Grab的AI提速3倍，然后呢？

昨晚在车内等人，中控屏亮着，我顺手刷到Grab CFO Peter Oey的采访。他说AI让Grab的产品配送速度提升了三倍，公司因此调高了全年指引。我盯着屏幕愣了几秒，—不是因为三倍这个数字，而是因为Grab这家公司，我2019年去新加坡出差时用过，那时它的配送体验跟国内美团差着至少两个时代。六年过去，它靠AI翻盘了。

说实话，东南亚的物流基础设施跟中国没法比。曼谷堵车、雅加达巷子窄、马尼拉台风季，这些是Grab的日常。我在麦肯锡做过一个东南亚电商的数字化转型项目，当时客户最大的痛点不是用户增长，是履约成本。一单配送费占客单价接近30%，而国内美团能做到15%以内。Grab之前尝试过建仓储、优化路线，效果都不理想，因为物理世界的限制太硬了。

但这次不一样。Peter Oey说的三倍提速，核心不是卡车开快了，而是AI在“选品”和“库存预布局”上做了文章。Grab把过去几年积累的供需数据喂进模型，预测某个区域在某个时段需要什么商品，然后提前把货放在离用户最近的“微仓”里。用户下单时，商品可能已经在街角了。这不是什么新鲜概念，亚马逊早就在做，但Grab的难点在于东南亚的消费行为碎片化，—有人用Grab买炸鸡，有人买手机壳，有人买感冒药，需求波动大，预测模型很难精准。Grab能做到三倍，说明它的AI模型在本地化数据上磨得够深。

我试过类似的事情。用DeepSeek跑过一组配送路线优化，把小鹏G9L采集的实时路况数据叠进去，效果确实比传统算法好。但那是实验室环境，真到产线上，光数据清洗就够喝一壶的。Grab能把这件事落地，背后一定是数据治理和模型迭代的工程化投入。从行业趋势来看，东南亚的AI应用正在从“概念验证”跨入“规模化变现”阶段，Grab这个案例就是最好的注脚。

对标海外案例，Uber Eats也在做类似的事，但Uber的全球模型更通用，Grab的本地化壁垒更高。它甚至可能比美团更早实现“AI调度下的零库存配送”，—因为起点低，反而没有历史包袱。当然，风险和机遇并存。用SWOT框架简单看一眼：优势是数据和场景，劣势是基础设施和人才密度，机会是东南亚数字化加速，威胁是Shopee Food和Gojek的追赶。但就目前看，Grab的CFO敢调高指引，说明内部对AI回报率是有信心的。

我上周写过一篇关于“不性感AI”的帖子，讲的是工厂产线优化这类务实应用。Grab这个案例其实也是，—没有炫酷的生成式AI，没有大模型秀肌肉，就是把预测模型塞进供应链，让货先人一步。这恰恰是AI最有价值的地方：它不是替代人类，是让人类少跑冤枉路。

最后留个问题吧。Grab的AI提速三倍，本质上是把“经验决策”变成了“数据决策”。国内很多传统企业也在做数字化转型，可为什么大部分都卡在“数据孤岛”和“部门墙”上？Grab的做法能复制到中国制造业吗？还是说，只有像东南亚这样被逼到绝境的市场，才会长出真正的AI落地能力？

---

本文编译自 CNBC Tech，原文：AI is helping Grab ship products 3 times faster, CFO says, as company raises forecasts
版权归原作者所有，本文为基于公开报道的编译与独立分析。