Dave Bozeman（总裁兼首席执行官）
Arun Rajman（首席战略官）
Damon Lee（首席财务官）
Seth Gilbert
好的，感谢大家参加。瑞银科技大会第三天。我叫Seth Gilbert，是瑞银的中小盘软件分析师之一，今天我们邀请到了C.h. Robinson的整个团队。感谢你们的到来。我们请到了首席执行官Dave Bozeman、首席财务官Damon Lee，以及首席战略与信息官、创新官Arun Rajman。抱歉，我相信大家都听说过C. H. Robinson这个名字，但或许你们可以给我们简要概述一下公司及其商业模式，特别是针对我们的科技投资者，毕竟这是一场人工智能大会。所以，或许最后你可以谈谈你们如何使用生成式人工智能，举一个具体的例子。
好的，非常好。很高兴认识你，Seth，也很高兴来到这里。简单快速地介绍一下Robinson。我们本质上是最大的物流供应商之一，核心业务是运输那些真正为世界提供动力的产品。我们每天都在大规模地进行这项工作，每年处理3700万次货运。我们拥有超过83,000名客户，同时与超过450,000家承运人有业务往来。所以从物流平台的角度来看，规模非常大，但我们也提供解决方案。我们认为我们拥有世界上最优秀的物流专家。因此，这是一个非常大规模的业务。
其运作方式实际上是一个双边市场。一方面是有货物运输需求的托运人，另一方面是有运输能力的承运人。我们处于中间位置，促成双方之间的交易。为什么这是一个优势？因为我们为托运人提供了大量的承运人资源，让他们能够以不同价格获得各种承运人的服务。对于托运人来说，我们让他们能够找到承运人来运输货物。
业务遍及全球。
我们每天都与世界上一些最优秀的人一起开展业务。我们正在经历一场转型，而且非常成功。这基于精益运营模式，这实际上是我们Robinson内部的一种持续改进的文化变革，它极大地推动了我们的员工和技术发展。Arun的团队做得非常出色，从使用机器学习开始，我们已经进入了生成式人工智能阶段，这取得了非常成功的成果，我们会谈到这一点，甚至还在向智能体人工智能（agentic AI）迈进。
但如果你想了解一个具体的例子。我们会进一步说明。我们是如何取得进展的，为什么这是一个游戏规则改变者？这之所以能改变游戏规则，是因为在我们这个行业以及我们公司内部，订单到现金的流程相当手动化，交接过程中存在不少摩擦。这包括报价、预约以及其他需要人工交互的事情。这非常适合生成式人工智能的应用，可以实现这些流程的自动化。而我们的团队实际上已经在着手处理这个流程。
最终结果是什么呢？自2022年底以来，生产力提升了40%。一个具体的例子是报价环节，在我们的规模下，我们每天会收到成千上万的报价请求。这些报价请求是这样的：“C. H. Robinson，你能把这些货物从A点运到B点吗？我们想知道需要多少费用。” 过去，这些报价请求是由人工处理的。如今，我们构建了一个非常成熟且已规模化应用的智能体。这个智能体处理一份报价的时间，从过去大约15到17分钟，缩短到了现在的约30秒。
它会以非常对话式的方式向客户返回该批货物的相关信息。这带来了什么好处？显然是生产力的提升，但也让我们能够处理100%的报价机会，而以前我们只能处理大约65%的报价。所以这确实改变了游戏规则。这只是一个例子。归根结底，我们还有很多工作要做。我们对目前的状况感到非常满意，很高兴来到这里。我们是一家正在享受人工智能带来益处的工业公司，我认为我们之前一直被低估，而今天我们不再被低估。
你知道，作为科技投资者，市场模式实际上是我最喜欢的商业模式之一。所以很高兴你们能来到台上。你提到了一件事，我想跟进一下，那就是生产力。你给出了一些数字和一个具体的例子。我相信你们将生产力定义为人均货运量。那么，你们如何看待生成式人工智能带来的提升？而当你们转向智能体人工智能时，我假设会有更大的提升。
