50万亿（注），现今人人都想搭上“新基建”这辆快车。

现在的问题是，很多行业并不在“新基建”所锚定的7大领域（5G、特高压、城市轨道交通、新能源充电桩、大数据中心、人工智能、工业互联网）之内，如何与这7大领域产生关联，通过本行业的“新基建”完成产业升级，成为破局的关键。

4月29日，有媒体报道，货运自动驾驶企业嬴彻科技宣布已完成1亿美金融资。嬴彻科技的此轮投资中，老股东G7和普洛斯继续跟进。

虽然这是发生在自动驾驶领域的一起融资事件，但放在“新基建”的战略语境下，由投资方G7——中国领先的物联网货运服务平台的身份进行延伸思考，可在一定程度上反映出以G7为代表的物流巨头持续强化其物流数字化基础设施优势的意图。

01

伴随电商而起的快递只是智慧物流的A面

谈到物流，很多人的第一反应或许是由顺丰和“四通一达”这些快递企业所展现出来的强大的“投送”能力。从2013年日均业务量刚刚突破3000万件，到2016年全行业1天可送1亿个包裹，再到2018年天猫双11物流订单超过10亿。以快递为代表的智慧物流已经跑的足够快，足够远。这是不是说明我国的智慧物流伴随着电商行业的发展已经趋向成熟，不需要再搞“新基建”了呢？

答案是否定的。

伴随电商而起的快递只是整个物流产业中的一个组成部分，是智慧物流在B2C领域展现在外界的A面，隐藏在背后的B2B这类更加传统的领域里，行业依然停留在信息化程度低，运营分散的“原始阶段”。

拿B2B大宗领域较典型的煤炭物流场景来举例，由于车货匹配欠佳且调运车辆方式较为粗放（大多仍使用微信或者电话），货运效率低下、拉运时间较长。例如从鄂尔多斯地区运煤炭到曹妃甸港口，需要采用公路+铁路的运输方案，煤炭采购等手续预计花费6小时，车辆协调、排队等候、装卸车时间预计6小时，车辆路途1小时，单趟40公里的煤炭公路运输，从前期等待到运输完毕，卡车司机需要耗费13个小时之久。

以上，我们可以非常明显看到，中国物流行业在B2C领域的A面与B2B领域的B面之间的存在着极大的不均衡。

华夏新供给经济学研究院院长贾康在《“新基建”中智能物流和智能供应链建设已是当务之急》一文中分享了这样一组数据：当前中国物流成本占GDP比重为14.6%，高于全球平均水平11.7%近3个百分点，折为物流成本相对差距，高出了近25%；相比世界排名第一的美国7.2%的比重水平，中国高出了7.4个百分点，折为物流成本的相对差距高出了一倍以上。

菜鸟网络2019年的数据也显示，中国全年物流总费用折合美金在1.75万亿美元，这个数据也超过了美国全年物流总费用的1.49万亿美元。

以上案例与数据显示，无论是比重还是绝对数量，中国物流行业与世界先进水平相比，都有相当大的距离，物流行业A B两面之间存在着极大的不均衡。如果将快递行业的优势进行冲抵，那么物流行业在B2B领域的短板该是有多短？

事实上，关于智慧物流的探索，中国的玩家们一直在努力，针对效率、管理和安全这三个行业普遍存在的痛点，行业中都有大量对应的解决方案，但问题一直没有解决的原因在于其“头痛医头、脚痛医脚”的传统物流基建思路。

一个典型的例子，物流企业针对自己内部管理，会有仓储、运输、车辆、财务等多个管理系统；一个卡车司机完成一趟运输闭环，整个过程可能要用到运力信息撮合、路况禁区查询、过路费计算、车辆管理、车况诊断、财务结算等多个应用。

虽然这些系统和应用能解决对应的问题，但就整个流程而言，由于各个系统和应用就像一个个高耸的烟囱，相互之间数据割裂，缺乏协同，行业的整体效率始终难以提高。

02

智慧物流“新基建”到底应该怎么建？

既然问题已经找出来了，那么智慧物流“新基建”的方向也大致有数了，我们或可从以下三个方面入手。

首先，从场景出发，构建产业链条的数字化底座。

快递行业之所以远远跑在传统物流的前面，其很大原因在于电商巨头们对快递行业的“收编”，一定程度来说，快递并不只是物流行业的一部分，更多的是电商产业链条的一个环节。

在电商产业生态中，所有场景和生产要素都要求数字化，在这个过程中，快递行业可以说是“顺势而为”，也可以说“身不由己”的完成了全链条的数字化基础设施建设或改造。

回到B2B传统物流领域，这也要求物流企业或车队也要基于对场景的理解，构建一个数据可以在各个场景之间通联流转的基础底座，我们可以将其理解为智慧物流的IaaS。

以G7为例，通过将GPS盒子等各类传感器在车队中的普及应用，构建了一张由150万辆物流卡车组成IoT网络，从单一场景出发，多维度的数据收集，进而进化成整个行业的数字化基础设施。

其次，从痛点出发，构建连接管理与运营的平台引擎。

产业链条各生产要素的数据收集回来后，怎么利用？

从满足物流企业和车队老板降本增效这两个最核心需求来看，需要这些数据在内部管理与外部运营这两个领域的各个场景中流转，这样才能提高整体效率，这时我们需要一个连接管理和运营、兼容数字底座和应用的平台引擎，也就是智慧物流的PaaS。

