文 |魏啓揚 來源|智能相對論（aixdlun）
50萬億（注），現今人人都想搭上“新基建”這輛快車。
現在的問題是，很多行業並不在“新基建”所錨定的7大領域（5G、特高壓、城市軌道交通、新能源充電樁、大數據中心、人工智能、工業互聯網）之內，如何與這7大領域產生關聯，通過本行業的“新基建”完成產業升級，成為破局的關鍵。
4月29日，有媒體報道，貨運自動駕駛企業嬴徹科技宣佈已完成1億美金融資。嬴徹科技的此輪投資中，老股東G7和普洛斯繼續跟進。
雖然這是發生在自動駕駛領域的一起融資事件，但放在“新基建”的戰略語境下，由投資方G7——中國領先的物聯網貨運服務平台的身份進行延伸思考，可在一定程度上反映出以G7為代表的物流巨頭持續強化其物流數字化基礎設施優勢的意圖。
一、伴隨電商而起的快遞只是智慧物流的A面
談到物流，很多人的第一反應或許是由順豐和“四通一達”這些快遞企業所展現出來的強大的“投送”能力。從2013年日均業務量剛剛突破3000萬件，到2016年全行業1天可送1億個包裹，再到2018年天貓雙11物流訂單超過10億。以快遞為代表的智慧物流已經跑的足夠快，足夠遠。這是不是説明我國的智慧物流伴隨着電商行業的發展已經趨向成熟，不需要再搞“新基建”了呢？
答案是否定的。
伴隨電商而起的快遞只是整個物流產業中的一個組成部分，是智慧物流在B2C領域展現在外界的A面，隱藏在背後的B2B這類更加傳統的領域裏，行業依然停留在信息化程度低，運營分散的“原始階段”。
拿B2B大宗領域較典型的煤炭物流場景來舉例，由於車貨匹配欠佳且調運車輛方式較為粗放（大多仍使用微信或者電話），貨運效率低下、拉運時間較長。例如從鄂爾多斯地區運煤炭到曹妃甸港口，需要採用公路 鐵路的運輸方案，煤炭採購等手續預計花費6小時，車輛協調、排隊等候、裝卸車時間預計6小時，車輛路途1小時，單趟40公里的煤炭公路運輸，從前期等待到運輸完畢，卡車司機需要耗費13個小時之久。
以上，我們可以非常明顯看到，中國物流行業在B2C領域的A面與B2B領域的B面之間的存在着極大的不均衡。
華夏新供給經濟學研究院院長賈康在《“新基建”中智能物流和智能供應鏈建設已是當務之急》一文中分享了這樣一組數據：當前中國物流成本佔GDP比重為14.6%，高於全球平均水平11.7%近3個百分點，折為物流成本相對差距，高出了近25%；相比世界排名第一的美國7.2%的比重水平，中國高出了7.4個百分點，折為物流成本的相對差距高出了一倍以上。
菜鳥網絡2019年的數據也顯示，中國全年物流總費用摺合美金在1.75萬億美元，這個數據也超過了美國全年物流總費用的1.49萬億美元。
以上案例與數據顯示，無論是比重還是絕對數量，中國物流行業與世界先進水平相比，都有相當大的距離，物流行業A B兩面之間存在着極大的不均衡。如果將快遞行業的優勢進行衝抵，那麼物流行業在B2B領域的短板該是有多短？
事實上，關於智慧物流的探索，中國的玩家們一直在努力，針對效率、管理和安全這三個行業普遍存在的痛點，行業中都有大量對應的解決方案，但問題一直沒有解決的原因在於其“頭痛醫頭、腳痛醫腳”的傳統物流基建思路。
一個典型的例子，物流企業針對自己內部管理，會有倉儲、運輸、車輛、財務等多個管理系統；一個卡車司機完成一趟運輸閉環，整個過程可能要用到運力信息撮合、路況禁區查詢、過路費計算、車輛管理、車況診斷、財務結算等多個應用。
雖然這些系統和應用能解決對應的問題，但就整個流程而言，由於各個系統和應用就像一個個高聳的煙囱，相互之間數據割裂，缺乏協同，行業的整體效率始終難以提高。
二、智慧物流“新基建”到底應該怎麼建？
既然問題已經找出來了，那麼智慧物流“新基建”的方向也大致有數了，我們或可從以下三個方面入手。
首先，從場景出發，構建產業鏈條的數字化底座。
快遞行業之所以遠遠跑在傳統物流的前面，其很大原因在於電商巨頭們對快遞行業的“收編”，一定程度來説，快遞並不只是物流行業的一部分，更多的是電商產業鏈條的一個環節。
在電商產業生態中，所有場景和生產要素都要求數字化，在這個過程中，快遞行業可以説是“順勢而為”，也可以説“身不由己”的完成了全鏈條的數字化基礎設施建設或改造。
回到B2B傳統物流領域，這也要求物流企業或車隊也要基於對場景的理解，構建一個數據可以在各個場景之間通聯流轉的基礎底座，我們可以將其理解為智慧物流的IaaS。
以G7為例，通過將GPS盒子等各類傳感器在車隊中的普及應用，構建了一張由150萬輛物流卡車組成IoT網絡，從單一場景出發，多維度的數據收集，進而進化成整個行業的數字化基礎設施。
其次，從痛點出發，構建連接管理與運營的平台引擎。
產業鏈條各生產要素的數據收集回來後，怎麼利用？
從滿足物流企業和車隊老闆降本增效這兩個最核心需求來看，需要這些數據在內部管理與外部運營這兩個領域的各個場景中流轉，這樣才能提高整體效率，這時我們需要一個連接管理和運營、兼容數字底座和應用的平台引擎，也就是智慧物流的PaaS。
