OneRail 運用 NVIDIA 人工智慧來優化即時「最後一哩」配送
OneRail 推出了一套採用 Nvidia 技術的人工智慧驅動配送平台,旨在協助零售商、批發商及經銷商為每筆訂單確定最有效的配送方式。
據 OneRail 表示,這套名為 OmniSTAR 的系統會評估各種配送管道——包括自有車隊、快遞員、包裹服務及其他物流模式——以找出既符合服務水準協議,又最具成本效益的解決方案。
該平台整合了 NVIDIA 的 cuOpt 決策優化引擎與 cuDF 資料處理軟體,並結合 OneRail 專有的配送定價與績效指標。NVIDIA 的加速運算基礎架構為路線規劃與配送模式計算提供動力。
據 OneRail 表示,該系統可將運算時間縮短多達 10 倍。過去需耗時 20 分鐘的任務,現在不到兩分鐘即可完成;而每週的運算時間則縮短至約兩天。
OneRail 表示,這項加速處理技術使即時配送作業得以進行優化,讓系統能在分配訂單前評估多種履約方案。
「若無法做出迅雷不及掩耳的決策,就等於放棄利潤,」卡塔尼亞在接受CNBC採訪時表示。「最後一哩的履約成本高昂。」
從預測到配送決策
OneRail 更廣泛的人工智慧系統運用預測與優化技術,涵蓋配送流程的各個階段。該公司表示,其機器學習模型可預測服務時長、延遲風險、首次配送成功的機率以及預期價格區間等因素。
這些預測結果會輸入至優化系統,以決定訂單執行策略。此外,OneRail 解釋道,OmniSTAR 會比較不同的履約模式,並根據成本與服務要求來選擇最佳方案。
關於動態車輛路線規劃的研究,將「預測變動狀況」與「隨著新資訊出現而重新計算營運決策」區分開來。2024 年發表於《歐洲營運研究期刊》的一篇綜述指出,行車時間預測與即時重新優化是時間依賴型路線規劃研究中的兩個不同領域。
Nvidia cuOpt 負責路線優化
Nvidia 將 cuOpt 描述為一個開源、GPU 加速的優化函式庫,專為車輛路線規劃及其他數學優化挑戰而設計。
Nvidia 的文件指出,cuOpt 在計算路線時會考量車輛成本、載運能力、行車時間、營運時段、起點位置及其他限制條件。其成本模型可納入距離、時間、金錢成本,或這些指標的加權組合。
OmniSTAR 將 cuOpt 應用於路線規劃與配送模式選擇兩方面。OneRail 指出,這使系統能夠比較訂單的可用履約選項,並識別出符合服務要求且成本最低的選項。
OneRail 指出,許多零售商在做出這些決策時仍依賴靜態規則或人工規劃,而 OmniSTAR 的設計旨在於更短的運作時限內評估更多配送組合。
Nvidia 解釋,cuOpt 並不會窮盡式地測試每條可能的路線。相反地,該求解器會產生候選解,並利用 GPU 加速的啟發式演算法進行迭代優化,以在指定的計算時間內產出高品質的結果。
該平台同時採用 Nvidia cuDF——這是一套用於表格資料處理的 GPU 加速函式庫,功能涵蓋資料集的篩選、合併與彙總。
OneRail 將這些功能與其自身的配送數據及營運模型相結合。其數據集源自一個涵蓋超過 1,200 萬名司機和 1,000 多家物流合作夥伴的網絡中所進行的數百萬次配送。
這些數據涵蓋了各種運輸模式的定價與配送表現。OneRail 表示,OmniSTAR 運用這些資訊來識別導致成本上升的配送規則,並評估配送選擇如何影響單項商品的獲利能力。
OmniSTAR 所披露的架構著重於 GPU 加速的資料處理與數學優化。Nvidia 將 cuOpt 描述為用於解決車輛路線規劃等問題的優化組件。
由於 cuOpt 屬於無狀態(stateless)機制,當營運條件發生變化時,必須重新建模並提交優化問題。Nvidia 列舉車輛故障、司機缺勤、道路封閉、交通狀況以及新的高優先級訂單等情況,作為觸發動態重新優化變化的範例。
