——在2026年（第十八届）物流领域产学研结合工作会上的演讲（摘要）

吉利汽车集团吉速物流智慧物流部部长 董庆峰

（2026年5月16日 浙江·宁波）

非常荣幸能够参加本次产学研大会，和大家共同交流探讨行业发展与技术革新。我个人的职业轨迹，恰好与本次大会产学研融合的核心理念高度契合。今天分享结束后，我将即刻奔赴西安，开启博士深造学习。这是我从企业一线应用实践，反向回归学术深耕、补齐理论短板的全新历程，也是企业从业者践行产学研深度融合的真实实践。

今天我带来的分享主题是数智革新、携手共进，聚焦技术驱动下的物流全链路数智化转型。今天上午，众多专家聚焦前沿技术、分享专业干货，而我将立足企业实操视角，结合吉速物流多年的转型实践，聊聊制造物流企业如何落地数智化、实现降本增效，以及我们未来如何携手高校、科研机构开展产学研协同创新，突破行业技术瓶颈。

接下来，我将从企业发展背景、行业市场环境、转型发展方向、落地实践路径、未来发展展望五个方面，向各位作简要汇报。

一、企业发展基本背景

浙江吉速物流是吉利集团全资子公司，我们的物流变革与数智化转型，始终紧跟吉利汽车的高速发展步伐。吉利汽车进入高速增长期后，在2017年我们发现，传统物流模式已成为整车生产交付的重要短板，自此正式启动物流体系全方位变革，多年来稳步推进、层层迭代。

2018年，整合产前零部件物流、国际及KD业务，完成核心业务板块统筹；2019年，成立物流中心，实现业务集中管控；2020年，完成公司化改制，正式独立运营；2021年，打通产前、售后全链条，实现汽车全产业链物流一体化管理；2022年，开启从“企业物流”向“物流企业”的战略转型，对外开放赋能行业，同步与日日顺等行业头部企业深度交流学习；2023年，沉淀形成四大核心产品、六大核心能力，对外产值突破3亿元；2024年，全面实现社会化运营，整体产值规模超过百亿。

我们的核心发展目标是打造适配制造行业的全球化仓运标准平台，对内赋能吉利整车生产，对外开放资源、赋能全行业制造企业。

在转型过程中，我们深刻察觉到行业核心痛点——数字化复合型人才缺口巨大。2021年我们搭建数字化平台时发现，市面上既懂物流业务、又精通数字化技术的专业人才极度稀缺，高校暂无成熟的对口培养体系。为此，我们自主探索人才培育模式，依托物流主业植入数字化思维，搭建专属培养体系。目前，我们已组建起300余人的数字化复合型人才团队，且团队规模仍在持续扩充，为企业数智化转型筑牢人才根基。

二、当前行业市场环境与核心痛点

当前汽车行业竞争日趋激烈，行业内卷加剧，全产业链面临持续的降本增效压力，制造物流领域痛点尤为突出，主要集中在四大方面：

第一，成本压力持续攀升。人工成本逐年上涨，传统人工操作模式效率瓶颈凸显，无法适配规模化生产需求；第二，人力招聘难度加大，一线运维、仓储物流岗位招人难、留人难，人力供给不稳定；第三，设备运维成本高、难度大，生产配套物流设备数量多、品类杂，日常维保、故障处理耗费大量人力物力；第四，产业链管理难度升级，汽车产业链条长、物流覆盖全生产环节，叠加企业国际化布局加速，跨区域、跨场景物流管控复杂度大幅提升，极易出现流程脱节、效率损耗问题。

基于行业痛点，我们明确了核心破局思路：以前沿技术赋能业务，通过物联网、人工智能、机器人、数字孪生、5G等核心技术，落地仓储无人化、调度智能化、流程数字化改造。经过多年业务数据测算，全链路数智化技术落地后，可实现物流效率提升20%-30%，设备运行效率提升15%-25%，同时有效降低出错率、降低整体人工成本，为行业降本增效提供明确可行的落地路径。

三、物流数智化转型整体发展方向

自2021年启动全面数字化转型以来，我们总结出一套“业务筑基、技术赋能、数据沉淀、AI落地”的闭环转型思路，核心是简化业务底层、创新运营模式、沉淀数据资产、实现智能升级。

从业务底层来看，我们将复杂的物流业务梳理为核心框架：流程上分为正向、逆向、异常三大流程；业务上聚焦仓储、运输、包装三大核心场景。在此基础上，我们打破传统运营模式，例如将自送模式升级为集货模式，完成业务模式的创新等。

在技术赋能层面，我们软硬协同发力。硬件端落地智能仓库、作业机器人、视觉识别设备等智能装备；软件端依托低代码平台、多维表格工具，实现业务快速迭代、高效管控。通过业务、技术双向优化，我们整合运营、业务双层数据，沉淀出标准化流程数据、经营数据、技术数据，搭建企业核心数据库，为AI深度应用筑牢数据根基，最终实现从模式创新、运营优化到全域降本增效的完整闭环。