是的。我会让团队来详细说明。在我们的货运经纪业务中，我们将生产力定义为人均每日货运量；在全球货运业务中，则是人均每月文件处理量。所以我们的独特之处在于两者兼具。对吧。在全球货运业务中，我们每天都要将货物从中国运到北卡罗来纳州。而在北美国内，我们处理的货运经纪业务规模也很大。生成式人工智能显然在我们的北美地面运输业务中发挥了极其重要的作用，并提升了该业务的生产力。
当我们开始转向智能体人工智能时，我们感到非常兴奋，因为它开始能够处理系统外的数据，并对其进行推理，这能为我们带来极其显著的好处。但我会请Arun和Damon就此发表看法。
好的，Arun，不如你谈谈在我们公司里，生成式人工智能和智能体人工智能之间的区别。
这是一个很好的问题。你知道，基于Dave提到的40%的生产力提升，这是在传统软件工程、传统经典机器学习、生成式人工智能和智能体人工智能的共同作用下实现的。所以让我稍微解释一下生成式人工智能是如何工作的。Dave举的报价例子非常好。所以第一阶段是生成式人工智能，假设我是你的客户经理，客户打电话给我说：“嘿，Arun，你能像上周那样给我报一个从芝加哥到达拉斯的运输价格吗？” 可以想象，这里缺少很多上下文信息，但人类能够理解。
因为我之前和你合作过，我会想：“好的，我知道Seth来自可口可乐公司。他想把货物从达拉斯运到芝加哥。是从这个仓库到那个仓库。这是商品类型，这是我对可口可乐公司的定价策略。这就是我要回复的内容。” 所以生成式人工智能的工作方式是，我们需要解析电子邮件、理解内容。而现在有了智能体人工智能，我们过去只是返回报价，但现在通过生成式人工智能和智能体人工智能的结合，我们实际上是在为智能体构建人类所具备的全部上下文，并为其提供所有必要的工具。
也就是人类会使用的工具，对吧？比如，我需要查看订单历史，看看上周货物是从哪个仓库运到哪个仓库的，商品是什么。所以你给智能体提供上下文，然后给它人类会使用的工具。现在，我们开始看到生产力呈指数级提升。Dave也提到了我们的北美地面运输业务和全球货运业务。
是的。
我们的北美地面运输业务是一次性响应，对吧？客户发邮件过来，我们解析邮件，调用动态定价引擎，然后回复。而全球货运业务则稍微复杂一些，比如从中国到洛杉矶的航线选择，你可能会得到50个回复。就像在Travelocity或Booking.com上看到的那样。现在你需要判断选择哪一个，对吧？所以想想所有这些场景，人类能够基于上下文进行推理，而我们为智能体构建了适当的上下文，让它能够利用生成式人工智能解析的信息，然后进行推理、结合上下文并使用工具来实际做出响应。
是的，我来总结一下Dave和Arun所说的内容。在人工智能领域，现在很难找到不声称自己在使用人工智能的人或公司，对吧？这几乎和他们的使命宣言同义了。但我想说的是，我们的不同之处在于你提到的生产力数据。自2022年底以来，整个企业的生产力提升超过40%。这没有任何脚注，没有任何排除项，这是一个企业级的数字，非常明确，对吧？所以这是纯粹的生产力提升。在C. H. Robinson，我们喜欢说，衡量人工智能投资是否有价值的最终标准是你的利润表，是你的收益。对我们来说，生产力可能最受关注，但人工智能的应用也带来了收入增长、毛利率扩张和营业利润率扩张。正如Dave earlier所提到的，人工智能是我们转型的重要组成部分，但我们的精益文化和运营模式同样重要，对吧？所以当有人问我们，你们如何与行业内其他公司以及工业领域的其他公司区分开来？精益原则、运营模式和我们的尖端技术（我们称之为精益人工智能）的结合，我们认为两者结合的力量是指数级的，而不是单独存在时的效果。
