AI 颠覆传统行业的真实案例来了，杀伤力惊人！

美国东部时间 2 月 12 日，一条不经意的消息，AI 物流公司 Algorhythm Holdings [ RIME.O ] （以下简称 Algorhythm）发布行业白皮书，宣布其物流平台 SemiCab 通过 AI 驱动的优化和高利润的 SaaS（基于云计算的订阅式软件）自动化，在维持低运营成本的同时降低货运空里程，使得生产率提升了 3 倍。

消息一经发布，资本市场似乎嗅到了危机，美股物流板块随即大幅下挫。罗素 3000 道路运输指数盘中一度重挫逾 9%，当日下跌 6.6%，创该板块自 2025 年 4 月特朗普关税政策发布以来最大单日跌幅；轻资产模式物流巨头罗宾逊全球物流股价重挫近 15%，市值减少约 233 亿元，盘中一度暴跌 24%，创历史最大跌幅；货运撮合服务提供商莱帝运输股价下跌 16%。

发布消息的 Algorhythm 股价则逆势上涨，2 月 12 日收盘涨近 30%，2 月 13 日更是暴涨 222.22%，从 1.08 美元飙升至 3.48 美元。两天内，市值增长约 3 倍。

罗宾逊全球物流是全球领先的轻资产模式物流公司，自身不拥有卡车、船舶、飞机等运输工具，通过整合 45 万家签约承运商，为 8.3 万家客户提供多元化物流服务。

Algorhythm 公司于 2024 年全面转型做 AI 物流，并于 2025 年收购 SemiCab。以市值剧烈震荡前的最后一个交易日 2 月 11 日收盘价计算，Algorhythm 市值约 3300 万元，与市值 1600 亿元的罗宾逊全球物流和市值 383 亿元的莱帝运输相比，属于该板块的微型企业。但就是这样一家不起眼的小公司，却通过 AI 在一夜之间便击破了传统物流行业的 " 护城河 "。

AI 让货运平台劳动生产率提升 3 倍

为何一款由 AI 驱动的自动化软件杀伤力如此惊人？

研究显示，在印度和美国等市场，有 30% 到 35% 的卡车公里数是空驶的，是因分散的规划而导致资产未被充分利用。

2 月 12 日，Algorhythm 发布行业白皮书，宣布其基于 AI 的云端协作运输平台 SemiCab，在客户实际部署中，能够将货运量扩大 300% 至 400%。使用 SemiCab 的个别运营商在不需要相应增加运营人员的情况下，每年能够管理超过 2000 次货物，而传统行业标准是每家货运经纪人每年约 500 次，这也意味着，其劳动生产率提升了 3 倍。

白皮书称，在高度分散的市场中，将发货人、运输航线和区域的需求与供应进行整合，可以揭示在合同层面上看不到的回程路线和跨航线流动。白皮书还举例说，在印度实施这一运营模式时，网络级别的规划已经显示出能够将空驶里程从 30%~35％降低到 10％以下，而无需重新谈判合同或改变承运人的行为。

公司官网称，人工智能发现了传统货运管理系统无法获得的效率。通过可扩展的全球 SaaS 平台，以自动化工作流程编排，减少人工规划、加快负载执行，自动识别最佳负载组合，减少空置里程并提升网络盈利能力。

Algorhythm 称，传统的运输管理系统和经纪平台依赖于人工驱动的优化，叠加在静态规则之上，虽然在低到中等容量下有效，但随着复杂度增加，这些模型效率会逐渐降低。

尽管 Algorhythm 在截至 2025 年 9 月 30 日的季度销售额不足 200 万美元，且净亏损近 200 万美元，但其股价在公告发布后一度飙升 82%，最终收涨 30% 至 1.08 美元，在 13 日更是进一步升至 3.48 美元。

Algorhythm 认为，人工智能赋能的运营杠杆将成为下一代物流网络的关键特征。

2 月 13 日，罗宾逊全球物流也在年报中指出，竞争对手正在利用先进的数字平台、人工智能驱动的货运匹配和自动化来提高效率和降低成本。如果公司不能保持自动化和人工智能采用的速度、规模或质量，将可能无法实现运营效率和数字化转型的战略目标。

软件行业的 " 预制菜时代 " 来了？

SemiCab 平台的确可能解决货运行业痛点，并可能让传统的运输管理系统成为明日黄花。不过，货运市场的空里程问题由来已久，为何可能颠覆货运行业的平台借助 AI 的基座才诞生？

