“今天AI的發展階段就等于在互聯網行業還沒有搜索引擎的時代,等于有了電的應用但還沒有電網的時代。”創新工場董事長兼CEO李開復在某論壇上這么評價人工智能的發展階段。近幾年來,AI的應用場景逐漸從視頻、電商擴大到智能安防、自動駕駛等領域,應用廣度和深度不斷擴大。相反房地產、能源、物流、制造等傳統行業依然沒有享受到AI的紅利,究其原因,無外乎生產運輸環境惡劣、產業鏈復雜、場景不標準等因素導致其被區隔在數字經濟之外。

如果說消費互聯網的發展已經到了智能化時代,那么產業物聯網還停留在原始階段,生產加工、運輸銷售、日常管理等很多環節亟需從人力依賴轉向信息自動化。據普華永道(PWC)預測,人工智能在2030年將給世界帶來100萬億人民幣的經濟價值,這些價值將主要由“傳統企業+AI”的模式創造。

這也是為什么剛剛落幕的五中全會和十四五規劃再次從政策層面明確提出要“推動互聯網、大數據、人工智能等同各產業深度融合,推動先進制造業集群發展”。隨著人口老齡化加速,以及年輕人逃離傳統行業,各行各業+AI已經成為國家戰略層面推動的一件大事。

這期間涌現出的智能聯網設備公司、智能資產管理公司很多,但真正能為傳統行業提供AI系統性解決方案的企業卻很少。大多數創業者僅僅解決了產業鏈某一環的問題,并未形成脈絡閉環。

有些傳統企業安裝了A公司的智能設備,又購買了B公司的智能管理系統,使用一段時間后卻發現效果非常有限,一方面A、B之間的數據不能互通,還要依賴人工分析,另一方面無法與合作伙伴進行信息共享,達不到共同提升的效果。

每一個傳統產業都是一個復雜的供應鏈系統,長期積淀下來的行業習慣根深蒂固,有許多潛移默化的行業規則。在筆者看來,AIoT企業想要徹底把機器智能融入到一個產業系統,讓傳統企業更好的+AI,必須做到以下三點。

1)從單一場景切入賦能細分流程,逐漸重構行業規則

在貨運物流領域,G7則憑借其AIoT能力成為順豐、京東、極兔、德邦、中通等快遞快運企業,和煤炭、鋼鐵、化工等大宗貨運領域的基礎服務平臺。

干線物流等長途貨運領域一直存在著信息不對稱的問題,卡車司機和車隊老板、貨主之間長期博弈。車隊老板為了知道卡車的位置,有沒有繞路接私活,有沒有準點到達,不得不頻頻打電話,甚至讓司機停車去路邊電話亭打電話,用區號來辨別位置。

G7從航空時刻表中得到啟發,設計了一個貨運界的航班時刻表,時刻記錄卡車位置信息,以及車輛的起點、終點和行程進度,讓車隊的準點率提升到90%以上。在電商行業剛開始注重配送時效的2012年,G7的班線管理產品迅速推廣到全行業成為一個基礎設施。

接著,2016年G7發布安全管理產品,實現駕駛安全過程管理,2018年發布數字貨艙,讓車廂的溫度、重量或體積全程可視,都是從單一場景出發推出切合普遍性需求的產品,迅速進化成了整個行業的基礎設施。

圍繞物流資產的使用場景做軟硬件產品研發,G7不斷深化物流資產的智能網聯能力。在硬件上,給卡車車身安裝胎壓胎溫監測報警器、智能稱重傳感器、防側翻傳感器、ADAS防碰撞預警系統、DMS駕駛行為分析系統;軟件上,有手機、PC雙系統的管理平臺,能夠實現卡車遠程風險管控、智能調度、過程管理,全面提升效率、降低成本、保障安全。

沿著物流行業的浪潮演進,G7物聯網先是解決了快遞快運干線物流領域所有涉及安全、成本、時效方面的問題,從物流園區到車隊、司機和貨主整個鏈條上的所有參與者都成為G7服務的對象;2019年開始則逐漸把已驗證成熟的技術復用到煤炭、鋼鐵、化工等制造業大宗物流領域,越來越多的大宗企業和政府部門也開始成為G7的客戶。

2)要想更好的驅動AI,需要源源不斷的數據作為動力

今年4月,數據作為一種新型生產要素首次正式出現在我國官方文件中。進一步加強政府、社會數據資源整合共享,成為驅動我國經濟長期增長的動力。

數據是人工智能的燃料,也是產業物聯網的核心。而數據的獲取和積累依賴于基礎設施的完善,另一方面,數據又能反作用于基礎設施,幫助基礎設施實現升級。

傳統行業各領域都展開過不同程度的數字化轉型,積累了海量的數據,只是以前的數字化局限在企業內部,缺乏上下游、各環節的數據打通。比如,公路貨運領域,不乏聚焦車貨匹配、車險、加油、ETC等各個環節的服務公司。這種情況下,一個物流企業想要完成貨運全程數字化需要下載多個APP,想要進行整體的效益評估也需要整合多個部門的數據,并不方便。

G7從給卡車裝GPS、給發動機裝傳感器開始,提高了客戶在信息收集、處理、決策等環節的效率,贏得客戶的信任。在此基礎上,G7積累的大量駕駛行為、油耗、支付數據,也能夠更快發現車隊痛點,研發出下一個切中行業需求的產品,形成了一個快速推廣、快速積累和分析數據的良性循環。

