G7 Connect Inc.

11/10/2026 | Press release | Archived content

2026数字物流大会丨老翟演讲实录

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。

一、用数据总结2026年

1. 均值零增长,方差在扩大

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。

2. 新能源化:组织化车队是绝对主力

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。

3. 新能源盈利在效率优势:大车队利用率高,小车队低,中车队效率在爬坡

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。

4. 新能源重卡的安全,还在变差

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。

5. 城配:品质交付逆势增长

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。

6. 快递快运:头部车队向自动驾驶升级,司机在变老

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。

AI真的开工了

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。

二、开工的AI都干了什么活儿

从疲劳提醒到全方位副驾

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。

从简单识别到综合判断

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。

从驾驶行为到货物管理

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。

从人工审核到自动看账

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。

从单向到双向

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。

获取现场事实,提供现场帮助

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。

三、三个美好改变的故事

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:从运输到场站

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:从车上到车下

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。

第三个故事:源源不断创造好司机

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。

结尾:重新定义一线

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。

G7 Connect Inc. published this content on November 10, 2026, and is solely responsible for the information contained herein. Distributed via Public Technologies (PUBT), unedited and unaltered, on November 19, 2026 at 12:35 UTC. If you believe the information included in the content is inaccurate or outdated and requires editing or removal, please contact us at [email protected]