OneRail, son mil kararları için OmniSTAR'ı tanıttı
Platform, 10 kat daha hızlı optimizasyon iddia ediyor ve erken kurumsal dağıtımları ile 2026'nın 4. çeyreği için 6 milyar doların üzerinde bir GMV hedefi belirtiyor.
OneRail, Nvidia'nın cuOpt ve cuDF teknolojileri üzerine inşa edilmiş, GPU hızlandırmalı son mil teslimat optimizasyon platformu OmniSTAR'ı başlattı. Şirket, hız artışının yönlendirme ve teslimat modu seçimlerini toplu planlamadan canlı, sipariş bazında yürütmeye geçirecek kadar yeterli olduğunu söylüyor.
OmniSTAR, Son Mil Teslimatı için GPU Hızlandırmalı 'Karar Katmanı' Olarak Debüt Ediyor
OneRail'in OmniSTAR'ı, maliyetlerin ve hizmet hatalarının yoğunlaştığı yerel bir merkezden müşteriye son aşama olan son mil yerine oturan bir karar sistemi olarak konumlandırılıyor. Ürünün temel görevi sadece bir rota haritalamak değil. Her siparişin birden fazla yerine getirme modunda nasıl yürütüleceğini seçmektir.
Mekanik olarak, OmniSTAR, sahip olunan filolar, kuryeler, paket taşıyıcıları ve diğer teslimat modları gibi seçenekleri değerlendirir ve ardından gerekli hizmet seviyesini karşılayan en düşük maliyetli seçeneği seçer, dedi OneRail. Bu 'hizmet seviyesi' kısıtlaması, bunu saf bir maliyet minimize edici olmaktan çıkararak bir optimizasyon problemi haline getiriyor, çünkü en ucuz mod genellikle vaat edilen zaman dilimini kaçıran moddur.
Arka planda, OmniSTAR, Nvidia'nın cuOpt karar optimizasyon motorunu ve cuDF veri işleme yazılımını OneRail'in teslimat fiyatlandırma ve performans verileri ile birleştiriyor. Yönlendirme ve teslimat modu hesaplamaları, OneRail'a göre Nvidia hızlandırılmış hesaplama altyapısında çalışıyor.
Şirket, yapıyı bir logo düzeyindeki ortaklıktan daha derin bir entegrasyon olarak çerçevelendirerek, doğrudan Nvidia'nın cuOpt mühendislik ekibiyle etkileşimde bulunduğunu ve Nvidia Inception programına katıldığını belirtti. Proje, CNBC'nin bildirdiğine göre, lansmandan önce Nvidia ile üç yıl süren bir çalışma gerektirdi.
OneRail ayrıca ürünü, tahmin ve optimizasyonu karıştıran daha geniş bir yığın ile ilişkilendirdi. Makine öğrenimi modellerinin hizmet süresini, gecikme riskini, ilk denemede teslimat başarısı olasılığını ve beklenen fiyat aralıklarını tahmin ettiğini ve bu tahminlerin bir siparişin nasıl yürütüleceğine karar veren optimizasyon sistemlerine girdi sağladığını söyledi.
Toplu Planlamadan Canlı Optimizasyona: 10 Kat Hız İddiası ve Marj Çerçevesi
Burada çalışan iddia gecikmedir. OneRail, OmniSTAR'ın hesaplama sürelerini 10 kat kadar azaltabileceğini, örneklerin 20 dakikada tamamlanan bir hesaplamanın iki dakikadan kısa sürede tamamlanması ve bir haftada süren bir hesaplamanın yaklaşık iki güne düşürülmesi gibi olduğunu söyledi. Şirketin argümanı, bunun optimizasyonun bir planlama egzersizi olarak ve optimizasyonun bir operasyonel kontrol döngüsü olarak arasındaki fark olduğunu belirtiyor.
Pratikte, toplu planlama genellikle kararları erken kilitler çünkü koşullar değiştikçe yeniden hesaplama yapmak çok yavaş. OneRail, OmniSTAR'ın bir sipariş atanmadan önce birden fazla yerine getirme seçeneğinin karşılaştırılabileceği 'canlı teslimat operasyonları içinde' çalışacak kadar hızlı olduğunu belirtti.
Bu, bir gün için bir plan üretmek yerine sistemin araç yönlendirme problemini (VRP) sürekli olarak yeniden çözmesi gereken farklı bir kullanım modelidir; bu, zaman dilimleri, kapasite ve maliyetler gibi kısıtlar altında verimli rotalar arayan bir optimizasyon problemi sınıfıdır.
Nvidia'nın cuOpt tanımı önemlidir çünkü ticaret dengesini tanımlar. Nvidia, cuOpt'ı araç yönlendirme ve diğer matematiksel optimizasyon problemleri için açık kaynaklı, GPU hızlandırmalı bir optimizasyon kütüphanesi olarak tanımlıyor ve her olası rotayı kapsamlı bir şekilde test etmek yerine sezgisel yöntemler kullandığını söylüyor.
Çözücü, aday çözümler üretir ve belirli bir hesaplama süresi içinde yüksek kaliteli sonuçlar elde etmek için bunları iteratif olarak geliştirir, dedi Nvidia.
