当Agent进入物流,软件的终点可能不再是软件

每年华为全联接大会，都值得做产业数字化的人关注。

而2026年的HC，我认为尤其值得物流行业认真看一看。

原因并不是华为又发布了多少产品，而是今年大会上的很多技术变化，正在共同指向一个新的方向：

企业数字化正在从“Software时代”走向“Agent时代”。

华为今年明确提出围绕“超节点+集群”打造AI基础设施，发布昇腾960超节点，推动CANN开源开放，并围绕Agentic AI构建新的计算架构；与此同时，生产级智能体已经开始进入金融、交通等行业的核心生产场景。

对于长期做物流数字化的人来说，这意味着我们可能需要重新思考一个问题：

物流软件下一步究竟是什么？

过去二十年，我们一直在让物流“进入系统”

回看中国物流信息化的发展路径，其实非常清晰。

订单从纸面进入OMS；车辆调度进入TMS；仓库库存进入WMS；园区运营进入智慧园区平台；公路运输进入网络货运平台；公路、铁路、水运、海运开始进入多式联运平台。

过去二十年数字化最重要的贡献，是让越来越多真实业务被系统记录下来。

业务开始在线；数据开始沉淀；管理开始透明。

但是这些系统有一个共同特点：

它们依然需要人来驱动。

人录订单，人查数据，人选择菜单，人制定方案，人处理异常。

系统提供工具，人负责思考。

因此过去的软件，本质上仍然是“人的数字工具”。

而Agent正在改变这种关系。

从“告诉我答案”，变成“帮我完成任务”

华为对Agentic AI的官方解释，是能够自主规划、调用工具并多轮执行任务。

这句话看起来技术味很重，但如果换成物流语言，其实很好理解。

传统AI更像：“帮我查一下临沂到上海怎么走。”

Agent则可能变成：“今天有50吨货需要从临沂发往上海，下午5点前全部发出，在满足时效的前提下帮我安排车辆并生成运输方案。”

前者提供答案；后者开始承担任务。

这正是Agent与传统AI之间最重要的差别。

而物流行业，恰恰天然由大量“任务”组成。

识别订单是一项任务，匹配车辆是一项任务，安排线路是一项任务，协调运输是一项任务，处理异常也是一项任务。

所以从业务特性来看，物流可能恰恰是Agent最适合深入的产业之一。

但大模型并不知道你的企业是怎么运转的

问题也随之而来。

一个通用大模型可能掌握非常丰富的知识，但它并不知道某家物流企业今天有多少订单。

不知道车辆停在哪里，不知道哪个司机即将超时，不知道哪个客户要求上午到货，也不知道企业历史上哪一条路线的实际成本最低。

因此，Agent进入企业之前，首先需要解决的不是“模型够不够大”。

而是：AI能不能真正理解这家企业。

这也是阿帕数字(Arpa)为什么在AI产品体系中，把Arpa Foundry放在底层。

Arpa Foundry要解决的，就是订单、车辆、货物、仓储、线路、客户、合同以及企业规则之间的数据关系。

数据不只是集中在一起。

它们还需要形成业务语义。

只有当AI知道“这辆车”“这张订单”“这批货”“这个客户”和“这条线路”之间是什么关系，它才能真正开始工作。

所以我们更愿意把Foundry理解为：物流与供应链AI的业务认知底座。

当Agent接上数据，调度开始发生变化

在此基础上，物流智能体才真正具备进入生产的可能。

例如Arpa Agent中的智能排线。

一家企业可能同时面对几百张订单和几十台车辆。

传统调度员需要考虑目的地、车型、载重、时间窗口、装载情况以及车辆位置，再凭经验不断组合。

智能排线Agent要解决的，就是把这些条件转化成机器可以理解的问题，根据业务目标生成任务组合。

而路径规划Agent解决的是另外一个层级：

任务确定以后，从A点到B点究竟应该怎么走？

如果道路发生变化，方案是否需要重新规划？

这两个智能体连接起来，物流调度就开始从“人看地图、人凭经验排线”，逐步变成“AI分析任务、生成方案，人负责关键决策”。

这并不是简单增加一个AI按钮。

而是在改变整个物流生产流程。

多式联运可能是Agent价值更大的场景

相比单纯公路运输，多式联运需要面对更加复杂的决策。

同样一批货，可以全程公路，也可以公铁联运、公水联运甚至铁水联运。

不同方案的价格、时效、装卸次数、运输风险完全不同。

过去，这些方案高度依赖专业人员。

加入Agent以后，多式联运平台可以进一步从“记录业务”向“辅助组织业务”演进。

这也是阿帕数字把Arpa Agent物流智能体和Arpa MTO多式联运解决方案结合的重要原因。

与此同时，ETE端到端“一单制”则从另外一个方向解决运输协同问题。

所谓“一单制”，并不是把铁路单、公路单、水运单强行变成一张单据，而是在业务层形成一张贯穿起点到终点的运输主单，再向下关联不同运输方式和运输节点。

对于货主而言，是一次委托、一单到底；

对于系统而言，则是把原本割裂的运输过程重新连接起来。

一旦这些运输数据实现连续关联，Agent能够理解的，也不再只是某一段运输，而是完整的端到端物流过程。

所以，物流软件可能会重新定义

这正是2026华为全联接大会给行业带来的一个重要启示。

华为正在通过昇腾960、“超节点+集群”、开放CANN以及Agentic AI架构，为AI提供越来越强大的基础设施。华为还明确了昇腾一年一代的演进路线，并计划在2028年、2029年分别推出970和980。

底层能力会越来越强。

对于物流软件企业来说，真正需要思考的是如何接住这种能力。

未来的软件可能不会消失。OMS、TMS、WMS仍然存在。

但它们可能逐渐从用户直接操作的“前台”，转变成Agent背后的工具和能力。

人面对的不再是一个又一个系统菜单，而是一个可以理解自己目标的智能体。

系统负责记录数据；Arpa Foundry负责理解数据；Arpa Agent负责组织任务；算法负责寻找更优解；人负责确定目标、制定规则和处理关键异常。

到了那个时候，物流软件真正完成的，也许不是一次简单的AI升级。

而是从“软件定义物流”，进一步走向：AI重新组织物流。