UPS全球航空枢纽Worldport使肯塔基州路易斯维尔的穆罕默德·阿里国际机场成为美国第三繁忙的货运机场。这个占地520万平方英尺的设施拥有超过2万名员工、580架飞机(其中290架为UPS大型喷气式货机),每小时处理约56万个包裹。
"这是一个非常紧张的运营过程,"UPS IT总裁Alp Kayabasi说。
直到最近,Worldport的资产跟踪仍依赖劳动密集型、易出错且效率低下的人工流程。此外,装载规划师与地勤人员之间的沟通依赖陆地移动无线电,受到严重限制。Kayabasi表示,这需要从停机坪到建筑物的近距离接触,意味着分散的规划师必须在物理上保持如此接近才能实现任何联系。这种设置限制了UPS的可见性,阻碍了高效运营,并妨碍了集中管理。
识别阻碍UPS在Worldport运营的挑战是一回事,解决这些问题则是另一回事。但在2023年6月,UPS开始开发名为网关技术自动化平台(GTAP)的解决方案,这是一种利用人工智能和机器决策来自动化人工任务、优化资源利用和集中异常管理的方法。
Kayabasi表示,GTAP帮助UPS在2024年确定了1350万美元的节省,并为UPS赢得了2025年CIO 100 IT卓越奖。
"今年,我们预计这一举措将节省约2400万美元的成本,"他说。"除此之外,它还改善了我们的准时性能、运营安全性,并为客户提供最佳服务。"
重量的期望
Kayabasi和他的团队早期确定的一个领域是需要将单元装载设备(ULD)数字化,这些是用于在宽体和一些窄体飞机上装载货物和邮件的容器。
"我们在全世界有超过6万个这样的ULD,"Kayabasi说。"当飞机降落并被清空或装载时,周围有大量员工从事各种工作,从给飞机加油和维护,到跟踪ULD。飞机还必须有分布式重量和平衡协议。"
Kayabasi解释说,所有这些事情都是通过无线电通信协调的。
"让设备以电子方式连接,让我们的机组人员高效地相互沟通,这就是我们想要现代化的内容,"他说。
团队通过数字化智能ULD并集成先进传感器和通信实践来创建智能ULD,提供精确的全球跟踪和实时位置服务。
但为智能ULD设计传感器并不容易。没有现成的商业解决方案能满足UPS的需求。传感器需要能够提供频繁更新,并且需要抗震。
传感器的电池管理也成为一个难点。每次ULD从飞机上卸下时都给设备充电是不现实的。此外,设备大部分时间都在飞机内或封闭建筑物内,所以太阳能不是一个可行的选择。同时,设备必须遵守严格的FAA和FCC法规。
UPS设计了一个电源管理系统,确保电池的持久性而无需频繁充电。为了满足监管要求,团队与相关机构密切合作认证技术。他们设计了无线电通信协议,自动调整ULD的环境以保持合规。
提升通信
除了智能ULD,UPS还开发了Ramp Chat作为GTAP的一部分,以消除Worldport对陆地移动无线电的依赖。Ramp Chat是一个集中装载规划操作的通信平台,作为具有多载波能力和备用通信协议的移动应用程序,确保高度可靠性。
GTAP的这两个方面使UPS能够利用人工智能和机器学习使运营更加高效。算法还确定哪些牵引车——货物转运车辆——最适合高效装卸ULD,人工智能帮助平衡重量并调整飞机上的设备,预测性地确定世界各地需要额外ULD库存的位置。
"这些资产的平衡和移动现在由人工智能驱动,"Kayabasi说。"如果没有对这些资产的适当跟踪,我们无法做到这一点。"
集体努力
Kayabasi指出,产品管理思维和精益敏捷实践是成功交付GTAP的关键因素,让团队能够非常快速地学习和交付新功能。然而,他最重要的建议是始终以业务而不是技术作为聚焦努力的视角。
"我们如何确保在技术上的投资推动业务朝着目标前进?"他问道。"如果他们的目标是更好的沟通,你如何实现?如果是降低成本,你如何实现?"
最重要的是,与利益相关者过度沟通。
"变革很困难,但通过过度沟通、制定培训计划和围绕你所做的变革创造安全感,你可以获得盟友来帮助支持你前进,"他说。
好文章,需要你的鼓励
美国国家标准与技术研究院发布人工智能网络安全框架配置文件草案,旨在帮助组织安全使用AI系统。该文件围绕"安全"、"防御"和"阻止"三个重点领域,详细说明如何管理不同AI系统的网络安全挑战、利用AI增强网络防御能力以及阻止AI驱动的网络攻击。文件将网络安全框架的各个组件映射到具体建议上,覆盖入侵检测到供应链安全等各个方面。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
联想此次推出的推理加速引擎(Inference Acceleration Engine),是联想携手清华大学无问芯穹团队联合打造的本地AI加速解决方案。这款引擎将预装在联想年底发布的新一代AI PC产品线中,目标是让端侧推理性能直接看齐云端大模型水平。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。