取智于人，赋能予人：以AI之力，赋能全球大物流场景中的“人”｜《WAIC UP!》辑趣

发布时间：2026-06-26来源：世界人工智能大会

作者：孙作雷博士

西井科技首席技术官兼Qomolo事业部合伙人

凭借深厚的技术底蕴和前瞻性视野，其在自动驾驶和智能机器人领域，积累了极为丰富的研发与量产经验。他曾主持国家自然科学基金青年基金、上海市自然科学基金重点项目等多个重要科研课题，有力推动行业关键技术的突破。加入西井后，他申请近30件发明专利，为公司构筑了坚实的技术壁垒。他还曾荣获上海市产业菁英高层次人才（2021年）、上海市首席技师（2022年）、“上海市东方英才”拔尖计划（2023年）等多项荣誉。

全文共4,472字，预计阅读时间17分钟

2026年，生成式AI已无处不在。从手机里的私人助理到工厂里的调度中枢，大语言模型和世界模型这些词汇，早已走出技术圈，成为街头巷尾的谈资。每当人们惊叹于AI的“涌现”，我总会想起十四年前的那个起点。

2012年，杰弗里·辛顿（Geoffrey Hinton）的学生用一块英伟达显卡跑出了AlexNet，在ImageNet比赛上一举成名。而此前吴恩达实现的Google Cat，性能类似，却耗费了几千台CPU服务器。算力民主化，就此开启。此后，2015年何恺明提出了残差网络，2017年Google引入了Transformer，接下去故事大家也都耳熟能详了 —— ChatGPT横空出世，文心一言、通义千问、DeepSeek相继登场，再到最近大家热议的OpenClaw“小龙虾”，AI以前所未有的速度进入每个人的生活。

技术变革在加速。而每一个身处其中的人，都在用自己的方式回答同一个问题：这场变革，和我有什么关系？或者说，AI究竟能为人类带来什么？

为了追索这个问题的答案，多年前，我选择正式加入西井科技——一家专注于物理AI产业化应用赋能全球大物流行业的创领型企业。而过去六年里，我和一群有着同样理想抱负的青年科创人，一直在找这个问题的答案。到今天，我觉得我们应该是找到了。

一、取智于人：从“规则驱动”到“数据驱动”

2017年，一位刚从斯坦福博士毕业的年轻人发表了一篇文章，提出“Software 2.0”的概念。他认为，未来的“软件开发”将围绕数据集展开，而非代码。在当时，这更像是一个前瞻性的洞见，属于少数人的先见。但今天回头看，这是自动驾驶行业范式转移的底层逻辑。那位年轻人是Andrej Karpathy，后来成为了特斯拉人工智能和自动驾驶部门负责人，再之后又成为了OpenAI的联合创始人，引领了数据驱动的智驾技术范式变迁。

在那之前的几十年，行业习惯了“写规则”：如果遇到A情况，就执行B动作。工程师像立法者一样，试图用代码穷尽世界的一切可能。但在真实作业环境里，工程师如想要囊括车间里所有设备、物料、环境组合出的生产场景。但工厂现场工况复杂多变，设备磨损、物料偏差、环境温湿度波动等各类突发状况层出不穷，不管是自动驾驶车辆这类物理AI载体，还是搬运机器人这类具身智能设备，抑或是全域调度运营AI，都难以依靠静态规则适配全部真实生产场景。

早在2001年，微软研究院的Banko和Brill发表的论文《Mitigating the Paucity-of-Data Problem: Exploring the Effect of Training Corpus Size on Classifier Performance for Natural Language Processing》中就通过实验证明：当训练数据规模达到十亿级时，不同算法的性能差异会显著缩小，数据规模的重要性甚至超过算法选型。ImageNet的成功更是用实践证明了“大数据+简单模型”的颠覆性力量。这后来也被大语言模型的涌现一再验证。