为更深入探讨这一问题，《每日经济新闻》记者采访了多名人工智能领域专家。

问题 1：

SemiCab 平台基于 AI 运行。AI 能够在软件开发、功能实现的哪个环节发挥作用？与传统软件开发有何不同？

科技投资人、未可知人工智能研究院院长杜雨：

传统开发是 " 人从 0 把整栋楼盖起来 "；基于 AI 的软件开发方式更像 " 先有标准化楼体与管线，AI 和人主要做定制装修与快速改造 "，并且 AI 还能通过工具直接 " 查结构、找接口、调接口 "，减少来回翻文档、对字段、写胶水代码的时间，可以说是软件行业的 " 预制菜时代 " 来了。

问题 2：

为何这一工具并未诞生在传统的软件开发 " 大厂 "？是传统软件开发能力不足以支撑类似平台开发，还是 AI 的基座为类似工具带来了传统开发逻辑不具备的优势？

工信部信息通信经济专家委员会委员盘和林：

提高返程空载利用率的确可以大大提升物流效率，但做此类尝试的企业也不在少数，之所以到现在依然没有解决货运空里程问题，是因为货运信息本身比较分散，需要货运的用户在不同平台发布信息，需要货运的零担货物有时候需要拼凑才能满足一趟运输的需求。

所以，将分散货运订单加以整合，是该领域的难题。对此，我认为 SemiCab 作为聚合平台，的确能够解决部分空载，但依然并非决定性的解决方案，没有那么高的提升潜力。但通过 AI 聚合信息的确是一条不错的思路。

问题 3：

为什么货运空里程问题存在多年，却直到今天才可能被 AI 覆盖的平台真正解决？

国金证券常务副所长、科技牵头人、国金计算机首席刘高畅：

空里程并不是一个 " 是否有人想到 " 的问题，而是一个是否具备系统性解决能力的问题。传统软件开发范式难以承载这一问题的复杂度。

在传统模式下，货运平台更多依赖规则引擎、人工经验和局部优化，涉及   需求高度碎片化（时间、路线、车型、货主信用等维度）；状态持续变化（临时改单、取消、价格波动）和决策链条长、例外情况多等因素。这类系统并非 " 逻辑不清晰 "，而是 " 状态空间过大 "，导致规则越写越复杂、边际收益迅速递减，最终只能通过 " 堆人 " 解决。

以 SemiCab 为代表的新一代 AI 平台不仅是创意的胜利，更是 " 开发范式 " 的根本变革。

它一方面意味着从 " 规则驱动 " 到 " 概率与预测驱动 " 的变化：

传统的货运软件是基于硬性规则（If-Then）开发的。面对海量、动态且破碎的货运订单与路线，传统算法很难在极短时间内完成最优的全局动态匹配。AI 基座赋予了平台处理高维数据的能力。

另一方面，软件开发面临 " 降本增效 " 临界点： 过去开发这类极端复杂的匹配系统，研发成本和运维难度极高。AI 基座提供了泛化能力， AI 让软件具备了 " 理解 " 业务流的能力。不再需要为每一种特殊情况编写冗余代码。

刘高畅认为，传统软件开发能力可以支撑 " 工具 "，但只有 AI 基座能支撑 " 大脑 "。AI 带来的优势在于它打破了传统开发逻辑中 " 人力扩充与产出成正比 " 的线性限制，实现了生产率的指数级跃迁。

问题 4：

从这款软件的发布看，软件开发的逻辑是否发生了变革，AI 对软件开发行业有什么影响？

杜雨：

逻辑确实在发生改变，从 " 写代码交付功能 "，逐步变成 " 用标准底座 + AI 把交付单位变成‘流程’ "。过去软件公司像 " 手工作坊 "，一单一做；现在更像 " 预制菜中央厨房 + AI 厨师 " ——底料（通用能力）工厂化，AI 负责把菜（业务流程）快速配出来，厨师（开发者）负责把火候、口味、摆盘（业务正确性、性能、安全、可维护性）做好。

所以 " 标准底座 + AI 加速定制 " 的路线，在国内会非常有市场，但竞争也会非常残酷：谁能把行业 Know-how（如何做）沉淀为可复制的模块、数据、流程模板，谁就能跑出来。单纯 " 会写代码 " 会越来越不值钱，而 " 懂行业 + 能落地 + 能持续迭代 " 才值钱。

