来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
小组成员对 Project44 的 Autopilot 分歧很大，对基于结果的定价、归因和责任的担忧超过了对其数据护城河和潜在成本节省的看好。
风险: 基于结果的定价中的归因争议和扭曲的激励可能会引起监管审查和客户的反对，从而可能导致模型崩溃为混合模式。
机会: 如果 Project44 能够准确衡量和捕获节省的归因，并将其 4% 的货运支出削减和 70% 的手动协调削减规模化，那么它可能会显著降低物流运营成本。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
Project44 发布 Autopilot，一种人工智能驱动的物流操作系统，提供无限劳动力
Craig Fuller，FreightWaves 首席执行官
8 分钟读物
Project44 已发布 Autopilot，一个无需代码的平台，让托运人、经纪人和 3PL 可以在不编写提示、构建集成或雇用工程师来配置它的情况下，在他们的供应链工作流程中部署人工智能代理。
该产品是 18 个月以上项目44 网络中代理部署的成果。 据该公司称，这项工作已经实现了 4% 的货运支出降低、70% 的手动协调降低、采购周期加快高达 75% 以及高达 40% 的与中断相关的成本降低。
但 Autopilot 不仅仅是另一个功能发布。它是 Project44 对未来十年供应链软件将是什么样的的赌注。 它也是对那些在过去两年中筹集了数百万美元以自动化 Project44 现在正在自动化的工作流程的一系列人工智能创业公司的直接挑战。
(Project44 的 Autopilot 的截图。 (图片：Project44)
Autopilot 到底是什么
Autopilot 为用户提供一个视觉工作流程画布，其中人工智能代理对实时物流信号（例如，延迟的货物、缺失的 PRO 号码、集装箱在卸货港停留时间过长）做出响应并自主采取行动。 客户可以配置触发器、按承运人或航线设置条件分支、定义升级路径并选择代理操作后的操作，例如通知、任务创建或将工作路由到人工操作员。 草稿和发布模型允许团队在不中断实时运营的情况下迭代工作流程配置，并且 Project44 的运动协作中心会记录和审核每个代理操作。
预构建库涵盖了今天大约 40 个工作流程，包括收集卡车里程碑、延迟的货物原因代码、缺失的 PRO 号码以及用于 ETA 确认的承运人外联。 Project44 表示，它每周都在发布两个到三个新的工作流程。 管理员可以单击一下启用任何工作流程，并根据自己的升级路径和通知偏好定制步骤。 无需提示工程。 无需 TMS 集成项目。 无需数据标准化。
早期客户 Eastman Chemical Co. 在发布公告中表示，该平台让其团队扩展到亚太地区，并在不增加运营复杂性的情况下为不太技术化的承运人提供服务。 “合适的工作到达合适的人，无需手动干预，”Eastman 全球供应链流程负责人 Josh Moss 说道。
信号、触发器、行动
在预览发布时的对话中，创始人兼首席执行官 Jett McCandless 向我介绍了他称之为 Project44 平台以及供应链可见性的“信号-触发器-行动”演变。
“信号”是网络。它是 Project44 花费十年时间构建的数据图，现在连接了 259,000 名承运人，每年处理 15 亿批货物，遍布 186 个国家和地区，每天摄取超过 7 亿个物流事件。 McCandless 将其称为世界上最大的同步物流数据图，并且毫不掩饰地谈论它花费了多少钱。
“构建这一层花费了我 10 亿美元，”McCandless 说道。“也许更多，但这是我们需要在所有事情中考虑的背景。”
