最懂商用車的獅橋，在智慧物流上下了一盤什么棋？

文/陳壹

來源/智能相對論（aixdlun）

智慧物流要由量變走向質(zhì)變，離不開相關(guān)技術(shù)的突破，比如5G、大數(shù)據(jù)、人工智能等，尤其是干線物流中的自動駕駛貨車、支線物流中無人機送貨等何時能大批量商業(yè)化落地，或?qū)⒊蔀檎麄€行業(yè)質(zhì)變的一個關(guān)鍵點，而如今這一場景正在加速到來。

12月8日，商用車智慧服務(wù)平臺獅橋聯(lián)合百度，一起推出自動駕駛貨車領(lǐng)域技術(shù)平臺新公司“DeepWay”，兩者通過技術(shù)+場景融合，推動物流自動駕駛走出實驗室，從技術(shù)期走入產(chǎn)品期，向前邁出了一大步。與此同時，京東物流集團旗下新型支線物流無人機——京東JDY-800“京鴻”貨運型固定翼無人機也在自貢鳳鳴通用機場進行載貨檢飛。

客觀來說，當下國內(nèi)智慧物流行業(yè)的發(fā)展還處于早期階段，整個物流行業(yè)的智慧轉(zhuǎn)型也不可能一蹴而就。不過，隨著百度、獅橋、京東等企業(yè)在相關(guān)技術(shù)上取得的進展，智慧物流正在離我們越來越近。

智慧物流發(fā)展的最大“攔路虎”

當下在中國，以B2C為主的快遞當日達、次日達已成為行業(yè)標配，不免讓人產(chǎn)生一種“錯覺”——中國智慧物流已經(jīng)非常發(fā)達，事實上并非如此。

一方面，相比物流發(fā)達國家，中國物流成本依然很高。華夏新供給經(jīng)濟學研究院院長賈康在《“新基建”中智能物流和智能供應(yīng)鏈建設(shè)已是當務(wù)之急》一文中提到，當前中國物流成本占GDP比重為14.6%，比世界排名第一的美國7.2%的占比，高出了一倍多；相比全球平均水平11.7%的占比，依然高出約3%。

另一方面，由電商帶動以B2C為主的快遞，只是物流行業(yè)的一小部分，且由于標準化程度較高，借助電商數(shù)字化發(fā)展，屬于較好智慧化改造的部分。而在B2B這類個性化需求更強、產(chǎn)業(yè)更傳統(tǒng)的領(lǐng)域里，物流智慧化推進難度依然不小。

以占比最重的公路貨運為例，在2019年中國470.60億噸貨物運輸總量中，公路貨運量為343.50億噸，占比73%，是中國物流當之無愧的主力軍。其中公路貨運又分為快遞、零擔和整車三個細分子行業(yè)，而快遞只占很小的一部分。

據(jù)《中國公路貨運市場研究》數(shù)據(jù)顯示，2017年中國公路貨運市場規(guī)模超過5萬億，其中零擔占25%，而整車達到70%，其規(guī)模在3.5萬億左右，是物流行業(yè)的大頭，同時也是智慧物流升級的最大難點，主要體現(xiàn)在兩方面：

第一，企業(yè)小而分散，規(guī)模效應(yīng)難以形成。據(jù)申萬宏源研究相關(guān)數(shù)據(jù)統(tǒng)計，目前公路整車貨運中小公司占比90%以上，其中只有一輛車的公司占比40%，行業(yè)公司平均擁有1.6輛車，相當于90%的運力都掌握在個體運營司機手中，行業(yè)集中度非常低，很難形成規(guī)模效應(yīng)。

第二，以單對單模式為主，車貨匹配和運力調(diào)度欠佳，效率低下。掌握主要運力的個體運營司機，在車貨匹配、運力調(diào)度、路線規(guī)劃等方面沒有平臺大數(shù)據(jù)支撐，存在著信息閉塞、運力利用率低等問題。比如大多數(shù)仍主要依靠微信、電話獲客，主要還是做熟人和半熟人生意，且存在定價混亂、缺乏精細化路線規(guī)劃等一系列“小散亂差”的問題，這也導(dǎo)致整車貨運效率和毛利率低下。

