丹麥物流巨頭DSV正面臨巨大壓力，被迫加快推進一項規模空前的IT系統整合工程，以確保其龐大的全球電腦系統能夠與以AI為驅動核心的競爭對手抗衡——後者的崛起已在整個物流行業引發深遠震動。
早在AI浪潮衝擊之前，DSV就已身處重壓之中。去年，該公司以143億歐元的價格收購德國DB Schenker，一躍成為全球最大的第三方物流企業。然而，這筆交易也帶來了沉重的財務負擔——橫跨90個國家、高度複雜的貨運與IT運營體系，以及為完成收購而背負的巨額債務。
與此同時，貨運市場持續低迷。DSV正以"前所未有的速度"推進Schenker全球業務的整合，力圖簡化IT系統、削減運營成本，並為其330億歐元規模的業務實現流程自動化鋪平道路。
今年2月，AI引發的市場恐慌席捲股票投資者，物流板塊股價應聲下挫，局面愈發嚴峻。彼時，DSV正在巡迴向股東匯報2025年財務狀況，AI有望通過自動化技術顛覆這一勞動密集型行業的討論，在此時引發廣泛關注。CEO延斯·倫德（Jens Lund）在發布會上宣布，來自90個國家的8.5萬名Schenker員工正式加入DSV大家庭，公司員工規模近乎翻番。
這場恐慌的導火索，來自一家名為Algorithm Holdings（Algo）的美印合資AI物流初創公司。該公司估值1600萬美元，聲稱"守舊、勞動密集"的物流行業可以通過將現有輔助員工管理貨運和倉儲網路的電腦系統替換為智能AI系統，將勞動力及相關IT成本降低至原來的四分之一。
Algo迅速崛起，接連與多個知名品牌簽署物流合同，與可口可樂啟動試點項目，正式進軍美國市場，並宣布全球擴張計劃。它還援引一項研究，聲稱其AI系統通過自動化作業，已大幅提升客戶物流效率。
Algo的核心論斷是：AI正推動物流管理從"勞動密集、人工操作"模式向"高度自動化、智能驅動"模式轉型，而現有大型貨運企業所做的，不過是將舊有工作流程數字化，只是逐一對單個流程實施AI自動化，而非對整體業務模式進行根本性重構。
Algo的背景並非憑空而來。該公司脫胎於印度軟體開發商SemiCab，後者開發的物流AI系統曾被納入印度政府主導的國家智能貨運網路建設項目，後被美國投資者收購，並被引入美國市場，進而謀求全球擴張。
行業的反擊
市場觀察人士將股價因Algo言論而暴跌的反應稱為"過度恐慌"。然而，到了3月份，隨著股價持續下滑，DSV高管不得不公開發聲，向投資者闡明公司的IT整合計劃。他們承諾，DSV確實正在開發AI技術以推動勞動密集型業務流程的自動化，但一再強調，在5月12日的年度戰略說明會之前，不會披露更多AI規劃細節。
DSV傳達的資訊與2月份對股東所述基本一致：公司計劃在AI領域大展宏圖，但前提是必須先完成企業史上規模最大的IT整合之一，將複雜混雜的IT系統統一整合，為AI自動化建立堅實基礎。因此，公司正在加快整合進度，不僅是為了讓因併購而急劇膨脹的業務恢復良好的財務狀態，更是為了讓有實質意義的AI自動化成為可能。
這也是DSV CEO延斯·倫德面對金融分析師質詢時給出的答案。早在Algo出現之前，分析師們就已就美國公路貨運經紀商CH Robinson的案例向DSV施壓——後者動用450名軟體工程師組成的團隊，構建了一支AI"智能體艦隊"，使生產效率提升40%，裁員約一成，毛利潤提高四分之一，而DSV的生產率卻在同期走低。倫德承諾，AI自動化將是IT整合完成後的下一階段目標，屆時將為DSV節省"數十億"丹麥克朗量級的運營成本。此言一出，DSV股價即刻回升。
倫德對DSV戰略充滿信心。他在回應CH Robinson的成績時向分析師表示，衡量AI自動化成效的標準，不應只看生產率——如果所需投入巨大，反而侵蝕利潤，便得不償失。而且，大量AI智能體各自為戰，對物流帶來的也只是漸進式的邊際改善。DSV志在構建企業級規模的AI能力，這需要一個堅實的數據與IT系統基礎，而這正是該公司通過併購後全球IT系統整合所著力打造的。
倫德承諾推動根本性轉型：DSV將通過把全球運營集中納入自動化AI系統來實現降本增效，並為此組建了一支"鐵腕團隊"。
變革的阻力
"在90個國家推動這些變革、建立全球統一組織，極具挑戰性，"倫德對投資者坦言，"很多人對這類變革心存抗拒，但這是利用這項技術的唯一途徑。"
DSV已率先在跨境貨運的海關申報流程中啟動自動化改造。目前，多達5000名員工日常從事繁瑣的報關表格填寫工作。該流程將被集中統一管理、實現自動化，再以服務形式反向輸出給各部門負責邊境業務的國家團隊。
與此同時，DSV正加速推進IT整合，以便在所有勞動密集型業務領域全面落地AI自動化。據該公司2025年報告披露，整合工作包括：將各業務部門的商業軟體系統分別整合至單一應用，將所有數據匯入統一平台，向客戶提供單一服務入口，並通過統一的中間件層實現API與EDI接口的雙向對接，全部運行於整合後的統一IT基礎設施之上。
