京东、阿里、海尔数字化“掘金”百万亿物流市场，从哪开始？_风闻

文丨智能相对论（aixdlun）

作者丨陈选滨

成立不到一年，数字合同物流服务商「带车聘」便完成了数千万元人民币的天使轮融资，物流行业的数字化转型再度引发市场热议。

据企查查数据显示，「带车聘」成立于2020年8月，是一家以科技为驱动、以算法为核心的公路物流中短途数字化合同物流服务商。

据“智能相对论”进一步了解，该平台的基础业务模式类似于货拉拉，通过信息撮合来帮助货运司机和货主企业完成物流市场的供求对接，也就是接单、找车等服务。其中，在这个过程中，采用互联网及IoT技术保证交易全过程数字化、可视化，实现监管。

由此可见，「带车聘」的商业模式并不难理解，其核心大致可以总结为信息撮合以及技术监管。这样的模式在滴滴、美团、饿了么以及货拉拉等数字化服务平台很是常见，但是运用在合同物流行业仍在被验证。

近年来，我国的物流行业市场规模高速增长。据据中国物流与采购联合会统计数据显示，2019年，我国社会物流总额达到298.0万亿元，从增速看，全年社会物流总额可比增长5.9%。2020年，社会物流总额300.01万亿，按可比口径计算，同比增长3.5%。

不断增长的行业规模与市场需求刺激着物流行业的数字化变革，但是对于物流行业而言，数字化的转型升级并不只是推出一个类似货拉拉的平台即可。目前，京东物流、菜鸟、日日顺等巨头旗下等物流品牌也在致力于物流的数字化变革，而这场变革显然要比我们所认知的物流数字化要更具颠覆性。

物流困局，已成围城

物流的形态是多条产业链构成的网络体系，错综复杂且节点众多，又牵扯信息流、商流、车流以及资金流的交互，期间所涉及的仓储、货运、监管、结算、保险等多项环节的处理。因此，对于物流行业而言，其数字化升级导向并不是单线的重构，而是整体网络体系的调整以及协同。

目前，所摆在物流行业面向的困局是一座在各个环节都呈现出来的痛点所构筑的“围城”。

1.全链路不透明，无法构建科学的顶层设计体系。

在完整的物流链路上，周期长，涉及的主体多，并缺乏必要的数据支持，很难构建起科学的顶层设计体系。这种不透明的过程也直接加剧了物流行业的管理难度。

一般来说，物流透明包含三个层面，一是车和货的状态信息透明，二是运单流转及流程作业的信息透明，三是产业需求链的信息透明。在无法完全打通三个层面的透明情况下，物流行业很难构建起科学的顶层设计体系，来对物流全链路进行管理，也就加剧了物流环节各自为政的困局。

2.节点与节点之间割裂严重，存在差异性痛点。

如果我们把物流的各个节点标志出来，节点与节点之间存在迥异的痛点，形成较为严重的割裂情况，很难进一步统筹物流行业的一体化管理。

物流的节点包括人、车、货、单据、流程、工具、设施、场地、道路、企业、用户等等，连接起来就继续涵盖了仓库内部流转、仓库到货车之间的装卸、货车到目的地之间的运输、目的地所在城市内的一公里问题，等等。每一段之间存在的问题几乎不在同一领域内，因此很难推行统一管理。

3.人为风险较为显著，难以实现量化管理。

在物流行业，人为风险是非常显著的，而且人也伴随着物流链条的延长而移动，很难进行量化管理。比如，仓库的员工与货运的司机、目的地的负责人等都不是同一批次的人，更不是同一个组织下的人，传统模式下很难跨组织、跨流程进行管理，就会出现在不同的环节出现暴力挑拣、暴力装卸、丢件、货物损失等情况。因此，仅从人的角度来考虑，物流的量化管理是很难开展的。

总的来说，物流市场的整体规模很大，在交叠的物流链条之下，每一个环节都能自成一个小体系，构成商业闭环。但同时也意味着，每一个环节存在的问题是不可忽视的，它们的割裂存在随着产业链的延伸，犹如围城一般形成物流困局。

纵横路径，走向协同

物流行业是一座金矿，而采矿的路径并非只有一条。针对现存的物流痛点与行业困局，技术成为来众多市场玩家改造物流行业的突破口，以数字化技术来升级物流产业链，呈现出多元格局。

据罗戈研究发布的《2021中国物流科技发展报告》整理，整个物流技术链条就涵盖了物流自动化、数字化业务协同平台、数字化基础设施服务平台等多领域的玩家。

这并非全部。“智能相对论”总结市场目前涉及物流数字化变革的一众玩家，发现这些玩家找准技术切口进军物流行业的模式逐步呈现出鲜明的特点，形成了不同的路径。

1.找准技术切口，向产业端纵向布局。

简单来说，就是在通过技术来切入产业痛点之后，开始推进技术优势向产业链上下游展开布局，拉伸品牌在产业链的影响力。带车聘便是这一路径正在崛起的新秀。这家企业早前切入物流行业的口径并不大，主要是做司机和货主的信息撮合生意。