AI 能颠覆什么，不能取代什么

问题 5：

如果软件开发变得门槛更低，新开发出的软件是否很容易被复刻？依托软件开发盈利的模式是否将被颠覆？如果软件开发能力不再是商业模式壁垒，不同公司如何维持自身的不可替代性？

这样会更容易复刻 " 表层功能 "，但更难复刻 " 有效的系统 "。

AI 把 " 写出来 " 变便宜，把 " 跑得稳、跑得久、跑得赢 " 变得更稀缺。软件功能可以复刻，系统能力与组织能力不容易复刻。依托 " 软件开发 " 盈利会被挤压，但不是全灭，而是分化：纯外包、按人天计费、堆人头的模式下，利润会继续被 AI 压缩。

当软件越来越像 " 可复制的商品 "，客户选择更看重 " 出了事谁负责、能不能长期陪跑 "。这恰恰是 AI 替代不了的商业关系与责任体系。AI 降低的是 " 把软件做出来 " 的门槛；抬高的是 " 把软件做成生意、做成体系、做成标准 " 的门槛。预计中国市场会把这一点放大。

问题 6：

哪类行业可能被 AI 颠覆（完全被替代或必须发生生产方式变革才能存活），哪类行业不会被颠覆？

盘和林：

可能被 AI 颠覆的行业，一个是信息对接领域，无论是搜索，购物，货运，本质上都是信息对接；另一个是内容创作领域，比如视频，图像，文字，代码。

刘高畅：

我更愿意用 " 是否必须重构生产方式 " 来划分，而不是 " 会不会被替代 " 来加以区分，由此可以分为：

最容易被 AI 颠覆的行业：

第一、密集型重复操作：像前文中提到的传统物流运营模式下，年处理 500 车次的操作员岗位。

第二，信息密度高，但行动成本低，AI 一旦作出决策，就可以直接执行，例如互联网服务、金融中后台。

第三，工作流程高度标准化，结果容易量化、反馈，比如软件开发。

不太会被 AI 颠覆的行业：

一类是高度依赖现实世界复杂交互、且执行成本高的行业，例如线下服务、复杂制造、医疗中的部分场景，AI 更多是 " 增强工具 " 而非替代者。举例来说，虽然 AI 可以调度卡车，但路边修车的技工、处理复杂现场事故的交警，其物理灵巧性和现场随机应变能力短期内难以被机器人完全覆盖。

一类是涉及权限和责任判定的，强监管、低容错：法律判定、高级医疗决策、重大投资的主观决策。AI 可以提供数据参考，但在法律和伦理上，人类需要保留 " 按下按钮 " 的最终责任权。

总体来看，AI 并不是 " 消灭行业 "，而是强制要求某些行业升级生产方式。那些不重构的企业会被淘汰，但行业本身往往会以新的形态继续存在。

问题 7：

从这一角度看，如果说蒸汽机是让人类社会在能源使用、生产效率、生产方式等方面获得进化，AI 让人类在哪些方面的触角变得更灵敏，哪些领域获得了进化？

当前，AI 主要应用领域是提高信息获取的效率。比如 AI 购物，实际上是用 AI 提高交易撮合的效率，让供需更快对接。而 AI 货运的效果也是一样。AI 时代，信息获取效率比互联网时代更快，社会效率更高。如果说互联网时代人类的问题是信息过载，那么在 AI 时代，人类通过 AI 实现了信息供需的精准对接。

蒸汽机让人类摆脱了体力的束缚，而 AI 让人类社会在三个层面发生进化：

第一，感知维度的进化。

AI 能同时处理远超人类极限的多源信息输入（比如货运市场涉及的订单、价格、路线、实时状态），使组织第一次具备 " 全局感知 " 的能力。

第二，生产范式的进化。

知识的调用成本大幅降低，人类进化的方向不再是记忆知识和学习技能，而是定义问题。

第三，组织形态的进化。

像 SemiCab 这类系统的本质，是把 " 行业经验 " 从人身上抽离，沉淀为可复制的软件能力，使人均管理半径和组织杠杆被系统性放大。

从这个意义上看，AI 带来的不是单点效率提升，而是哪些复杂问题值得被软件化，人类将更多聚焦在目标设定和价值判断，而大量中间层将被 AI 重构。

每日经济新闻