来源：物流进化（ID：Log-Evolution），整理：晓璐

2025年，中通快递实现包裹量385.17亿件，市场份额19.36%。自2016年以来，中通持续名列中国快递行业市占率第一。而在“通达系”中，中通快递亦是盈利能力最强的公司。2025年，中通快递实现调整后净利润约95.13亿元，是圆通+申通+韵达净利润总和的1倍之多。

毋庸置疑，规模领先的背后离不开技术加持。中通在自动化设备和技术研发领域持续投入，依托大数据、人工智能等技术优势，提高运营数字化和智能化能力，优化全网运营效率，降低运营成本。年报数据显示，中通快递近些年的单票成本持续下降，其单票分拣成本和运输成本分别从2019年的0.62元、0.34元，下降至2025年的0.36元、0.26元。截至2025年末，中通快递全网拥有781条自动化分拣线，相比2024年的596条净增加185条。

持续的科技赋能，使得中通快递在成本及运营效率方面处于业界领先地位。2026年5月15日，由物流进化主办的“2026物流产业进化峰会”上，中通快递集团科技与信息中心负责人宋秉政登台演讲。其从中通快递集团的实践出发，阐述了物流产业从规模增长向智能进化的必然性。

宋秉政认为，快递业上半场主要靠增量业务，拉动营收（向外用力）；而下半场，则需通过提升存量运营质量，来优化效率（向内用力）。当下，以大模型、机器视觉、新能源、无人车、机器人等等为代表的新技术进入可用阶段，物流迎来系统性重构窗口。而快递业，正是AI最佳落地场景之一。

那么，中通是如何通过技术赋能，在激烈的价格竞争中保持效率优势的？AI时代，中通如何构建自己的AI能力体系？

以下内容根据宋秉政的演讲进行整理修订（有删减），分享给大家：

快递业下半场，竞争逻辑正在重写

我来自中通科技，今天跟大家分享的主要是中通快递在AI方向上的一些实践。

第一个关键词是“进化”。我们要进化，就需要知道我们现在处于什么环境。

快递行业的上半场，是典型的规模增长时代。上半场，我们要的是营收这条线，要尽量把这条线拉高。而拉高可以掩盖住很多的问题。

到了下半场，进入存量竞争阶段，快递行业可能会出现几个特点：规模基数还是很高；增长放缓；放缓的背景下价格竞争会变大；更精细的需求会出来，产品复杂度会变得很高。

上半场拼规模，主要靠增量业务拉动营收（向外用力）；而下半场，则需要通过提升存量运营质量来优化效率（向内用力）。

所以，第二个关键词就是“重塑”。

对于快递物流行业来说，目前，大模型、机器视觉、新能源、无人车、机器人等等这些技术的规模化落地应用，让我们来到了一个系统性重构运营成本和效率的窗口。

（中通快递集团科技与信息中心负责人宋秉政）

快递场景天然适合AI

我们先看一下AI有可能替代快递业务中的哪一些部分。简单总结就是，AI会替代快递业务中的重复劳动、经验判断和人工服务。

第一个层面，替代重复劳动的应用现在已经有了。比如说自动分拣体系、无人车、无人仓储方面，用的主要是自动化控制和边缘计算的能力。

第二个层面，替代人的经验判断，包括智能调度、路径规划，异常识别等。这个方面目前落地的应用可能要少一些，难度也要高一些，主要用到的技术是运筹优化和时序的预测。

第三个，也是天花板最高的层面，应该是替代人工服务这块，包括智能客服、知识问答、语音交互，都是要和人做交流。几年以前，我们和机器人做交流的时候，能很明显地感觉很生硬；这几年会好很多，但你还是能识别出来它是个AI，不是真的人。