在软件行业，我们有一个指标叫做RPO（剩余履约义务），几乎所有软件公司都会报告这个指标，它是衡量未完成订单的指标。所以当一些大型人工智能交易达成时，可能还没有计入收入，但我们可以看到未完成订单的增长，这预示着未来的收入增长。我想知道对于你们来说，定义某种人工智能KPI是否有意义，或者业务变化是否太快？投资者是否只能从收入增长和运营成本节约中看到人工智能的影响。
是的。我想说的是，在外部，我认为我们刚刚已经谈到了，对吧？关于我们使用人工智能以及它是否对公司有益的真正关键指标，确实体现在我们分享的生产力指标中，也体现在我们每个季度报告的利润表指标中。我总是开玩笑说，Dave和我的工作很简单，我不必说服你。如果人工智能正在为C. H. Robinson带来益处，你只需要看看我们过去两年的业绩，对吧？你可以看到在几乎四年的货运衰退中，收入增长、利润率扩张和收益增长的明显结果。
所以我认为对我们来说，真正的指标是生产力超过终端市场的增长，以及最终由利润表表现决定的收益表现。我想说的是，在内部，我们当然对从报价到收到客户现金之间的每一个流程都进行了分类。对吧？这有数千个流程。Arun的团队与业务部门合作，了解每个流程的人工密集度和人工干预程度。对吧？然后计算将今天的手动流程转换为明天的自动化流程所需的成本。所以这是我们内部用来跟踪C. H. Robinson仍存在的机会漏斗的机制。你看，我们很高兴地说，我们的转型还处于早期阶段，对吧？可以称之为九局棒球比赛的第三局。在运营模式方面，我们处于第三局；在技术部署方面，北美地面运输业务可能也处于第三局，因为这是我们技术栈的第一个应用领域。全球货运业务现在也开始应用该技术栈。
但当你想到我...
之前说过的，有数千个流程可以实现自动化。我们目前只为北美地面运输业务自动化了其中一小部分流程，全球货运业务则更少。所以尽管过去两年我们取得了不错的成绩，但我们坚信未来两年及以后，C. H. Robinson将会比过去两年更加令人兴奋。
我认为，Seth，对于这个房间里的投资者来说，这一点非常重要。基于Damon所说的，我们正在建设。我从事精益工作已有30年，从哈雷戴维森到卡特彼勒，再到福特和亚马逊。但我们也在建设可持续性。我们本质上是建设者，我们将继续这样做。我们要建设能够持久的东西。我们带着高度的信心（比如P90、P95置信度）去建设这些解决方案，确保它们具有可持续性。在我们的规模下，当市场发生变化时，无论是在市场底部还是顶部，我们都能获胜。
所以对投资者来说，了解这些解决方案的可持续性非常重要，而且我们正在逆势而行。行业中有人说，你们不应该能够实现增长和扩大利润率。但我们正在做到这一点，并且由于我们的系统、运营模式、技术和人员的逻辑，我们将继续做到这一点。
明白了。
提醒一下，如果大家有问题，我们会在最后提问，座位上应该有说明。请输入问题，我会在台上宣读。或许有个问题想问Arun。这是一个科技大会，我们想深入了解一下你们的技术栈。你们拥有数据中心吗？还是从主要的超大规模云服务商（如亚马逊、微软、谷歌、甲骨文）购买计算资源？作为后续问题，英伟达芯片现在非常热门，很多客户都难以获得英伟达芯片。所以我很好奇，即使你们没有数据中心，你们是否需要运行在最新的英伟达芯片上，或者这对你们的工作流程来说是否必要？
很好的问题。首先，我会从微软说起，微软是我们的合作伙伴，所以我们使用Azure作为我们的云合作伙伴，而企业级LLM（大型语言模型），本质上是微软提供的，是ChatGPT的一个版本，这是我们的主要提供商。但话虽如此，我们有选择权，在某些情况下我们也使用Gemini，在其他情况下使用Claude。对吧？所以我们的思路是，我们与LLM解耦，因此我们可以选择任何适合特定目的、能提供最佳性价比的LLM。