Zaman sınırlı yaklaşım, genellikle "yeterince iyi, şimdi" sorusunun sorulduğu son mil operasyonlarına uyuyor, "mükemmel, sonra" değil. OneRail CEO'su Bill Catania, CNBC röportajında işin sonucunu doğrudan şöyle ifade etti: "Eğer yıldırım hızıyla karar verme yeteneğiniz yoksa, marjdan feragat ediyorsunuz," ve ekledi, "Son mil yerine getirme maliyetlidir."
OneRail, OmniSTAR'ın seçilmiş kurumsal müşterilerle zaten devrede olduğunu ve örnek olarak US Foods'u gösterdi. Bu dağıtımda, OneRail, sistemin marjları azaltan teslimat yapılandırmalarını işaretlediğini, bunlar arasında yüksek maliyetli ekipman kullanarak uzun mesafelerde taşınan düşük marjlı ürünlerin bulunduğunu ve US Foods'un bu bulgulara dayanarak fiyatlandırmayı ayarladığını ve bazı teslimat desenlerini yeniden yapılandırdığını belirtti.
Daha büyük ROI rakamlarını yalnızca paket üzerinden desteklemek daha zordur. OneRail, CNBC'ye ismi açıklanmayan büyük bir lastik dağıtımcısının platformu kullanarak üç yıl içinde 40 milyon dolar tasarruf sağladığını söyledi. Müşteri kimliği belirtilmedi ve rakamla birlikte herhangi bir metodoloji veya üçüncü taraf doğrulaması sağlanmadı.
OneRail ayrıca CNBC'ye, OmniSTAR'ın 2026'nın 4. çeyreğinde 6 milyar doları aşmasını beklediğini bildirdi. Bu, ileriye dönük bir hedef ve arkasındaki varsayımlar sağlanan materyalde açıklanmadı.
OneRail için İzlenmesi Gereken Sinyaller: Nvidia destekli son mil lansmanları
İlk doğrulama noktası müşteri isimlendirmesi ve vaka çalışması kalitesidir. US Foods somut bir dağıtım referansıdır, ancak paketteki en büyük tasarruf iddiası ismi açıklanmayan bir lastik dağıtımcısına bağlıdır. OneRail bağımsız olarak doğrulanabilir vaka çalışmaları yayınlamaya başlarsa, "10 katına kadar" hesaplama süresi iddiası ve 40 milyon dolarlık koşu süresi tasarruf rakamı, satış anlatısının ötesine geçer.
İkincisi, hızı karar kalitesinden ayıran kıyaslamadır. cuOpt'un tasarımı, garantili optimalite değil, sabit bir hesaplama bütçesi içinde yüksek kaliteli çözümler sunmaktır.
Operasyonel olarak önemli olan, OmniSTAR'ın daha düşük gecikmesinin ölçeklendirilirken hizmet kısıtlarını karşılayıp karşılamadığı ve trafik, yol tıkanıklıkları, sürücü yoklukları veya yeni yüksek öncelikli siparişler gibi yeniden optimizasyon olayları altında daha iyi maliyet sonuçları üretip üretmediğidir; bunlar Nvidia'nın dinamik yeniden optimizasyon için tetikleyiciler olarak listelediği unsurlardır.
Üçüncüsü, OneRail'in hacim hedefini kanıtlayıp kanıtlayamayacağıdır. Şirketin 2026'nın 4. çeyreğinde 6 milyar doları aşma beklentisi temiz bir kilometre taşıdır, ancak bunun bir benimseme sinyali olarak işlem görebilmesi için ara açıklamalara veya üçüncü taraf raporlu hacme ihtiyacı vardır.
Dördüncüsü, ulaşılabilir teslimat ağını artıran dağıtım genişlemesidir. Mart 2026'da FedEx, OneRail ile işbirliği içinde FedEx SameDay Local'ı başlatarak müşterileri 1,000'den fazla teslimat sağlayıcısından oluşan ulusal bir ağa bağladı. Bu tür daha fazla ortaklık, OmniSTAR'ın belirli bir sipariş için gerçekçi bir şekilde karşılaştırabileceği yerine getirme modları setini genişletecektir.
Benim Görüşüm: Bu Bir Kurumsal AI Benimseme Sinyali, Henüz Bir Kripto Katalizörü Değil
OmniSTAR'ın önemli olup olmadığını belirleyen mekanizma "lojistikte AI" değildir. GPU hızlandırmalı optimizasyonun gerçekten periyodik planlama çalışmalarıyla canlı sipariş ataması arasında geçiş yapıp yapmadığıdır, çünkü bu noktada mod seçimi, bir raporlama aracından marj kaldırağına dönüşür.
Eğer 20 dakikadan iki dakikaya örneği üretimde geçerliyse, OneRail'in her sipariş için filoları, kuryeleri ve paket seçeneklerini karşılaştırabileceğiniz iddiası operasyonel olarak mantıklı görünmeye başlar.
Sorun, paketin en büyük rakamlarının şirket tarafından sağlanması ve hafif bir şekilde tanımlanmasıdır. Önemli olan eşik, hız artışının ve tasarrufların kurumsal ölçekte sürdüğünü bağımsız olarak doğrulanabilir kanıtlardır, ayrıca 2026'nın dördüncü çeyreği hedefi doğrultusunda güvenilir GMV ilerlemesi, çünkü bu, durumu bir satıcı hikayesinden kalıcı bir benimseme sinyaline dönüştürecektir.
