人海 vs 算法：双11真正的胜者是协同

《人海 vs 算法：双11真正的胜者是协同》
——单点智能是省钱，全链协同才是改写规则

今年双11，一家快递公司新上岗的28位“员工”，没有一个会累。

他们不打卡，不请假，不抢加班费，也不在群里发“收到”。他们是数字员工，坐在客服席、运营席和路线规划席上，一上岗就是长周期作战。

过去，双11是一场人海战。临时工、通宵的分拣场、堆到天花板的包裹，是每年十一月的固定画面。

今年的画面变了。前端有数智客服拦截异常件，中转站的干线路由由系统动态规划，末端快递员身后多了一个“数字分身”，替他打电话、排路线，生鲜快件出问题之前，质控系统已经先亮了灯。

AI过去负责解释发生了什么，现在负责决定接下来做什么。

这是一个分水岭。看懂它，先分清三件事：能分析，不等于能执行；能执行，不等于能协同。

一、为什么先轮到物流

行业协会最新的报告给了一组数字：物流供应链领域的人工智能渗透率已超过37%，其中运输环节高达78%，安全合规52.73%，智能仓储47.27%。

运输排第一，不是偶然。

一辆车从A到B，变量是有限的：距离、路况、时效、油耗。变量有限，就能写成方程；能写成方程，就能被算法接管。仓储更复杂，货物形状不一、人机混杂，所以排在后面。

AI最先攻下的，从来不是最重要的环节，而是最可计算的环节。

更深一层，物流是典型的高频决策行业。每天数以千万计的包裹流动，就有数以千万计的“往哪走”要拍板。人擅长处理复杂问题，却扛不住海量重复决策；算法恰恰相反。

所以AI进物流，替代的不是某一个人，而是那一层谁都不想做、又谁都绕不开的重复判断。

二、机器更快了，包裹为什么未必更快

很多人以为快递的成本在搬运。其实不是。搬运是体力，体力的价格早就透明。

真正的成本在等待：等信息、等决策、等那个“下一步该怎么走”的答案。分拣设备跑得再快，车没到位，包裹只能停在场内；车再多，区域预测失准，就一边缺运力，一边空等。

一件包裹的速度，取决于整条链路上有多少次等待。

物流的效率革命，不是让人跑得更快，而是让决定来得更早。

一组数据可以佐证。某电商物流平台的决策中枢能提前预测各区域订单量，动态调整全国运力，AI推荐的配送路径采纳率突破90.2%。

这个数字要会读。采纳率说明算法建议已经真的进了工作流，十次路线决定里九次机器说了算。但采纳率不是效率提升率，更不是“九成订单已达最优”。评价技术，不能只看它给了多少建议，还要看建议落地后，少绕了多少路、少等了多少班车。

局部提速是设备能力，全链减损才是系统能力。

三、急刹车：部署了机器人，就算转型完成了吗

当然不是。

有企业的数字孪生已覆盖全网集运中心，机器视觉覆盖24个业务场景，上百个智能体嵌进线路优化、派件分析和工单处理。这些数字说明应用在铺开，不说明协同已做好。

最贵的智能化，是每个环节都聪明，整条链路却仍在彼此等待。

客服发现异常，运输能不能马上改线？末端有没有明确的接手人？处理结果能不能回流到系统？智能体多，不等于链路通。真正要打通的，既是数据，也是责任。

四、真正的提速，从发货前就开始了

今年的新玩法叫库存前置：靠销量预测，把商品提前放到离消费者最近的仓库。你下单的时候，货其实已经在你所在的城市等了三天。

过去的物流是订单驱动：你买，我发。
现在的物流是预测驱动：你还没买，我先猜。

消费者以为是自己在选择，其实是供应链在提前排队。

与其让包裹出发后拼命赶路，不如让它出发时就离收件人更近。少走一段路，往往比在原路上加速更有效。

当然，预测不是保证。备货过多，库存压力和调拨负担就跟着来；天气、路况、销量波动都会让安排偏离实际。库存前置的价值不在“到处备货”，而在需求、仓位与运力之间形成更准确的匹配。

五、城市的一条街，山区的一道坎

看一个反差画面。

城市写字楼里，白领对着手机刷新物流进度，一分钟看三次。四川、贵州的山区，无人机越过河谷，把包裹送进村口。过去这里一个月来一趟车，现在一天飞两趟。

同一件技术，在城市是省了几分钟，在山区是补上了一整条路。

技术的价值，从来不在它替代了什么，而在它抵达了哪里。

这也解释了为什么这一轮AI进物流，没有引发岗位恐慌。它先填的是空白，不是先挤的人。

仓内也一样。规模化应用的具身智能灵巧臂，对包裹全链路跟踪准确率做到了99.9%。这个数字值得反过来读：0.1%的差错，放在亿级件量面前，仍是几十万件。跟踪准确率也不等于全网履约质量——指标越亮眼，越要看清它衡量的到底是什么。

所以人没有退场，人的位置变了：从搬包裹的人，变成盯那0.1%的人。

六、人往哪里去

这是最容易渲染、也最容易写歪的地方。

写歪的版本是：机器来了，快递员没活了。

真实的版本是：双11的峰值从来不是靠常规人力扛下来的，靠的是临时加人。机器接管的，首先是那部分“临时的、重复的、可计算的”劳动。

常规岗位在向两端移动。一端是末端服务：面对面的交付、异常件的处置、与社区的信任关系，这些不是计算，是人情。另一端是监督与判断：看懂机器的输出，知道它什么时候错了。

机器拿走的是重复，留给人的是例外。而例外，才是价格最高的那部分。

对快递员如此，对所有行业的中层也如此。该问自己的不是“我会不会被替代”，而是“我的工作里，有多少是例外”。

七、下一步，先把连接做好

对企业而言，顺序要务实：先找出等待、返工和异常集中在哪里，再决定引入什么技术；先明确任务怎么交接，再增加智能体的数量。衡量结果，回到履约时效、异常处理、资源利用和服务稳定性这四件事上。

一个行业的智能化渗透率，从单点的几个百分点走到全链的37%，用了不到五年。运输环节的78%说明，一旦某个环节被证明可算，它的改造速度是陡峭的，不是线性的。等你看见它普及的时候，窗口已经关了一半。

中国物流值得期待的，不是某个仓库的展示效果，而是能力从仓内延伸到干线、末端，再向供应链上下游衔接，让高峰期的临时应对变成日常经营的稳定能力。

双11还会一年比一年热闹。但热闹背后比拼的东西已经换了：不再是谁的人多，而是谁的决定快；不再是谁的仓大，而是谁猜得准；不再是谁的机器人多，而是谁把更多环节接成了一条真正协同的链。

这一轮周期里，先醒过来的人，比先出发的人走得更远。

（唐加文，笔名金观平；本文成稿后，经SI审阅校对）