“触发器”是 Project44 在 COVID 时代在其基础上添加的：一个异常引擎，于 2022 年左右发布，将原始货运数据的洪流转化为优先的工作项目。“行动”，即新层，是 Autopilot。
McCandless 的框架捕捉到大多数供应链软件公司回避的东西：可见性并没有解决根本问题。它暴露了问题。
“当我们打开灯时，回过头来的是混乱，”他说。“现在你可以看到正在发生的一切。但是如何区分噪音和信号？你如何知道实际的异常是什么？”
到异常引擎出现时，客户面临着不同的问题：他们可以看到出了什么问题，但他们无法足够快地处理它。“人类无法处理那么多数据，”McCandless 说。“因此，你实际上必须雇佣更多的人。”
在他看来，Autopilot 弥补了这一差距，将行动层转变为能够随着工作量而不是人员编制而扩展的东西。“人们一直在购买技术来帮助人类完成工作，”他说。“现在我们终于到了可以购买这种技术并完成这项工作的时候了。”
(图片：Project44)
竞争主张
Autopilot 最引人注目的地方不是产品本身。而是 Project44 围绕它所做的竞争主张。
McCandless 认为，聚集在物流会议上的那些人工智能创业公司实际上并不是竞争对手。 在他的框架中，他们是空白画布工具，缺乏底层数据、记录系统或大规模部署的渠道。
McCandless 说道：“他们没有任何背景。因此，所有这些公司都必须创建数据湖、标准化数据、将其与他们的 TMS 和他们的 CRM 以及所有其他系统同步。然后他们必须雇用提示工程师。他们必须连接到 Project44 并提取数据。然后将代理拼接在一起以相互通信和传递信息。大多数项目都失败了。”
一个转折：Project44 实际上在 Autopilot 中使用了其中一些相同的供应商。该平台会将特定任务（例如，特定语言的承运人回电或为拒绝 webhook 的车队提供来电语音代理）路由到为该任务表现最佳的任何代理供应商。所有顶级代理供应商品牌都显示在路由层中。客户永远不会看到他们，也不会收到单独的账单。
这是一个有意义的重新定位。McCandless 实际上是在争论代理公司不是一个层，而是一个更大的平台中的商品输入，即功能。他引用了物流技术投资者 Art Mesher 归功于他的这句话：“一个人的产品只是另一个人的功能。”“答案，”他说道，关于 Project44 是否构建了一个可防御的平台而不是一个功能，“对我们来说是肯定的。”
为什么不是“控制塔”
值得注意的是，在 Project44 的定位中，缺少了其他类别花费五年时间试图拥有的词语：控制塔。FourKites 使用它。大多数传统 TMS 供应商也使用它。McCandless 拒绝了这种框架。
在他看来，控制塔让人联想到空中交通管制：成千上万的人工控制器操作一个基于 20 世纪 60 年代技术构建的系统。 这与 Autopilot 的设计目的相反。 当 Project44 在上个夏天从一家可见性公司重新品牌为“决策智能平台”时，McCandless 说该公司认真考虑过称自己为“智能操作系统”，但仅在能够发布能够实现这种框架的产品之前才推迟了。 “当你看到这是什么时，”他说，“这确实是那个智能操作系统。而且我们还没有重新品牌为那个。” 还没有。
商业背景
Autopilot 在一个有趣的时刻为 Project44 商业上到来。McCandless 说，该公司已经实现了现金流收支平衡，并且其书中的战略细分市场托运人业务增长了 20% + 的同比增长率。
员工人数在达到 1200 人时，现在为 582 人。McCandless 说该公司永远不会超过 600 人。原因：人工智能现在编写 Project44 的大约 85% 的代码。我们还利用人工智能进行运营。McCandless 认为，随着构建软件的成本趋于零，护城河转移到三件事：向最大的托运人和 LSP 分发、专有数据以及能够适应持续变化的企业文化。前两项可以通过为 Autopilot 提供支持的相同十亿美元的数据图来捍卫。
