许多货主已经期望物流供应商提供人工智能服务。物流供应商在扩大人工智能应用规模的同时，也更加注重运营方面的应用案例，但目前只有 10% 的供应商表示取得了可衡量的财务影响。
投资回报率不确定以及内部能力不足仍然是人工智能普及应用的主要障碍。能够在运营中广泛应用人工智能的公司将很快获得真正的竞争优势。
要点总结
我们对物流行业领导者的调查显示，物流供应商和托运人在人工智能应用方面都取得了进展。但仍存在显著差距。
许多货主已经期望物流供应商提供人工智能服务。
物流供应商在扩大人工智能应用规模的同时，也更加注重运营方面的应用案例，但目前只有 10% 的供应商表示取得了可衡量的财务影响。
投资回报率不确定以及内部能力不足仍然是人工智能普及应用的主要障碍。
能够在运营中广泛应用人工智能的公司将很快获得真正的竞争优势。
作者：Markus Weidmann, Johannes Distler, James Reynolds, Dennis Mikulla, Denis van de Voorde, Dustin Burke, Jesus Montero Gomez-Serranillos, and Dorota Korenkiewicz
作者谨向 Carlo Alberto Castelli、Gaurav Kumar 以及 Alpega 团队在调查开展与结果分析方面提供的支持表示衷心感谢。
人工智能（AI）已成为物流行业的首要议题，其应用范围涵盖运输规划优化算法、需求预测分析，以及支持运营和客户互动的新兴生成式 AI 工具。然而，AI 的重要性已不仅限于运营层面：市场反应（包括股价波动）表明，资本市场正日益将 AI 的发展视为未来竞争力的关键指标。对于物流服务提供商（LSP）而言，这意味着风险与机遇并存。展现出可靠的 AI 进展，不仅对于释放运营价值至关重要，更是维持市场信心、避免被视为行业落伍者的关键。物流行业准备好了吗？
为解答这一疑问，我们对众多物流服务提供商（LSP）及其货运客户的领导者进行了深入调查。此次调查与领先的端到端物流服务提供商 Alpega 合作开展，为我们此前发布的物流行业趋势报告增添了关键细节。（参见“调查对象概况”。）
调查对象概况
2026 年 1 月，波士顿咨询公司（BCG）与 Alpega 对欧洲、北美、亚洲和中东地区的 180 多位物流服务提供商（LSP）及货主领域的专家进行了深入调研。调查旨在了解他们对人工智能在业务中价值与应用的看法，以及其在 AI 实施方面的进展。
物流服务提供商（LSP）受访者：包括 84 位专家，涵盖从第三方物流（3PL）到卡车运输、海运和航空承运商等各个领域。业务范围跨越国家级、区域级至全球级，公司规模涵盖小型（年收入低于 1000 万美元）、中型（1000 万至 1 亿美元）及大型（超过 1 亿美元）企业。
托运人（货主）受访者：包括 98 位企业领导者，既包括物流支出有限的小型企业，也包括管理复杂多式联运物流的大型跨国公司。样本覆盖了使用海运、空运和陆运的各行业公司，全面展现了不同运输方式和区域的航运现状。
2025 年的调查受访者曾一致认为 AI 具有变革潜力，但实际应用率极低。今年的受访者对 AI 的价值更具信心，并已初见应用端倪，但距离大规模应用所需的水平仍有差距。调查结果清晰地表明，托运人对 AI 的期望与物流服务提供商（LSP）能够最大程度获取价值的领域之间存在显著差异。我们最新研究的概要总结了以下六个关键洞察：
超过 40% 的货主现在希望物流服务提供商（LSP）提供 AI 赋能的物流服务，但大多数人尚未将缺乏 AI 能力视为决定性因素。
物流服务提供商和托运人一致认为，AI 在三个方面最为关键——运输规划、预测分析和可视性——但持续、大规模的落地实施仍有待加强。
仅有约十分之一的物流服务提供商表示 AI 带来了可衡量的财务影响；大多数物流服务提供商和托运人仍处于探索或规划阶段。
AI 的主要价值——尤其是对物流服务提供商而言——在于提升生产力。近 80% 的托运人和物流服务提供商表示，降低成本和提高效率是采用 AI 的主要驱动力。
投资回报率（ROI）不明确和内部能力差距是 AI 普及应用的主要障碍，而非成本或技术复杂性。
大多数物流服务提供商（LSP）将 AI 投资的重点放在实施层面，而劳动力市场的变化预示着未来将出现大规模的再培训需求，约有一半的物流服务商预计劳动力结构将发生转型。