同时，我们制定了清晰的分阶段转型落地节奏：2022年完成全业务标准化搭建，夯实流程基础；2023年建成全流程数字化平台，实现业务数据化；2024年大规模落地智能化应用场景；2025年实现端到端全场景数智化覆盖；2026年完成数据与AI场景基础建设，具备全域智能升级能力。可以说，正是前几年循序渐进的基础沉淀，才让我们如今具备AI深度落地的条件。

面向长远未来，我们提出A2A全域智能物流发展目标，目前正联合高校开展深度研发，打造物流超级大脑。核心是将设备运营、流程管理、报表分析、智能决策等所有环节纳入统一物流大脑管控，通过多智能体交互，打通自动驾驶、智能仓库、智能调度全场景，实现实物流、数据流、决策流深度融合。面向未来我们规划了清晰的发展阶段：2026-2027年，实现底层运营智能化深耕；2028-2029年，达成经营全流程AI化；2030年，实现全域智慧物流的终极形态，为行业发展提供全新范式。

四、数智化转型落地实践与核心突破

当前，行业很多企业在尝试大模型、AI技术落地，但普遍存在技术与业务脱节、无数据支撑、无法产生实际价值的问题。而我们依托多年业务沉淀的全流程数据资产，成功破解这一难题，实现前沿技术与物流业务的深度融合。

我们自主搭建“谛听”数智物流平台，构建了“顶层决策驾舱+中层算法管控+底层设备联动”的完整体系。一是实现全业务数据化，将所有物流流程、作业环节转化为标准数据，为大模型、AI应用提供核心数据支撑；二是搭建端到端管控体系，串联所有可移动作业设备，实现运营状态实时监控、全域资源智能调度、作业数据流线上闭环运营；三是打通设备统一调度壁垒，针对行业智能设备分散、交互混乱、调度低效的痛点，搭建中层管控平台，统一各类设备协同标准；四是搭建专属算法平台，依托海量业务数据落地AI算法，实现智能决策、智能调度、智能风控，同时支持对外联动各类设备、对接行业资源。

基于平台能力，我们重点攻坚黑灯物流核心场景，破解汽车物流仓储痛点。汽车仓储场景复杂、零部件品类繁多，从螺丝钉到侧围规格差异极大，包装、装卸、存储难度极高，且仓储作业直接对接生产线，一旦出现异常就会导致产线停线，造成巨额损失。同时，行业普遍面临厂房面积固定、产能提升、配件品类增加、仓储面积不足的矛盾。针对以上痛点，我们开展全环节无人化、智能化改造：

入库环节：聚焦售后、KD业务场景，落地无人收货、自动装卸设备，破解零部件品类复杂带来的作业难题；配送环节：投入无人叉车、AGV设备，实现物料无人搬运、货到人拣选、室外无人牵引作业；存储环节：推广密集存储模式，替代传统高位货架，通过CTU、上存下拣、飞梭智联技术，将固定库位升级为动态库位，大幅提升仓储利用率，在不新增厂房面积的前提下，适配产能与品类增长需求；线边配送环节：持续优化物流与产线对接精度，攻坚物流设备与产线机器人精度不匹配的行业难点，全力打通产线物流无缝衔接。

同时，我们创新推出技术降维运营全新商业模式。传统汽车物流依赖第三方物流团队人工运营，人力成本高、效率低。我们通过智能化设备替代人工、以设备运营替代传统3PL运营商模式，落地后当天即可将运营成本降低20%以上，降本成效十分显著。

在前沿技术探索上，我们持续布局人形机器人，目前已实现物流基础搬运场景落地。现阶段人形机器人仍存在成本高、效率不足的问题，尚未完全达到规模化应用预期，但相较于制造场景，物流场景更简单、适配性更强，我们将持续攻坚零部件级精细化作业场景，推动技术迭代落地。

目前，我们仓储从入库、存储、拣配到包装、配送的全场景智能化方案，均已完成技术验证，大部分场景已实现规模化落地应用。

五、行业未来展望与产学研合作规划

立足当下、面向未来，我们将持续深耕汽车物流数智化赛道，围绕四大方向持续突破：一是实现全业务链路透明化、可视化、可管控，打通端到端智慧管理；二是全面普及黑灯物流，实现仓储、配送全流程无人化；三是深化智能驾驶在物流场景的规模化应用；四是落地全业务AI智能管理，构建全域智慧物流体系。同时，我们将坚持数智化与绿色化协同发展，推动汽车物流低碳、高效、高质量发展。

在多年转型实践中，我们深刻意识到，当前行业已进入技术攻坚瓶颈期，很多深层次技术难题、算法难题、人才难题，仅靠企业单一力量无法突破，必须依托高校、科研机构的科研与人才优势，深化产学研协同创新。

为此，我们已开启深度产学研合作布局，重点面向高校本科及研究生开展定向培养、联合研发，搭建校企协同育人、协同攻坚平台，共同攻克物流AI、智能仓储、全域调度等行业核心难题，共育数字化复合型人才，助力行业突破技术壁垒、实现高质量发展。

未来，我们也期待与更多高校、行业同仁携手共进，以技术创新为核心、以产学研融合为抓手，共创汽车智慧物流新生态！

我的分享到此结束，谢谢大家！

（根据速记整理，转载请注明作者和来源中国物流学会。）