快递的场景天然是适合AI的，主要因快递场景有这样几个特征：

一是数据量巨大。比如每天1亿多的订单，几万辆车的轨迹数据，覆盖全国的网点数据等等。

二是实时性要求高。很少有行业像快递这样，需要5分钟做一个决策，如果决策有失误，影响会扩散。

三是物理世界壁垒。就像我们要做一个AI产品，很难想象一个物流行业的AI产品是由传统互联网公司做的。原因是，物流行业有很多的Know-how，比如网点怎么运营，一个常年作业的小件员可能要比一个运筹学的科学家更懂如何进行合理规划。

四是所有的颗粒度都是可以被量化的。就像我们要提升多少票的时效，提升多久，需要花多久，分摊到每一票是多少；我们要降低错分率，需要投入多少，分摊到每一票带来多少的提升……这些都是可见的。

所以，对于既懂物流又懂AI的人和公司来说，AI在快递场景的落地应用是一个很好的机会。

中通快递的实践，把AI放进真实业务流程

1）网点层面

以前，我们的网点运营分支业务有点像切蛋糕，就是，把某一片整个网点区域完整地派给小件员。这个小件员，第一，要回到自己的场地做分拣；第二，要自己把货运过去；第三，要在他所负责的区域派送、投驿站，甚至还要揽件。这个时候，分配是相对简单的。

到了现在，分拣有了自动化设备，可以极大地降低成本、提高效率；运输有了无人车，派送有了驿站，还有很多的无人柜，上门的那部分暂时还不能解决，揽收这部分也不可以。但整个快递业务的运营规划，变复杂了。

变复杂之后，如果用分拣设备来分，错分多的话业务就持续不下去。因此，中通快递自己构建了自有的智能地址库，自己建了机器学习模型，形成了两个应用：一是电子地图。我们有覆盖到全国小区的AOI和到楼栋的POI；二是算法模型预测末端分堆。如此以来，一个地址进来以后，就能准确地知道这一票件是分到小件员的哪一堆。

做成这个事情，难在哪里？

一个就是地址填写是很不规范的。比如说他有可能填“某个门店的左边小巷子进去200米”，也有可能填“这个件不要驿站”，也有可能填“这个件不放驿站我要投诉你”……

而系统对语义的理解是很复杂的。我们用算法预测的末端分堆模型，加上AOI来纠正，实现了地址解析99.9%以上的准确率。中通快递平均每天要处理大概1亿个包裹，2亿个地址，这样的一个体系就是支撑中通全网末端运营的基础。

有了这些基础以后，我们就能够通过AI给到建议，提升你的分拣能力、运输能力、揽派能力，包括驿站该怎么建、怎么规划路线，都能通过运筹计算出一个更优的运营模式；同时，通过AI评估出来你揽派的时效如何、成本如何。

基于以上能力，我们能做到精准分单、高效揽派，同时实现件量、质量的可视化，助力网点精细化管理。

2）分拨中心层面。

中通快递目前在全国有96座分拨中心，散布在全国不同的地方。以前，对于管理者说，分拨中心很像一个个“黑盒子”，时效延迟、派件没有派出去、错分等等问题出现的时候，你只能去询问某个中心的管理人员发生了什么。

现在，我们能用技术打开这些“黑盒子”。

首先，中通快递建立了数个统一的平台，包括设备平台、监控平台、广播平台、能耗平台。我们所有的设备以我们的标准配置，且能够远程进行配置，数据异常能够实时传上来，所有厂商统一到平台里；监控平台兼容几乎市面上所有的厂商，让监控能够一体化调用；统一的广播平台，你实时点开喇叭就能对话，还能播报一些异常的信息；以及统一的能耗平台。

有了这些平台，我们就可以把所有的区域，所有设备，所有操作工，可以站人的地方，所有的监控、可触达的广播和他们之间的相关关系全部数据化，通过机器视觉、大模型、设备的异常上报、人为扫码以后上报的异常等等，形成对整个中心分拣场地的感知能力。

以这些平台为基础，我们知道摄像头都在哪里，并把它们一一对应起来，就可以做AI错分预警。同时，也能知道哪些地方有拥堵的情况，实时发出告警，并且实时观测有没有被解决。

