11/10/2026 | Press release | Archived content
大家早上好,非常感谢大家不远万里来到数字物流大会。作为这个行业对科技最有热情、也是最有上进心的一群人的大party,我希望大家来了之后,见到老朋友,晚上喝一杯、叙叙旧;更重要的是,今天应该还有很多新朋友,一起想一想我们能干点什么跟原来不一样的事情。
我今天跟以前一样,就说两件事:
第一,G7易流平台上现在有300多万台卡车在跑,这些数据背后能让我们看见什么;
第二,我们每年服务3万多个客户,从他们身上看到了哪些新产品、新服务方式的应用故事。
先看大盘。左边这条曲线是近三年的公路货运活跃指数,约等于总货量走势,红线是今年,跟去年比有上有下,平均下来接近零增长。均值为零,意味着没有风了,也没有站在风口就能飞起来的猪了。飞离平均线得靠个人努力。你的车队,是往上飞的那个,还是往下掉的那个?
重点是两个正态分布图,是安全和效率在不同车队之间的分布。我们有一个评估司机安全状况的指标叫安全分,一个车队里司机安全分的平均值,基本就代表这个车队的安全水平。数据上,后25%车队的平均分是70,前25%是86,差16分。同事说不多,我跟他讲,如果你家有个孩子,可以去两个班级,一个班平均70分,一个班86分,你会不会拼尽全力让孩子去86分那个?
事实上,重卡86分和70分的事故率是1比3。86分的车一年保险赔付在1万以内,70分的在2.5万以上。效率那边也一样:日均240公里大概是盈亏平衡线,日均400公里的车每月纯利润肯定在1万以上。而且今年安全和效率的方差都扩大了20%。
方差是个统计学概念,意思是个体跟均值之间的差距。方差扩大,意味着2026年大家距离平均线更远了。安全和效率就是咱们货运班的语文和数学,现在是成绩好的越来越好,成绩差的越来越差。
今年货运行业最重要的变化,就是重卡的新能源化。我们从数据上看到的结论就是,组织化的车队是新能源化的绝对主力。大家猜猜,今年新增重卡里,50台以上的车队贡献了多少?答案是62%。有一定规模的组织化车队是绝对主力。
这个结论让我相当吃惊,因为以前在大宗运输区域的几百公里、三五百公里的运输当中,绝大部分都是个体的司机。为什么62%的新能源的车都是车队买的呢?而且这些车老板难道不知道运价在下降吗?大家买了新能源车赚得到钱吗?在座好多都是买了新能源车的,赚得到钱吗?
所以我专门前一段时间就跑了一趟,从北京跑到了哈密,一路上见了 20 多个投资了数百台车队的新能源车的老板。我就问他们:这运价这么低,你买这些车能挣到钱吗?
他说:原来我一台车一个月5万利润,现在一台车一个月3000利润。3000块钱跟那几十万的一台车的投资来说,我觉得就是不挣钱。那为什么不挣钱还买车呢?他说:我要留在牌桌上。因为如果不做这件事情,跟时代脱离了,我就离开了这个牌桌。留在牌桌上,我相信这个国家、这个新能源的趋势还是有巨大的机会的。
所以我就看到了一群想要留在牌桌上的新能源车的车队的老板。
大家看底下那个白线,那是100台车以下的人的效率,差不多一天平均200公里。大家看那个紫线,是500台车以上的,一天平均300到350公里。最有趣的是中间这红线,是100到500台车的。
看到没有,这个红线在向上走。什么意思呢?在座的如果有是刚才说的绝对主力,这些主力队员,大家看到这个红线就是在爬坡,大家的效率在爬坡。
因为买车并不挣钱,资产本身不能盈利了。过去资产就是盈利,就你买了车,马上车就是钱,现在资产不能盈利了。盈利是什么呢?盈利是白线和紫线之间的差距。你看你在哪,如果你超过的越多,就盈利越多,如果不超过,那你就是赔钱。
要爬这个坡,你的车、你的货、你的司机、你的调度、你的充电,所有这一切体系的能力都要提高,那个坡才能爬上去,不是省两分钱、不是买个便宜的车、建个充电桩就能爬到这个坡的。
新能源的重卡比老能源的重卡安全要差,而且还在变得更差。今天有好多OEM厂商,外头也有二三十台重卡的车。我今天非常明确地跟大家说:不是那个车的问题,是开车的人的问题。
