文|智能相对论

作者|曾响铃

进化一旦开始,便不会轻易停止。

自2016年“智慧物流”被首次全方位提起后,随着人工智能、物联网、大数据等发展,探究物流行业如何进化,一直是人们关注的重点。具体又落在两个方面——进化力是什么?进化方向往哪走?

7月30日,以“进化力”为主题的“2021G7伙伴大会”,拉开了物流行业关于“进化”探讨的新序幕。

此次大会覆盖了与物流相关的金融、能源、保险、装备等诸多风口行业,汇集了消费物流和生产物流各个链条上的大小玩家,如物流公司、货主公司,科技公司,汽车制造主机厂、保险公司、金融机构等。这给我们了解智慧物流的进化提供了一个绝佳观察视角,不妨一起来看看。

一、像生物一样进化的智慧物流,走到哪了?

过去多年,国家将智慧物流作为行业降本增效的重点方向。即通过智能装备、物联网等提升货运安全、货运效率以及降低物流成本。

目前来看,智慧物流在安全、效率和成本等方面都带来了很大的改善。而G7过去两年的实践数据,也是行业变迁的一个缩影。

以货运安全为例,G7创始人&CEO在大会上跟大家分享了一组数据。通过智能硬件设备+平台算法+人工干预的主动安全协同管理模式,在过去两年与G7合作的同一批客户中,其运输千公里高风险时长次数下降了49.3%,事故率下降了19.9%,赔付率下降了40%。简单来说,通过G7服务,每天大概能将一个司机,从大家不希望看到的事故中拉回来。

再看几个与G7合作的例子。

蒙牛20多个工厂、1600多条运输线路,通过与G7的合作最终实现产品新鲜度100%,到达准点率99%的指标。

滨拓物流通过G7合作搭建数字化经营平台后,从订单、货调、车调,从核算、财务到支付,通过一套系统即可全部搞定,效率大大提升,如整体调车效率直接能够提升6倍之多。

而借助G7的物联网和智能装备、大数据,鄂尔多斯煤从坑口出来,到运到南方电厂的时间从原来的45天变成15天,节省了三分之二的时间。

可以看到,借助智慧物流,物流行业的安全、效率、成本的问题都得到了有效缓解,但还远远不够。如总体物流成本依然偏高(当前我国物流成本占GDP成本大约为14%,发达国家约为8%)。

简单来看,当下运输标准化消费品的消费物流数字化程度高,但用于运输生产消费品制造原料的生产物流信息化程度不够,人货车钱的数字化链接程度不够,都让物流成本变高。

比方说,企业制造商品要用电,运输煤炭成本高,导致商品制造成本高,看起来商品快递费不贵,但在其制造前的物流成本已变高了。再比如很多交易结算场景仍然在线下,带来车队管理司机开支困难、司机要款周期变长等,这些都拉升物流成本(管理成本、信用成本等)。

如果一切都能数字化可视和在线化处理,成本显然会大大下降。可见,物流行业的进化,跟生物以群体进化为基本单位一样,需要产业链上下游群体实现链接,并协同进化。此次G7伙伴大会提出“无伙伴不进化”的原因即基于此。

而基于物联网带来的产业协同、多元共生的生态数据驱动,才是物流行业的“进化力”。行业要驶向数字高速公路,这是“入场券”,需要整个物流生态实现数字化。

二、加速智慧物流进化,需要解决哪些难题?

那么当下要加速智慧物流进化,如何将“进化力”进行最大范围的提升,需要从两个方面入手。

第一,是搭建全方位的物联网基础服务,即实现安全、装备、结算等物流基础的数字化,这是产生数据的基础。

要做到这一点,需要进行全链路的数字化升级。即将物流的三要素(流体、载体、流向),向着流体可量化、载体智能化、流向可控化进化,从而实现经营数字化,以提升安全、效率和降低成本。

以煤炭到电厂的运输为例。由于流程复杂,带来很多问题。比如在冬季储媒高峰期,在热电厂门口司机要等待数小时乃至三天两夜,导致司机运输效率大大降低,大部分时间都在等待。从煤炭运动电厂的途中,中途会不会出现换煤、偷煤的现象,不好把控。司机运费线下结算周期太长等等。

而通过G7与相关方的合作,是如何让整个过程变得更高效和安全的呢?

