核心要点
先看结论——该做什么、什么时候做：
- 9 月 30 日之前，把你最忙的五条线放到一页纸上，写清每天件数和最大单一供应商占你货量的比例；集中度超过 60% 的线路，十月内拿到第二份报价。
- 下一轮招标之前，把年度货量从六家供应商压到不超过三家，并且把密度带来的好处落成费率承诺，而不是「服务会更好」的口头保证。
- 凡是每月超过 5 万件的报价，一律要线路级单位成本，不要网络平均值；没有附上货量分母的数字，直接退回。
- 12 月 31 日之前，用分拣摄像头被规定的尺寸与重量区间去测你自己的箱型结构，把超范围件数占比压到 10% 以内。
- 每季度用你真实的日件数重算一次自己的平衡点；低于每天 8.7 万件时，把「自动化带来的节省」当作供应商说法看待，不要写进预算假设。
中国运营商正把AI从演示推向规模应用：圆通AI视觉分拣中心以三分之一人力处理百万级日单；顺丰预测性车队维保将故障停运率降40%；顺丰已在全国150余城投放3,200余台无人配送车。单票运输成本降至0.36元、中心操作成本降至0.26元，AI已嵌入设备与作业。
详细拆解
三个数字应该放在一起读：三分之一的人力、故障停运率下降 40%、单票运输成本 0.36 元、中心操作成本 0.26 元。前两个是变化率，第三个是商，而三个里面只有商能告诉你这套系统跑起来要花多少钱。
中国运营商已经把 AI 从演示厅搬进了设备：圆通的 AI 视觉分拣中心以三分之一的人力处理百万级日单；顺丰的预测性维保把车队故障停运率压掉 40%，顺丰还在 150 多个城市投放了 3200 多台无人配送车。这些都不再是试点。它们现在是一个成本结构。
成本结构是一台机器，里面埋着一个盈亏平衡点，而那个平衡点恰好是没人报价的部分。
这三件事被当成一个趋势来报道，其实是三台不同的机器。视觉分拣攻的是「每千件的工时」，它松开的约束是随货量线性增长的人头。预测性维保攻的是故障的方差，不是均值，所以它保护的资产不是那台车，是压在那台车上面的那个承诺。无人末端攻的是「一个停靠点」的边际成本——这是全链条最小的单位，也是抵抗自动化最久的一环，因为一个停靠点意味着一扇门、一部电梯和一个签名。
把它们读成一个趋势，会得到一个很糟的结论：AI 降成本。它们各自只降一个方程里的一个项，而且三者中只有一个带着可以跨运营商横向比较的数字。
把两个公布的单位成本加起来，0.36 的干线和 0.26 的中心操作，得到每件 0.62 元的物流成本——前提是这两项可以相加、互不重叠，这是我的假设，不是原文建立的结论。六毛二分，大致就是一个纯人工网络走完同样两步、还没碰末端之前的花费。
这个数字有意思的地方不在大小，在于它有分母。单件成本等于固定成本除以货量，加上单件变动成本。AI 把钱从第二项搬到第一项。视觉分拣把分拣员换成摄像头，摄像头是资本；预测性维保把路边抢修换成传感器和模型，那也是资本；无人车把司机换成车，而车在星期天照样折旧。
所以真正决定这套东西是战略还是装饰的，是盈亏平衡点。假设一张网络每年为视觉与维保这套东西背 1200 万元折旧，相对人工网络的单件节省是 0.38 元——两个都是我的假设，选来让算术好读。平衡点在每年 3160 万件，约每天 8.7 万件，天天如此，不是峰值那天。做百万级日单的运营商，是超出一个数量级地过线；做 4 万件一天的运营商，根本过不了线，对它来说同一套技术是一次成本上涨，只是穿了一件效率项目的外套。
这就是为什么那两个单位成本不能当基准读。它们是一个大多数读者并不拥有的货量的产出物。一个货代或者中型出口商看着 0.62 元，去要求设备商给自己配一个同样的数，是在向错的人问一个错变量的问题。设备商能卖你摄像头。没有人能卖你密度。
对进出口方来说，实际后果走的是集中度这条路，不是技术这条路。一年货量分给六家货代的货主，本质上是在租六张规模不足的网络。压到两家不会给你买到 AI，但会给你买到那个分母——你交出去的货量，才是让别人家的 AI 对你更便宜的原因，因为运营方靠它摊掉资本，然后把摊完的价钱报给你。
你会先在报价单上感觉到，后才能在账单上感觉到。自动化的成本结构以价格竞争的形式，在密度最高的航线上先传出来，所以第一个看得见的效果是「忙线」和「瘦线」之间的价差拉大，而不是整体降价。这个价差在未来两到四个季度里会在中国国内线路上继续张开，而在没有任何运营方有密度的线路上，它根本不会出现。这种不对称本身就是信号：一条线便宜了 15%，旁边那条一动不动，差别不在技术，在货量。
报道跳过的那一段，藏在 3200 台车里。摊到 150 多个城市，平均每城约 21 台，而 21 台不是一支车队，是一个学习单元。无人线路的经济性取决于每车每天的停靠点数，在一个城市放 21 台的时候，运营方跑的还不是运输网络，而是「附带配送功能的数据采集项目」。这个阶段这么做是理性的，但它意味着公布的单位成本是一张网络的平均值：密集城区里模型成立，稀疏城区里不成立，两者被混成一个数字，然后当成普适标准报给你。
要线路级数字，不要网络级数字。用全国一个单件成本报价的运营方，报的是分布的一个均值，而你的钱在分布里。如果你的线路落在那条瘦尾上，报给你的 0.36 是被一条你不在上面的线路补贴出来的，而补贴会在运营方被要求按线路出利润的那个季度结束。
那 40% 还有一个读法，会改变你怎么用它。故障停运率降 40%，降的是方差，不是平均修理费。你为方差持有资产：备用车队、待命司机池、因为「车可能到不了」而存在的那部分安全库存。方差降下来，这三样都能缩。钱在你不再需要的那支车队里，而几乎所有采购方谈的都是修理费。
两个条件会翻转这套算术。货量掉到平衡点以下，单件固定成本上升的速度快过任何人力节省能抵补的速度，技术就从缓冲变成坏季度的放大器。货型往超尺寸、易碎、高度不稳定那边移动，视觉准确率掉下来，异常处理回到人手上，三分之一的人力就变成三分之一里的一个分数。两个都能在签字之前测：你自己的货量对着运营方的平衡点，你自己的箱型对着摄像头被训练时的规格。
站着不动不是中性的选项。一个有密度的竞争对手正在给和你共用的那条线重新定价，而缺口会复利，因为更低的成本供养更多货量，更多货量又供养更低的成本。选择从来不是要不要上 AI，而是做那个有密度的运营方，还是做从它那里买货的货主。
先从一个你手上已经有的数字开始：你最忙那条线每天的件数，以及你的货量集中在单一供应商手里的比例。低于 40%，你买的不是自动化，你是在零售价上租别人的规模。
↑ 返回核心要点