每經記者｜趙雯琪    每經編輯｜余婷婷    

從爭相擁抱到對落地場景的“迷茫”，大模型的喧囂過后，物流行業正進入AI（人工智能）應用的“深水區”。

不過，當不少企業還在為大模型的技術參數爭論不休時，G7易流創始人、CEO（首席執行官）翟學魂選擇了一條與眾不同的路徑。作為一家以物流數字化和軟件起家的公司，在其近日舉行的數字物流大會上，翟學魂沒有發布炫酷的行業大模型，而是推出了一個看似樸素的硬件產品。

圖片來源：G7易流公眾號

“我們去年內部爭論了很久，到底要做行業大模型還是做硬件。”翟學魂在接受《每日經濟新聞》記者采訪時坦言，“最終我們選擇硬件，不是因為大模型不重要，而是行業的基礎設施還不具備AI化的前提條件。”

“AI is Amazing，but not a Magic（AI很神奇，但不是魔法），我們必須從第一步開始。”翟學魂用這句話，為G7的AI戰略定下了基調。他的第一步，不是去構建替代人類思考的“超級大腦”，而是回到物流運營的現場，從一輛車、一名司機、一次通話、一張表格開始，為AI的降臨鋪設好地基。

“AI不會讓所有公司變得一樣，反而會放大它們之間的差異化。”翟學魂預測，“未來3至5年，這個領域將涌現上百個成功的平臺公司。”

“全年貨運指數”五年來首次提升，物流四大“希望之地”浮現

關心物流行業的人，每年都會關注翟學魂年度講話中關于G7易流平臺連接車輛數據形成的趨勢判斷。在今年的主論壇上，翟學魂首先向行業分享了一組提振信心的關鍵數據。

數據顯示，今年的“全年貨運指數”五年來首次提升，“從2021年到2022年、2023年、2024年，這個曲線從來沒有真正地上揚過。”翟學魂指向身后的大屏幕指出，“大家看今年是紅色的，第一次明顯超過了過去的幾年。”

圖片來源：G7易流公眾號

這條終于昂頭上揚的曲線，意味著中國公路貨運量在2025年迎來了轉折點，同比增長超過5%。“為什么今年我們數字物流大會報名的人特別多呢？”翟學魂帶著一絲欣慰分析道，“很大一個原因，昨天一個朋友跟我說，因為大家都有預算來出差了。”

除了總量的增長，結構性的變化更為深刻。翟學魂分享的數據清晰地顯示，中國公路運輸的“平均運距變短了”，短途運輸的比例持續提升，與長距離運輸形成了“剪刀差”。與此同時，在全行業近300萬臺活躍卡車的運營中，整體效率提升了10%。這表明，在需求的變遷中，物流行業的精細化運營能力持續進步。

是哪些領域的需求帶來了增量的希望？翟學魂現場揭示了驅動物流下半場的“四個希望之地”：即時零售、農牧、區域大宗和公鐵聯運。

對于當下消費端最為火爆的即時零售領域，翟學魂以山姆會員店線上銷售額年增長28%為例，指出這種高頻次、高時效、高溫度要求的物流需求，正帶動城配市場向“質優價廉”時代邁進，而這背后則需要更精細的技術規劃、全流程的物流成本降低以及效率提升工具。

“過去十年我們叫物流行業的上半場十年，主要的推動力就是電商、快遞，但這些加在一起只占中國物流不超過10%的份額。以后，四大新場景背后的物流行業市場份額會超過30%甚至更多。”在翟學魂看來，物流下半場的畫卷，將由更復雜、更垂直、更追求極致效率的場景共同繪就。

為何放棄“大模型”選擇發布一款硬件？

面對充滿機遇的“下半場”，科技公司應該以何種姿態入場？在AI浪潮以排山倒海之勢席卷各行各業時，作為物流科技領域的領軍企業，G7易流內部曾面臨一場關于方向的“靈魂拷問”。

“去年做了大量的論證，坦白地說，我們在兩年之前也還沒有想清楚。”翟學魂對《每日經濟新聞》記者回憶道。當時，擺在公司面前有兩條路：一條是看似更“時髦”、更能吸引資本市場目光的路徑——打造物流行業的垂直大模型；另一條，則是回歸硬件，做一款看上去沒那么性感的，軟硬一體的AI基礎設施。