开车的人出了什么问题呢?我们的数据看得非常清楚。就是司机更累了,疲劳增加了15%,原来8个小时,现在9.5个小时。另外一个更重要的,因为他疲劳,所以他路怒,很着急。我去这一路上就看很多,他两个大车开,各自都五六十吨,在路上在互相别。因为他很着急,很激进,所以激进和疲劳加在一起。这个电车更好了,但是不见得能够开好。
我希望我们能够跟所有做电车的OEM厂商一起,让车辆、车内数据和G7易流的管车平台更紧密地协作,让这个数据明年红线应该往上走,而不是接着往下走。你往下走不光是钱,还是命。
城配整体水面很平静,但水下面有一个好消息。对温度、时效、交接标准都要求极高的品质交付业务,一年增长了21.3%,而且增长集中在少数头部平台。
什么叫品质交付呢?就是说货,冰激凌要冷的,牛肉要冻的,要有温度的控制,那个连锁的餐饮店希望6点半就送到,因为8点半他要备早餐,晚了不行。所以温度时效,包括交接的标准都非常高,这样的业务我们叫做品质交付。这个品质交付在过去一年有巨大的增长,大家看到上面那根平水平线,整个行业是平的。
递快运是整个中国物流行业管车管得最好的、水平最高的,但是在过去一年还是有巨大的增长变化。两个数据放一起看:干线L3自动驾驶渗透率已经达到65%;三年时间,35岁以下司机从30%降到不足20%,30岁以下的不到10%,45岁以上的接近五成。
司机很明显两年变得更老了,35岁以下的司机从30%变到20%都不到了。我可以跟大家说得非常清楚:我们不要为司机担忧,说自动驾驶替代了司机,司机怎么办?你想多了。为什么呢?因为新的年轻人不再加入司机的队伍了。
我们实际上看到的30岁以下的司机都不到10%,而45岁以上的司机差不多接近五成,45%。所以在未来,从现在开始一直到30年,每年都是司机高度紧缺的一个状态,每年缺100万。
所以在自动驾驶来临替代司机之前,司机先撤了。因为这个活太不好干了,又不安全,又太累了,所以年轻人不干了。
我们行业面临的问题,这两件事情是我们共同要面临的:一个是自动驾驶的新的生产要素,一个是我们的司机实际上在迅速地变老。我给大家的建议就是,你还得好好经营司机的团队,因为2030年之前是稀缺的。你要不然提工资,要不然减少他的劳动强度或者风险性。
准备讲稿时我翻出2023年在这个会上的发言,最后一页做过一个三年预测:24年连接、25年新能源、26年AI。25年新能源确实走过了拐点。那26年的AI呢?
还是看数据。去年G7易流平台月均token消耗是67亿,今年9月达到了7700亿,一年暴涨115倍。这是什么概念?审一张报销单、给司机打一次电话这种任务,一个基层物流岗一天大概做100个;AI做每个任务大概消耗1到2万token。一个月7700亿token,相当于AI干了1万到2万基层岗位的活儿。所以我可以跟大家报告:AI真的开工了。
还有一个数据非常重要:G7易流有3万多个用户,其中700家,也就是4%的用户,消耗了99% 以上的token。这700家有大公司,也有小企业,有货主,也有车队。
AI是平权的,但是平权并不平均。
很多人会说,你这1万多人都干啥了,我这里没少1万人啊?下面我具体讲讲,开工的AI到底干了什么。
这是一台拉钢材的车,前两周消耗了1300万token,花了27块钱,算是用得比较多的。我很好奇AI在这台车上干了什么,产品同学告诉我:这台车主要是安全AI在工作,因为AI发现这个司机习惯不太好,所以盯得特别紧。它时刻盯着一大堆事:熄火有没有关门、起步有没有看后视镜、驾驶时有没有双手脱把、路口右转有没有停车、临时停车有没有在车尾放安全锥、卸货时有没有两个人配合一个人指挥、卸完货再起步前有没有放下车斗。
两周时间,这些动作AI重复了两千次。两千次勤奋动作真发现了三次问题:一次忘了放安全锥,一次卸货没人配合,一次行车没放好斗,AI都立刻提醒了司机。