既然规则加不全，就让神经网络去学。从rule-based到learning-based，不是技术路线的选择题，而是场景倒逼的必答题。而这背后，恰恰暗合了我们一直信奉的哲学：“取智于人，赋能予人（From human to human）”。人类通过观察、判断、决策，积累了无数应对复杂场景的智慧；我们把这些智慧转化为数据，让算法去学习、去提炼、去泛化。这不是机器取代人，而是机器向人学习，物理AI、运营AI同步向人类一线经验学习，再三位一体协同回过来赋能人类的生产和生活，让人变得更强大。

二、赋能予人：从“交付工具”到“创造价值”

而技术范式的转移，也正在重新定义我们与客户的关系。

当技术从“规则驱动”走向“数据驱动”，产品的边界就开始变得模糊。过去，行业交付的是一个功能确定的“工具”——规则写死了，行为就可预期，交付那一刻就完成了价值转移。但现在，当我们把希望寄托在一线沉淀的场景数据上，整套融合物理AI、运营AI的物流系统就变成了一个持续进化的 “生命体”：无人集卡、牵引机器人等具身硬件依托物理AI实时感知物理环境、完成实体动作；场站调度、车队管理、能耗管控等全域流程交由运营AI统筹优化；三类AI实时互通数据、协同决策，系统会在日复一日运营中持续迭代优化，今天的它和明天的它可能不一样。

这种变化，也带来商业逻辑的重新思考。

在大物流场景，客户采购一套自动驾驶方案，真正要的是什么？不是一辆能自动跑的车，而是“每天多搬几万个箱子”的高效且兼具安全、绿色的确定性价值。他们要的是运营效率的提升、安全风险的降低、人力结构的优化——这些“结果”，才是价值的最终载体。

这决定了我们今天的交付模式。从一开始，我们交付的就是一套完整的全局解决方案：包含自动驾驶车辆硬件、负责实体感知与运动控制的物理AI 算法、支撑全局调度、运维、能耗管理的运营AI平台，软硬件深度耦合，形成一体化系统。客户拿到的不是零散的“工具”，而是一套深度适配港口、空港、工厂场景的全链路生产系统。这套系统能够无缝融入客户现有的作业流程，让 “取智于人” 沉淀给物理、运营两类AI的一线经验，真正转化为 “赋能予人” 的生产力。

坦率地说，商业模式创新从来不是一蹴而就的事，它需要技术成熟度的支撑，需要客户信任的积累，更需要行业生态的协同演进。更重要的是，无论商业模式如何演变，我们始终聚焦的是同一个问题：如何在客户的全业务流程中创造价值？从车辆进场的第一天，到七年、十年后的持续运营；从单点作业效率的提升，到运营AI统筹下整个场站调度系统的优化——我们关注的是客户全生命周期的体验，是技术能否真正融入他们的生产、陪伴他们的成长。

伏尔泰说：“让人疲惫的不是远方的一座山，而是鞋里的一粒沙。”在商业落地的过程中，真正的挑战往往不是宏大的战略设计，而是那些细微处的信任构建——如何让客户相信，你不仅能把技术交付好，还能为他的长期运营负责。这种信任，比任何商业模式都更珍贵。

三、当“全球化”成为“常量”，“本土化赋能”是必然

技术范式的转移重塑了产品，商业逻辑的进化重塑了客户关系。而当这一切发生在全球尺度上时，我们发现自己面对的问题又多添了一个维度：如何在“全球化”背景下，赢得海内外客户的信任，并实现价值共创。

这背后其实有两重挑战。

第一重挑战，是“听得懂方言”的本地化适配能力。随着越来越多的中国科技企业走出去，一些可预见或不可预见的挑战扑面而来。各国合规体系差异较大，企业在海外复合人才的储备、实操经验与文化认知层面的差异，一定程度上制约了本地化融入的速度和深度。要破解这道题，不能只靠远在总部的工程师，必须依靠那些真正生活在当地、理解当地话语体系的人。全球化走到深水区，本土化经营就不再是选择题，而是必答题。

第二重挑战，是遵循全球数据合规规则的自觉。不同国家和地区均出台了明确的数据属地存储、跨境传输监管法规，数据资源的开发与流通必须以当地法律法规为底线。

这两重挑战，指向了同一个答案：“本地人服务本地人”。

而要实现这一点，首先需要一个能够融通中外的战略支点。对于西井科技来说，早在2024年，就在中国香港正式设立国际总部暨海外研发中心，将香港作为全球化布局的关键枢纽。这是一次深思熟虑的战略选择——香港作为国际金融、贸易和航运中心，拥有世界级的海空双枢纽，其高度国际化的商业环境和法律体系，让我们能够“借港出海”。