根據公開數據,2018年G7連接的卡車數量是80萬輛,2019年底為130萬輛,2020年9月為180萬輛。借著5G、AI、物聯網技術的廣泛應用,G7在深耕貨運行業8年后進入快速增長期,以AIoT數據底座連接了駕駛室、掛車、安全保險、能源、稅籌、維保等貨運行業上下游全鏈條,成為貨運行業信息流、物流、資金流的中心節點。

控制了資產場景、掌握了業務數據,G7逐漸成為貨運物流行業里的基礎設施,并以開放心態推動產業內合作、分享和融合。即可以針對大型客戶,在原有的產品服務能力上做一定程度的個性化、模塊化服務,又可以為沒有研發能力的中小車隊提供相對標準化的類“公有云”服務。

如此以來,大型車隊、物流園區、煤礦鋼鐵等貨主、卡車司機等都能接入G7的系統看到貨運全過程,實時分析經營效益,靈活決策。而保險、能源、裝備制造企業也能通過與G7合作,分享到貨運行業數智化的紅利。

就像阿里在推動自身電商業務發展的過程中,推動了支付、快遞行業的發展,成為鏈接消費者、商家、快遞、倉儲等各個環節的服務型基礎設施公司,G7物聯網也在成為其貨運領域成為上下游所有人都離不開的基礎設施。

3)商業模式普惠化

現在的市場上不缺乏智能設備,僅車聯網領域能提供ADAS、DMS設備的公司就有幾十家,問題是怎么能讓這些AI產品在傳統產業進行普及,讓大小企業都能用得上用得起。

目前來看,AI提供商大多有兩種商業模式:

一種是傳統的賣貨模式,一手交錢一手交貨。因為設備提供商不具備數據分析和運營能力,或者數據維度單一、無法和其他數據打通形成閉環,導致數據的可用性會大大降低。

這種模式下,產品提供方淪為硬件或軟件銷售公司,用戶也無法真正從數字化中受益。雖然也誕生了一批大型企業,甚至上市公司,但商業模式的天然缺陷,造成產品客戶群狹窄,不能讓產業里的中小微企業受惠。

一種是即插即用的輕資產運營模式,降低硬件價格從而降低用戶門檻,獲得用戶數據的運營權,通過數據增值服務帶來更多收入的可能。

G7在2010年創業做GPS盒子時,就啟用了當時較少見的SaaS模式,即將這個GPS盒子的硬件、安裝、運維連同背后的IT軟件系統,看作一個開放的服務平臺。所有的客戶都可用自己的賬號登陸這個平臺,不按硬件和系統付費,而是按照體驗需求付費,每臺卡車每天只需2元錢。

在G7的商業框架中,用戶可以用很便宜的價格使用智能資產,實現數字化管理。最早的GPS定位服務,2018年推出的安全管家、數字貨艙,都以普惠的定價降低了新技術的使用門檻。

比如,G7的安全保險業務,一開始更多面向大型物流公司和車隊,后來團隊發現中小型客戶對成本非常敏感,不足以承擔7×24小時的安全服務,而貨運行業又通常把安全和保險放在一塊看待的,于是團隊開始著手和保險公司研究,推出能讓個體司機、小車隊用得起的產品。

運用多年積累的駕駛數據,分析保險公司過往事故理賠案例,在AIoT的輔助下G7安全管家實現了對車隊和司機的全局性、長期性風險預測,提供有針對性的分級服務、過程管控,讓優秀的司機花更少的保險費,同時改善高危司機的駕駛習慣。而對G7來說,和保險公司合作獲得了“保險經紀費+安全管理服務費”兩個收入來源,同時讓安全管家成為又一個行業普及產品。

一般而言,物流行業要么賺資產的錢,要么賺服務的錢,無論是車輛、托盤還是調度車隊,都是重模式。數據化資產和智能裝備的出現,讓資產管理舉重若輕成為可能。

產業智能升級浪潮,需要創新的商業路徑。要讓AI在傳統行業成為像水電一樣的基礎設施,就必須設身處地的創造一套合適落地的普惠化路徑。

G7從蠻荒中起步,創業十年內逐步打通“系統—裝備—能源—園區”全鏈條的物流關鍵要素,以產業物聯網「鋪路人」的角色,一步步重新定義產業邊界。如G7創始人翟學魂所說:“為什么叫鋪路,你光給富豪鋪路,那叫專用線,鋪路就得給所有人鋪路,一人交一塊錢也夠了。”

關于G7

G7成立于2010年,總部位于北京,擁有超過1500名員工,是公路物流行業領先的物聯網科技平臺。

過去十年來,G7以物聯網技術為核心,逐步發展了車隊管理平臺、主動安全服務、數字能源結算、智能掛車租賃、金融保險、卡車后市場等一系列業務,先后服務了7萬家貨主和物流公司。

今天的G7,已經發展成一家連接超過180萬重卡、數據類型豐富的全球最大的商用車物聯網平臺。其三大核心業務,G7數字貨運、G7安全管家、G7數字貨艙,憑借創新的物聯網、人工智能和大數據技術與G7豐富的行業經驗,均處于各自細分市場的領先地位。