因此，相比快遞而言，零擔和整車物流進行轉(zhuǎn)型升級難度更大，尤其是后者，由于運力分散、運營粗放，對貨運運輸個性化需求度最高等特點，已讓其成為中國智慧物流發(fā)展的最大“攔路虎”。但由于整車公路貨運的整體規(guī)模巨大，又是中國智慧物流發(fā)展必須拿下的高地。

拔掉“虎牙”，運輸降本增效成關(guān)鍵

在物流領(lǐng)域成本支出中，運輸成本又是其中的最大頭，占比過半。因此在智慧物流為行業(yè)降本增效的過程中，運輸環(huán)節(jié)的優(yōu)化又成了重中之重。

由于運輸需求的個性化差異，時效、安全和成本又是行業(yè)普遍存在的三大痛點。針對這些行業(yè)痛點的解決方案，又可以將運輸環(huán)節(jié)拆分為車隊管理、數(shù)字結(jié)算、安全管理、智能裝備等小賽道。其中每個賽道既可以獨立形成閉環(huán)，也可以串聯(lián)成為平臺底座，帶來更大的想象空間，由此也帶來了不同企業(yè)在布局上的差異。

第一類玩家更側(cè)重在單一賽道上進行縱向深挖。

以美國為例，如車隊管理領(lǐng)域的Fleetmatics、數(shù)字結(jié)算領(lǐng)域的FleetCor、安全管理方面的Verisk和Lytx，智能裝備方面的Ryder和Penske等企業(yè)。

具體來看，F(xiàn)leetmatics通過80000多個客戶管理著180萬輛汽車，建立了全球最大的GPS車隊管理系統(tǒng)。而通過一種類似于信用卡的加油支付產(chǎn)品，將大型石油公司和物流車隊串聯(lián)起來，F(xiàn)leetCor如今已經(jīng)成長為一家市值200多億美元頭部企業(yè)。

在國內(nèi)與之對應(yīng)也有易流科技和找油網(wǎng)、易加油、能鏈這類企業(yè)。前者通過IoT智能硬件設(shè)備和SaaS系統(tǒng)提供物流數(shù)字化解決方案。后者同樣通過整合車隊資源和油品資源，為車輛運營者進行成本管控和效率提升。

安全管理方面，美國的Verisk主要提供綜合性大數(shù)據(jù)分析和決策支持，保護客戶的資產(chǎn)安全。而Lytx則主要發(fā)展視頻遠程信息處理產(chǎn)品，以提高駕駛安全和企業(yè)生產(chǎn)效率。

而在智能裝備上面，Ryder和Penske是兩大代表企業(yè)，做法也略有不同。前者是全美最大的卡車服務(wù)商，運營車輛超過24萬輛。后者則是車輛運營和物流服務(wù)商，并形成了卡車租賃、維修保養(yǎng)、二手車銷售、物流服務(wù)等多元化業(yè)務(wù)發(fā)展。國內(nèi)的東方驛站、掛車幫也是屬于此類。

第二類玩家則是通過打通各個賽道，形成更加綜合的生態(tài)玩法。

生態(tài)布局打通了各環(huán)節(jié)的數(shù)據(jù)鴻溝，讓散落各處的數(shù)據(jù)能夠像“滾雪球”般加速聚集，提升了企業(yè)收集、整合、運用行業(yè)數(shù)據(jù)的深度和廣度。這不僅有助于各業(yè)務(wù)之間快速反應(yīng)和協(xié)同，還能價值外溢到更多場景進行運營復(fù)用。

目前在生態(tài)玩法上，獅橋物流是其中的佼佼者。以車輛管理為例，通過獅橋運力APP，目前已實現(xiàn)了車輛硬件、軟件、司機實時信息化監(jiān)控，全程可視、精確掌控。如車輛發(fā)動機、剎車、油耗等數(shù)據(jù)都能通過網(wǎng)絡(luò)傳輸?shù)叫畔⑵脚_，供車輛調(diào)度員實時查看，對成本和運營進行精準控制。

其產(chǎn)生的價值，除提供類似Fleetmatics和易流科技在技術(shù)方面進行賦能外，還能將技術(shù)和自身運營實踐結(jié)合，提供更為精準的運營指導(dǎo)及生態(tài)價值。如相對Fleetmatics僅服務(wù)車隊，獅橋服務(wù)的對象更廣，不僅有車隊，還有個體貨車車主、貨主等更廣泛人群，由此衍生出更多元的生態(tài)場景賦能。