对吧？这是第一步。但我们的大部分工作负载确实迁移到了Azure，作为我们的主要LLM。那么关于芯片的问题，最终我们关注的是解决特定问题或实现自动化时的令牌使用量。在这种情况下，LLM提供商（无论是Azure还是AWS托管的Quad）使用什么芯片对我们来说并不重要。我们关注的性价比是完成特定工作负载所需的令牌成本。所以我们与芯片解耦，因为我们并不真正关心LLM底层使用什么芯片，只要我们能从LLM获得所需的性价比，我们就会切换到不同的LLM提供商或不同版本的LLM以获得我们寻求的性价比。
明白了。我还有一个后续问题，我想我和投资者都很难跟上所有新模型的发布，昨天Anthropic也在台上发言了。
确实很难跟上。我的邮箱里可能有一些更新，这周结束后我需要处理一下。所以，当有新模型发布时，你们切换模型提供商容易吗？成本高吗？容易吗？会导致工作流程中断吗？或许你可以稍微评论一下。
这是个很好的问题。所以从一开始，我们就设计和构建了我们的系统，使其具有抽象层或网关，这样我们就可以非常简单地在不同的LLM提供商之间切换。我们有一个研发和创新团队，他们的全部工作就是评估不同LLM的性能。由于我们的核心技术栈与LLM解耦，并且我们有测试和回归测试框架，当我们切换模型或不同版本的LLM时，我们可以进行回溯测试，确保我们能从模型中获得所需的可重复性和可预测性。
因为你可以想象，我们不能让模型产生幻觉，我们需要基于提供给LLM的上下文获得一定程度的可预测性。所以，A，我们与LLM解耦；B，我们有测试工具，允许我们在不中断任何上游工作流程的情况下切换模型时进行回溯测试。
我们在人工智能生态系统中的位置的一大优势是，正如Arun刚才所说，我们可以对LLM保持不可知论，对吧？我们实际上可以选择最适合我们要解决的问题的LLM，对吧？而且我们不需要最新一代的LLM就能获得所需的效益。所以我们可以使用第二代或第三代LLM，从而在获得相同业务性能的同时实现最优成本。我们经常说，看看，我们处于人工智能生态系统的甜蜜点。如果你想想投入数百亿美元（很快将达到数万亿美元）用于建设产能和处理能力的资金，我们是受益者。我们不必花费任何资金就能获得规模带来的最终效益和成本曲线。你知道，Arun经常分享一个数据，我们的令牌使用量同比增长了10倍，而成本却下降了25%。对吧？所以当有人问整个市场，谁从人工智能领域投入的数百亿美元中受益时，我们会举手说，是我们这些处于下游的企业。
这只是在过去一年中，使用量增长了10倍，成本却下降了。所以我们本质上处于牛鞭效应的末端。这就是为什么这场竞争之战中，我们是受益者。归根结底，这就是...
值得补充一些细节。有两个因素推动了性价比的提升。对吧？使用量增长10倍，成本下降。显然，通过为正确的工作选择正确的LLM，我们能获得好处，而LLM之间的竞争也给我们带来了好处。这很棒。但同样，你必须进行工程设计、架构设计和系统设计，对吧？就像云计算出现时，工程师们因为弹性计算而将应用部署到云端，你可能会认为计算是免费的，但如果没有对新技术（如云计算）使用的规范方法，就可能出现成本失控的情况，就像云计算早期那样。
人工智能也是如此，你需要规范的架构和设计，不能创建一个具有大量提示词的庞大智能体，那样运行成本极高，而且可能产生幻觉。对吧？所以正确设计智能体以管理成本的理念，与竞争环境同样重要。
让我们转向竞争环境。我假设在你们的领域，不只是你们一家公司在使用人工智能。是什么让你们与众不同？你们有更大的工程团队吗？更多的数据、更多的历史数据？差异化的方法。或许你可以谈谈...