首先是将整个这个场景中所有设备全部智能化。如吊车、集装箱,运输车辆的车头、车挂、场站等,让每一个设备都能通话和连接。以小G(煤炭甩箱)为例,其不仅是一个物理集装箱,还可以“说话”,能够实时记录其运行和使用轨迹,如位置、重量变化等等。

其次,搭建一个平台,让运输途中煤炭的位置、载重和运输路线实时可见,如车辆驶出电子围栏会报警;运到电厂后煤炭质量检测的数据可实时上传反馈,从而构建一个可信任、可监控的闭环。

通过这一系列升级后。一方面司机等待时间变短了,效率大大提升,从三天一趟变成一天五趟。原因在于,通过数字货舱(煤炭版),小G,司机运输的煤炭成了一个可量化的、打包好的“标准商品”,既可以快速实现车货匹配、装卸等,也能装上即走,且结算周期变短,在过磅的同时,结算已经结束(抬杠秒结)。另一方面,货主也不用担心被调换货,因为整个过程都因为IoT连接实现“可视”。

第二 数据流通才能产生最大价值。即需要将物流的各种元素“人车货钱”进行数据贯通,这决定能多大程度释放数字化的赋能。

简单来说,就是要用数据来“点亮”传统物流运输中的“盲区”,让其变成“亮区”。

比如G7通过对6万辆运营数据的实时跟踪,从中总结出影响货运安全运营的300个因子,为货运安全风险提供了精细化管理的基础。

再比如通过智能设备和物联网,让货物运输过程中载重变化、温度变化、颠簸变化、行程变化等都可以看到,那么货物的安全隐患将大大降低。如通过震动地图避开易发生颠簸的路线,通过远程调节车厢温度,降低生鲜商品的受损率。

当然,点亮还不够,还要让数据流动起来,最终实现全链路贯通。如基于车辆和司机的数据,结合保险公司的出险数据,最终能让车主与保险公司制定合适的保险费用,实现双赢。又能给投资公司和金融公司作为重要参考,给物流公司和车主融资增加说服力。

总的来看,就是以大数据为支撑,建立去中心化的网络,实现多元共生、产业协同。最终实现让数据为货物流通创造舒适的体验,让物流行业从“人管人”变成“平台管机器人”,从而实现降本增效。

什么意思呢?就是随着货运车辆驾驶、车厢、车挂等智能化程度不断变高,它们将变成一个个能自我感知、自动调节的货运机器人,且这些机器人数据互通、相互连接成一个平台可控的货运机器人网络。

以冷链运输水果为例。为新鲜水果安全运达目的地,需要考虑减少温度、震动影响水果品质,也要提高运输时效、避免不必要的损耗。

传统模式下,司机先要依靠经验选一条震动、运输时间少的路线,途中又要不时停车查看、调节车厢温度。同时还要在保证安全情况下尽早送达(可能少不了疲劳驾驶)。而作为车队管理者,要不间断联系司机了解车辆在途情况,为货主反馈信息。

但在货运机器人网络下,基于大量车辆感知数据早已为货运路线描绘出“震动地图”,基于温度感知设备,让车厢温度实时可知,并在必要时远程调温,并实时反馈车辆在途位置,水果所处状态等。而借助自动驾驶,又能减少司机长途驾驶疲劳,提前规避突发风险等、提升货运安全。车队管理者、货主也无需联系司机,进行“人管人”,而通过平台数字化信息,管理一个个“货运机器人”,不仅大大提升了可管理的车辆数目,也提升了效率。

三、物联网浪潮下,进击中的物流行业往哪走?

如今智慧物流要发展,以大数据为进化力,通过群体进化已成为行业共识,那么智慧物流接下来发展方向有哪些变化呢?

