OneRail 利用英伟达人工智能优化实时“最后一公里”配送
OneRail推出了一款基于Nvidia技术的人工智能驱动配送平台,旨在协助零售商、批发商和分销商为单个订单确定最高效的配送方式。
据 OneRail 介绍,该系统名为 OmniSTAR,可评估各种配送渠道——包括自有车队、快递员、包裹服务及其他物流模式——以确定既能满足服务水平协议(SLA),又最具成本效益的解决方案。
该平台将英伟达的 cuOpt 决策优化引擎和 cuDF 数据处理软件与 OneRail 专有的配送定价及绩效指标相结合。英伟达的加速计算基础设施为路线规划和配送模式计算提供支持。
据 OneRail 称,该系统将计算时间缩短了多达 10 倍。以前需要 20 分钟才能完成的任务,现在不到两分钟即可完成,而每周的计算时间也缩短至约两天。
OneRail表示,这种加速处理能力可在实时配送运营中实现优化,使系统能在分配订单前评估多种履约方案。
“如果你无法做出闪电般的决策,就等于放弃了利润,”卡塔尼亚在接受CNBC采访时表示。“末端配送成本高昂。”
从预测到配送决策
OneRail更广泛的人工智能系统在配送流程的各个阶段运用预测和优化技术。该公司报告称,其机器学习模型可预测服务时长、延误风险、首次配送成功的概率以及预期价格区间等因素。
这些预测数据被输入到优化系统中,以确定订单执行策略。此外,OneRail 解释称,OmniSTAR 会对比不同的履约模式,并根据成本和服务要求选择最佳方案。
关于动态车辆路径规划的研究,将“预测变化条件”与“根据新信息出现而重新计算运营决策”区分开来。2024年发表在《欧洲运筹学杂志》上的一篇综述指出,旅行时间预测和实时重新优化是时间依赖型路径规划研究中的两个不同领域。
Nvidia cuOpt 负责路线优化
英伟达将 cuOpt 描述为一个开源的、基于 GPU 加速的优化库,专为车辆路径规划及其他数学优化挑战而设计。
英伟达的文档指出,cuOpt在计算路线时会考虑车辆成本、载货能力、行驶时间、运营时段、起始地点及其他约束条件。其成本模型可纳入距离、时间、货币成本,或这些指标的加权组合。
OmniSTAR 将 cuOpt 应用于路线规划和配送模式选择两个方面。OneRail 表示,这使系统能够对比订单可用的履约方案,并确定满足服务要求且成本最低的选项。
OneRail 指出,许多零售商在做出此类决策时仍依赖静态规则或人工规划,而 OmniSTAR 的设计旨在更短的运营时间内评估更多的配送组合。
英伟达解释称,cuOpt 并非对所有可能的路线进行穷举测试。相反,求解器会生成候选解,并利用 GPU 加速的启发式算法进行迭代优化,从而在指定的计算时间内产出高质量的结果。
该平台还采用了Nvidia cuDF——这是一个用于表格数据处理的GPU加速库,支持数据集的过滤、连接和聚合等操作。
OneRail 将这些功能与其自身的配送数据和运营模型相结合。其数据集源自一个由超过 1200 万名司机和 1000 多家物流合作伙伴组成的网络中的数百万次配送。
这些数据涵盖了各种运输方式的定价和配送表现。OneRail表示,OmniSTAR利用这些信息来识别导致成本增加的配送规则,并评估配送选择对单件商品盈利能力的影响。
OmniSTAR 披露的架构侧重于 GPU 加速的数据处理和数学优化。英伟达将 cuOpt 描述为用于解决车辆路径规划等问题的优化组件。
由于 cuOpt 属于无状态算法,运营条件发生变化时,需重新构建优化模型并提交。英伟达列举了车辆故障、司机缺勤、道路阻塞、交通状况以及新出现的高优先级订单等作为触发动态重新优化的变化示例。
OneRail表示,当燃油成本、天气和运输条件等变量发生变化时,OmniSTAR能够重新运行配送方案。该公司此前曾表示,借助cuOpt,其评估的路线方案数量更多,且重新计算路线的速度也比以往的方法更快。
OmniSTAR 正式投入实际运营
OmniSTAR 目前已部署于部分企业客户处。
据 OneRail 报告,在 US Foods 公司,该系统识别出了导致利润率下降的配送配置,例如使用高成本设备长途运输低利润率产品。OneRail 表示,US Foods 随后利用这些洞察调整了定价,并重组了某些配送模式。
OneRail还向CNBC透露,某家未具名的大型轮胎分销商在使用该平台后,三年内实现了4000万美元的年化成本节约。 该客户身份未公开,节省金额由 OneRail 提供。该公司还向 CNBC 表示,预计 OmniSTAR 的商品总交易额将在 2026 年第四季度突破 60 亿美元。
CNBC报道称,OneRail与英伟达在该项目上线前已合作三年。OneRail表示,此次合作包括就“最后一公里”配送和大规模物流优化与英伟达cuOpt工程团队的直接对接,同时该公司还参与了英伟达Inception计划。