竞争地位。
是的，我认为首先可以说，以上所有因素都有。但具体来说，让我们与众不同的是，第一，Arun所谈到的领域专业知识。这些工程师在这个行业长大，实际上了解货运业务。所以我无法告诉你这有多重要。构建我们自己的内部系统，Roam所谈到的，对于构思、发现、实验以及速度和敏捷性来说非常重要。我们的运营模式，我们的运作方式，真正推动了一种节奏，让我们能够比竞争对手更快地发现和行动，发现许多不同的、让我们与众不同的东西。
然后，我们的物流专家，我们认为是世界上最优秀的物流专家。所以我们不仅仅是货运经纪人，我们还是客户的解决方案提供商。我们认为这让我们与众不同，还有我们的规模和速度。Damon经常谈到我们有更深、更宽的护城河。竞争对手真的需要跨越三到五个护城河才能赶上Robinson。我可以告诉你，今天我们坐在这里，12个月后，我们将创造出今天尚未创造的东西，因为我们一直在努力构建和构思。所以你真的需要跟上我们的步伐。
我想深入谈谈Dave所说的“构建”部分。我认为这个行业主要是由那些购买和拼凑解决方案的公司主导的。而我们的方法是，C. H. Robinson一直构建自己的软件。所以经历了几代人的发展，比如二十年前构建的单体系统，不断演进，发展为面向服务的架构，然后是微服务架构。所以所有这些都是我们自己构建的。所以你拥有基础设施、安全、隐私等基础要素。我们有一个工程团队，专门构建适合特定目的的系统。
所以。
对吧。所以这些工程团队实际上。我们有一种“构建者文化”，而不是购买和集成文化，在我看来，我在亚马逊、Travelocity、Zappos等科技公司长大，这与传统的IT文化（购买和集成软件）有明显的不同。对吧。我认为很多竞争对手都是这样做的。所以你可以想象，一旦软件构建完成，一旦我们覆盖了固定成本，为任何额外业务量提供服务的边际成本几乎为零。
对。
所以Dave提到的我们模型的可扩展性非常重要。因此，拥有技术并将其构建为可扩展模型非常重要，而不是购买解决方案，因为购买需要拼凑多个解决方案，并且按使用量付费。因为你有多个SaaS提供商向你收费，这不是一个可扩展的模型。
我最后想强调的是速度，对吧？如果你使用第三方提供商，使用多个第三方提供商。你的ERP是第三方提供的ERP。而我们的是定制构建的。
对。
采用定制化、非常适合特定目的的解决方案的速度，即使不考虑成本，也是非常困难的。因为我们控制我们的记录系统Navisphere，我们构建了它，我们控制代码，正如Arun所提到的，我们拥有自己的应用层，我们构建所有自己的智能体，将这些智能体集成到Navisphere中，我们控制速度，对吧。我认为这种速度是一个明显的差异化因素，因为一旦我们构思出一个机会，我们就会将其 operationalize、规模化，我们控制整个时间线，而且做得非常快。
如果你依赖第三方提供商，你不可能达到C. H. Robinson提供这些解决方案的时间线和速度，而这些解决方案正在推动收入增长和生产力提升。此外，正如Arub所提到的，我们开发自己的技术，一旦智能体构建完成，我们的边际拥有成本非常接近零，只是令牌成本。对吧。而对于许多使用外包模型的竞争对手来说，他们必须永久地按使用量付费。所以正如Dave earlier所提到的，我们谈论竞争格局时，不仅仅是跨越一个护城河。我们认为竞争对手需要跨越4、5、6、7个护城河才能达到我们今天的水平。而两年后，Robinson将处于与今天完全不同的位置。对吧。我们的运营模式推动持续改进。对吧。Arun的技术演进不会停滞不前。
对。
期望是每天、每周、每月，技术都在进步，公司都在进步。我们认为这种心态真正将我们与竞争对手区分开来。明白了。
