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toB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”,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,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。
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(IntelligentAssets,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。”
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,在規模化運營體系下,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。”