以前我们管装载，装载的人拍一张照片证明装载的情况，有可能最后一节做得很好，但中间做得不够好，我们就有了全过程跟踪的手段。网点跟班作业方面，我们能实时知道一个网点还有没有货堆在月台上，有没有被拉走。

此外，机器视觉叠加大模型，能够让系统真正“看懂现场”。例如，每个网点的车辆来源是五花八门的，我们没有办法在这些车上装设备。但分拨中心需要知道场地外来了多少车，有多少车在排队，据此来动态调整产能。为了解决这个问题，我们装了高清双目摄像头，通过平台能力，动态裁剪，再调用大模型实时查看大致有多少车。

基于以上这些，我们就能做到远程管理一个分拨中心，就像在现场一样。我们可以看它的3D结构、拓扑结构，能实时打开视频，也可以通过任何一个广播跟现场对话。以前有货损或者丢失，需要专门的人花时间去处理，现在只需要输入一个单号，你就能实时知道包裹的问题。

3）运输层面。

第一，运营方面，企业必须要随时知道运力的状态。但是，我们又不需要调度人员频繁地和车队长沟通，车队长再频繁地和司机沟通。

第二，运力调度，必须是线上化的，司机可以不知道车队长是谁，但系统上给他的指令是什么，他就需要去做。

第三，运力安全必须7×24小时实时监控。

所以，中通快递做了一个中智车联网的平台体系。司机不在车上的时候，就通过平台APP看他的所有任务，包括运输、维保、加油、年检维修等等，实现运输任务的线上化。

车辆终端设备方面，配置有部标机，标机上有车载大屏，默认设置导航和规划好路线。由此，中通可以对路线的时效和成本进行动态评估，并最终将时效和成本控制到路段级别。运输过程中，行驶路径及速度可以线上实时干预，经停节点实时下发。

此外，挂箱终端设备方面，胎温胎压传感器已实现全量安装，我们还正在试用智能量方、货物重量传感器等设备。

通过车联网平台底座，中通可以实时掌握路网状态，感知运力状态，运营调度全线上化。

我们也用运筹的方式，去看月台布局怎么样做更合理，以满足大部分情况下的尾货集拼；多中心环线如何建议，以提前协调车队运力与司机；路由如何设计，给各中心发货路由提供决策支持。此外，还能去优化费用分摊机制，有哪些异常高、异常低的，系统能够提示出来。

这种全局化优化的能力，使得中通能够释放运输网络潜能。比如我们就能够更好地为订单重新选择运单，为运单重新选择执行车辆，给车辆分配更稳定的运行线路、方式，最终实现降本和提升运力稳定性。

构建四层AI能力体系

那么，整个过程中怎么理解AI？

我们认为，AI在单点是能发挥作用的，但要让它能够持续优化整个体系，需要做到几个事情：

第一感知，系统线上化的能力要很好，你要能够有充足的数据。

第二认知，数据上来以后，怎么判断它是主观的、客观的，哪些是你能改变的、哪些是不能改变的，哪些是严重的、哪些是中等的、哪些是轻微的，要有识别能力。

第三决策，有了问题以后，你的体系有没有模型，能够从全局视角给出优化建议。

第四执行，有了建议以后，你有没有体系化的能力，能够不经过人，直接通过AI执行。

从1到2的过程（数字化、标准化的能力），决定AI发挥作用的上限；3到4的过程（线上化、流程化的能力），决定了AI发挥作用的下限。

伴随算力的发展、模型的发展，我们人类很难解的问题，未来肯定能够通过综合应用不同的算法，甚至大模型的能力，找到一个解决的思路。但不是所有问题都靠大模型，物流AI要靠“模型+算法+规则”的协同。

最后总结一下，过去数字化的阶段，我们做的主要是把已经发生过的事物，清晰地呈现出来，从中发现问题；现在这个阶段，我们能够通过推演，预测未来一段有限时间里的事物，比如会来多少包裹，需要多少人、车、场，能赚多少钱等等；而未来，我们想做的是，AI能够帮助我们从各种不同的可能性里面，找出最优的那一个。