撰文 | 李信馬
題圖 | AI生圖
如果將人工智能看作是一場席卷人類社會的技術改革，那由海量的司機、卡車、貨物，和密密麻麻的交通路線、倉儲節點組成的物流行業，這緊貼現實世界的龐大產業集群，一定是AI改革的深水區。
要不要擁抱AI？要的話，AI技術的毛細血管，又要怎樣深入每一臺車，每一位司機？
不久前，在G7易流舉辦的2025數字物流大會上，筆者看到了這家深耕物流行業多年的科技公司給出的答案。
一、物流下半場的AI+趨勢
2025年，對物流行業來說是特殊的一年。
翟學魂將過去十年稱之為物流行業的上半場，主要的增長來自電商和快遞行業的發展。而下半場，他認為，將由即時零售、農牧、區域大宗和公鐵聯運這四個領域帶來結構性的增長。
這些看法在數據層面也得到了一定的印證，2025年，我國全國貨運指數五年來首次提升并穩定在5%左右，總量增加的同時，平均的運距變短了，短途運輸的比例明顯增加。“大家都過剩，比如山姆賣羊排，盒馬也賣羊排，那就看誰的效率更高，送到你家時既沒有凍上也還是冷的，這就要求極致的效率和體驗共同發生。”
圖片來源：G7易流
與之相對應的在供給端，新能源車從小眾變成了主流，尤其在城配領域，新能源車的效率已經超過了柴油車。
圖片來源：G7易流
不過，由于新能源車不只是能源新，車型也較新，不一定適應物流場景，司機也是新手多，車隊甚至物流公司也缺少經驗和磨合，導致效率提升有限的情況下，安全性還有所下降，翟學魂就表示：“新能源車隊的運營水平，現在是最大的拖后腿因素。”
圖片來源：G7易流
他認為，新能源帶來的不僅是卡車的變化，而是新的生態體系。“大家很快會看到一件事——在區域大宗這個領域，車輛、資產、能源和運營管理會以新的方式整合到一起，然后變成一個高效的體系。”
結合供需兩端的變化，他給出了一個具體的數字預測：未來會有500萬臺車的需求，這500萬臺車的需求是高質量的，既需要效率，也需要非常好的穩定性，這是未來國內物流行業盈利的基礎。
中國物流與采購聯合會會長蔡進在當天的演講中提到，物流行業發展到現在，在供應鏈轉型升級的過程中，已經變得更加敏捷、更加柔性。
過去物流行業的商業模式是“大批量、少批次、高庫存”，“（上世紀八九十年代）那時候是短缺經濟，能拿到一萬噸鋼材，干嘛要一噸噸地做？一定是一萬噸、十萬噸甚至上百萬噸的進貨給一些大工程、大項目。現在不一樣了，是過剩的時代，所以物流的模式轉向‘小批量、多批次、低庫存’，現在做鋼材的配送，都是按車算，按十噸、二十噸的過去。”
在“小批量、多批次、低庫存”的物流模式中，過去的人工做法已經不適應了，必須依托于先進的技術去推動物流模式的更加敏捷和柔性。從資源的整合、流程的優化到物流和供應鏈的協同，AI技術都是不可或缺的。
因此，蔡進認為，“AI+物流”既是應運而生，也是物流行業轉型升級的必然方向。
對此，翟學魂也有類似的看法，他認為物流行業只有兩個基本問題：效率和安全。物流行業的一切數字化、智能化，都是為了這兩個目的，而在物流行業的下半場，效率和安全的挑戰都增加了。
二、紫寶盒，邁向AI的第一步
眼前的這個小盒子，就是G7易流的第一款AI產品——紫寶盒。
DoNews拍攝
對這款產品，G7易流創始人、CEO翟學魂表示：“它只有一個使命，就是幫助大家邁出AI的第一步。”紫寶盒有兩個核心能力，一是能夠感知豐富的現場，二是有直達一線的自動執行能力。
過去，G7易流做過至少40款不同功能的車載硬件，如下圖所展示：
圖片來源：G7易流
而紫寶盒是“All in One”的超級網關，可以將車上所有的感知設備，如攝像頭、傳感器，也包括其他品牌的硬件等連接在一起，收集各項數據并進行傳輸。
模擬安裝效果 DoNews拍攝
概念圖 圖片來源：G7易流
另一方面，它還是有著強大端側算力的AI大腦，翟學魂表示，紫寶盒會對獲取的數據進行識別判斷并執行，其中80%的運算在本地發生，“因為送到天上來不及了”。
比如司機有打電話、抽煙、打哈欠等動作，機器識別后就會直接進行示警。筆者現場測試了下效果，拿出手機放在耳邊，還有張嘴打哈欠，差不多1秒就會提示。
DoNews拍攝
據其產品負責人介紹，紫寶盒和G7易流的訓練平臺連接在一起以后，可以隨時升級部署算法，優化管理邏輯，并快速反應到車輛上。
