G7:公路上的智慧大脑

借由人工智能在物流领域的应用,这家公司正在搭建一个跨生产力领域的物联网平台和智能化资产管理平台。

CEOCIO - - Cover Story 封面故事 / - 董莉/文

这两年的腾讯全球伙伴大会,马喆人都参加了。不同的是,2016年他代表主办方,彼时他是腾讯副总裁,并在位置服务专场做了演讲;而 2017年,马喆人出现在“人工智能”及“智造”分论坛,此时,他的身份是G7的总裁。

的确,2017年被称为人工智能元年,与之相关的主题异常火热,一如马喆人参加的“人工智能”那场分论坛座无虚席。就连互联网+都在逐渐向AI+演进。同样,在人工智能的助推下,物流行业正在经历智慧化、科技化转型,新一代智慧物流产业版图已经展开。

“AI技术的发展和落地不断被推进,物流和供应链追求的也不再只是成本和效率,人们对信息的诉求发生了显著变化。”G7总裁马喆人说,“智慧物流首先需要全程联网和可视可控,这个是基础的,它建立在物联网技术上。其次,智慧物流不仅仅是被动的响应指令,更多的是物流体系能够理解和响应用户的需求,这是智慧物流比较高的境界,它会变成体验很好的用户服务。”

由于腾讯与G7在云服务等多方面均有合作,因此,在加入G7之前,马喆人就已经对这家公司有所了解并看好其前景。这位前腾讯副总裁,先后负责过腾讯公司战略、腾讯位置服务、腾讯自动驾驶和车联网等业务,就任后致力于加速G7的产品智能化和物联网技术升级。“其实物流就是一种服务,是件很有意思的事。”在他看来,物流以前主要靠人和资产,之后靠的是科技和金融,”G7有机会成为一个巨大的互联网平台。”

作为国内物流运输领域最大的智慧物联网平台, G7的 AI引擎正在快速迭代和自学习,以支持上下游协作,为客户提供简单便捷、智能的车队管理服务,用物联网+AI实现行业资产管理的模式升级。

物联网+AI

与公司同名的“G7”原本是一条北京到乌鲁木齐的京新高速公路,其中相当长一段路跟以前的丝绸之路重合,过去丝绸之路走下来需要两、三年时间,G7创始人兼CEO翟学魂曾自己开车,用了三天跑完全程。“我们是为物流提供一个基础服务,也像高速公路一样帮助客户降本增效。”翟学魂说。

“我认为未来是可以知道,也是可以到达的。”翟学魂认为,通往这个未来需要一条物流信息高速公路,而G7并不是一家物流公司,而是一家技术公司,从 2010年开始面向物流行业提供基于数据的车队管理服务。

经过七年发展,客户现已涵盖快递、快运、消费、电商、食品等行业,至今年9月,G7的客户数达到4万家,连接车辆超过60万辆,其车队管理服务已成为中国物流运输领域上下游协作的重要工具和基础数据协议。

在过去的三年间,G7做了两件改变物流行业传统模式的事,一是通过G7平台连接起了物流车辆的油耗数据,每一辆车、每一单任务的油耗成本,效益管理借助物联网科技的力量变得精准、可视、可控。目前,80%以上的厂商已经在建立或与G7开始接触对接油耗获取的管理方式,极大程度上降低了车队的管理成本与难度;二是建立了高效的数据共享,将车队与上游的实时数据进行共享,大幅度降低了双方的协作成本。

在这个过程中,“G7见证了两件事,让我们确定未来是可以知道的”,翟学魂说,一件是车队在不断变大,据G7年底盘点数据显示,拥有三十台以上车辆的车队在过去一年几乎有40%~50%的运力在增长;另一件是新型物流平台公司已经抛弃以前的发展模式,正在探索颠覆性的成长方式,推动行业整体的变革。而这也与翟学魂在 2017年初预测的行业趋势相吻合。

一个明显的现象是,曾经设计精密、价格昂贵的传感器,随着技术日渐成熟和普及,已被替 换为成本低廉的摄像头或麦克风,数据的采集变得简单可行,再通过云端大量的数据计算和模糊判断可实时感知现实状况。“拥有简单、及时、低成本等原始传感器所不具备的优点,物联网 +AI 可轻松完成运输全程联网及可视可控。”马喆人说。

他介绍,目前,G7已经将物联网+AI 模式在物流行业进行了成功应用。在不久的将来,任何一个具备移动或共享特征的设备,都能够装上定位器、计价器和传感器,接入云端进行智能化的实时管控。这种模式不仅能提高物流运输管理效率,而且能促成大规模的共享和按需购买,会显著地降低企业进入智慧物流的资金门槛。

“G7-007”和“一路通”

去年,G7尝试了一个有意思的项目,来自于行业方案事业部总经理陈立宁他们的实际观察。“我们在水泥行业运输客户的现场看到,为了确保货物送达,会在途经的路上设置一些小房子,里面都有一人值守,他的工作是每天在运输车经过时进行记录,并让司机确认签字。”陈立宁回忆说,“问了客户才知道,这样的小房子在全国有几千个,也就是说有上千人从事着确认货物运输的单一工作,这无疑是人员的浪费。”