对调查结果的详细分析清楚地表明，物流服务商及其客户在 AI 方面取得了哪些进展，以及在哪些方面遇到了阻力。
货主需要 AI 赋能的物流
超过 40% 的托运人表示，他们在选择物流合作伙伴时会考虑物流服务提供商（LSP）的 AI 能力。这一数字看似不高，却代表着一种切实的趋势。然而，AI 尚未成为“必备条件”——只有不到 10% 的托运人认为 AI 是其物流合作关系中的必要条件。（见图 1。）
托运人的期望也因其业务性质而异。货运代理商表示，37% 的服装和时尚客户期望获得 AI 驱动的解决方案，这一比例在所有行业中最高，其次是工业和制药行业（均为 26%）。承运商则表示对 AI 的需求更为普遍，36% 的承运商认为不存在行业差异——这可能反映了他们提供的服务更加同质化。
当前市场存在着“对 AI 感兴趣”与“真正需要 AI"之间的差距。AI 正逐渐成为基本要求，但尚未达到临界规模。货主们正在密切关注，提出问题，并越来越期望物流服务提供商（LSP）能就其 AI 能力给出令人信服的答案。
好消息是，托运人和物流服务提供商（LSP）在 AI 最重要的应用领域达成了共识。运输规划与执行（例如 AI 驱动的运输规划和路线优化）、预测需求与运力预测，以及端到端的货物运输可视性（例如预测预计到达时间和异常管理），始终是双方的首要任务。这种在优先应用场景上的共识令人瞩目。在物流服务提供商和托运人利益往往不一致的行业中，双方在 AI 优先事项上的高度共识表明市场正在走向成熟。双方的分歧同样重要：例如，海关和合规性对托运人来说至关重要，但对物流服务提供商而言，这尚未进入其关注的前五大问题——这显然为物流服务提供商提供了一个机会，可以通过提供更多关注来满足托运客户的期望。
由于各方在优先事项上高度趋同，物流服务提供商（LSP）无需猜测投资方向。应用场景和机遇显而易见。目前尚不明确的是，如何将前景可观的试点项目转化为持续、规模化的交付——尤其是在充分发挥其价值需要将这些应用场景整合到更广泛的运营模式、系统和工作流程中，而不是将其视为独立项目的情况下。在许多情况下，这还需要从根本上重新设计流程，以体现 AI 的作用——无论是增强人类决策，还是日益自动化端到端的工作流程。
AI 普及率较低，但受多种因素驱动
尽管托运人越来越期望其物流服务提供商（LSP）合作伙伴具备 AI 能力，但物流服务商对 AI 的采用率仍然显著落后（见图 2）。约 40% 的物流服务商表示已在试点项目之外部署了 AI，但只有十分之一的物流服务商将 AI 大规模地融入了核心运营。仅有 13% 的物流服务商表示，将 AI 融入日常运营带来了可衡量的价值，例如单位成本、服务水平或利润率的提升。在许多情况下，所衡量的价值源于特定的应用案例，而非企业范围内的转型。大规模的端到端 AI 应用在整个行业仍然十分罕见。显然，物流服务商，尤其是那些 AI 工作仍处于起步阶段的企业，如果想要保持竞争力，就必须加快步伐，满足托运人日益增长的 AI 需求。
托运人自身对 AI 的接受程度甚至更低。近 70% 的托运人仍在探索或试用 AI，但只有 7% 的托运人能够指出其供应链活动取得了可衡量的改进，而只有 1% 的托运人已将 AI 融入其核心物流流程——这可能反映出许多托运人优先考虑在其他领域（例如商业职能或面向客户的应用程序）进行 AI 投资。
地域差异揭示了 AI 应用率的显著不同。亚太地区的物流服务提供商（LSP）在 AI 成熟度方面处于领先地位，31% 的物流服务商表示已成功将 AI 融入核心运营，而北美和欧洲的这一比例分别为 14% 和 6%。物流服务商之间的差异也取决于其规模和商业模式。大型货运代理和第三方物流供应商的 AI 应用率明显高于中小企业。
成本和效率驱动一切
近 80% 的托运人和物流服务提供商（LSP）都表示，降低成本和提高运营效率是他们采用 AI 的主要驱动力。与此同时，企业数字化战略（尤其是在托运人中）和竞争压力等更广泛的因素也正在成为重要的驱动力。（见图 3。）这种关注点决定了哪些应用案例正在获得实际应用，哪些仍停留在理论阶段。
面向运营的应用占据了 AI 应用需求的主导地位。运输规划与执行（包括用于网络设计和回程里程最小化的预测分析和优化模型）在物流服务提供商（LSP）中的采用率高达 64%，其价值主要体现在决策自动化和集成更大、更复杂的数据集上。其次是跟踪和可视化，采用率约为 50%，包括可视化和视频数据分析、缺陷检测、交付地点匹配等用例。
