OneRail OmniSTAR را با cuOpt و cuDF برای تصمیمگیری زنده…
این پلتفرم ادعا میکند که بهینهسازی تا ۱۰ برابر سریعتر انجام میشود و به استقرارهای اولیه در شرکتها اشاره میکند و هدف GMV برای سهماهه چهارم ۲۰۲۶ را بالای ۶ میلیارد دلار ذکر میکند.
وانریل OmniSTAR را راهاندازی کرده است، یک پلتفرم بهینهسازی تحویل آخرین مایل با شتابدهی GPU که بر اساس cuOpt و cuDF انویدیا ساخته شده است. این شرکت میگوید که سرعت افزایش یافته به اندازهای است که انتخاب مسیر و حالت تحویل را از برنامهریزی دستهای به اجرای زنده، سفارش به سفارش، منتقل میکند.
OmniSTAR به عنوان یک "لایه تصمیمگیری" شتابدهی شده با GPU برای تحویل آخرین مایل معرفی میشود.
OmniSTAR وانریل به عنوان یک سیستم تصمیمگیری که در داخل تأمین آخرین مایل قرار دارد، موقعیتیابی شده است، آخرین مرحله از یک مرکز محلی به مشتری که در آن هزینهها و شکستهای خدمات تمایل به تمرکز دارند. کار اصلی این محصول فقط نقشهبرداری از یک مسیر نیست. بلکه انتخاب این است که هر سفارش چگونه باید در میان چندین حالت تأمین اجرا شود.
از نظر مکانیکی، OmniSTAR گزینههایی از جمله ناوگانهای متعلق به خود، پیکها، حملکنندگان بسته و سایر حالتهای تحویل را ارزیابی میکند، سپس کمهزینهترین گزینهای را که هنوز سطح خدمات مورد نیاز را برآورده میکند، انتخاب میکند، وانریل گفت. این قید "سطح خدمات" است که این را به یک مشکل بهینهسازی تبدیل میکند نه صرفاً یک کاهشدهنده هزینه خالص، زیرا ارزانترین حالت اغلب همان حالتی است که پنجره وعده داده شده را از دست میدهد.
در زیر کاپوت، OmniSTAR موتور بهینهسازی تصمیمگیری cuOpt انویدیا و نرمافزار پردازش داده cuDF را با دادههای قیمتگذاری و عملکرد تحویل وانریل ترکیب میکند. محاسبات مسیر و حالت تحویل بر روی زیرساخت محاسبات شتابدهی شده انویدیا اجرا میشود، طبق گفته وانریل. این شرکت ساخت را به عنوان یک ادغام عمیقتر از یک شراکت در سطح لوگو توصیف کرد و گفت که به طور مستقیم با تیم مهندسی cuOpt انویدیا درگیر شده و در برنامه Inception انویدیا شرکت کرده است. این پروژه سه سال کار با انویدیا قبل از راهاندازی به طول انجامید، CNBC گزارش داد.
وانریل همچنین محصول را به یک استک وسیعتر که پیشبینی و بهینهسازی را ترکیب میکند، مرتبط کرد. این شرکت گفت که مدلهای یادگیری ماشین آن زمان خدمات، ریسک تأخیر، احتمال موفقیت تحویل در تلاش اول و دامنههای قیمتی مورد انتظار را تخمین میزنند و این پیشبینیها به سیستمهای بهینهسازی که تصمیم میگیرند یک سفارش چگونه باید اجرا شود، تغذیه میشوند.
از برنامهریزی دستهای تا بهینهسازی زنده: ادعای سرعت 10 برابری و چارچوب حاشیه
ادعایی که در اینجا کار میکند، تأخیر است. وانریل گفت که OmniSTAR میتواند زمانهای محاسباتی را تا 10 برابر کاهش دهد، با مثالهایی از جمله محاسبهای که قبلاً 20 دقیقه طول میکشید و اکنون در کمتر از دو دقیقه انجام میشود و محاسبهای که یک هفته طول میکشید به حدود دو روز کاهش یافته است. استدلال این شرکت این است که این تفاوت بین بهینهسازی به عنوان یک تمرین برنامهریزی و بهینهسازی به عنوان یک حلقه کنترل عملیاتی است.
در عمل، برنامهریزی دستهای تمایل دارد که تصمیمات را زود قفل کند زیرا محاسبات مجدد به اندازه کافی سریع نیست که به طور مکرر با تغییر شرایط انجام شود. OmniSTAR به عنوان سریعترین حالت برای اجرا "در عملیات تحویل زنده" معرفی شده است، جایی که گزینههای تأمین مختلف میتوانند قبل از اختصاص یک سفارش مقایسه شوند، وانریل گفت.
این یک الگوی استفاده متفاوت است: به جای تولید یک برنامه برای روز، سیستم به طور مداوم مشکل مسیریابی وسیله نقلیه (VRP) را حل میکند، یک کلاس از مشکلات بهینهسازی که به دنبال مسیرهای کارآمد تحت قیدهایی مانند پنجرههای زمانی، ظرفیت و هزینهها است.
توصیف خود انویدیا از cuOpt مهم است زیرا تعادل را تعریف میکند. انویدیا cuOpt را به عنوان یک کتابخانه بهینهسازی شتابدهی شده با GPU و متنباز برای مسیریابی وسیله نقلیه و سایر مشکلات بهینهسازی ریاضی توصیف میکند و میگوید که از هورستیکها به جای آزمایش کامل هر مسیر ممکن استفاده میکند. حلکننده راهحلهای کاندیدا را تولید کرده و به طور تدریجی آنها را بهبود میبخشد تا نتایج با کیفیت بالا را در یک زمان محاسباتی تعیین شده تولید کند، انویدیا گفت.