第一,进化重心从“消费物流”到“生产物流”。

过去十年,借助电商的快速发展,以非生产型商品或消费品为主的消费物流,其信息化程度已经很高,无论时效(当日达、次日达)、成本、安全(可追踪)与发达国家相比也不落下风,也诞生了很多行业巨头,行业甚至开始内卷,如大家熟知的快递价格战。

未来十年,为生产型资料运输的生产物流是一片新蓝海。以大宗商品运输为例,其公路货运运费规模约为2.2万亿,占了整个公路货运物流6.2万亿的三分之一,但仍未有巨头企业出现,这是一个巨大的机会。

而随着智能装备、物联网、自动驾驶的发展等,将让大宗商品运输过程变得更加标准化和流程化。以及“双碳”政策发布后对节能减排的要求,也会让更多企业借助智能匹配算法提升运输效率,降低运输途中的碳排放,这些都将推动行业加速向前。

第二,进化主力从“头部先行”到“腰部崛起”。

众所周知,中国物流行业市场很大,但运力相对分散。影响物流行业进化的既不是少数几个头部物流企业,也不是个体户司机。其核心群体是物流中小企业,这是物流行业未来进化的主体。

原因很好理解,头部企业拥有更好的技术和资本,自身的数字化建设能力更强,很多企业的数字化程度已经相对较高。而个体户司机,也不大可能有动力斥巨资进行数字化改造,投入产出比毕竟有限。

但是对中小物流企业来说,他们没有大企业的资源,在前期的数字化上面可能进展较慢,更需要借助整个行业的发展,实现自身的进化。此外,其弹性伸展空间更大,比如在人管车的时代,中小物流企业可能只能一个人管20辆车,但借助数字化系统,管车的数量和效率将大增,投入产出也很可观。

第三,进化路径从“单点信息化”到“全链数字化”。

物流数字化的进程从来不是一蹴而就的。很多中小物流企业的数字化最开始都是从局部开始。但最终的目的是通过数据让“货”实现舒适的运输体验,让人实现高效、安全的管理体验。

简单来说,物流行业要提升效率,唯一的路径就是能进行量化分析。而实现量化的基础,必须要让人、车、货等要素,变成信息化,然后再将这些单点的数据打通,让数据流通起来,变得可分析可利用。从而激发智慧物流的最大潜力。从“单点信息化”到“全链数字化”将是一个大趋势。

总的来看,未来的智慧物流的发展,肯定不是巨头生态,而是一个超大的去中心化网络。即不同的行业参与者在这个巨大网络中互联连接,成为其中一个节点。

与中心化网络看重绝对实力不同。在去中心化网络中,超级节点赋能产业的“进化力”大小,决定了企业的未来发展空间。以G7为例,通过在货运安全、智能装备、自动驾驶、数字结算等方面的布局,已成为一个软硬一体的开放物联网平台。虽然并非物流企业,但已成为物流行业中的超级节点,因在物流产业中连接诸多上下游企业而发挥巨大的影响力,这让其未来充满想象。

*本文图片均来源于网络

深挖智能这口井,同好添加vx:zenghy2017

此内容为【智能相对论】原创,

仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。

智能相对论(微信ID:aixdlun):

•AI产业新媒体;

•今日头条青云计划获奖者TOP10;

•澎湃新闻科技榜单月度top5;

•文章长期“霸占”钛媒体热门文章排行榜TOP10;

•著有《人工智能 十万个为什么》

•【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。

物联网浪潮下,物流产业如何再“进化”?相关推荐

  1. 从Data+这步棋读懂英方软件的再进化

    一直以来,数据保护市场长期由国际巨头厂商唱主角,鲜有中国厂商的身影.数据管理.数据复制.备份.容灾这些领域技术门槛高.品牌效应积累时间长,对于起跑较晚的中国厂商的确不太"友好". ...

  2. 产业互联网浪潮下,建筑机器人如何掘金多元化场景?

    转动的黄色塔吊.光滑的玻璃幕墙,以及从早到晚戴着安全帽高空作业的工人们,在城市化的发展进程中,扮演了一个个不可或缺的角色. 众所周知,建筑行业一直存在着施工安全风险大.生产效率低.建设成本高等弊病.也 ...

  3. 15个产业级算法推出、35个高精度预训练模型上线!最强国产开源AI框架再进化,密集提升视觉产业实战能力...