OneRail 表示,當燃油成本、天氣及運輸條件等變數發生變化時,OmniSTAR 可重新執行配送情境模擬。該公司先前曾表示,透過採用 cuOpt,能評估更多路線規劃情境,並比以往的方法更快地重新計算路線。
OmniSTAR 進入實際運作階段
OmniSTAR 目前已部署於部分企業客戶。
OneRail 報告指出,在 US Foods 案例中,該系統識別出會壓縮利潤的配送配置,例如使用高成本設備長距離運輸低利潤產品。據 OneRail 表示,US Foods 隨後利用這些洞察調整定價,並重新規劃特定配送模式。
OneRail 還向 CNBC 透露,某家未具名的大型輪胎經銷商透過該平台,在三年內實現了 4,000 萬美元的年化節省額。 該客戶身份未公開,節省金額由 OneRail 提供。該公司還向 CNBC 表示,預計 OmniSTAR 的商品總交易額將在 2026 年第四季突破 60 億美元。
CNBC報導指出,OneRail與Nvidia在該專案上線前已合作三年。OneRail表示,此次合作除了參與Nvidia的Inception計畫外,還包括與Nvidia的cuOpt工程團隊就「最後一哩」配送及大規模物流優化進行直接協作。
今年3月,聯邦快遞(FedEx)與OneRail合作推出「FedEx SameDay Local」服務,將客戶與涵蓋全美超過1,000家配送服務商的全國性網絡相連。
另請參閱:Nvidia 明年四分之一的業務將來自其資助的實驗室

想從業界領袖那裡深入了解人工智慧與大數據?歡迎參加將於阿姆斯特丹、加州及倫敦舉辦的「AI & Big Data Expo」。這場綜合性盛會隸屬於 TechEx 系列,並與其他頂尖科技活動同期舉行,請點擊此處獲取更多資訊。
AI News 由 TechForge Media 提供技術支援。點此探索其他即將舉行的企業科技活動與線上研討會。
相關文章
隨著 AI 模型路由技術日益普及,Stripe 將收購 OpenRouter
Stripe 已同意收購 OpenRouter,這是一個 AI 模型路由平台,讓開發者能透過單一介面存取數百種模型。這筆交易為 Stripe 現有的 AI 應用及基於代幣的計費相關業務,增添了模型選擇與路由功能。據 Stripe 表示,OpenRouter 支援來自 80 多家供應商的 400 多個模型。開發者無需分別與各模型供應商進行整合,只需透過 OpenRouter 單一 API 即可發送請
Google AI 概覽在搜尋結果中佔據一席之地
根據 Similarweb 的《2026 年生成式 AI 發展現況》報告,Google 由 AI 生成的摘要出現在 43% 的美國搜尋結果中,相較於一年前的 15%,呈現顯著增長。雖然「AI 概覽」會在標準搜尋結果中呈現生成的摘要,「AI 模式」則針對複雜查詢及後續提示提供對話式介面。使用者可在不丟失原始搜尋脈絡的情況下,從「AI 概覽」切換至「AI 模式」。Google 解釋,AI 模式採用一種
獲得紅杉資本投資的 Empirik 籌得 2,100 萬美元,用於在服務中斷發生前預先預測
在 2020 年加入紅杉資本(Sequoia Capital)擔任首席數位與資訊長之前,艾文·普里(Avon Puri)曾在 Rubrik 和 VMware 負責基礎架構管理長達十餘年。 三年前,當大型語言模型開始展現其真正潛力之際,普里與紅杉資本的另一位 IT 領導者蘇迪爾·杜爾賈蒂(Sudheer Dhurjati)共同意識到,人工智慧能夠協助自主解決基礎架構工程師面臨的一大挑戰——在技術中斷