今年3月,联邦快递(FedEx)与OneRail合作推出了“FedEx SameDay Local”服务,将客户与覆盖全国的1,000多家配送服务商组成的网络连接起来。
另请参阅:Nvidia明年四分之一的业务将来自其资助的实验室

想从行业领军者那里了解更多关于人工智能和大数据的信息吗?欢迎参加将在阿姆斯特丹、加利福尼亚和伦敦举办的“人工智能与大数据博览会”(AI & Big Data Expo)。这一综合性活动隶属于 TechEx 系列,并将与其他领先的技术活动同期举办,点击此处获取更多信息。
AI News 由 TechForge Media 提供支持。点击此处探索其他即将举办的企业技术活动和网络研讨会。
相关文章
随着AI模型路由技术势头渐增,Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台,可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称,OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成,只需通过 OpenRouter 借助一个 API 即可发送请
谷歌AI概述在搜索结果中占据更多席位
根据Similarweb发布的《2026年生成式AI行业概况》报告,谷歌的AI生成的摘要出现在43%的美国搜索结果中,较一年前的15%显著上升。虽然“AI概览”会在标准搜索结果中展示生成的摘要,但“AI模式”则为复杂的查询和后续提示提供了对话式界面。用户可以在不丢失初始搜索上下文的情况下,从“AI概览”切换到“AI模式”。谷歌解释称,“AI模式”采用了一种名为“查询扇出”(query fan-ou
红杉资本投资的Empirik筹集2100万美元,用于在故障发生前进行预测
在2020年加入红杉资本担任首席数字与信息官之前,阿文·普里曾在Rubrik和VMware负责基础设施管理工作长达十余年。 三年前,当大型语言模型开始展现其真正潜力时,普里与红杉资本的另一位IT负责人苏迪尔·杜尔贾蒂(Sudheer Dhurjati)意识到,人工智能能够帮助自主解决基础设施工程师面临的一大挑战——在技术故障发生前就加以预防。这两位技术界资深人士意识到,与其在系统故障发生后被动应对
相关专题推荐
评论 (0)
0/500
OneRail推出了一款基于Nvidia技术的人工智能驱动配送平台,旨在协助零售商、批发商和分销商为单个订单确定最高效的配送方式。
据 OneRail 介绍,该系统名为 OmniSTAR,可评估各种配送渠道——包括自有车队、快递员、包裹服务及其他物流模式——以确定既能满足服务水平协议(SLA),又最具成本效益的解决方案。
该平台将英伟达的 cuOpt 决策优化引擎和 cuDF 数据处理软件与 OneRail 专有的配送定价及绩效指标相结合。英伟达的加速计算基础设施为路线规划和配送模式计算提供支持。
据 OneRail 称,该系统将计算时间缩短了多达 10 倍。以前需要 20 分钟才能完成的任务,现在不到两分钟即可完成,而每周的计算时间也缩短至约两天。
OneRail表示,这种加速处理能力可在实时配送运营中实现优化,使系统能在分配订单前评估多种履约方案。
“如果你无法做出闪电般的决策,就等于放弃了利润,”卡塔尼亚在接受CNBC采访时表示。“末端配送成本高昂。”
从预测到配送决策
OneRail更广泛的人工智能系统在配送流程的各个阶段运用预测和优化技术。该公司报告称,其机器学习模型可预测服务时长、延误风险、首次配送成功的概率以及预期价格区间等因素。
这些预测数据被输入到优化系统中,以确定订单执行策略。此外,OneRail 解释称,OmniSTAR 会对比不同的履约模式,并根据成本和服务要求选择最佳方案。
关于动态车辆路径规划的研究,将“预测变化条件”与“根据新信息出现而重新计算运营决策”区分开来。2024年发表在《欧洲运筹学杂志》上的一篇综述指出,旅行时间预测和实时重新优化是时间依赖型路径规划研究中的两个不同领域。
Nvidia cuOpt 负责路线优化
英伟达将 cuOpt 描述为一个开源的、基于 GPU 加速的优化库,专为车辆路径规划及其他数学优化挑战而设计。
英伟达的文档指出,cuOpt在计算路线时会考虑车辆成本、载货能力、行驶时间、运营时段、起始地点及其他约束条件。其成本模型可纳入距离、时间、货币成本,或这些指标的加权组合。
OmniSTAR 将 cuOpt 应用于路线规划和配送模式选择两个方面。OneRail 表示,这使系统能够对比订单可用的履约方案,并确定满足服务要求且成本最低的选项。
OneRail 指出,许多零售商在做出此类决策时仍依赖静态规则或人工规划,而 OmniSTAR 的设计旨在更短的运营时间内评估更多的配送组合。