این رویکرد زمانبندی شده برای عملیات آخرین مایل مناسب است، جایی که سؤال معمولاً "کافی خوب، حالا" است، نه "کامل، بعداً." بیل کاتانیا، مدیرعامل OneRail، پیامدهای تجاری را بهطور مستقیم در یک مصاحبه با CNBC بیان کرد: "اگر شما توانایی اتخاذ تصمیمات فوقالعاده سریع را ندارید، در حال از دست دادن حاشیه هستید،" و افزود: "تأمین آخرین مایل هزینهبر است."
OneRail اعلام کرد که OmniSTAR در حال حاضر با مشتریان منتخب شرکتی مستقر شده و از US Foods به عنوان یک مثال یاد کرد. در آن استقرار، OneRail گفت که سیستم پیکربندیهای تحویل را که حاشیهها را کاهش میدادند، شناسایی کرد، از جمله محصولات با حاشیه پایین که مسافتهای طولانی با تجهیزات پرهزینه حمل میشدند، و US Foods قیمتگذاری را تنظیم کرده و برخی الگوهای تحویل را بر اساس این یافتهها بازسازی کرد.
اعداد ROI بزرگتر از آن است که تنها از بسته بهراحتی تأیید شوند. OneRail به CNBC گفت که یک توزیعکننده بزرگ تایر که نامش ذکر نشده، در طول سه سال با استفاده از این پلتفرم 40 میلیون دلار صرفهجویی در نرخ اجرایی بهدست آورده است. مشتری شناسایی نشد و هیچ روششناسی یا تأیید شخص ثالثی همراه با این رقم ارائه نشد.
OneRail همچنین به CNBC گفت که انتظار دارد OmniSTAR در طول Q4 2026 از 6 میلیارد دلار در حجم کالاهای ناخالص (GMV) فراتر رود. این یک هدف پیشرو است و فرضیات پشت آن در مواد ارائه شده فاش نشد.
سیگنالهایی برای تماشای راهاندازیهای OneRail که از Nvidia قدرت میگیرد آخرین مایل
نقطه تأیید اول نامگذاری مشتری و کیفیت مطالعه موردی است. US Foods یک مرجع استقرار مشخص است، اما بزرگترین ادعای صرفهجویی در بسته به یک توزیعکننده تایر نامشخص مربوط میشود. اگر OneRail شروع به انتشار مطالعات موردی قابل تأیید بهطور مستقل کند، ادعای "تا 10 برابر" زمان محاسبه و رقم صرفهجویی 40 میلیون دلاری بیشتر از یک روایت فروش میشود.
دومین مورد، ارزیابی است که سرعت را از کیفیت تصمیمگیری جدا میکند. طراحی cuOpt بهگونهای است که راهحلهای با کیفیت بالا را در یک بودجه محاسباتی ثابت ارائه دهد، نه تضمین بهینه بودن.
آنچه از نظر عملیاتی اهمیت دارد این است که آیا تأخیر کمتر OmniSTAR در مقیاس حفظ میشود در حالی که هنوز محدودیتهای خدمات را برآورده کرده و نتایج هزینه بهتری را تحت رویدادهای بهینهسازی مجدد مانند ترافیک، مسدود شدن جادهها، غیبت رانندهها یا سفارشات جدید با اولویت بالا تولید میکند، که Nvidia به عنوان محرکهای بهینهسازی مجدد پویا ذکر کرده است.
سومین مورد این است که آیا OneRail میتواند آرزوی حجم خود را تأیید کند. انتظار اعلام شده شرکت برای فراتر رفتن از 6 میلیارد دلار در GMV در Q4 2026 یک نقطه عطف واضح است، اما نیاز به افشای موقت یا حجم گزارش شده از طرف شخص ثالث دارد تا به عنوان یک سیگنال پذیرش قابل معامله باشد نه یک پیشبینی.
چهارمین مورد، گسترش توزیع است که شبکه تحویل قابل دسترسی را افزایش میدهد. در مارس 2026، FedEx، FedEx SameDay Local را در همکاری با OneRail راهاندازی کرد و مشتریان را به یک شبکه ملی از بیش از 1,000 ارائهدهنده تحویل متصل کرد. مشارکتهای بیشتری از این نوع، مجموعهای از حالتهای تأمین را که OmniSTAR میتواند بهطور واقعی برای یک سفارش خاص مقایسه کند، گسترش میدهد.
نظر من: این یک سیگنال پذیرش هوش مصنوعی شرکتی است، نه یک کاتالیزور کریپتو—هنوز
مکانیسمی که تعیین میکند آیا OmniSTAR اهمیت دارد یا نه، «هوش مصنوعی در لجستیک» نیست. بلکه این است که آیا بهینهسازی شتابدهنده GPU واقعاً از برنامهریزیهای دورهای به تخصیص سفارش زنده منتقل میشود یا خیر، زیرا در اینجا انتخاب حالت به یک اهرم حاشیهای تبدیل میشود به جای یک ابزار گزارشدهی.
اگر مثال ۲۰ دقیقه به کمتر از دو دقیقه در تولید برقرار باشد، پیشنهاد OneRail که میتوانید ناوگانها، پیکها و گزینههای بستهبندی را برای هر سفارش مقایسه کنید، به نظر عملی میرسد.
نکته این است که بزرگترین اعداد بسته بهطور کلی توسط شرکت ارائه میشوند و بهطور مختصر مشخص شدهاند. آستانهای که اهمیت دارد، شواهد قابل تأیید مستقل است که نشان میدهد تسریع و صرفهجویی در مقیاس سازمانی ادامه دارد، بهعلاوه پیشرفت معتبر GMV به سمت هدف Q4 2026، زیرا این چیزی است که این داستان فروشنده را به یک سیگنال پذیرش پایدار تبدیل میکند.