目前，带车聘历经半年的市场开拓，在广州单城已经整合了数万名货车司机加盟，对接上千家企业货主，且具备一定的企业客户认可度和客户粘性。以此沉淀品牌发展的基本盘，随后带车聘开始向产业链的上下游开拓布局，主要体现在两个方面，一是保险服务，平台可在运输途中智能监控货车运输轨迹，提供货损险，保障货物安全准时送达；二是金融服务，结算时平台可给企业提供最高60天金融方案，允许客户先用车再结算。

2.提供技术方案，向市场端横向复制。

另一种技术玩家同样是以为物流行业提供技术赋能方案为主，但他们并不是物流行业专业玩家，因而在找准技术切口之后，选择横向复刻技术解决方案为不同的物流企业提供标准化服务。

华为云正在聚焦物流最常见的场景提供防暴力分拣、分拣路径优化、OCR单据识别、运输路径优化、三维装箱、IOT平台等智慧物流解决方案。在这些方案得以验证之后，华为云继续向市场进行推广和普及，为德邦快递等物流品牌提供技术方案。

事实上，仅是作为物流行业等外部赋能者，这一类技术玩家并不需要过多的布局物流产业链，只须面向某一场景将自己的技术方案打磨成熟，形成标杆迅速复刻进而提高品牌在物流市场的影响力。

3.忘掉技术路径，走向纵横合作。

当然，对于更多的巨头而言，面向高速增长的物流行业，固守单一路径已经不可取，不管是纵向布局的专业玩家还是横向复制的技术玩家，最终都会不由自主的走向合作，形成技术协同网络体系。

目前，德邦快递正在数字化IT方面加大投入，面向产业链上下游启用了外骨骼机器人、无人驾驶技术、AR量方、大禹车线管家等一系列前沿技术应用变革物流节点工作。与此同时，在自身的投入之外，德邦也积极寻求外部技术玩家的赋能。在选择与华为云合作之后，德邦快递借助华为云OCR（光学字符识别）实现了自动识别收寄信息并自动录入系统，取代了纯手工录入的做法。

技术的路径最终在市场的应用过程中走向交汇，纵横交错之间为物流行业的数字化发展提供了全方位的驱动与底层支持。当然，造成这种局面不仅是市场玩家的选择，同样也来源于物流行业的网络体系特性，多重困局下将最大程度刺激市场玩家走向合作，通过技术协同来实现数字化跨越。

抓住两点，看清未来

从技术切口进入物流行业，最终驱动整体的转型升级，对于众多物流科技相关企业而言，是目前市场致力于探索的趋势。整个物流行业的数字化未来将呈现出什么样的态势，就目前的反馈来说，很难作出判断。

新的技术正在被不断地应用到物流领域，旧的技术也持续在更新迭代，跳出某一项单一技术，从整个技术趋势来看物流行业，或许能看到一些物流数字化的未来形态。

首先，以信息感知为技术主导将贯穿物流产业链的数字化全流程。

信息感知之于物流行业越来越重要，在整个产业链上，愈发注重过程可视、可控，因此强化信息感知来提高物流行业的数字化程度是当前及未来锚定的大趋势。「带车聘」的工作创新本质也是一种信息感知，即市场供求信息的对接与匹配。

更深度的信息感知是面向仓储、运输全流程，即从订单、运单到执行、跟单、结算、对账等环节的可视化。深圳易流科技股份有限公司的易流云3.0 E-TMS是以运输透明为核心的物流协同平台，立足物流透明3.0理论，运用互联网+模式重构物流业务协同，结合物流大数据的分析赋能，平台可以把货主、发/收货人、仓库、业务网点、物流公司、司机、车辆、金融机构等物流相关要素紧密“连接”起来，提高信息感知能力，形成透明的物流网络，从而优化物流流程。

其次，以提高效率为导向的辅助工作将得到更多的重视，深度运用到物流重要环节与场景。

辅助工作可以理解为参与到物流场景中的机器人协作、无人配送、无人驾驶等技术应用，简单来说，机器替代或辅助人员有效的完成某些物流工作，如码垛、搬运、识别、传输等。

京东物流的亚洲一号仓采用的AGV机器人就是辅助物流工作的一种数字化、自动化升级。“地狼”AGV机器人可自动搬运整组货架，把货品运到相应的仓储位置或操作员身边。不仅如此，还能自主规划路线、排队以及躲避障碍物等，大大提高了物流仓储环节的工作效率。

总的来说，数字化对于物流的改造大致可以总结为两方面，一是对虚拟信息数据的感知和处理，二是对现实货物以及工作的辅助。抓住这两方面的技术切口，在某种程度上就能看到目前诸多市场玩家对于物流行业的改造思路与技术模式。

结语

物流依旧是一个极具市场潜力的领域，作为商业社会必要的支持，面向物流行业的升级和改革永远不会落幕。在数字化浪潮汹涌而来的今天，更多的技术红利以及产业切口涌现出来，接下来的物流数字化还有一场又一场的资本狂欢、技术热潮以及产业颠覆。

*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。