Arun，你现在是焦点人物。我们有几个问题。第一个问题我想我们已经回答了一些，也许你可以再详细谈谈。我们很想听听你们使用的基础模型是什么。你们会在模型之间切换吗？你们使用任何开源模型吗？虽然之前提到过一些，但也许你可以展开一下。
是的，我们不使用开源模型。我们使用来自微软、谷歌和Anthropic的企业级模型。这是我们使用的三个。另一个问题是什么？
你们会在模型之间切换吗？我们稍微提到了一点，但也许你可以举一个具体的例子。
是的，我们一直在模型之间切换。以Dave举的报价例子来说，假设一个新模型发布了，我们的研发团队可能会说，我们认为这个新模型可能会带来更好的性价比。
对。
所以他们会对工程团队说，报价团队使用这个模型。由于我们的架构是解耦的，这非常容易。在软件工程中有一种众所周知的网关模式，即通过单一层与任何不同的LLM提供商通信。对吧。假设我今天使用ChatGPT，而Claude发布了一个新模型，研发团队说，嘿，你应该试试Claude，看看是否能获得更好的性价比。他们会去找工程团队。
工程团队可以很快进行测试，他们会说，好的，我们切换模型，用过去六个月通过旧LLM处理的请求在Claude上进行回溯测试，看看是否能获得更好的性价比。
对。
由于这种网关模式和内置的所有测试工具，我们可以无缝切换模型并进行回溯测试，看看是否值得切换到不同的模型。所以我们一直在这样做。我想Dave或Damon可能经常说，我们甚至可能会回到旧版本的模型。我们发现使用最新模型的成本太高，而我们实际上并不需要最新模型，我们甚至可能会回退到旧版本，因为它能提供更好的性价比。
所以，是的，我们一直在这样做，并且我们的架构和设计有意地实现了在模型之间切换的灵活性。
我们有一个问题，我想我知道它的来源，但也许你可以稍微谈谈。我很想听听你们使用的数据库供应商。你们是否在增加使用量，也许哪些供应商值得更看好。所以也许你可以花一分钟谈谈这个。
是的，我们使用Microsoft SQL Server和Snowflake作为我们的底层数据平台、数据仓库。但话虽如此，我们的工作方式是，很多繁重的工作都是自己构建的。所以以这两个供应商为例，如果我们处理高流量，大部分数据都是缓存的，对吧。我们不会增加SQL Server的许可证数量。同样，我们可能使用Snowflake，但很多计算和数据处理是在机器学习模型或Snowflake之外的其他地方进行的。对吧。所以。
我们的工程和架构设计理念是，我们不会在底层数据库供应商和数据平台上产生一次性成本。
明白了。
我们的时间快到了，但我想给你们机会做总结。轻资产模式、市场模式，你们正在使用人工智能，并且展示了实实在在的好处。这个名字可能不在很多科技投资者的关注范围内，但也许你可以用几句结束语来说明为什么它应该被关注。
是的，几句结束语是这样的。第一，Damon和我在一个房间里会说，Robinson未来两年将比过去两年更加令人兴奋。为什么我们会有这种感觉？因为我们知道我们正处于这个旅程的超级早期阶段。我们喜欢这些结果，它们是可证明的结果。由于我们今天谈到的这些事情，这种情况只会继续下去。我们的运营模式是一种差异化优势，我们的技术是一种差异化优势，我们的员工是一种差异化优势。所以我们已经解决了运营层面的问题，并将继续解决。
还有更多工作要做。但当我们看到客户层面时，这家公司将进行更多的构思和发现，带来更多的底线结果。所以对我来说，这是一个令人兴奋的投资机会，这就是为什么我称它为一个被低估的人工智能工业股。
说得好。
就到这里。感谢你们的参与。
谢谢邀请。
是的。