托运人也秉持着同样的优先事项，近 60% 的托运人关注可视性和追踪，约一半关注运输计划和执行。这证实了 AI 主要被视为（并被重视）提高生产力的杠杆，尤其是在计划和执行等领域，同时也能提升面向客户的能力，例如可视性，从而实现服务差异化。目前，重点仍然是提高现有运营的速度和降低成本。
这种一致性或许掩盖了更深层次的动态。虽然托运人强调可视性和预测等应用场景，但他们最终受益最大的还是物流服务提供商（LSP）运营效率的提升，例如更低的运费和更优的服务成本。从这个意义上讲，生产力的提升——尽管是间接实现的——可能才是 AI 为托运人带来的最重要价值来源。
除了运营之外，对于物流服务提供商（LSP）而言，AI 也正日益应用于面向客户和商业职能领域，例如定价、报价和客户服务互动。近半数的物流服务商表示计划在这些领域部署 AI。其应用案例包括：基于实时市场数据和历史数据优化定价决策、预测需求弹性和转化率，以及支持更动态、数据驱动的报价。同时，AI 还能够实现更快、更便捷的客户互动，例如通过聊天机器人和自动通知来回复咨询、处理投诉以及主动提供发货更新。新兴解决方案（包括 AI 驱动的报价生成工具）正帮助物流服务商实现从报价到订单流程的部分自动化，从而提高中标率和盈利能力。
与此同时，波士顿咨询公司（BCG）的经验表明，一些最大的生产力提升机会并非来自面向客户的应用。减少行政和后台工作量——例如预订处理、文档处理和内部协调——可以显著提高分支机构和服务中心白领员工的生产力。这些运营方面的应用场景通常不太显眼，但却能产生巨大的规模效益。
真正的障碍在于投资回报率的清晰度和内部能力
一项关键发现挑战了以往认为 AI 规模化应用的主要障碍是技术限制和成本的传统观念。相反，约 40% 的受访者（包括物流服务提供商和托运人）认为投资回报不明朗和内部能力不足才是最大的障碍。成本问题的重要性相对较低，尤其是在规模较大的企业中。（见图 4。）
这标志着一个根本性的转变。三年前，关于 AI 的讨论主要集中在技术是否成熟且价格是否合理。如今，这项技术更容易获取和使用，采用成本也大幅下降。现在的问题是，企业能否有效地执行这项技术。
区域差异揭示了各地面临的不同挑战。例如，亚太地区的受访者表示，他们面临着严重的人才短缺问题，54% 的受访者认为缺乏专业知识是一大障碍，这一比例远高于其他任何地区。北美受访者则更关注信任和可解释性问题，占比 38%，这反映出他们对更严格的监管审查和治理的期望。在欧洲，组织对变革的抵制被视为一项主要障碍，近四分之一的受访者提到了这一点。
规模较小的物流服务提供商和托运人面临的障碍与规模较大的同行有所不同。在小型企业中，44% 的受访者认为前期成本高昂是一大障碍，而大型企业的这一比例则降至 25%。但即便对于小型企业而言，执行方面的担忧、能力差距以及投资回报率的不确定性也比成本问题更为重要。
这种转变意义深远。AI 的成功不再仅仅是拥有某种“锦上添花”的工具，而成为一种运营模式的挑战。那些能够掌握整合、变革管理和结果评估的组织将脱颖而出，而那些等待更先进技术或更低价格的组织则会进一步落后。
物流服务提供商正着眼于 AI 整合和劳动力技能再培训
物流服务提供商（LSP）和货主在考虑 AI 投资重点时，正着重关注执行层面。大约 60% 的物流服务提供商将实施 AI 并将其集成到现有系统中作为首要任务，其次是技术合作和人才招聘。（见图 5。）显然，在运营系统中（尤其是运输管理系统、仓库管理系统和控制塔）扩展 AI 应用，比仅仅构建独立的 AI 功能更为重要。
事实上，根据波士顿咨询公司（BCG）的经验，大多数组织在 AI 实施方面都采取了混合式的“自研与外购”策略。他们一方面构建专有的差异化算法，通过提升运营质量和客户体验来创造价值；另一方面，他们也从供应商处购买标准的 AI 功能，用于诸如后台自动化等用途。
从调查结果来看，受访者对 AI 将如何影响其员工队伍的预期比生成式 AI（GenAI）首次公开发布时普遍存在的对失业的担忧更为平衡。调查显示，转型将分阶段进行：短期内，随着企业学习如何与 AI 协同工作，需要进行技能再培训；长期来看，随着 AI 能力的成熟，将逐步调整人员配置。约 50% 的物流服务提供商预计需要对员工进行技能再培训，而只有不到 30% 的机构预计 AI 将导致近期裁员。