因为都是特别简单的动作,每次只花几千token,两千次用了一千多万token,成本27块钱。雇一个人类副驾干这个,就算一天两百块也没人愿意干。AI一天两块钱干了。路边烧饼5块钱一个,两块钱就是半个烧饼。半个烧饼,花钱不多,抢不来人干的活儿,但是每分钟都在帮老板不下牌桌。
刚才说的是"有没有放安全锥"这种简单识别。再给大家一个综合判断的例子:未遂事故,就是差一点出事故。常识上我们觉得事故是偶然的,但货运运营日复一日,每一次事故都是风险积累的结果,只是司机师傅不会告诉你今天他差点出事。
有一段视频,AI看到这台车不排队等红灯、逆行,对面突然来车,赶紧刹车。这就是一个未遂事故,AI判断司机有责。另一段是漆黑夜路,路中间突然出现一个小孩,司机紧急避让,AI判断司机无责,属于主动避险。
这个判断为什么有价值?因为统计上,10个未遂等于1个事故。AI不但让我们提前看到未遂,还能对避免事故的司机给奖励,对差点酿成事故的给警戒。
今年特别重要的进展,是AI从行驶安全拓展到了货物管理。货物管理场景极其丰富、长尾,特别适合有泛化能力的AI来干。
运输时风电叶片抖动到一定幅度就会产生裂纹、寿命大幅缩短,AI看到振幅大了就提醒司机慢一点;这位师傅爬上车卸钢瓶,靠近边缘不注意掉下去就是工伤,AI一直盯着;水产货箱里水箱滑动、水泼出来,AI会马上告诉司机;AI还能识别猪只;我们的AI也到非洲开工了,那边环境更需要看紧自己的货。钢瓶固定、下雨天卸货、电子产品码放,这一年AI进展最快的就是在各种货物管理场景里,正在以天为单位增加覆盖。
物流财务最头疼的是多如牛毛的大小报销,哪些该报、哪些重复,看坏眼睛。我们的AI在这里的成绩是:一年挑出要拒绝的报销单7.9万张,帮大家省了1.8亿。
以往调度给司机打电话,一个电话问车在哪、装没装货、几点卸货。河南漯河、周口一带有少说5万台车给几个大货主做运输,每天光这类电话就要打几万个,都是为了获取现场事实。现在这些电话,AI已经开始替调度打了。AI还会在新手司机配送前,恰如其分地提醒他:这趟送的是梭子蟹,严禁抛筐、避免剧烈撞击。
刚刚我一口气说了AI开工干的活儿,从简单识别到综合判断、从单向看见到双向对话、从驾驶到货物,大家应该发现了共同点:都面向一线,都在现场,干的都是两件事,获取现场事实、提供现场帮助。现场错了就错在了原点,什么AI都解决不了物流的基本问题。而这一切,都是靠去年我们在这个会上发布的紫宝盒加上云端平台配合完成的。
刚才都是从AI的角度说它干了啥。接下来讲三个故事,分别从大型货主、城市配送平台、车队的角度,看一线和AI起了化学反应之后,发生了什么改变。
第一个故事离开车,讲一个场站。这是贵州磷化,远处的山里有大量磷矿,要运出去数百万吨电池必需的中间品。这个工厂比较旧,道路经常拥堵,数字化程度不高,现场进出10个环节每个都要人工做记录,光台账就要做90多个,分别报给安全、物流、ERP。
现在AI基本把每个环节的表都实时填了,90个台账也自动做出来。我去过这个园区,董事长反复强调两个字:畅通。货通畅、车通畅、路通畅。对物流负责人来说,最划算的一件事就是让司机在场站里少等一会儿。
贵州磷化有数十个这种场站。讨论系统架构时,供应链总监的选择特别简单:必须搞一个平台,而不是几十个分散系统。因为比单一场站AI化更有价值的是,如果所有场站都AI了,供应链数据就从分散、滞后的统计报表,变成一个整体的、活的实时网络。他们正在给销售做一个AI工具:销售下单的时候,AI就在实时货价和运价之间推荐一个最优路径,让整个网络的盈利能力发挥到极致。这位邓总把它叫"主动给予,被动接受"。
第二个故事就是前面提到的城配品质交付。为此我不止一次坐副驾驶跟车,跟着司机去零售门店、连锁餐饮、烤串店、办公楼、前置仓。