    乾明 发自 凹非寺  量子位 报道 | 公众号 QbitAI 2项全新能力,4大重磅升级,35个高精度预训练模型上线,15个产业实践中广泛应用的视觉算法加持-- 这就是最强国产开源深度学习框架--飞桨 ...

  4. 交大安泰大交通专委会线下论坛《大数据赋能物流产业应用》圆满落幕

    2022年9月24日,由上海交通大学安泰MBA校友会.大交通专委会(下称专委会).数据宝.华东江苏大数据交易中心联合举办的大交通专委会线下论坛--"大数据赋能物流产业应用"在数据宝 ...

  5. “金融+科技”内外双赋能 拆解数字化浪潮下的平安打法

    文 | 曾响铃 来源 | 科技向令说(xiangling0815) 金融科技进入蓬勃发展的快车道,落地实践快速推进,理念和技术的探索.交流也在进一步深化. 最近,由平安集团联合每日经济新闻举办的平安大 ...

  6. 原创 | 新基建浪潮下,看科技巨头如何抢占先机

    在面对疫情全球大流行.国际金融海啸.中美贸易摩擦.转型升级等重大挑战的情况下,今年3月,"新基建"站上舆论的风口浪尖,成为了当下最热门词汇,引发了社会各界大论战.一方面,产业界.资 ...

  7. 5G浪潮下,机器人行业仍处于技术储备阶段。

    导 读 回顾整个移动通信发展史,有人说2G时代发短信是最时髦的通信方式,3G时代微信兴起,4G时代手机把衣食住行都"管起来". 到了5G时代,已经突破传统通信技术人与人之间点对点的 ...

  8. 数字孪生倒逼物流产业集约化发展?“一屏统管”效率增幅98%

    2017 年 10 月,十九大报告中强调,加强水利.铁路.公路.水运.航空.管道.电网.信息.物流等基础设施网络建设,这是第一次将"物流"纳入基础设施网络建设的论述范畴.2020 ...

  9. 物联网环境下数据分析的应用

    物联网概论及国内外研究现状 "物联网概念"是在"互联网概念"的基础上,将其用户端延伸和扩展到任何物品与物品之间,进行信息交换和通信的一种网络概念. 物联网(In ...

最新文章

  1. 诺基亚:IMPACT智能管理平台已安全管理超过15亿部物联网设备
  2. python loading_MXNet Python Data Loading API
  3. 我自己写的3D图形数学库。。。有点乱!
  4. 李开复从不缺席的AI夏令营开营:今年周志华俞勇张潼授课,1万人报名仅600入选...
  5. Spring学习总结二
  6. 盘点程序员最喜欢的15个网站
  7. PID控制器开发笔记之一:PID算法原理及基本实现
  8. 小白猿简洁好看的个人介绍单页HTML5源码
  9. elasticsarch6.5.4安装插件 searchguard和elasticsearh-head插件安全性问题
  10. 7-1 近似求PI (15 分)
  11. 【数据结构 严蔚敏版】 顺序栈 基本操作
  12. 华为服务器修改密码命令,华为IAD命令行配置命令
  13. 演讲发言时太紧张怎么办?只需三招帮你彻底克服当众讲话前的紧张感
  14. cad审图软件lisp_CAD审图标记最新版
  15. 国际十大炒黄金期货正规平台排名(2023精选榜)
  16. Android Studio调用百度地图(二):实现地图显示后台定位和步行导航
  17. STAR法则的简历应用
  18. 区块链对电商的三大革命
  19. 【术语篇】影响PV的因素有哪些
  20. 婚介机构实名认证系统接口介绍

热门文章

  1. webpack手动配置以及自动配置
  2. 小区无线网络覆盖设计方案解析
  3. python离散数据傅里叶变换公式_离散傅里叶变换笔记
  4. 触控手势怎么设计才好用(二)
  5. 开个1.80合击版本服要多少钱?
  6. Java打印钻石图形
  7. android开发内存优化的那些事儿
  8. Mac 查看本机ip
  9. PHP 的运行方式有哪些?
  10. Ag掺杂改性金属有机骨架多孔材料MIL-101|核壳结构的MOF@TiO2催化剂(NH2-UiO-66@TiO2)科研试剂