优化和整合货运——例如,确定在波士顿和加利福尼亚之间有多少中转,以及优化取件和交付等等。
“真正的挑战在于规模,”Silberkleit说,他指出,XPO的网络每天要处理来自北美大约300个服务中心的15万件货物,实时生成数百万个数据点,他们必须对这些数据点进行分析和关联,从而为每个客户提供最高效的交付服务。“我们构建了这些技术平台,但我们需要一个灵活的、可扩展的架构,而这正是云能够给我们提供的。”
正如Silberkleit所见,顺畅的货运物流取决于强大的数据运营。
以数据为燃料
Silberkleit说:“我们从事的绝对是数据业务,当谈到我们的数字化转型和数字化之旅时,很多都是基于我们的数据分析策略。”
对于XPO来说,他们要处理的数据量非常大。
“我们在卡车上安装了GPS定位和远程信息处理系统,因此我们可以获得有关路途中运转的发动机的信息。服务中心的每个人都有一个手持设备,所有货物都有条形码,我们将所有这些数据点集成到Google BigQuery中,”Silberkleit说。
XPO公司庞大的数据分析师和程序员团队还开发了一个独特的门户网站,让客户能够提出请求、跟踪提货和交货日期、获取状态更新和交货发票。XPO依赖谷歌的API引擎和物联网组件、以及自主开发的应用来连接和集成客户的内部系统,而且XPO的数据科学家们正在使用谷歌Vertex AI平台打造机器学习模型。
Silberkleit说:“为了运行动态的LTL模型,你需要能够整合各个点的货运数据,创建有关于通往目的地的各种道路的密度,要构建一个动态的网络,意味着我们要有机器学习模型,可以计算出货物通过网络的最佳路径,以及我们应该在哪里建立这种密度。”
他说,XPO的动态网络不会自动创造效率,但是可以让人类分析师能够专注于调度拖车,而不是花费大量时间来计划如何装载这些拖车。
“每天,我们都会查看我们的拣货情况,指示机器学习模型向手持设备发送指令,然后手持设备指导人们以某种方式装载拖车,从而以最少的数量实现密度英里的最大化,与此同时提供最好的服务,”Silberkleit说。
客户还希望以更详细的方式追踪他们的货物,如今,他们已经能够实现更高的可见性了。在这方面,XPO通过使用API从数据湖访问自定义数据请求,提供有关客户商品所在位置以及商品到达所需时间的实时反馈。
Silberkleit说:“我认为,我们现在是仅有的几家拥有货件级追踪能力的承运商之一,这让我们的客户可以在输入发货编号时详细了解每个托盘的位置和状态。”
获得回报
XPO公司称,在Harik和新任高管的带领下,XPO的数字化转型一直是公司发展崛起的一个关键因素。在截至今年10月的第三季度,XPO公司整体业务中的LTL部分创造了12亿美元的收入,比去年同期增长12%。
XPO公司在提交给美国证券交易委员会的文件中指出,技术是公司增长和运营效率的主要驱动力。根据XPO的数据显示,数字化转型带来的项目成本优化,将在2021年至2027年期间预测的11%至13%年增长率中贡献3%至4%。
IDC云基础设施服务研究副总裁Dave McCarthy指出,在未来五年内,那些计划进行重大业务转型的公司中,有25%的企业将通过云提供商来帮助他们实现这一目标。但是,像XPO这样自主开发应用和通过数据分析最大程度上利用云的企业,将获得最大的回报。
McCarthy说:“对于大型企业而言,这代表着要在软件及数据平台、机器学习和分析方面的熟练技术人员进行重大投资,而且,通过自动化提高运营效率的潜力以及改善客户经验,被视为创造和维持竞争优势的基本要素。”
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。