物聯網+人工智能，正在讓物流行業發生一場效率革命觀點
2018-05-17 18:17
大數據，人工智能與物聯網的相互融合，為物流行業的效率革命提供了契機。最樂觀的預計是，未來5-8年，物流會從從勞動密集型行業，逐漸進入非勞動密集型行業。
當人工智能逐漸變成商業基礎設施，每個傳統行業都蘊藏著巨大良機。
在懷疑論者眼中，這是一句大而無當的空泛敘述，頗有為技術布道之嫌。唯有當你不斷聆聽到AI在不同領域落地的聲音，不斷眼見為實，才會知曉這句話的正確，也才會真正讀懂“未來已經來臨，只是分布不均”這句名言的意涵。
譬如在一個不起眼的領域，人工智能的介入，正在讓它發生一次蛻變——物流。
從幾年前開始，業內就已達成共識：只依靠傳統變量，無法讓這一古老的行業脫胎換骨。盡管巨頭林立，價格低廉（更多是拜車身變大所賜），但物流行業的效率依舊不高（即便最優秀的公司，1萬臺貨車背后，也需要大概2500個人去管理）——你知道，很少有其他行業像物流一樣毫無保留地選擇效率為王；而新零售和新經濟等概念的彼此交織，也讓以物流為代表的后勤，成為互聯網企業沒有硝煙的戰爭。
在某種意義上，需求的純粹，也讓問題變得簡單，改變物流行業，就是改變自動化程度。想要完成從規模數量向效率提升的質變，物流需要一次技術躍遷。幸運的是，大數據，人工智能與物聯網的相互融合，為物流行業的效率革命提供了契機。最樂觀的預計是，未來5-8年，物流會從從勞動密集型行業，逐漸進入非勞動密集型行業。
但另一方面，過強的to B角色，枯燥的行業屬性，讓物流長期遠離媒體聚光燈，無論行業本身還是行業領跑者，都顯得低調異常，我就看到有人在知乎發問：“G7到底是何方神圣”，要知道后者是掌握最多中國公路物流貨運數據的平臺，京東，天貓，美團，蘇寧，順豐，三通一達，亞馬遜，德邦，DHL和中國郵政等都是他們的客戶，目前已連接車輛超過70萬臺，換句話說，你在高速路上看到的大多數印有logo的貨車，背后都有G7的支持。
也許，透過這家成立八年，最近剛剛發布全新品牌形象的公司，你會更清晰地看到物流行業的現狀和未來。G7全新品牌形象更加自信、開放、融合。如果說以前的圓環代表品牌深耕的領域，那么隨著物聯網的廣泛使用和AI技術的蓬勃發展，這個領域的深度和廣度都在不停的變化；智能技術會帶來新的革命，G7也將打破行業邊際，擁抱和引領一場行業革命。
數據壁壘
正如杰里米·里夫金在《第三次工業革命》中所言：如今人類正置身于萬物互聯時代的前夕，無處不在的通信網絡正在與可再生能源，自動化物流和交通運輸網絡相互連接。
剖析G7的技術和商業邏輯，他們將自己做的事概述為“IA+AI”。AI自不必說，是各個行業最大的商業變量；值得一提的是IA（Intelligent Assets，智能資產），在G7創始人兼首席執行官翟學魂看來：“只有AI落實在IA上，產業才能形成閉環，最大程度地釋放價值。通過打造智能資產服務平臺，使車輛等傳統運輸資產智能化重構，讓智能車隊資產化占據行業的核心位置?！?/p>
而在具體實踐上，首先在最基礎層面，G7通過安裝在貨車上的300多個傳感器，實時收集車輛位置，速度，線路，溫度，進出區域，貨物裝卸，停留時間，油耗，司機駕駛行為等幾乎物流公路運輸全過程數據。
智能時代的常識是，在任何領域，數據都是最值得仰仗的資產。當這些運輸數據通過AI的賦能彼此流動，就會釋放巨大的應用價值，譬如G7去年就開發了三個頗為成熟的產品。
首先是安全機器人。眾所周知，在整個物流生態中“人”是最具不確定性的一環，司機也就成為最關鍵的風控對象（行駛在高速路的貨車司機，一天中閉眼超過3秒的時間超過26944次）。而G7安全機器人可以實時監控每一輛車，通過AI算法不斷檢測判斷路況是否異常，車輛是否超速，司機是否打瞌睡和玩手機，一旦發現異常，司機端就會給司機報警，后臺管理員也可通過語音指令提醒司機，根據G7后臺統計，機器人上崗后相關事故發生率下降了75%以上。
其次是調度機器人。物流業千古不破的底層邏輯就兩個：效率最大化，成本最小化。這意味著他們無比強調精準，尤其在運輸生鮮和醫藥等過程中，調度至關重要。相比于人類個體在調度規模上的瓶頸，機器人能從某種“上帝視角”，通過AI算法調度運力，高效匹配供需兩端。
然后是財務機器人。物流屬于重資產運營，成本結構復雜，人工，油耗，高速費……某個微觀上的細微偏差，就可能造成宏觀上的入不敷出。財務機器人能自動統計所有成本支出，每臺車的每次點火，熄火，過路，加油……全部數據化，每一單任務從起點到終點，盈利虧本一鍵得知。
