通道越修越多,单证还是在等人 重庆这几年的通道建设是实打实的。果园港把铁路、公路、水运三种方式装进同一个堆场,中欧班列(成渝)稳定开行,西部陆海新通道往南出海,长江黄金水道往上连四川、往下接上海。对本地货代和物流企业来说,生意从「做一段」变成「做全程」,客户也从本地工厂扩展到沿江和西北转来的货源。 通道通了,瓶颈就挪到了纸上。一票多式联运的货,从委托到签收要过订舱单、装箱单、场站收据、铁路运单、海

通道越修越多,单证还是在等人

重庆这几年的通道建设是实打实的。果园港把铁路、公路、水运三种方式装进同一个堆场,中欧班列(成渝)稳定开行,西部陆海新通道往南出海,长江黄金水道往上连四川、往下接上海。对本地货代和物流企业来说,生意从「做一段」变成「做全程」,客户也从本地工厂扩展到沿江和西北转来的货源。

通道通了,瓶颈就挪到了纸上。一票多式联运的货,从委托到签收要过订舱单、装箱单、场站收据、铁路运单、海运提单、报关单、保险单、磅单、随车清单,还有客户自己那套对账单。这些单据来自不同系统、不同格式、不同语言,口径经常对不上:客户报的品名和报关品名不一致,毛重和磅单差几十公斤,箱号在两个系统里差最后一位,截关时间在两张通知里相差两小时。差错在途中被发现,意味着改单、压港、滞箱费,严重的会打乱客户的生产排期。

处理差错的人永远不够。一个熟练的单证员要熟悉不同船公司、不同场站、不同监管方式的要求,培养周期动辄一年;旺季订舱量翻倍,人却翻不了倍;夜班两三个人守着邮件,漏一票就要被追责。行业里的原话是:活不是干不完,是核对不完。

国外货代是怎么把单证做成流水线的

在国际货代行业,把这件事做得最系统的是英国公司 Raft。公开资料显示,它成立于 2017 年,在英国、美国、印度设有办公室,专门为货运代理企业做人工智能自动化,起步的两个场景正是行业里最痛的两块:应付账款对账和报关单证。它的客户名单里有 EMO Trans、OIA Global、NNR Global Logistics、Navia Freight 这些国际货代,2023 年拿到 3000 万美元 B 轮融资,累计融资约 4670 万美元,平台积累的标注数据超过 5 亿条。这些数字来自公开报道,可以当作行业水位线来看。

Raft 的做法不是做一个「万能客服」,而是把单证流程拆成可自动化的动作:从邮件和附件里把订舱、发票、箱单、提单的关键字段抽出来,按业务规则做交叉校验,把结果推回货代自己的 TMS 或操作系统,人只看异常。行业媒体的报道里还有一个更直观的案例:某头部货代引入基于检索增强和 OCR 的智能单证工具后,单证处理效率提升约 70%,错误率降到 0.1% 以下。这类数字通常包含流程改造,不能简单归功于模型,但它说明单证环节的自动化空间确实很大。

除了单证,国际同行还在另外几个方向上投入。CrimsonLogic 推出了面向欧盟 ICS2 的 ENS 申报方案,把多层级申报流程自动化;Freightos 的数据预计未来五年 AI 会承担约 20% 的路线规划任务;Armstrong 的行业观察则提到,货代正在自动报价、预测性定价、预计到达时间(ETA)预测和异常检测上加大投入,目标是提前发现「货走错路线、意外延误、账单差异」,而不是等客户来投诉。

拆开看:单证智能其实是四个模块

第一个模块是抽取。这是最基础也最脏的活:客户发来的委托书可能是 PDF、Excel、图片、微信截图,甚至是手写单。抽取要解决的是把非结构化变成结构化:发货人、收货人、品名、件数、毛净重、体积、箱号、铅封号、贸易条款、唛头。国外方案的共同点是先做一套行业训练过的 OCR,再叠加字段级的抽取与校验,而不是直接把整段文字丢给大模型去「理解」。

第二个模块是校验。单证的价值在于互相印证:发票金额与合同是否一致,箱单件数与提单是否一致,毛重与磅单是否一致,报关品名与发票品名是否属于同一归类口径。校验规则是货代自己的业务积累,写进系统之后,任何一票货经过都能按同一套标准检查。这一层做扎实,差错在提交报关之前就被拦住。