併購完成後，DSV任命了各國管理團隊負責推進當地的業務與IT整合，並按國家逐一推進，每個國家均遵循該公司在近40年內歷經約20次併購後所積累形成的整合"操作手冊"。
這份手冊涵蓋一套32階段的IT整合計劃，已成為DSV併購敘事的重要組成部分。據其2025年報告，併購與整合是公司的核心增長戰略。簡化後的統一數據、軟體應用與IT基礎設施，不僅是實現成功的必要條件，更是業務重構與AI自動化的先決基礎。而系統、嚴謹的IT整合計劃，則是使這一切成為可能的關鍵保障。
其核心原則在於：集中治理、責任清晰、分階段執行，由專職團隊負責維護業務連續性並保護客戶關係。
業務轉型諮詢公司Egremont Group副總裁馬克·戴維斯（Mark Davis）指出，在物流行業，實時運營高度依賴系統支撐，這是一場風險極高的戰略博弈。他表示，大型IT整合在各行各業都以容易出錯著稱，這種"壞名聲"不無道理。
"順利完成的整合案例，依然是例外而非常態，"戴維斯補充道。
即便管理得當的整合，也難免面臨兩難抉擇。不過，DSV於2019年完成的對瑞士空運及海運貨代公司Panalpina（收購價15億歐元）的整合堪稱典範：整個過程有條不紊，在推進任何IT平台整合之前，均優先保障運營連續性。他表示，微軟成功整合領英同樣源於類似的審慎態度——初期刻意抵制系統整合衝動，保留了一定的運營獨立性，所有決策均以業務需求為導向。
"整合失敗的案例，往往是在系統整合目標不清晰的情況下強行推進，低估了數據複雜性，並任由並行環境長期共存，"戴維斯說，"大多數失敗，歸根結底都是決策與實際業務運作脫節的結果。"
整合實績
DSV接手Panalpina時，後者正處於將全球IT系統遷移至SAP平台的過程中。DSV轉而將這家瑞士公司納入自有物流系統。如今面對Schenker，DSV沿用同一思路，但進展比預期複雜，這在其2025年報告中也有所披露。
Schenker合同物流業務的整合進度已被迫推遲五年；航空及海運部門不得不同時維持兩套業務系統並行運作；只有公路貨運部門的系統整合進展相對順利。DSV認為，統一數據層的建立，使得在推進系統統一的過程中維持並行業務系統具有可行性。
倫德在2月份坦承，整合工作已拖累利潤陷入低谷。DSV急於完成整合，一方面是為了修復因交易規模過大及Schenker原本財務狀況相對欠佳所導致的業績受損，另一方面也是為了償還收購德國這家公司所舉借的債務。
與此同時，貨運市場正經歷持續低迷。正如Stax諮詢公司近期所指出的，這種環境往往催生併購——因為部分企業在壓力下陷入困境。一位分析師在2月指出，DSV自身在Schenker交易完成前的近五年裡，成本已持續攀升，而去年這筆併購使公司規模翻了一番。
DSV預計，到年底，整合合併後業務的總投入將達15億歐元，換取每年12億歐元的永久性成本節約。DSV寄望於明年完成IT整合後隨之推進的AI自動化，來扭轉併購前已出現的稅前利潤下滑趨勢，並如倫德在2月所坦承的，重振持續下滑的生產率。
然而，迫使DSV加速推進這場全球最大規模IT整合之一的，並非只有AI競爭壓力、高負債、低利潤和疲軟的市場。DSV的2025年報告還指出，面對日益嚴峻的網路安全威脅，該公司正爭分奪秒地整合電腦系統——因為系統越複雜，漏洞就越多，而在當前局勢下，供應鏈已日益成為攻擊目標。
DSV表示，應對上述所有挑戰的答案，歸根結底只有一個：化繁為簡。
Q&A
Q1：DSV為什麼要這麼急著完成IT系統整合？
A：DSV整合的緊迫性來自多重壓力：收購DB Schenker後背負巨額債務，貨運市場持續低迷拖累利潤，同時面臨以AI驅動運營的競爭對手帶來的市場衝擊。完成整合是DSV實現企業級AI自動化的前提——只有將全球分散、複雜的IT系統統一整合，才能建立起支撐AI自動化的數據與系統基礎，進而削減數十億克朗量級的運營成本。此外，系統複雜性帶來的網路安全風險也是推動整合提速的重要原因。
Q2：DSV的AI自動化計劃具體要怎麼做？
A：DSV計劃在完成IT整合後，將AI自動化應用於各類勞動密集型業務流程。目前已率先在跨境貨運的海關申報環節啟動自動化試點，涉及約5000名員工的表格填寫工作將被集中化、自動化處理。DSV的目標不是逐一優化單個流程，而是在統一的數據平台和IT基礎設施之上，構建企業級規模的AI能力，實現整體業務模式的根本性重構，最終將運營成本壓縮數十億丹麥克朗。
Q3：Algorithm Holdings（Algo）對物流行業有什麼衝擊？
A：Algo是一家美印合資AI物流初創公司，其核心主張是：AI可以將傳統物流行業的勞動力及IT成本降低至原來的四分之一，通過智能系統全面接管貨運與倉儲管理，替代現有依賴大量人工的運營模式。該公司迅速簽下可口可樂等知名品牌的試點合同並宣布全球擴張計劃，引發市場對傳統物流企業商業模式的廣泛質疑，直接導致DSV等物流巨頭股價大幅下挫，並倒逼企業公開表態加速AI布局。