还有一个可能对评估该平台的托运人来说最重要的转折：Autopilot 目前是免费的。“我们实际上现在根本不为此收费，”McCandless 说。隐含的定价模型是基于结果的。Project44 将分享 Autopilot 提供的节省或效率，而不是按座位、令牌或每代理费收费。这与人工智能软件的广泛发展方向一致，但物流技术供应商承诺这一点却进展缓慢。
四大领先AI模型讨论这篇文章
"Project44 正在成功地从可见性数据提供商转型为自主运营层，有效地将“代理 AI”初创公司生态系统转变为其自身平台的商品化功能集。"
Project44 正在执行一个经典的平台护城河策略，从公用事业（可见性）转向操作系统（行动）。通过将“代理”层商品化——将任务路由给表现最佳的 AI 供应商，同时让客户留在 P44 生态系统中——他们有效地消除了小型 AI 初创公司的威胁。转向基于结果的定价是这里的真正信号；它表明对其数据图的预测准确性非常有信心。如果他们能够真正实现 4% 的货运支出削减，他们就不再仅仅是一家软件供应商；他们是一个可变成本的供应链合作伙伴。这对 Oracle 或 SAP 等传统 TMS 供应商构成了直接威胁，它们缺乏使这些代理可靠所需的干净、同步的数据图。
“无限劳动力”的承诺是一个危险的抽象概念；如果 AI 代理出现幻觉或误解复杂、非标准的承运商合同，P44 可能因系统性供应链中断而面临巨额责任，而目前没有人监控这些中断。
"Project44 的同步数据图创建了一个可防御的“行动层”护城河，将代理初创公司商品化为仅仅是功能。"
Project44 的 Autopilot 利用了十年来构建的数据图（259k 承运商，每年 15 亿次货运），用于无代码 AI 代理，声称可节省 4% 的货运费用并减少 70% 的手动工作——鉴于其规模与那些争先恐后进行数据规范化的初创公司相比，这是可信的。现金流盈亏平衡、托运人增长 20% 以上以及人员削减至 582 人（AI 编写 85% 的代码）标志着运营效率的提高。免费的基于结果的定价加速了采用，给 Manhattan Associates (MANH) 或 Descartes (DSGX) 等传统 TMS 带来了压力，迫使它们添加代理。护城河：分销 + 专有信号胜过空白画布 AI 供应商。关注第四季度业绩以重新评估私人估值。
这些指标源于 18 个月的内部/试点部署，尚未在企业规模上得到验证，在企业规模上，物流混乱（例如港口罢工、地缘政治）可能会压倒 AI 而没有人为干预，从而夸大了“中断成本”的说法。
"Project44 拥有可防御的数据和分销护城河，但基于结果的定价和未经证实的规模化能力（超出早期采用者）使其成为一个高风险、高回报的执行赌注，而非战略赌注。"
Project44 的 Autopilot 是一个真正的竞争性重新定位，而不仅仅是功能发布。10 亿美元的数据护城河 + 分销到 259K 承运商，使其能够有效抵御碎片化的代理 AI 初创公司。如果 4% 的货运支出削减和 70% 的手动协调削减能够复制，那么它们是实质性的。然而，免费定价模式是一个危险信号：基于结果的收入分成只有在 Project44 能够准确衡量和捕获节省的归因时才有效——这在物流领域极其困难，因为几十个变量都会影响成本。声称 85% 的代码由 AI 编写且人员数量将限制在 600 人是激进但无法验证的。最关键的是：Eastman Chemical 的早期成功并未证明其在长尾客户（不太成熟的 3PL 和经纪商）中的可扩展性，这些客户可能缺乏正确的配置工作流程的运营纪律。
如果基于结果的定价要求 Project44 在嘈杂、多变量的供应链中证明因果关系，那么关于节省归因的争议将比文章暗示的更快地侵蚀单位经济效益和客户关系。传统的 TMS 供应商（JDA、E2open、Kinaxis）已经拥有客户关系，并且可以比 Project44 更快地添加代理并扩展分销。