大模型技術的應用，讓算法的訓練速度大大提升，“原來需要1萬張圖片來訓練算法，現在可能100張圖片就可以了。這個產品我們搞了一年之后，平臺上線的能夠識別獨特場景的算法超過了100個，比過去十年上線的還多，比如可疑人員入侵、裝卸貨、副駕駛狀態、高速異常停車等。”翟學魂說。
更進一步，紫寶盒還會通過智能體自動生成表格。物流行業與表格密不可分，一家物流公司運營中涉及到的表格可能有上千種，囊括報銷單、出車表、油價表等海量數據，靠人力填寫錄入不但效率低，而且容易出錯，遠不如在源頭就自動生成。
在會后的采訪中，翟學魂談到，他認為物流行業有兩類工作不適合有人來做，一個是分析數據得出結論，一個是一對一的語音溝通。
他分享了一個案例，一位客戶買了300多臺電動重卡，運營半年多的時間，眼鏡度數增加了200度，因為有太多數據需要分析。“路線怎么優化？成本怎么管理？每個場站應該待多長時間？司機哪個安全、哪個不安全？要做大量的分析。”
還有客戶直接和他說，接受不了G7易流的方案，“幾千臺車，那么多攝像頭，一天一萬張單子，其實有幾張會對貨物有危險呢？我覺得不超過50個。”
過去物流行業的數據化，提高了行業的安全水平，但海量的報表，又讓許多公司疲于處理和分析數據。“那些有一千臺車的人，真的找了一屋子人處理數據，為什么需要一屋子的人？因為每個人每天的時間精力是有限的，溝通是有帶寬的成本。”
而這兩項工作，都可以通過AI進行。更進一步，翟學魂暢想，許多中層干部的主要任務就是上傳下達，當AI具備強大的溝通能力和上下文能力后，這些工作也可以轉交給AI，未來物流公司的高層可能會通過AI直接對接到基層司機，那時，行業的效率也將大大提升。
好的產品都是順應時代的需求而生，而當下，似乎就是誕生新物種的關鍵節點。
三、為什么先做AI硬件，而不是行業大模型？
其實，談到AI的行業落地，絕大多數公司的第一反應是做一個行業大模型。這件事的門檻并不高，大公司有充足的行業數據，市場上有成熟的開源大模型，效果也是立竿見影。當初，行業大模型也是G7易流開始AI第一步的方案之一。
但最后選擇先做AI硬件，理由則是基于對行業的認知，和G7易流自身的定位。
翟學魂在采訪中解釋，他們經過論證得出的結論是，物流行業之所以還沒有被AI化，不是大模型的能力還不夠，而是因為行業的基礎設施不具備AI化的前提條件，在數據基礎方面還需要大幅提升。“我們去年做了大量的論證，坦白說，我們在兩年之前也還沒有想清楚，去年我們放棄了先做行業大模型的策略，確立了先做紫寶盒硬件，以紫寶盒硬件為基礎，做物流的智能體平臺。”
物流運營的本質是感知數據、做決定然后執行，翟學魂將其總結為一個“蝴蝶結”，有兩個又快又長的翅膀，一側是司機和車，一側是對應的物流服務，海量的數據在中間匯聚、分析和輸出。
圖片來源：G7易流
G7易流原本的定位是做信息化和數字化，超過80%的客戶是用G7易流的數據來做監控，發現問題之后客戶自己去做落實，也就是只做蝴蝶的一側。但另一端的事，可能是更有價值的，在AI時代，G7易流想向另一側拓展，也是因為本質上，“監控完了之后，不就是為了要給司機打個電話，不就是為了把冷機打開，不就是為了把那件事情辦了嗎？那就直接幫你把這個辦就完了”。
過去一年，G7易流集中了全部研發團隊的精英，做了大量的工作，比如紫寶盒要適配幾百個型號的電車，識別對應的電量、電池；要做人臉識別、貨箱入侵等算法；G7易流開放平臺有一千多個接口，做Agent的時候，這些接口也要調用……可能沒多么難，但這個紫寶盒，可以說是G7易流技術積累的沉淀結晶了。
總結G7易流的AI策略，首先是“自底向上”，先解決底層數據的問題；第二是“軟硬一體”，因為在物流行業，要感知數據、溝通和執行，必須要將邊緣AI硬件低成本地布滿所有供應鏈的現場；第三，是做到從感知到執行的“知行合一”，通過AI能力打通決策層和基層執行。
目前，物流行業的AI化，在多個方面持續推進，比如無人駕駛也是一個重要的方向，當天活動上參展的還有嬴徹科技的無人卡車和新石器的無人城配車，前者拿下了不少快遞公司的單子，后者據稱年底車輛總數將達到3萬輛。
DoNews拍攝
在采訪的最后，翟學魂表示，每年G7易流都會賣出很多的設備，但這些設備有幾十個不同的種類，到明年的這個時候，希望變成只有一種，至于G7易流在AI方面更進一步的規劃，還在保密中。
