运营的效率和用户的体验是货拉拉的两个核心点。
2025年的商业世界正站在新旧转换的十字路口。在商业叙事重构、科技浪潮席卷的当下,WISE2025商业之王大会以“风景这边独好”为基调,试图在不确定中锚定中国商业的确定性的未来。我们在此记录这场思想盛宴的开篇,捕捉那些在变局中依然坚定前行的声音。
11月27-28日,被誉为“年度科技与商业风向标”的36氪WISE2025商业之王大会,在北京798艺术区传导空间落地。
今年的WISE不再是一场传统意义上的行业峰会,而是一次以“科技爽文短剧”为载体的沉浸式体验。从AI重塑硬件边界,到具身智能叩响真实世界的大门;从出海浪潮中的品牌全球化,到传统行业装上“赛博义肢”——我们还原的不仅是趋势,更是在捕捉在无数次商业实践中磨炼出的真知。
我们将在接下来的内容中,逐帧拆解这些“爽剧”背后的真实逻辑,一起看尽2025年商业的“风景独好”。
以下为货拉拉CTO张浩的演讲实录,经编辑:
大家下午好!我叫张浩,是货拉拉的CTO。
刚才圆桌环节,有讨论到AI今时今刻对哪个行业会有深刻的影响,地瓜机器人的秦总回答是还看不见。
接下来我给大家分享一下AI在货拉拉的应用落地,我先不讲将来,只讲我们过去两年的发展路径。讲完之后,请大家再做一个判断,看今时今刻的AI,对行业影响到底有多大?
大家在大街上应该都可以看到货拉拉的车,所以我不再赘述我们的业务场景。我们最早成立于香港,2014年进入到中国内地,到现在已经有12年的历史了。除了中国之外,我们在东南亚、南美洲等一共400多个城市和地区也有提供服务,月均有近2000万的活跃用户,200万的活跃司机。对于我们这样的业务撮合平台,最重要的事情就是撮合货主和司机之间的交易。所以运营的效率和用户的体验是货拉拉的核心能力,也是我们最需要AI能够拿下的两个核心方向。
每家公司的业务场景和落地阶段是不一样的。两年前,随着ChatGPT的横空出世,我们也开始在做这方面的研究。首先要解决的问题就是,在我们这样的行业和公司结构里,AI在哪些领域是能够起到最大作用的呢?
我们参考高盛2023年AI研报的评估方法,通过岗位调研、任务拆解、自动化难度评级,量化AI提效潜力。生成式AI将率先在高数据密度、人力密集型领域引发生产力革命,所以我们选择了业务安全、研发、产品、运营等场景作为高优先级落地,而在一些确定性要求高、容错率低的场景,比如数据分析,我们认为还不到时机。
确定了发展方向之后,接下来就是技术落地的路径问题。
跟所有科技公司一样,2023年最开始做的时候,我们也是想做行业内的垂类大模型。所以我们投入资源去做货运的行业大模型,花了很多的精力。
最后,我们用钱和时间买回来了两个结论:
第一点,基础大模型本身日新月异,在基础大模型里面花很多时间,还不如把我们整体行业里的数字资产、业务的API、行业的know-how落地做好。
第二点是,做我们自己的AI应用平台是比做基础大模型更重要的事,随着基础大模型的提高,我们自己的AI应用,也会自动地发挥更多效率。
有这两个认知之后,我们也开始调转重心,不再纠结于基础大模型。于是我们花了大概一年多的时间打造了很完整的三个平台应用,海豚平台、悟空平台和评测标注平台。
我简短地给大家讲一下我们这三个平台。
悟空平台的目的,是希望一个非专业人士,能够在5分钟之内,在公司内部搭建起一个初级的企业智能体应用。
所以它有三个比较大的特点:
一是可视化的流程编排,拖拖拽拽,就能把公司各种数据资产的API接口都拽在一起。
二是0代码的智能构建,通过自然语言就可以构建一些基本的智能体。
三是能建设企业级的工具库和MCP,就像刚才所说的,我们能够做的不是在技术层面去竞争,而是要把企业的数字化资产做到很好。
海豚平台则是面向更专业的算法开发者,为了让大家从整个数据训练到模型开发、上线维护、生命周期管理,都能做到一站式的提高效率。
我们想要通过这样一个很好的企业内部平台,为算法工程师们节省在资源、数据、模型开发、检测等等方面的时间。
当然,最重要的是构建了模型并上线之后的评测环节。对此我们推出的标注AB试验平台和拉拉智评,提升了我们在模型PK、AB试验分流等方面的完善度。
以前大家开玩笑说,“人工智能就是有多少人工就有多少智能”,因为很多时候的精力和时间都花在各种标注和评测上面。所以把评测机构做好,才能确保我们每次上线的结果都是真正可靠可重复的。
刚才简单讲了一下我们三个平台,这也是我们觉得比较骄傲的地方。我们用时间买回来一个经验:大模型是需要…