讓 AI 進倉庫、改包裝、排路線，momo 用智慧物流迎戰電商新時代
「現在電商真的遇到很強大的對手，」momo 富邦媒體科技首席資料科學家謝百恩近日在科技報橘主辦的「2026 AI Innovation Day」論壇，以「AI 驅動智慧物流：打造永續與高效的電商未來」為講題，分析在日益激烈的電商競爭與物流挑戰背景下，momo 如何借力 AI 提升物流、倉儲、品管、ESG 的效率與服務品質。
謝百恩說明，物流可以進一步拆解為進貨、分配、包裝、配送四步驟，並分別導入商品多模態檢測、倉儲商品智慧配置、智能化包裝與配送熱點分析技術，讓物流更高效永續。
AI 多模態檢測：讓商品分類與違規偵測更精準
在進貨階段，傳統品管依賴人工抽驗，效率低且難以應對上架商品龐大的數量，因此 momo 決定導入自己開發的商品分類模型，運用 AI 影像辨識和語意理解，實現自動化分類與違規偵測，在第一階段便達到約 90% 準確率。
「大語言模型的 Token 數是有限的，我們不可能把六千多個分類當作提示詞，問大語言模型哪一個分類最適合，」謝百恩強調，因此 momo 讓模型從前十個候選分類中進行再判斷，也可以讓模型做全商品掃描，進一步抓出哪些商品可能分類錯誤，最後再讓品管人員只需針對少數商品複查，準確率可以提升 5% 到 7%。
在違規偵測方面，momo 將「禁止與限制商品政策」內容導入大語言模型，讓 AI 直接比對政策條文與商品描述。此外，針對《菸害防制法》規範，momo 更透過結合文字與影像的菸品偵測模型，掃描商品圖文中的細節，連商品圖中角落的菸蒂或電子菸造型產品都能被偵測出來，「截至 2024 年底，我們已經透過這個模型查出 24 件異常產品，讓公司避免被罰款，」謝百恩說。
用 AI 辨別商品最適合的包裝樣態
在分配階段，momo 以 AI 模型取代人工經驗，以模型分析各區銷售熱度，並自動規劃主倉與衛星倉的商品配置。謝百恩分析，主倉的容量較大，負責維持庫存水位與品項齊全度；衛星倉則根據區域需求配置熱銷商品與搭配品，以縮短運送距離，「在導入倉儲商品智慧配置後，我們併件率提升 8%、跨區出貨下降 10%。」
「智能化包裝就是會用 AI 歸納商品特性，讓包裝更高效，」謝百恩指出，在包裝方面，過去人工撰寫的包裝指南無法即時更新，因此 momo 導入大語言模型分析倉庫自己的商品資料、包裝圖片與歷史紀錄，自動生成商品包裝指南，提供現場作業人員與新人訓練參考。
另一方面，momo 以 AI 讓判斷從「分類」層級精準到「商品」層級，更精準檢視單一商品是否適合使用環保袋，並在導入三個月後達到環保袋使用率提升 10% 的成效。
「因為電商商品更新速度很快，因此會造成有些紙箱沒有辦法很好地包裝商品，所以我們每年都會重新設計紙箱，」同樣是包裝，謝百恩指出，過去紙箱更新往往仰賴人工經驗，因此缺乏效率，也無法兼顧所有狀況。對此，momo 自行開發圖譜演算法分析低裝載率區間，進一步設計更貼合商品的紙箱，減少空間浪費。
除了提高紙箱裝載率外，包裝人員該選用什麼樣的紙箱，也是現場作業非常重要的一環。因此 momo 建立「包裝材建議系統」，可以根據訂單商品尺寸與特性進行 3D 模擬，直接提供現場人員最合適的紙箱建議，大幅降低人員反覆試包的時間成本。
配送熱點分析：讓 AI 決定最佳路徑
最後，在配送貨物階段，momo 以大數據分析取代傳統郵遞區劃分方式，結合訂單熱點與地點特性，重新規劃配送區域，並依熱點變化動態調整司機責任區，進一步平衡工作量、提升整體運能。謝百恩強調，配送熱點分析除了可供現場調度外，也能提供管理單位決策依據，協助調整配送策略與衛星倉位置，進一步提升配送效率。
未來，momo 將持續深化 AI 應用，推動物流的智慧化與永續化，例如讓 AI 預測商品需求、根據歷史銷售與季節變化提前發出採購建議，進一步提供更準確的新商品冷啟動預測，或是借力 AI 分析退貨率與原因，預測高風險商品並優化商品描述內容。同時，momo 更計畫推行綠色包材推薦系統與配送路線、倉儲布局優化，讓包裝更輕、路徑更短、運能更高，全面落實 AI 減碳實戰，期待以 AI 為核心驅動物流革新，進一步整合營運效率、顧客體驗與永續減碳三重目標。