英伟达解释称,cuOpt 并非对所有可能的路线进行穷举测试。相反,求解器会生成候选解,并利用 GPU 加速的启发式算法进行迭代优化,从而在指定的计算时间内产出高质量的结果。
该平台还采用了Nvidia cuDF——这是一个用于表格数据处理的GPU加速库,支持数据集的过滤、连接和聚合等操作。
OneRail 将这些功能与其自身的配送数据和运营模型相结合。其数据集源自一个由超过 1200 万名司机和 1000 多家物流合作伙伴组成的网络中的数百万次配送。
这些数据涵盖了各种运输方式的定价和配送表现。OneRail表示,OmniSTAR利用这些信息来识别导致成本增加的配送规则,并评估配送选择对单件商品盈利能力的影响。
OmniSTAR 披露的架构侧重于 GPU 加速的数据处理和数学优化。英伟达将 cuOpt 描述为用于解决车辆路径规划等问题的优化组件。
由于 cuOpt 属于无状态算法,运营条件发生变化时,需重新构建优化模型并提交。英伟达列举了车辆故障、司机缺勤、道路阻塞、交通状况以及新出现的高优先级订单等作为触发动态重新优化的变化示例。
OneRail表示,当燃油成本、天气和运输条件等变量发生变化时,OmniSTAR能够重新运行配送方案。该公司此前曾表示,借助cuOpt,其评估的路线方案数量更多,且重新计算路线的速度也比以往的方法更快。
OmniSTAR 正式投入实际运营
OmniSTAR 目前已部署于部分企业客户处。
据 OneRail 报告,在 US Foods 公司,该系统识别出了导致利润率下降的配送配置,例如使用高成本设备长途运输低利润率产品。OneRail 表示,US Foods 随后利用这些洞察调整了定价,并重组了某些配送模式。
OneRail还向CNBC透露,某家未具名的大型轮胎分销商在使用该平台后,三年内实现了4000万美元的年化成本节约。 该客户身份未公开,节省金额由 OneRail 提供。该公司还向 CNBC 表示,预计 OmniSTAR 的商品总交易额将在 2026 年第四季度突破 60 亿美元。
CNBC报道称,OneRail与英伟达在该项目上线前已合作三年。OneRail表示,此次合作包括就“最后一公里”配送和大规模物流优化与英伟达cuOpt工程团队的直接对接,同时该公司还参与了英伟达Inception计划。
今年3月,联邦快递(FedEx)与OneRail合作推出了“FedEx SameDay Local”服务,将客户与覆盖全国的1,000多家配送服务商组成的网络连接起来。
另请参阅:Nvidia明年四分之一的业务将来自其资助的实验室

想从行业领军者那里了解更多关于人工智能和大数据的信息吗?欢迎参加将在阿姆斯特丹、加利福尼亚和伦敦举办的“人工智能与大数据博览会”(AI & Big Data Expo)。这一综合性活动隶属于 TechEx 系列,并将与其他领先的技术活动同期举办,点击此处获取更多信息。
AI News 由 TechForge Media 提供支持。点击此处探索其他即将举办的企业技术活动和网络研讨会。
随着AI模型路由技术势头渐增,Stripe将收购OpenRouter
Stripe 已同意收购 OpenRouter——这是一家人工智能模型路由平台,可让开发者通过单一接口访问数百种模型。此项收购将模型选择和路由功能融入 Stripe 现有的 AI 应用及基于令牌的计费业务中。据 Stripe 称,OpenRouter 支持来自 80 多家提供商的 400 多个模型。开发者无需与每个模型提供商分别进行集成,只需通过 OpenRouter 借助一个 API 即可发送请
谷歌AI概述在搜索结果中占据更多席位
根据Similarweb发布的《2026年生成式AI行业概况》报告,谷歌的AI生成的摘要出现在43%的美国搜索结果中,较一年前的15%显著上升。虽然“AI概览”会在标准搜索结果中展示生成的摘要,但“AI模式”则为复杂的查询和后续提示提供了对话式界面。用户可以在不丢失初始搜索上下文的情况下,从“AI概览”切换到“AI模式”。谷歌解释称,“AI模式”采用了一种名为“查询扇出”(query fan-ou
红杉资本投资的Empirik筹集2100万美元,用于在故障发生前进行预测
在2020年加入红杉资本担任首席数字与信息官之前,阿文·普里曾在Rubrik和VMware负责基础设施管理工作长达十余年。 三年前,当大型语言模型开始展现其真正潜力时,普里与红杉资本的另一位IT负责人苏迪尔·杜尔贾蒂(Sudheer Dhurjati)意识到,人工智能能够帮助自主解决基础设施工程师面临的一大挑战——在技术故障发生前就加以预防。这两位技术界资深人士意识到,与其在系统故障发生后被动应对





首页