相關專題推薦
評論 (0)
0/500
OneRail 推出了一套採用 Nvidia 技術的人工智慧驅動配送平台,旨在協助零售商、批發商及經銷商為每筆訂單確定最有效的配送方式。
據 OneRail 表示,這套名為 OmniSTAR 的系統會評估各種配送管道——包括自有車隊、快遞員、包裹服務及其他物流模式——以找出既符合服務水準協議,又最具成本效益的解決方案。
該平台整合了 NVIDIA 的 cuOpt 決策優化引擎與 cuDF 資料處理軟體,並結合 OneRail 專有的配送定價與績效指標。NVIDIA 的加速運算基礎架構為路線規劃與配送模式計算提供動力。
據 OneRail 表示,該系統可將運算時間縮短多達 10 倍。過去需耗時 20 分鐘的任務,現在不到兩分鐘即可完成;而每週的運算時間則縮短至約兩天。
OneRail 表示,這項加速處理技術使即時配送作業得以進行優化,讓系統能在分配訂單前評估多種履約方案。
「若無法做出迅雷不及掩耳的決策,就等於放棄利潤,」卡塔尼亞在接受CNBC採訪時表示。「最後一哩的履約成本高昂。」
從預測到配送決策
OneRail 更廣泛的人工智慧系統運用預測與優化技術,涵蓋配送流程的各個階段。該公司表示,其機器學習模型可預測服務時長、延遲風險、首次配送成功的機率以及預期價格區間等因素。
這些預測結果會輸入至優化系統,以決定訂單執行策略。此外,OneRail 解釋道,OmniSTAR 會比較不同的履約模式,並根據成本與服務要求來選擇最佳方案。
關於動態車輛路線規劃的研究,將「預測變動狀況」與「隨著新資訊出現而重新計算營運決策」區分開來。2024 年發表於《歐洲營運研究期刊》的一篇綜述指出,行車時間預測與即時重新優化是時間依賴型路線規劃研究中的兩個不同領域。
Nvidia cuOpt 負責路線優化
Nvidia 將 cuOpt 描述為一個開源、GPU 加速的優化函式庫,專為車輛路線規劃及其他數學優化挑戰而設計。
Nvidia 的文件指出,cuOpt 在計算路線時會考量車輛成本、載運能力、行車時間、營運時段、起點位置及其他限制條件。其成本模型可納入距離、時間、金錢成本,或這些指標的加權組合。
OmniSTAR 將 cuOpt 應用於路線規劃與配送模式選擇兩方面。OneRail 指出,這使系統能夠比較訂單的可用履約選項,並識別出符合服務要求且成本最低的選項。
OneRail 指出,許多零售商在做出這些決策時仍依賴靜態規則或人工規劃,而 OmniSTAR 的設計旨在於更短的運作時限內評估更多配送組合。
Nvidia 解釋,cuOpt 並不會窮盡式地測試每條可能的路線。相反地,該求解器會產生候選解,並利用 GPU 加速的啟發式演算法進行迭代優化,以在指定的計算時間內產出高品質的結果。
該平台同時採用 Nvidia cuDF——這是一套用於表格資料處理的 GPU 加速函式庫,功能涵蓋資料集的篩選、合併與彙總。
OneRail 將這些功能與其自身的配送數據及營運模型相結合。其數據集源自一個涵蓋超過 1,200 萬名司機和 1,000 多家物流合作夥伴的網絡中所進行的數百萬次配送。
這些數據涵蓋了各種運輸模式的定價與配送表現。OneRail 表示,OmniSTAR 運用這些資訊來識別導致成本上升的配送規則,並評估配送選擇如何影響單項商品的獲利能力。
OmniSTAR 所披露的架構著重於 GPU 加速的資料處理與數學優化。Nvidia 將 cuOpt 描述為用於解決車輛路線規劃等問題的優化組件。
由於 cuOpt 屬於無狀態(stateless)機制,當營運條件發生變化時,必須重新建模並提交優化問題。Nvidia 列舉車輛故障、司機缺勤、道路封閉、交通狀況以及新的高優先級訂單等情況,作為觸發動態重新優化變化的範例。
