对话货拉拉张浩：技术创新让货运出海快速融入当地市场

来源：新浪科技

　　2026可持续全球领导者大会于10月20日-22日在上海黄浦世博园区举办。大会期间，货拉拉和Lalamove技术副总裁、首席技术官张浩与新浪科技对话，围绕海外技术本地化与AI创新建设两大方向阐述了货拉拉的技术战略。

　　张浩坦言，不同市场在时区、货币、文化、交通规则和数据税收制度上并不一致，系统必须提供足够的灵活性和多样性，尽可能做到可配置化。基于此，Lalamove自主研发的Pioneer系统可根据当地货币体系、语言环境、文化背景等多维度因素自动调整App产品设计，确保业务迅速融入当地市场。

　　在AI基础建设和创新方面，目前货拉拉技术团队已打造出“智慧大脑”中台系统以及货运无忧大模型等产品。张浩表示，货拉拉不追求“更大的模型”，而是追求“更懂货运的模型”，以“轻量化”解决成本和落地速度问题，以“场景化”解决深度问题。“技术不替司机做决定，技术只是让信息更快、更公平地触达合适的司机，AI是工具，司机是主体。”

　　Pioneer系统适配多元海外市场

　　货拉拉的国际品牌Lalamove支撑的是一个高度多元化的市场，目前已覆盖全球15个市场、超过400个城市。

　　随着市场数量的增多，一个现实问题随之出现：面对法律、货币、语言和基础设施条件的差异化，货拉拉如何判断一个新市场是否值得进入，又如何在进入后快速完成技术本地化？

　　对此，张浩表示，Lalamove设有专门的Expansion Team，负责对新市场做完整分析，并派员赴当地调查研究、撰写详细报告，内容涵盖市场需求分析、竞争环境评估、技术基础设施、监管环境、本地化需求等。

　　不过，在海外技术本地化方面，Lalamove依然面临不小挑战。张浩坦言，不同市场的时区、所使用的货币、地区文化、交通规则、数据储存和税收等法律制度不完全一致，所以Lalamove在技术支持上需要提供足够的灵活性和多样性，以适应多样化的需求。

　　张浩从货币角度举例称，“不同国家的货币面值往往不一，越南货币面值较大，一个运单面值会达到几十万，而新加坡货币面值较小，一个运单面值可能就十几二十，那么技术团队在UI设计上，比如界面上需要显示多少个0，就不能够采取一刀切的做法，如果采用一般国内企业的正常做法，会很容易就导致数字溢出。”

　　为此，Lalamove自主研发了Pioneer系统。作为Lalamove海外拓展的重要工具，该系统能够根据不同市场情况自动调整App产品设计，具备全球各国家地区及城市的地理位置、时区、货币体系、金额使用习惯、语言环境等完整数据库。在开拓新市场时，Pioneer系统可依据当地货币体系、语言环境、文化背景等多维度因素进行调整，确保业务迅速且有效地融入当地市场，实现本地化运营。

　　谈及Lalamove的扩张给当地物流生态带来的改变，张浩总结称：首先是数字化覆盖，本地中小商家可以接入数字化物流，通过App找到司机、调度车辆；其次是司机收入的稳定化，Lalamove提供全天候24/7运营服务，司机群体获得更大的工作灵活性，可充分利用车辆资源创造额外收入；最后是空驶率下降，Lalamove通过AI智能分播单和不断优化路径规划，减少车辆空驶，节省油费，提升城市货运效率。

　　他举例称，在越南市场，即使在互联网连接不良的情况下，用户也可在30秒内将中小企业与数千名卡车货车司机联系起来，这是当地物流公司都无法做到的。同时与其他物流公司相比，Lalamove提供灵活的公开价格、即时交付服务、当天交付服务以及货车和小型卡车等各类车型，在胡志明市和河内的客户也将Lalamove作为市场价格的标准。

　　在全球化技术团队搭建上，张浩表示，Lalamove的工程师团队汇聚了来自亚洲、欧洲、美洲等不同地区的专业人士，通过精心设计的团队结构将多样性转化为独特优势，每位工程师都能发挥独特的文化背景和专业经验，为团队带来新颖的视角和创新思维，这不仅促进了跨文化交流与合作，更重要的是让团队能够从不同角度理解和满足全球用户的需求。

　　货运大模型坚持轻量化、场景化

　　AI是货拉拉一直深耕的底层赛道之一。早在2020年，货拉拉技术团队便已基于AI、大数据等技术打造了“智慧大脑”中台系统，奠定了货拉拉的AI底层技术基础，其后货拉拉进一步研发出货运无忧大模型。

　　不过，在货运大模型的技术路线上，货拉拉的选择与许多追求更大参数的公司不同，更强调轻量化和场景化。张浩对此的解释是，货拉拉不追求“更大的模型”，而是追求“更懂货运的模型”。

　　张浩指出，货运存在“车货非标”的特征，货物体积、重量不一样，又涉及小面、厢货等多种车型，从司机接单到装货、运货、卸货，从用户下单、沟通到收货、付款，整个货运链条环节众多。

　　而“更大参数”路线存在几个根本性痛点，比如训练成本高昂，这种高能耗模式不可持续；落地慢，通用大模型广而不深，不能直接解决货运的“硬骨头”问题；不可解释，通用大模型难以直接理解货运专业知识。

　　针对货拉拉货运大模型坚持轻量化和场景化的解法，张浩强调，“轻量化”解决成本和落地速度问题，“场景化”解决深度问题，把有限资源投入到把应用场景做深、把平台做牢上。当基础能力成熟，企业自建的应用平台将自动获得更大效率回报。

　　在帮助司机接单的场景上，货拉拉的AI技术已有落地进展。据透露，今年平台上线了司机侧AI助手，司机用一句话描述找单需求，AI自动理解语义、多轮对话引导、跨场景组合条件，智能排序并推荐订单，同时还具备问题答疑、休闲娱乐相关功能。此外，平台还有“热力图”，实时分析区域订单密度，提前告诉司机哪里有货、哪里单多，相当于给司机一个“接单预测器”，减少盲目等待。

　　面向未来1至3年，张浩表示，对货拉拉和Lalamove来说，使命是货物出行更轻松，技术是达成使命的手段和方式，ESG治理则是让平台赢得不同市场里用户、司机等各方长期信任的方式。

　　从技术战略层面看，张浩表示，货拉拉主要面临四个转型：一是从“规模增长”到“长期经营”，不只要做大，还要“扛得住”，面对技术故障、政策变化、突发事件、极端天气等不确定性时，平台能稳定持续运营；

　　二是从“产品扩张”到“治理优化”，除了上线更多功能、覆盖更多场景，还要把规则、流程、合规体系“建得深”，面对不同市场的合规要求、监管变化、数据跨境、多方利益冲突时可以灵活应对；

　　三是从“效率优势”到“信任优势”，效率是短期竞争力，信任是长期护城河，为用户提供更加便捷的物流服务，同时持续推动算法公开、打击假单与恶意投诉，优化司机做单环境；

　　最后是从“商业价值”到“共享价值”，为公司创造利润的同时注重为司机、用户等利益相关方创造价值，在技术上针对性解决司机遇到的问题，比如司机侧AI助手的推出、司机权益保障、平台新能源车生态节能减排等。（新浪科技 徐苑蕾）