在阿联酋、荷兰、英国等国家和地区，我们相继增设区域子公司，让技术研发与服务能力真正扎根于不同的土地。这一切的背后，需要的是对“本地”的尊重。你必须花足够多的时间在现场，去理解那些写不进需求文档的东西——当地工人的作业习惯、各国政府差异化的合规要求。

以英国为例，我们不仅设立了本地备件中心，还组建了完整的本地运维工程师团队，结合AI数智运维系统，追踪车辆运营全周期，确保为欧洲客户提供7x24小时的高质量售后运维。后续，英国子公司还将承担在欧业务交付、备件及研发职能，未来也将通过深化与英国高校的产学研合作，让技术真正融入本地创新生态。

这正是“赋能予人”在全球维度上的体现——让不同文化、不同背景的人，都能借助AI释放自己的价值。带着这种理念，西井的绿色和智能解决方案跨越山海，从东南亚到欧洲，从中东到拉美以及大洋洲，奔赴英国、阿联酋、泰国、马来西亚、埃及、墨西哥等30余个国家和地区。

结语：“取智于人”，是为了更好地“赋能予人”

1910年，西奥多·罗斯福在巴黎演讲时说：“荣誉属于真正站在竞技场中的人，脸庞沾满灰尘和汗水的人。”

过去这些年，我见过太多“竞技场中的人”。那些在深夜值班追查问题的工程师，那些在海外顶着文化差异推进项目的同事，那些面对不完美的系统依然缝缝补补的人。技术再先进，最终都要靠人去落地、去守护、去进化。AI越是“智能”，就越需要理解它服务的是谁。

这也是为什么，我始终相信“取智于人，赋能予人”不仅是一句口号，更是一种责任。

“取智于人”，是我们对技术来源的清醒认知。从2012年AlexNet点燃算力民主化，到今天生成式AI无处不在，每一次突破的背后，都是对人类智慧的模仿、提炼与延伸。机器没有凭空创造智能，它只是将人类千百年积累的经验，转化为可以规模化复制的算法。这种转化本身，就是对“人”的致敬。

而“赋能予人”，则是我们对技术归宿的坚定选择。当我们在港口、在空港、在工厂部署一套套自动驾驶方案时，我看到的不是机器取代人的未来，而是人借助机器变得更强大的未来。那位不再需要日夜倒班的司机，有了更多时间陪伴家人；工人通过学习获得了全新职业技能和职业尊严；经营者，终于可以在更标准、更有效率、更绿色的运营中，专注于更大的愿景。这些才是技术真正存在的意义。

有人问我，AI的终局是什么？我的回答始终不变：AI的终局，是让人更成为人。

这不是一句漂亮话，而是我们每一天在做的选择。选择用物理AI驱动的方案，去适应真实的生产作业节拍；选择用“本地人服务本地人”的运营模式，去尊重每一片土地的独特性；选择用持续自主进化的智能体系，去陪伴客户走过七年、十年乃至更长久的全生命运营周期。

十四年前，当人们疑问“AI究竟能为人类带来什么”时，答案还很模糊。但今天，在码头、在空港、在口岸、在工厂，在每一个真实的物流场景里，我看到了答案：以AI重塑世界的流转。

这，就是我们这代AI人的使命，也是我对全人类未来的最深期待。

Hello:

世界人工智能大会（WAIC）推出首份刊物《WAIC UP!》，一部「AI时代进化指南」。

WAIC UP! WAKE UP MORE！

我们邀请全球AI及跨领域的先锋力量，共同释放思考的力量与智慧的主张，旨在唤醒更多人，探究关乎技术跃迁、自我边界和未来文明的无限可能。

准备好！释放你的思考，觉醒你的行动，与我们一同探究那些尚未显现的可能性，勾勒以人为中心的未来智慧文明全景图！