OneRail 表示,當燃油成本、天氣及運輸條件等變數發生變化時,OmniSTAR 可重新執行配送情境模擬。該公司先前曾表示,透過採用 cuOpt,能評估更多路線規劃情境,並比以往的方法更快地重新計算路線。
OmniSTAR 進入實際運作階段
OmniSTAR 目前已部署於部分企業客戶。
OneRail 報告指出,在 US Foods 案例中,該系統識別出會壓縮利潤的配送配置,例如使用高成本設備長距離運輸低利潤產品。據 OneRail 表示,US Foods 隨後利用這些洞察調整定價,並重新規劃特定配送模式。
OneRail 還向 CNBC 透露,某家未具名的大型輪胎經銷商透過該平台,在三年內實現了 4,000 萬美元的年化節省額。 該客戶身份未公開,節省金額由 OneRail 提供。該公司還向 CNBC 表示,預計 OmniSTAR 的商品總交易額將在 2026 年第四季突破 60 億美元。
CNBC報導指出,OneRail與Nvidia在該專案上線前已合作三年。OneRail表示,此次合作除了參與Nvidia的Inception計畫外,還包括與Nvidia的cuOpt工程團隊就「最後一哩」配送及大規模物流優化進行直接協作。
今年3月,聯邦快遞(FedEx)與OneRail合作推出「FedEx SameDay Local」服務,將客戶與涵蓋全美超過1,000家配送服務商的全國性網絡相連。
另請參閱:Nvidia 明年四分之一的業務將來自其資助的實驗室

想從業界領袖那裡深入了解人工智慧與大數據?歡迎參加將於阿姆斯特丹、加州及倫敦舉辦的「AI & Big Data Expo」。這場綜合性盛會隸屬於 TechEx 系列,並與其他頂尖科技活動同期舉行,請點擊此處獲取更多資訊。
AI News 由 TechForge Media 提供技術支援。點此探索其他即將舉行的企業科技活動與線上研討會。
隨著 AI 模型路由技術日益普及,Stripe 將收購 OpenRouter
Stripe 已同意收購 OpenRouter,這是一個 AI 模型路由平台,讓開發者能透過單一介面存取數百種模型。這筆交易為 Stripe 現有的 AI 應用及基於代幣的計費相關業務,增添了模型選擇與路由功能。據 Stripe 表示,OpenRouter 支援來自 80 多家供應商的 400 多個模型。開發者無需分別與各模型供應商進行整合,只需透過 OpenRouter 單一 API 即可發送請
Google AI 概覽在搜尋結果中佔據一席之地
根據 Similarweb 的《2026 年生成式 AI 發展現況》報告,Google 由 AI 生成的摘要出現在 43% 的美國搜尋結果中,相較於一年前的 15%,呈現顯著增長。雖然「AI 概覽」會在標準搜尋結果中呈現生成的摘要,「AI 模式」則針對複雜查詢及後續提示提供對話式介面。使用者可在不丟失原始搜尋脈絡的情況下,從「AI 概覽」切換至「AI 模式」。Google 解釋,AI 模式採用一種
獲得紅杉資本投資的 Empirik 籌得 2,100 萬美元,用於在服務中斷發生前預先預測
在 2020 年加入紅杉資本(Sequoia Capital)擔任首席數位與資訊長之前,艾文·普里(Avon Puri)曾在 Rubrik 和 VMware 負責基礎架構管理長達十餘年。 三年前,當大型語言模型開始展現其真正潛力之際,普里與紅杉資本的另一位 IT 領導者蘇迪爾·杜爾賈蒂(Sudheer Dhurjati)共同意識到,人工智慧能夠協助自主解決基礎架構工程師面臨的一大挑戰——在技術中斷





首頁






