据 The Loadstar 报道，全球第三大货运代理公司 DSV 宣布退出 CargoWise 系统、自主研发技术平台，引发行业对 TMS（运输管理系统）建设路径的全面重审；而 AI 模型商用成本问题正迅速取代软件许可争议，成为货代企业最紧迫的运营挑战。
DSV 举动触发行业范式迁移
2026 年 6 月，DSV 公开披露其正构建自有技术平台，并终止与 WiseTech Global 旗下 CargoWise 系统的长期合作。此举最初被业内视为“巨头特权”，但 Magaya 公司前首席产品官克里斯蒂安·利莱梅茨（Kristjan Lillemets）指出，其实际影响远超单一企业决策——它彻底改变了货代企业提问的方式。
“‘能否把我视为核心竞争力的环节自己掌控？’——这已成为近期客户间最频繁的讨论。”——克里斯蒂安·利莱梅茨，Magaya 前首席产品官
利莱梅茨强调，客户已不再纠结于“是否更换整套核心软件”，而是转向更精细的权衡：哪些业务模块必须自主可控，哪些可继续依赖成熟 SaaS 供应商。他总结道：“现在 everyone is considering moving to more of a combination of ‘I buy the core pieces, but I do want the flexibility to build around it’。”
基础系统仍需稳固，“冰山尖端”由客户自建
在 AI 能力快速迭代背景下，传统“自建 vs 采购”的二元争论正加速失效。利莱梅茨明确表示，客户并未因 DSV 动作而大规模转向自研系统：“我们尚未看到任何客户考虑离开我们、转为内部开发解决方案。”
相反，需求正向“分层架构”集中：底层仍需强健的系统记录（System of Record），用于管理货物追踪、清关、财务及合规；上层则要求开放接口与低代码能力，供客户自主开发 AI 驱动的工作流、系统集成及客户体验功能。
“基础系统在底部必须坚实可靠，而客户真正构建的，只是冰山露出水面的尖端。”——克里斯蒂安·利莱梅茨
这一逻辑已在市场得到验证。继 WiseTech 于 2026 年初推出 CargoWise Value Packs 定价方案后，Magaya 自 2026 年 12 月起明显感知到询盘量上升。“我们确实收到了更多主动咨询。”利莱梅茨确认，客户当前最看重的是软件合作伙伴的可靠性与可预测性，而非单纯的价格或功能堆砌。
AI 商用成本 ROI 成最大现实障碍
利莱梅茨警示，行业下一阶段核心矛盾已从软件授权转向 AI 经济性部署。当前多数演示依赖参数量最大、算力消耗最高的前沿大语言模型（LLM），但此类方案的商业可持续性存疑。
“如果所有人都持续用前沿模型处理所有任务，那么投资回报率（ROI）问题将很快以一种非常明显且痛苦的方式显现。”——克里斯蒂安·利莱梅茨
他主张建立分级 AI 能力矩阵：识别哪些任务真正需要顶级模型（如复杂多语种报关文档解析），哪些可用轻量级、本地化或定制化小模型完成（如标准运单字段提取）。该思路已具实践基础——利莱梅茨指出：“若操作员仍在手动对照 PDF 或纸质单证录入数据，这种场景正在消失。”
但自动化仅是起点。更大价值在于 AI 赋能决策：每日自动识别风险点、推荐处置动作、标记异常事件，并整合远超人工处理能力的信息维度。“我们必须大幅提高‘你今天该做什么’这类建议的数量与精度。”
人效提升而非替代，人才断层隐忧浮现
澳大利亚货代企业 Neolink 董事肖恩·克鲁克（Sean Crook）向 The Loadstar 证实，尽管生成式 AI 备受关注，但传统自动化迄今带来的运营收益更为显著：“老实说，自动化对我们产生的影响甚至大于 AI。”
利莱梅茨进一步指出，客户反馈显示 AI 并未导致裁员，而是显著提升人效：“他们引用的数据不是‘我减少了多少人力’，而是‘我的操作员现在生产力提升了多少倍’。”
然而深层挑战随之而来：当 AI 接管大量重复性工作——这些任务恰恰是新人学习货代业务逻辑的核心训练场——行业如何培养下一代专业操作员？利莱梅茨援引物流顾问沃尔夫冈·莱姆赫尔（Wolfgang Lehmacher）的发问：“下一代人该如何学习？”这一问题的权重，已超过“自建还是采购软件”的技术选择。
来源：The Loadstar
本文编译自海外媒体报道，由 SCI.AI 编辑团队整理发布。