“內部也有很多討論，大模型年代，我們為什么要搞個硬件？”翟學魂不諱言爭議。G7擁有海量的客戶和數據，似乎直接在此基礎上進行數據變現是一條捷徑。翟學魂也提到，深入地思考和客戶的痛點讓他們最終清醒。

“這個行業之所以還沒有被AI化，不是大模型的能力還不夠，是因為行業的基礎設施不具備AI的前提條件。”翟學魂一針見血地指出，“AI也要吃數據，無論是吃數據的量還是質，都要遠遠高于人才行。”

他描繪了一個常見的場景：一個調度人員，如果連車的基本狀態都需要人工去核實和錄入，那“搞什么AI”？翟學魂展示了物流運營全流程的“蝴蝶結”模型——左側翅膀是海量的、多維度的數據感知（車、貨、人、環境），右側翅膀是同樣繁雜的執行動作（溝通、調度、控制），中間狹窄的結，才是分析與決策。

圖片來源：G7易流公眾號

“過去十年，我們只做了蝴蝶結左側的工作，把數據收集上來，但右側的執行以及從數據到執行的轉化，依然極度依賴人力。”翟學魂說。這導致了物流行業出現了“需要招聘一屋子人看數據”的困境，也造成了物流企業普遍存在的“分析瓶頸”“溝通瓶頸”以及“組織瓶頸”。

“因此，我們不打算發布行業大模型，在蝴蝶結中間的部分給你們搞一個大腦，然后替代你們公司里面最優秀的戰略顧問。”翟學魂明確劃定了G7的邊界，“我們要自底向上，解決這個蝴蝶結最前面的數據收集問題。”

記者注意到，紫寶盒主要用來采集物流實際場景中的數據，通過AI Agent（智能體）實現從“一個AI電話到一張AI表單”，再到“全程自主監督運輸操作”的人機協作。這個看似“退一步”的選擇，實則是對物流產業AI化深水區的洞察與攻堅。翟學魂和他的團隊選擇了一條更“笨”、更重，卻可能更貼近產業本質的道路。

AI將放大企業差異化，未來或現上百家平臺公司

當AI解決了物流運營中的“分析瓶頸”和“溝通瓶頸”這些共性問題后，物流行業的未來會是一幅怎樣的圖景？翟學魂給出了一個頗具啟發性的判斷。

翟學魂預測，“AI不會讓所有公司變得一樣，反而會放大它們之間的差異化。如果你能打，AI就應該幫你更能打。”

在他看來，AI不會讓所有公司變得同質化。恰恰相反，當技術工具拉平了運營效率的基準線后，企業之間真正的競爭將回歸到其核心的“行業知識”（Know-how）和服務能力上。那些對特定場景（如即時零售、農牧、區域大宗）有深刻理解、能設計出更優運營方案（SOP）的公司，將能借助AI這個“放大器”，將自己的優勢發揮到極致，與競爭對手拉開更大的差距。

基于此，他對行業格局的演變也做出了新的預測。“未來3至5年，物流行業會涌現上百個成功的平臺公司。”翟學魂篤定地說。他認為，物流的下半場將由像即時零售、農牧、區域大宗等更復雜、更垂直的場景驅動。在這些領域，會出現大量在特定區域或特定行業內部整合貨物、車輛、能源等要素的“小平臺”。它們不追求全國性的規模，但能在自己的生態位里做到極致高效。

值得一提的是，翟學魂曾在2018年預測，物流行業只會出現幾家超大的平臺型公司，如今他坦言自己的看法發生了變化，最主要原因就是大模型技術的出現。

翟學魂認為，AI和大模型的基礎設施正變得日益普及和易得。像G7易流這樣的科技企業，角色就是提供便宜、好用的軟硬件工具和Agent平臺，讓懂行業的從業者能更低門檻構建自己的數字化運營能力。

“未來，平臺公司和運營公司合作會形成一個比原來更豐富，而且更健康的生態。”翟學魂表示。