物流服务商如何从实验阶段过渡到执行阶段
调查结果表明，物流服务供应商（LSP）正处于一个转折点。随着托运人对 AI 的期望不断提高，物流服务商不再将其视为长期目标，而是将其视为当务之急，尤其是在运输规划、执行和可视性方面。然而，障碍也显而易见：投资回报率的清晰度、内部能力以及组织准备情况。对于物流服务商而言，成功实施 AI 取决于以下六个因素：
结果至关重要。物流供应商必须明确投资回报率，并将其转化为可操作的成果，而非仅仅停留在概念层面。这意味着 AI 举措必须与托运人真正关心的具体结果保持一致：降低服务成本、提高准时交付率、加快重新规划速度以及减少人工干预。
执行需要人才。投资于员工技能提升。成功需要培训规划人员、操作人员和管理人员，以便 AI 能够带来更佳的决策。通过加强系统集成技能和构建数据基础来弥补内部能力差距。
整合是关键。根据波士顿咨询公司 (BCG) 与众多领先企业合作的经验，真正的价值来自于将 AI 直接嵌入到工作流程中。这需要围绕 AI 重新设计工作流程，而不是将其简单地附加到原有流程上。
保持竞争优势。物流服务提供商 (LSP) 应在战略上平衡自研与外购的决策。从供应商处采购标准、非差异化的 AI 服务（例如后台自动化），同时构建能够提升运营质量和客户体验的差异化能力，从而保持竞争优势。（参见“物流服务提供商如何利用 AI”。）
推广 AI。尽早将 AI 能力纳入商业谈判。虽然 AI 目前在大多数合同谈判中还不是决定性因素，但它正日益影响托运人对物流供应商的选择。企业应在提案、季度业务回顾和服务招标中阐明 AI 的价值。
与客户合作。与货运商共同开发 AI 解决方案。合作开展试点项目，并尽早确定成功指标，以加快推广速度并降低投资回报率的不确定性——尤其是在 AI 能够显著提升结果的情况下。
物流服务提供商如何利用 AI
领先的物流供应商已开始大规模部署一系列专注于数据管理和分析的 AI 应用。例如，DHL 的供应链部门已开始大规模部署此类应用，旨在为客户提供有关其物流活动的强大洞察。
例如，其中一款应用程序可以清理、整理和分析潜在物流客户提交的数据。DHL 的工程师随后利用这些信息，高效地设计出更有效的物流解决方案，并更快地交付给客户。
第二款应用面向销售团队，能够更快地分析物流客户的需求。这使得团队可以迅速制定更准确、更具针对性的方案，并让他们能够腾出更多时间和精力来解决客户的具体难题。
这些 AI 应用共同变革了公司管理数据和制定客户方案的方式。最终，在 AI 的驱动下，公司实现了更高的运营效率和无缝的客户体验。
全速前进
物流领域的 AI 竞赛已进入执行阶段，将创造更高效、更经济、更可持续的运输新水平。那些将 AI 大规模应用于日常工作流程的企业与那些仍停留在试点阶段的企业之间的竞争差距只会越来越大，而且这种差距会迅速扩大。目前，已将 AI 融入核心运营的 13% 的企业，已经远远领先于仍在探索或测试 AI 的 56% 的企业。
AI 领域的赢家与输家之间的差距，并非取决于部署的具体技术，而是取决于谁能更快地将 AI 与业务直接连接起来，并在整个企业范围内推广应用。最终的赢家并非那些拥有最雄心勃勃的路线图的企业，而是那些能够在客户最为关注的运营挑战中，提供可衡量、可扩展且可复制的价值的企业。
原文链接：https://www.bcg.com/publications/2026/ai-is-already-moving-the-logistics-industry-forward
目前，霍尔木兹海峡航运持续中断，直接或间接地影响了许多企业。即使限制放宽，该海峡仍然是一个咽喉要道，使许多企业容易受到中东冲突的影响。每周约有 900 艘船只通过霍尔木兹海峡，约占全球原油出口量的 20%。所以呢？除了冲...
一、前瞻判断：未来五年中国医药创新的确定性趋势未来五年，中国医药创新将进入一个关键的价值兑现期。这不是猜测，而是基于波士顿咨询公司（BCG）2026年最新研究报告的深度分析得出的判断。报告揭示了一个核心趋势：中国医药创...
一、一个值得关注的转折点：中国创新药正在改写全球格局中国医药创新已经完成了从"跟跑者"到"并跑者"的跨越，正在向"领跑者"发起冲击。这不是一句口号，而是波士顿咨询公司（BCG）2026年3月发布的最新研究报告给出的明确判断。...