物联网+人工智能,正在让物流行业发生一场效率革命

本文来自连线家,需求的纯粹,也让问题变得简单,改变物流行业,就是改变自动化程度。

当人工智能逐渐变成商业基础设施,每个传统行业都蕴藏着巨大良机。

在怀疑论者眼中,这是一句大而无当的空泛叙述,颇有为技术布道之嫌。唯有当你不断聆听到AI在不同领域落地的声音,不断眼见为实,才会知晓这句话的正确,也才会真正读懂“未来已经来临,只是分布不均”这句名言的意涵。

譬如在一个不起眼的领域,人工智能的介入,正在让它发生一次蜕变——物流。

从几年前开始,业内就已达成共识:只依靠传统变量,无法让这一古老的行业脱胎换骨。尽管巨头林立,价格低廉(更多是拜车身变大所赐),但物流行业的效率依旧不高(即便最优秀的公司,1万台货车背后,也需要大概2500个人去管理)——你知道,很少有其他行业像物流一样毫无保留地选择效率为王;而新零售和新经济等概念的彼此交织,也让以物流为代表的后勤,成为互联网企业没有硝烟的战争。

在某种意义上,需求的纯粹,也让问题变得简单,改变物流行业,就是改变自动化程度。想要完成从规模数量向效率提升的质变,物流需要一次技术跃迁。幸运的是,大数据,人工智能与物联网的相互融合,为物流行业的效率革命提供了契机。最乐观的预计是,未来5-8年,物流会从从劳动密集型行业,逐渐进入非劳动密集型行业。

但另一方面,过强的to B角色,枯燥的行业属性,让物流长期远离媒体聚光灯,无论行业本身还是行业领跑者,都显得低调异常,我就看到有人在知乎发问“G7到底是何方神圣”,后者是掌握最多中国公路物流货运数据的平台,京东,天猫,美团,苏宁,顺丰,三通一达,亚马逊,德邦,DHL和中国邮政等都是他们的客户,目前已连接车辆超过70万台,你在高速路上看到的大多数印有logo的货车,背后都有G7的支持。

也许,透过这家成立八年,最近刚刚发布全新品牌形象的公司,你会更清晰地看到物流行业的现状和未来。

数据壁垒

正如杰里米·里夫金在《第三次工业革命》中所言:如今人类正置身于万物互联时代的前夕,无处不在的通信网络正在与可再生能源,自动化物流和交通运输网络相互连接。

剖析G7的技术和商业逻辑,他们将自己做的事概述为“IA+AI”。AI自不必说,是各个行业最大的商业变量;值得一提的是IA(Intelligent Assets,智能资产),在G7创始人兼首席执行官翟学魂看来:“只有AI落实在IA上,产业才能形成闭环,最大程度地释放价值。通过打造智能资产服务平台,使车辆等传统运输资产智能化重构,让智能车队资产化占据行业的核心位置。”

而在具体实践上,首先在最基础层面,G7通过安装在货车上的300多个传感器,实时收集车辆位置,速度,线路,温度,进出区域,货物装卸,停留时间,油耗,司机驾驶行为等几乎物流公路运输全过程数据。

智能时代的常识是,在任何领域,数据都是最值得仰仗的资产。当这些运输数据通过AI的赋能彼此流动,就会释放巨大的应用价值,譬如G7去年就开发了三个颇为成熟的产品。

首先是安全机器人。众所周知,在整个物流生态中“人”是最具不确定性的一环,司机也就成为最关键的风控对象(行驶在高速路的货车司机,一天中闭眼超过3秒的时间超过26944次)。而G7安全机器人可以实时监控每一辆车,通过AI算法不断检测判断路况是否异常,车辆是否超速,司机是否打瞌睡和玩手机,一旦发现异常,司机端就会给司机报警,后台管理员也可通过语音指令提醒司机,根据G7后台统计,机器人上岗后相关事故发生率下降了75%以上。

其次是调度机器人。物流业千古不破的底层逻辑就两个:效率最大化,成本最小化。这意味着他们无比强调精准,尤其在运输生鲜和医药等过程中,调度至关重要。相比于人类个体在调度规模上的瓶颈,机器人能从某种“上帝视角”,通过AI算法调度运力,高效匹配供需两端。

然后是财务机器人。物流属于重资产运营,成本结构复杂,人工,油耗,高速费……某个微观上的细微偏差,就可能造成宏观上的入不敷出。财务机器人能自动统计所有成本支出,每台车的每次点火,熄火,过路,加油……全部数据化,每一单任务从起点到终点,盈利亏本一键得知。