印象最深的是80后司机小杨,在北京做鲜活水产配送。我跟他跑了一夜,从晚上8点到凌晨3点,把70到80个品种的鱼虾贝蟹送到沿途门店。说实话这一趟改变了我的认知。我原本觉得有了AI、把SOP蒸馏出来,以后是个人就能干好配送司机的活儿,平台有标准就行,不再依赖人。但这一晚上我才理解,这根本不是一个开车的工作,主要是跟人与货打交道的服务工作,秘密全在小杨下车之后的交接过程里。我敢保证,在真正关心品质和效率的平台公司里,没有一个人知道小杨跟其他司机有什么不同。
后来我反复求证,现在十分确认:对配送公司来说,最重要的不是用AI替代小杨,而是让AI发现小杨是个好司机,然后留住他;让AI给新司机一条快速学习的路径,让他也尽快变成好司机。
车下的交接场景比途中丰富得多,司机自己也懂:不就是要给平台留证据、让平台看见我该做的事吗?所以涌现出很多他们自己的用法。200多件货怕数错,让拍拍豆帮忙一件件数下来;客户规定冰箱要把日期长的翻到上面、新的放下头,司机主动让拍拍豆记下来;大白菜在仓库就有点品质问题,让拍拍豆看清楚;出车检查润滑油、胎压,每一项都做到位了,记下来。
AI让客户看见了自己的交付品质,好司机得到了平台的认可。大家不是说只卷价格伤害品质吗?品质要被看见,就是生态良性循环的开始。
最后一个故事发生在大宗新能源车队里。这是徐钢物流,一个新组建的新能源车队,有600台电动重卡。
管理团队很重视安全,第一阶段疲劳发现就提醒、提醒就安排休息,疲劳事故基本解决了。但事故率还是偏高,车队天天强调也没什么起色。从我们平台看,一周好几个未遂事故,很多就是习惯不好。
于是我们一起做了一个改变:把行为变成分,即时反馈、及时给钱。超速5次扣1分,路口提前减速加1分,每个司机每天跟AI交互20次,200台车一天交互4000次,分数直接跟钱挂钩。
结果是第一周未遂事故清零,第二周未遂事故两个,第三周两个,事故风险直接降低了三分之二。司机安全分的平均分从70分爬到了80多分,平均提升的背后是一批司机明显提升,还有从零分到80分的。零分就是习惯太差、不够扣的。
这个故事送给大家,是希望大家用AI帮你,源源不断创造跟车队一起赚钱的好司机。
今天说了很多司机的话题,并不是突然假装有情怀。是因为我们相信,物流组织的AI化要从现场开始、从一线开始。我在G7新路上遇到一位车队老板,他说当了这么多年车队老板,现在要重新定义司机、重新定义什么是好司机。
《说文解字》里,"司"的解释是"臣司事于外者",替大王在外面掌管事务的人。司机不是驾驶员,是在现场替你掌管这一趟活儿的人。咱们在座的有责任告诉在外面替你司事的人什么叫做好,在他需要的时候帮助他,并且给他回报。
把司机的每件事定义好,该用什么AI帮他也就清楚了。然后你会发现,队长也可以重新定义:AI每天和司机做的业绩沟通不再需要队长来做,但司机情绪不好、冲着AI发火的时候,恰恰是队长最需要去关心的时候。安全团队可以重新定义:不用再盯每一个安全事件,而是把精力放在根据新的风险不断迭代激励规则上。调度团队可以重新定义:不用再自己打电话盯车辆,而是真正专注在优化调度规则、沉淀关键数据上。
沿着这个思路,从司机到队长、安全、调度、客服、财务,一个任务一个任务地重新定义我们的组织:哪些任务人做,哪些由AI和人一起完成,怎样定义"司得好",怎样给他回报。这一定会带来三个关键变化:
直达现场:无论是10万台车还是100台车,都要从总部直达现场,让事情从源头就是对的。
强化专业:从重复动作里解脱出来,才能把直接决定赚不赚钱的专业能力越做越强,沉淀在AI里成为你的差异化。
减少层级:少一层管理,多一倍效率。
重新设计一线、直达现场、强化专业、减少层级,这就是在缔造AI原生的物流组织。
那G7易流在你AI化的路上能做什么?数字化时代,我们是你的车辆数据服务商,让你看到现场的车;AI时代,我们要做你直达现场的双向AI通道,无论是车上途中、车下交接还是场站运营。不只是让你看见车,也看见一线的人;不只是看见,还能帮到他,让他有回报。
今天我代表G7易流只立这一个flag:未来三年,我们要做好的就是从总部办公室直达物流现场的双向AI通道,让一线被看见、有帮手、有回报。