其实行业中也有类似概念的平台系统，但由于对产业链条中的场景理解不够，数字底座的渗透率有限，因而这些平台系统的功能和体验都有非常大的局限性。

G7的做法是通过经营服务平台和资产服务平台这两个平台引擎来解决上述问题。

前者解决车队加油、ETC金融服务、工资、税金、运费结算，甚至后市场的轮胎、润滑油等车队运营一系列日常高频需求的问题；后者给物流企业带来成本结构的改变，以前需要自持车队，如今采用运力租赁的方式，使资产由重变轻，人力成本下降，带来的是经营管理效率的提升。

必须明确，建设智慧物流PaaS中台的核心需要直接指向成本、时效、安全这三个行业长期沉疴的核心痛点。

最后，从体验出发，构建贯穿全场景的物流应用。

上文提到，由于数据的割裂，卡车司机要使用N个应用才能完整的跑完一趟运输闭环，卡车司机的手机容量是否够用暂且不说，光是在各个App中切换，其所谓的数字化体验能有多高大家都能想象。更加糟糕的是，由于数字化基础设施的不完善，运输过程中很多环节还没有上线实现数字化，仍要用“原始”手段才能完成。

理想中的全场景体验是怎样？我们用一个卡车司机的日常工作来作答。

车快没油了，打开App，附近加油站的位置和价格一目了然，一键加油并即时完成线上结算；长时间驾驶后在App上找到最近的司机之家，在那里填饱肚子、洗个热水澡，还能小睡一会；ETC、维修保养、运费结算一系列动作都可以通过App完成，不用随身携带大量现金，也不用留存一堆发票回去报销；行驶过程当中，出现疲劳、打哈欠或打电话等危险动作，智能安全设备会进行实时提醒，如果危险系数过高会触发安全管家进行人工干预，直到风险消失……

总之，司机跑一趟活的全程需求，均可以通过一个应用（平台）来实现。

事实上，物流行业中有部分App应用已经具备了这样的能力，如果将视野放的更广一些，在数字底座和平台引擎的基础上，产业链的每个环节都应有基于各自场景的SaaS应用。

总而言之，智慧物流“新基建”的关键不光在“物流运输”的过程，还应包括上游货主与下游车队、保险公司、能源公司、金融公司等间接服务物流产业的组织与产业链的数字化连接与承载。其中既有基于物联网层面的“硬件”建设，也有基于数据管理和应用“软件”开发。

03

自动驾驶，补足智慧物流“新基建”的最后一环

产业链全场景生产要素的“数字化”建设或改造就是智慧物流“新基建”的全部吗？

无论是电商巨头还是物流企业都认为这个问题的答案还需加上自动驾驶。

阿里、京东、苏宁乃至顺丰都在自动驾驶赛道竞逐很长一段时间了，像阿里菜鸟的末端配送无人车“小G”已经经过了多次迭代，还与一汽解放联手发布了自动驾驶卡车“公路高铁”；京东的无人配送小车多次曝光；苏宁物流也曾在2018年先后推出过无人配送小车“卧龙一号”和无人重卡“兴龙一号”。

物流行业中，除了G7投资了嬴彻科技之外，另外一个物流巨头满帮也投资了自动驾驶研发公司智加科技，根据满帮的规划，自动驾驶车辆未来要占到1/3，满帮还要自己组建自动驾驶重卡车队，自己运营。

电商巨头和物流企业之所以死死咬住自动驾驶不放，其内在逻辑都只有一个，即智慧物流的闭环还需靠自动驾驶补上。

这一点很好理解，自动驾驶技术应用在商用卡车上，将大幅改善人们的工作和生活状态，自动驾驶技术补充货运司机，将减轻工作强度，降低事故发生率。

与此同时，通过技术将车辆的全生命周期打通并且形成数据，把每公里的成本都核算清楚，这样就能做到更加精细化的管理。有数据显示，自动驾驶或可为运营商带来5%—10%降本和效率的提升。

从上述分析来看，自动驾驶确实是能大幅度改变物流行业生产力的基础工具。按照当前的趋势发展，自动驾驶在未来或将成为物流行业的“标配”。

其实从卡车自动驾驶赛道的玩家背景即可看出，在自动驾驶研发这项既需要场景支持，又需要数据喂养的长跑中，规模在其中起着至关重要的作用，在一定程度上也决定着行业竞争格局的走势。

因为，只有一定的规模才能支撑起足够丰富的场景和足够数量的数据，这样才能在运营和研发这两个层面给自动驾驶和物流行业形成双向循环的“正向反馈”，行业玩家在构筑起自己的护城河的同时，行业竞争也将走向集中。这样或将导致物流行业运营模式的变化。

通过G7、普洛斯和嬴彻科技的实践与探索，我们或可窥视一二。

G7提供核心场景和数据能力，普洛斯作为亚洲最大的物流仓库提供商和服务商，提供资金支持和业务协同，嬴彻实现车规级自动驾驶卡车量产后，进而推出“技术+运营”端到端的商业模式。

目前G7及嬴彻通过向物流车队提供“数字货舱”（挂车）及“L1级别重型卡车”的租赁服务，已经实现了“按流量（公里数）付费”的资产服务化模式的市场落地。

在“新基建”和自动驾驶的“改造”下，物流企业或将完成从重资产到轻资产的转变，物流行业也将进入到一个更快、更准时、更安全的新时代。

来源/智能相对论（ID：aixdlun）

作者/魏启扬