自动驾驶将至

其实不难发现,对公路货运数据的几近垄断,构成了G7最大的原始资本,以及最难攻克的行业壁垒,这也让他们催生出更具想象空间的业务单元。

除了在现有货车上后置传感器,去年年底G7与合作伙伴一起,重新设计了车箱,让昔日静默的“铁箱子”能够“开口说话”,报告自己跑了多少公里,花了多少油钱,多少路钱,上了多少货,下了多少货,需要换轮胎了……与此同时,他们还以数据和技术为踏板,不断往产业链的其他方向渗透,譬如与中国最大的物流基地运营商普洛斯成立合资公司“际链”,为园区入口,仓库门,月台,起重机乃至各种工业设备配备传感器和软件系统,最终实现全场景的自动化。

当然,谈及自动化,没人会怀疑,自动驾驶才是物流行业的“终局思维”:自动驾驶货车会比乘用车更快实现规模量产。

这并不难理解,如上所述,物流行业的底层逻辑就是“效率最大化”和“成本最小化”,这让他们对自动驾驶(哪怕只是L3级)有更迫切的需求;而从技术一端剖析,相比于大城市内部复杂的“网状”路线,货车在高速公路上是“线状”行驶,道路环境单一且相对封闭,这种重复线路的学习成本更低,更易于尽早落地。翟学魂最近就直言:“未来5-8年,中国主要高速公路上跑的货车大部分都应该是自动驾驶的卡车。”

意料之外,情理之中,G7开始进军自动驾驶。上个月,G7与普洛斯和蔚来资本宣布,共同出资组建由G7控股的新技术公司,研发基于自动驾驶,新能源技术和物流大数据的智能重型卡车,构建AI时代的物流资产管理和服务新模式。

事实上,中国在制造货车技术上的成熟,自动驾驶激光和雷达等核心产业的完善,以及算法壁垒的降低,让这家新公司的未来变得颇为可期。尽管五年前,G7未曾想到会涉足当时门槛高企的自动驾驶,但五年后,基于自身积累的海量数据和行业知识,G7的入局成为一种必然。

就像G7总裁马喆人(前腾讯副总裁,负责腾讯位置服务(LBS)、车联网和自动驾驶业务)所言:“首先,基于G7各种各样的数据进行分析和挖掘,能为车辆结构的设计和工况的设计提供优化的依据,从而能帮助下一代商用车辆进一步优化设计结构;其次,在规模化运营体系下,G7的数据能够优化商用车辆沿着全运输线路网络的调配能力;第三,基于G7平台大量的司机行为数据,也是未来自动驾驶网络的数据分析基础。”

物流行业的未来

翟学魂不止一次将传统货车向智能货车的过度,比作十年前功能机向智能手机的跃迁,就像iPhone让手机衍生出更多服务,G7也试图从现在开始,勾勒出物流资产服务的未来样貌。

在我看来,某种意义上,G7的野心是与合作伙伴一起,建立一个高度自动化的集成体系,实现对整个物流业务模式和资产应用方式的变革。譬如马喆人就曾预测:物流行业的终级模式是进入集约化发展,出现一系列自动驾驶越级运营车队,或者是高阶智能驾驶的超级资产池,这种大车队和资产池本质上是为行业提供运输资产的共享化。

“G7的客户一直都是物流公司,大的比如顺丰和德邦有1万台车,小的有10台车,只是说过去我们只提供车辆数据,可能以后连车也一起给你,我们希望把智能设备、智能资产所有综合给到客户,让他去比原来买一台车,自己去加油,请司机,最后换算下来一公里多少钱,如果比原来便宜很多,为什么不呢”,翟学魂对未来的描述更为具象:“我们要给客户的是结果,就是我的车比现在的安全性要提高两个数量级,比现在的能耗降低15%到20%,比现在的管理成本下降一个数量级。”

嗯,在“IA+AI”的双向加持之下,这或许就是物流行业的未来篇章。

最后值得一提的是,在G7总部采访过程中,令我印象最深刻的,倒不是物流业正在掀起的效率革命,而是翟学魂展示的一张实时数据——令人意外和遗憾的是:截止采访当天下午三点,在G7连接的70多万辆车里,发生了145起撞车事故。

为什么撞了这么多?很大一部分答案就在实时数据里:同样截止下午三点,G7的智能管车平台监测到,有5万多名困得不行的货车司机,闭了3秒钟的眼;有4000多次打哈欠行为,以及 4万多次打电话。

高速路上的悲剧大抵相似,这种情况每天都在发生——好在,至少我相信,未来十年,新技术的福祉,会让撞车数字无限逼近为零;未来十年,物流行业的变化,或许将超过过去100年的总和。

人已赞赏
0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索