其實行業中也有類似概念的平台系統，但由於對產業鏈條中的場景理解不夠，數字底座的滲透率有限，因而這些平台系統的功能和體驗都有非常大的侷限性。
G7的做法是通過經營服務平台和資產服務平台這兩個平台引擎來解決上述問題。
前者解決車隊加油、ETC金融服務、工資、税金、運費結算，甚至後市場的輪胎、潤滑油等車隊運營一系列日常高頻需求的問題；後者給物流企業帶來成本結構的改變，以前需要自持車隊，如今採用運力租賃的方式，使資產由重變輕，人力成本下降，帶來的是經營管理效率的提升。
必須明確，建設智慧物流PaaS中台的核心需要直接指向成本、時效、安全這三個行業長期沉痾的核心痛點。
最後，從體驗出發，構建貫穿全場景的物流應用。
上文提到，由於數據的割裂，卡車司機要使用N個應用才能完整的跑完一趟運輸閉環，卡車司機的手機容量是否夠用暫且不説，光是在各個App中切換，其所謂的數字化體驗能有多高大家都能想象。更加糟糕的是，由於數字化基礎設施的不完善，運輸過程中很多環節還沒有上線實現數字化，仍要用“原始”手段才能完成。
理想中的全場景體驗是怎樣？我們用一個卡車司機的日常工作來作答。
車快沒油了，打開App，附近加油站的位置和價格一目瞭然，一鍵加油並即時完成線上結算；長時間駕駛後在App上找到最近的司機之家，在那裏填飽肚子、洗個熱水澡，還能小睡一會；ETC、維修保養、運費結算一系列動作都可以通過App完成，不用隨身攜帶大量現金，也不用留存一堆發票回去報銷；行駛過程當中，出現疲勞、打哈欠或打電話等危險動作，智能安全設備會進行實時提醒，如果危險係數過高會觸發安全管家進行人工干預，直到風險消失……
總之，司機跑一趟活的全程需求，均可以通過一個應用（平台）來實現。
事實上，物流行業中有部分App應用已經具備了這樣的能力，如果將視野放的更廣一些，在數字底座和平台引擎的基礎上，產業鏈的每個環節都應有基於各自場景的SaaS應用。
總而言之，智慧物流“新基建”的關鍵不光在“物流運輸”的過程，還應包括上游貨主與下游車隊、保險公司、能源公司、金融公司等間接服務物流產業的組織與產業鏈的數字化連接與承載。其中既有基於物聯網層面的“硬件”建設，也有基於數據管理和應用“軟件”開發。
三、自動駕駛，補足智慧物流“新基建”的最後一環
產業鏈全場景生產要素的“數字化”建設或改造就是智慧物流“新基建”的全部嗎？
無論是電商巨頭還是物流企業都認為這個問題的答案還需加上自動駕駛。
阿里、京東、蘇寧乃至順豐都在自動駕駛賽道競逐很長一段時間了，像阿里菜鳥的末端配送無人車“小G”已經經過了多次迭代，還與一汽解放聯手發佈了自動駕駛卡車“公路高鐵”；京東的無人配送小車多次曝光；蘇寧物流也曾在2018年先後推出過無人配送小車“卧龍一號”和無人重卡“興龍一號”。
物流行業中，除了G7投資了嬴徹科技之外，另外一個物流巨頭滿幫也投資了自動駕駛研發公司智加科技，根據滿幫的規劃，自動駕駛車輛未來要佔到1/3，滿幫還要自己組建自動駕駛重卡車隊，自己運營。
電商巨頭和物流企業之所以死死咬住自動駕駛不放，其內在邏輯都只有一個，即智慧物流的閉環還需靠自動駕駛補上。
這一點很好理解，自動駕駛技術應用在商用卡車上，將大幅改善人們的工作和生活狀態，自動駕駛技術補充貨運司機，將減輕工作強度，降低事故發生率。
與此同時，通過技術將車輛的全生命週期打通並且形成數據，把每公里的成本都核算清楚，這樣就能做到更加精細化的管理。有數據顯示，自動駕駛或可為運營商帶來5%—10%降本和效率的提升。
從上述分析來看，自動駕駛確實是能大幅度改變物流行業生產力的基礎工具。
按照當前的趨勢發展，自動駕駛在未來或將成為物流行業的“標配”。
其實從卡車自動駕駛賽道的玩家背景即可看出，在自動駕駛研發這項既需要場景支持，又需要數據餵養的長跑中，規模在其中起着至關重要的作用，在一定程度上也決定着行業競爭格局的走勢。
因為，只有一定的規模才能支撐起足夠豐富的場景和足夠數量的數據，這樣才能在運營和研發這兩個層面給自動駕駛和物流行業形成雙向循環的“正向反饋”，行業玩家在構築起自己的護城河的同時，行業競爭也將走向集中。這樣或將導致物流行業運營模式的變化。
通過G7、普洛斯和嬴徹科技的實踐與探索，我們或可窺視一二。
G7提供核心場景和數據能力，普洛斯作為亞洲最大的物流倉庫提供商和服務商，提供資金支持和業務協同，嬴徹實現車規級自動駕駛卡車量產後，進而推出“技術 運營”端到端的商業模式。
目前G7及嬴徹通過向物流車隊提供“數字貨艙”（掛車）及“L1級別重型卡車”的租賃服務，已經實現了“按流量（公里數）付費”的資產服務化模式的市場落地。
總結：在“新基建”和自動駕駛的“改造”下，物流企業或將完成從重資產到輕資產的轉變，物流行業也將進入到一個更快、更準時、更安全的新時代。
注：數據來源於《南風窗》：《50萬億！新基建的風口在哪裏？》一文，《南風窗》根據各省公開信息統計而來，涵蓋各地多年投資計劃總額。