第三个模块是归类。HS 编码是报关的核心,也是最容易出错的地方。同一种「配件」,可能是汽车零件、机械零件,也可能是电子产品零件,归类和监管条件完全不同。国外系统的做法是先给出建议编码和依据,再由有资质的人确认,同时把历史归类记录沉淀成企业知识库,让相似货物下次能快速匹配。

第四个模块是应答。客户最常问的三句话是:我的货到哪了、为什么还没到、什么时候能到。系统把港口、铁路、船公司、车队的状态汇总成一条时间轴,把技术语言翻译成客户能懂的话,状态变化时主动推送。这一步直接决定客户体验,也是最能减少操作岗被打断的环节。

搬到重庆,难点在「多式联运」这四个字

国际上成熟的单证自动化,大多围绕海运整箱和空运设计,单据体系相对统一。重庆的难点在于多式联运:同一票货可能先走长江内支线到上海,再转海运;或者先走公路短驳到果园港,再上班列去欧洲。铁路运单不是物权凭证,提单是;场站收据只在港口体系内流通;班列有自己的舱位和截单规则。这些单据之间的对应关系,没有一套全球通用的标准,只能靠本地企业的经验。

所以本地化的第一件事,是把「一票货到底要哪些单据、谁先谁后、哪些字段必须一致」画成一张图。这张图画不出来,系统就无从校验。画出来之后,智能体的工作反而简单:按图逐项比对,把不一致的挑出来。这也是为什么同样一套工具,在有的企业效果好、在有的企业用不起来,差别往往在业务梳理,不在模型。

第二件事是品名与归类的本地知识。重庆的出口结构里,汽摩配件、通机、笔电配套、化工品、农产品都不少,每一类都有自己的申报习惯和常见争议。把这些历史申报记录和归类结论收进企业知识库,比买一套通用编码库有用得多。

第三件事是时间口径。长江船期、班列计划、港口截港时间、海关作业时间,各有各的发布渠道,还经常临时调整。系统要把这些时间点收敛到一张表上,对临近节点分级提醒,操作员每天只看一张「今天必须处理完」的清单。这一层不涉及复杂模型,但它是操作岗最直接的减负。

还有一层容易被忽略:客户自己的特殊约定。同一个客户,A 类货要求随车清单提前一天发,B 类货要求分批发运,某个月因为终端厂停产要改走空运。这些约定不在任何系统里,只在操作员的记忆和老邮件里。把客户级的特殊规则收进知识库,是本地化能不能做深的分水岭——国外标准产品不会替你想这些,只能自己补。

数据在各家手里,私有化是这门生意的底线

物流智能体有个天然矛盾:它需要跨系统数据,而数据分散在港口、铁路、船公司、车队、客户手里,谁也不愿意把自己的运价和客户名单交出去。合理的架构是:模型、知识库、对话记录跑在企业自己的环境里,外部数据通过接口按需取用、用完即弃,不在本地冗余存储。对规模大的集团,还可以按分公司做租户隔离。

责任边界同样要提前设计。系统给的运踪预测、归类建议,最终要有人签字负责;每条结论都要能追溯是谁在什么时间确认的、依据是什么。重庆的物流企业大多吃过「口头承诺没有书面记录」的亏,这一层做不好,系统越聪明风险越大。

还有一个现实约束是成本。物流是薄利行业,投入必须算得过来。判断一个场景值不值得做,看三个指标:这个环节每天占用多少人小时、出一次错的平均代价是多少、处理这类问题的人有多难招。三个都高的,优先做。按这个标准,单证核对和运踪应答几乎是所有重庆货代的前两名。

落地顺序:先统一口径,再谈智能

最容易失败的做法是「先上一套系统,再想怎么用」。可行的顺序是反过来的:第一步统一字段口径,把客户名称、品名、港口、船名、箱号在三个系统里的写法对齐;第二步把业务规则写成校验清单,由操作主管逐条确认;第三步做流程嵌入,让智能体出现在操作员本来就在用的界面里;最后才是对话入口,因为对话最容易做,也最容易被高估。

试点建议选一票货的全流程:从接到委托开始,经过哪些单据、哪些系统、哪些人、哪些时间点,哪些环节最容易出错。把这条链路跑通,再复制到其他航线和其他客户。技术选型放在最后,因为在这个行业里,懂业务的智能体比聪明的智能体值钱。

重庆正在把自己做成内陆开放的门户。门户的竞争力,一半在铁轨和泊位上,另一半在「出问题时多快能给客户一句准话」。前者靠投资,后者靠系统。两件事都做到,通道的红利才真正落到企业账上。