他们研究之后发现,要想知道一车水泥是不是送到客户那里,有没有串货风险,并不需要

这么复杂的操作。“我们在车上加一个载重传感器,就可以知道货物在什么时候卸,卸了多少。通过这样的方式,我们给客户定了一个目标,通过接下来的时间一起努力取消两千多个小房子。”陈立宁说。

诸如此类,G7行业方案团队对两百多个客户解决方案进行了深入分析后总结,很多物流场景都存在两个比较关键问题,一个是运营效率问题。大部分物流公司效率受困的原因,很大一部分在于相对落后的管理方式,工作人员内耗严重所致,很多运营人员的日常都在做效率较低但却非常高频的重复性工作,如90%的工作时间,财务在做 EXCEL,调度在打电话,客服在回收轨迹,而项目经理则忙于在微信群传递物流最基本的信息。另一个是驾驶安全问题,统计显示,物流运输所有事故中,5%是偶然,95%是必然的行业系统性风险。

为解决以上问题,G7通过物联网结合AI 的方式,让传感器和算法帮做这些收集及处理信息的低频高效工作,驱动物流产业生态链优化。具体体现在“智能运营”产品G7-007 智能化车队管理系统。

陈立宁介绍,G7-007机器人搭载了AI引擎,基于大数据可以实现对车辆运行全程的延误、线路异常和司机危险驾驶行为的全面自动化管理,在多个维度提供高度智能的实时风险报警、干预和取证判责。比如,针对长途运输中的疲劳驾驶 问题,G7-007采用人脸识别技术,以低成本的图像在云端抓取数据,并连接云端服务,并利用最新图像处理技术,首次将长期困扰行业的司机打瞌睡、看手机、超速、车道偏离等高危驾驶行为进行准确的实时识别,并连接云端服务进行及时管理干预,将货运高危事件发生数量平均降低40%以上。

正如翟学魂所说,智能运营系统的诞生,将使中国物流运输领域三年内,因疲劳驾驶产生的安全事故大幅减少。“G7立志在三年内消灭95%的公路货运安全事故。”

另外,新零售意味着物流的最终终端,也就是用户是挑剔且没耐心的消费者。通过 G7007可以预知物流运输过程中的异常,管理人员可以“不用电话就知道发生了什么”,并且,能够“在麻烦变大之前就解决它”,保证货物安全、快速、无损地到达用户手中。

再有,针对占据 90%市场的中小型车队, G7手机管车APP提供的调度机器人通过比对车辆、车队和行业大数据,可自动建立班线管理任务、自动识别车辆停靠站点、自动判断行驶进展,像调度员一样在背后全程紧密监管,而且24 小时全年无休,为小微车队提供了高度智能化的管理手段,提升管理效率,大幅减低人力成本。

成本是各个行业绕不过去的坎,物流亦是。整个物流过程中的费用能否电子化,实现货一送到,挣多少钱就自动算出来?同时,车辆每次点

火熄火、每次过路、加油都将全部数据化,每一单任务从起点到结束,盈利亏本都能一键得知呢?“一路通”产品便是基于这样的目的面世。它是主要针对物流企业运营管理及中小企业融资难的痛点设计的解决方案,融合AI算法自动识别行程、自动在行程中记录各项消费、自动核算每个行程的毛利,形成的管车一体化的智能出 车账本,从生意的本质出发去融合数据,让车队管理者能轻松了解每单任务,一键掌握整体运营状况。

有统计数据显示,过路过桥费占到了干线运输成本的 30%~40%,对于需要垫付高额过路费、油费的车队老板来说,资金周转是他们所面临的重大难题,但市场上并没有他们适用的便捷信用贷款产品。

针对物流行业资信记录缺乏,中小企业融资难的问题,G7基于客户大数据,让优质客户享受信用过路、信用加油等物流新金融专属服务,让企业可以先消费后付款。“基于G7管车服务,联手金融合作伙伴,2017年,G7为超过 30万台车提供授信服务。”G7一路通事业部总经理黄丛介绍,G7以智能终端实时收集数据,替代传统风控,创建了物流车队的信用体系,并联合首发集团速通公司和微众银行探索出了一套产品体系。

比如,速通卡作为一款初期产品,能将大量的货车流量引入 G7 平台,而“微路贷”则进一步优化了货车缴费模式,目前,微众银行借助G7 向客户提供了超过 4 亿元的总授信额度。除了货车 ETC 卡业务,G7还有两项金融增值产品:汇管油提供油品服务和货车融资租赁服务。

此外,G7与合作伙伴合力打造的智能挂车打破了行业空白。据了解,借助挂车出厂时所带传感器+云端算法的智能挂车系统,在快运快递、危化、冷链、中置轴轿运车及挂车列车等细分领域,实现了挂车运输管理全程可视,安全行驶,智能调度,共享协作,其位置、温度、载重、防侧翻、远程锁车、胎温胎压六大智能数据能力,将市场上大量分散的挂车被有效地集中管理,实现运力的最大化释放,同时在挂车租赁、金融方案亦提供解决方案。

在万物互联的时代,智能设备与数据将渗透到行业的每一个环节,成为重要基础设施。马喆人毫不讳言G7快速前行的动力,来自于物联网 +AI的实力。他也透露 G7的小目标是“成为一个有温度的智慧物联网,一个很愉悦的智能供应链”。

翟学魂认为,未来是可以知道,也是可以到达的,通往这个未来需要一条物流信息高速公路

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.