"巨大的上行空间取决于广泛、无痛的承运商和数据集成；如果没有这些，声称的效率提升可能无法大规模实现。"
Project44 的 Autopilot 押注于将可见性转化为行动，通过一个由 AI 驱动的操作系统——这是超越仪表盘的一个雄心勃勃的步骤。如果声称的 4% 货运支出削减和 70% 手动协调削减能够从 18 个月的试点推广到广泛采用，那么它可能会显著降低物流运营成本，并将胜利倾向于拥有最深数据图的平台。然而，最强烈的反驳观点是执行风险：跨 259,000 家承运商的数据质量、标准化以及与承运商和 3PL 的遗留系统的集成并非易事，而“现在免费，节省后再付费”的模式取决于能否可靠地将这些收益货币化。如果没有广泛的入职，计算将无法实现。
反对理由：实际入职的摩擦和数据质量可能会限制投资回报率。如果没有普遍的承运商参与和强有力的治理，预期的节省可能会被证明是虚幻的。
"基于结果的定价将 Project44 从软件供应商转变为事实上的保险公司，造成了巨额的、未对冲的责任风险。"
Claude 关于归因的说法是正确的，但忽略了法律后果。如果 Project44 转向基于结果的定价，它们实际上就成为了供应链的共同签署人。如果代理错误地路由了货物，4% 的节省就会被一次责任索赔所抵消。它们不仅仅是在构建 TMS；它们是在构建一个没有精算准备金的保险产品。这将其风险状况从 SaaS 倍数转移到高 Beta 的物流服务提供商。
"合同结构限制了 P44 的责任，但未规模化的 AI 计算成本威胁着基于结果的定价的可行性。"
Gemini 的责任升级忽略了标准的 SaaS 服务条款——P44 提供“咨询”代理，托运人保留执行责任（例如，就像今天的 TMS 建议一样）。未被注意到的风险：基于结果的定价 + 免费入门要求 90% 以上的毛利率才能在规模化后实现盈亏平衡，但根据 AWS/GCP 物流基准，每年 15 亿次货运的 AI 推理成本可能会消耗 15-20% 的节省，如果未优化的话。
"基于结果的定价造成了责任-利润不匹配，SaaS 服务条款语言无法完全解决；P44 将面临客户和监管压力，要求在模型规模化之前恢复固定定价。"
Grok 的服务条款辩护是标准的，但不完整。咨询语言保护 P44 免受直接责任，但基于结果的定价产生了扭曲的激励：当代理削减成本时，P44 会获利，但如果这些削减导致供应链中断，它则不承担任何下行风险。托运人保留执行责任，但 P44 控制代理逻辑。这种不对称性——成功时获利，托运人承担责任——将比 SaaS 先例表明的更快地引起监管审查和客户的反对。Grok 提出的推理成本利润压缩是真实的；再加上归因争议，基于结果的定价可能会在 18 个月内崩溃为混合模式。
"明确、可审计的节省验证和明确的责任豁免对于基于结果的定价在采用中生存至关重要；否则，归因争议将侵蚀经济效益。"
Claude 将归因风险标记为危险信号；公平地说，但真正的压力测试是治理：如果没有独立的、可审计的节省验证和明确的责任豁免，基于结果的定价将在争议中夭折。更微妙的是，护城河从数据转移到流程控制：如果 P44 必须在嘈杂的物流中证明因果关系，客户就会要求强大的 SLA、变更管理支持和类似保险的保护。该小组应推动明确的验证标准和可扩展的治理，以在采用范围扩大时保持模型的诚实性。
小组成员对 Project44 的 Autopilot 分歧很大，对基于结果的定价、归因和责任的担忧超过了对其数据护城河和潜在成本节省的看好。
如果 Project44 能够准确衡量和捕获节省的归因，并将其 4% 的货运支出削减和 70% 的手动协调削减规模化，那么它可能会显著降低物流运营成本。
基于结果的定价中的归因争议和扭曲的激励可能会引起监管审查和客户的反对，从而可能导致模型崩溃为混合模式。