自動駕駛將至
其實不難發現，對公路貨運數據的幾近壟斷，構成了G7最大的原始資本，以及最難攻克的行業壁壘，這也讓他們催生出更具想象空間的業務單元。
除了在現有貨車上后置傳感器，去年年底G7與合作伙伴一起，重新設計了車箱，讓昔日靜默的“鐵箱子”能夠“開口說話”，報告自己跑了多少公里，花了多少油錢，多少路錢，上了多少貨，下了多少貨，需要換輪胎了……與此同時，他們還以數據和技術為踏板，不斷往產業鏈的其他方向滲透，譬如與中國最大的物流基地運營商普洛斯成立合資公司“際鏈”，為園區入口，倉庫門，月臺，起重機乃至各種工業設備配備傳感器和軟件系統，最終實現全場景的自動化。
當然，談及自動化，沒人會懷疑，自動駕駛才是物流行業的“終局思維”：自動駕駛貨車會比乘用車更快實現規模量產。
這并不難理解，如上所述，物流行業的底層邏輯就是“效率最大化”和“成本最小化”，這讓他們對自動駕駛（哪怕只是L3級）有更迫切的需求；而從技術一端剖析，相比于大城市內部復雜的“網狀”路線，貨車在高速公路上是“線狀”行駛，道路環境單一且相對封閉，這種重復線路的學習成本更低，更易于盡早落地。翟學魂最近就直言：“未來5-8年，中國主要高速公路上跑的貨車大部分都應該是自動駕駛的卡車。”
意料之外，情理之中，G7開始進軍自動駕駛。上個月，G7與普洛斯和蔚來資本宣布，共同出資組建由G7控股的新技術公司，研發基于自動駕駛，新能源技術和物流大數據的智能重型卡車，構建AI時代的物流資產管理和服務新模式。
事實上，中國在制造貨車技術上的成熟，自動駕駛激光和雷達等核心產業的完善，以及算法壁壘的降低，讓這家新公司的未來變得頗為可期。盡管五年前，G7未曾想到會涉足當時門檻高企的自動駕駛，但五年后，基于自身積累的海量數據和行業知識，G7的入局成為一種必然。
就像G7總裁馬喆人（前騰訊副總裁，負責騰訊位置服務(LBS)、車聯網和自動駕駛業務）所言：“首先，基于G7各種各樣的數據進行分析和挖掘，能為車輛結構的設計和工況的設計提供優化的依據，從而能幫助下一代商用車輛進一步優化設計結構；其次，在規?；\營體系下，G7的數據能夠優化商用車輛沿著全運輸線路網絡的調配能力；第三，基于G7平臺大量的司機行為數據，也是未來自動駕駛網絡的數據分析基礎?！?/p>
物流行業的未來
翟學魂不止一次將傳統貨車向智能貨車的過度，比作十年前功能機向智能手機的躍遷，就像iPhone讓手機衍生出更多服務，G7也試圖從現在開始，勾勒出物流資產服務的未來樣貌。
在我看來，某種意義上，G7的野心是與合作伙伴一起，建立一個高度自動化的集成體系，實現對整個物流業務模式和資產應用方式的變革。譬如馬喆人就曾預測：物流行業的終級模式是進入集約化發展，出現一系列自動駕駛越級運營車隊，或者是高階智能駕駛的超級資產池，這種大車隊和資產池本質上是為行業提供運輸資產的共享化。
“G7的客戶一直都是物流公司，大的比如順豐和德邦有1萬臺車，小的有10臺車，只是說過去我們只提供車輛數據，可能以后連車也一起給你，我們希望把智能設備、智能資產所有綜合給到客戶，讓他去比原來買一臺車，自己去加油，請司機，最后換算下來一公里多少錢，如果比原來便宜很多，為什么不呢”，翟學魂對未來的描述更為具象：“我們要給客戶的是結果，就是我的車比現在的安全性要提高兩個數量級，比現在的能耗降低15%到20%，比現在的管理成本下降一個數量級?！?/p>
嗯，在“IA+AI”的雙向加持之下，這或許就是物流行業的未來篇章。
最后值得一提的是，在G7總部采訪過程中，令我印象最深刻的，倒不是物流業正在掀起的效率革命，而是翟學魂展示的一張實時數據——令人意外和遺憾的是：截止采訪當天下午三點，在G7連接的70多萬輛車里，發生了145起撞車事故。
為什么撞了這么多？很大一部分答案就在實時數據里：同樣截止下午三點，G7的智能管車平臺監測到，有5萬多名困得不行的貨車司機，閉了3秒鐘的眼；有4000多次打哈欠行為，以及 4萬多次打電話。
高速路上的悲劇大抵相似，這種情況每天都在發生——好在，至少我相信，未來十年，新技術的福祉，會讓撞車數字無限逼近為零；未來十年，物流行業的變化，或許將超過過去100年的總和。
靜候佳音吧。
李北辰/文
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
