日均件量过亿，客服中心是物流业最重的成本中心 — 顺丰用自研大模型给客服坐席装上了"AI 副驾"。
技术 / 服务商：顺丰自研「丰语」大模型
关于本案例： 以下内容据公开报道、厂商客户案例库与企业公告整理，目的是给你的决策提供同业参考。本项目并非由 OneTech 交付。 如果你想了解 OneTech 在类似场景下的可替代方案，请看下方「OneTech 在类似场景能怎么帮你」板块。
STORY
顺丰的选择很有意思 — 没有直接接通义/豆包，而是自研垂直大模型。原因之一是物流场景的术语、运单结构、合规要求高度行业化，通用模型的"原生姿势"反而成本更高。
据公开报道，「丰语」覆盖客服、销售、营销多个场景。其中坐席辅助是最核心的入口：客户来电时，大模型基于运单上下文实时给出推荐话术、异常处置建议，让新人客服也能跑出老客服的应答质量。
智能工单是另一关键。传统工单分类靠关键词匹配，错误率高且无法处理复合问题。大模型理解整段对话语义后分类，准确率提升明显。
对中型物流企业的启示：你不一定要自研大模型，但客服坐席的"AI 副驾"是必选题。
挑战 · CHALLENGE
顺丰日均件量过亿，客服中心面对运单查询、价格估算、异常工单等高频问题；传统 IVR + 关键词工单成本高、错误率随时段波动剧烈。新人客服培训周期长，老客服的应答经验难以复制，旺季（双 11/618）爆量时质量下滑明显。
方案 · SOLUTION
自研行业垂直大模型「丰语」，落地客服坐席辅助、智能工单、AI 文案、销售话术等场景；与丰桥、顺丰科技 IT 系统打通，结构化运单上下文回灌模型。坐席接听时大模型实时给出推荐应答和异常处置建议。
KEY DECISIONS
当行业术语和数据量足够大时，自研垂直 ROI 反超通用模型。
在质量敏感场景，"AI + 人"比"纯 AI"先跑通更稳。
把 IT 系统结构化数据塞进 prompt，是物流大模型的命门。
LESSONS FOR YOU
把别人踩的坑变成你的快捷键。
物流业的 AI 不是"换掉客服"，是"给坐席装副驾"，先增效再讨论替代。
IT 系统能否结构化输出运单上下文，决定大模型客服的天花板。
中型物流商不需要自研，接通义/豆包/DeepSeek + 行业 prompt 工程足够。