隨便舉個例子。在貨主和個體車主交易中，涉及到貨物與車型匹配難、運輸時不知道如何兼顧時效和成本，進行路線選擇和運輸定價，對此獅橋物流提供了一站式解決方案。

一方面，獅橋車型庫積累了近5萬款商用車車型的運營數(shù)據(jù)，通過智能調(diào)度，讓不同尺寸和車況的貨車拉不同貨物，實現(xiàn)車貨組合收益最大化。另一方面，基于過往交易數(shù)據(jù)、以及對地區(qū)貨量和運力趨勢預(yù)測，獅橋智能定價通過匹配回路管控和動態(tài)平衡等多方因素，指導(dǎo)合理的定價。

此外，基于沉淀在獅橋云的運營大數(shù)據(jù)和實時同步的路政信息，獅橋可以通過智能路由為承運司機實時推薦國道、省道、國+省多種路線組合，在保證運輸時效前提下，既幫助司機運輸降本增效，又保證了貨主的最大權(quán)益。

數(shù)字結(jié)算上，司機也無需現(xiàn)場支付，僅通過獅橋運力App就能完成所有油品結(jié)算，不僅能有效控制用油成本，也能打擊欺詐和防止員工濫用，全流程監(jiān)控費用使用，降低企業(yè)運營成本。相比FleetCor、找油網(wǎng)等，除了提供油品數(shù)字結(jié)算，在司機餐飲、住宿等消費場景，以及針對車后服務(wù)的其它方面，如換胎、保險、ETC等，獅橋都能提供數(shù)字化結(jié)算服務(wù)。

而在安全管理方面，獅橋通過監(jiān)測司機長時間閉眼睛、打哈欠、雙手脫離方向盤等行為，可為司機提供疲勞駕駛預(yù)警服務(wù)——當卡車司機危險駕駛行為達到閾值，便會觸發(fā)平臺報警并給予司機提醒，保障司機用車安全。這也是類似Lytx等企業(yè)在做的事。

這種生態(tài)布局相應(yīng)的也帶來兩大好處，一是可以將各個環(huán)節(jié)數(shù)據(jù)打通，形成更好的業(yè)務(wù)協(xié)同。另一方面則能夠?qū)⒎?wù)鏈條延長。

在服務(wù)鏈條上，相比國內(nèi)外業(yè)務(wù)比較單一的物流企業(yè)而言，獅橋能成為“集大成者”和“佼佼者”，跟其從前期購車融資，到利用車輛進行物流運輸、再到提供油路保胎等車后服務(wù)、最后到提供車輛檢測評估、置換等，圍繞商用車全生命周期構(gòu)建了一個生態(tài)閉環(huán)的提前布局密切相關(guān)。

綜上來看，美國物流企業(yè)，早早在各細分賽道建立了較深的競爭壁壘，讓對手難以滲透，因此在垂直細分領(lǐng)域深挖，是更好的選擇。而在物流現(xiàn)代化程度更低的國內(nèi)，無論縱向深挖還是橫向拓展，有更寬松的成長大環(huán)境，這為獅橋這類綜合生態(tài)布局的企業(yè)，提供了從0到1的成長土壤。

此外，獅橋智慧物流能夠早早布局，離不開內(nèi)外兩大因素助推。對內(nèi)，獅橋是國內(nèi)干線物流TOP2和三方商用車金融TOP1的企業(yè)，作為頭部企業(yè)更易感知行業(yè)趨勢提前布局，且在數(shù)據(jù)和技術(shù)積累上有厚積薄發(fā)的實力。對外則緣于中國公路貨運物流背后是3000萬卡車司機，其中絕大多數(shù)運力都掌握在中小車隊、個體戶手中這樣的行業(yè)環(huán)境倒逼，已為超22萬車主提供信貸支持的獅橋，自然明白背后的需求。

布局物流自動駕駛，物流企業(yè)正在下一盤什么棋？

除了生態(tài)的搭建，全產(chǎn)業(yè)的數(shù)據(jù)打通和整合，智慧物流的發(fā)展最終還是要靠技術(shù)的突破，以及由技術(shù)帶來的大數(shù)據(jù)反哺，這其中物流自動駕駛又成為關(guān)鍵一環(huán)，這也是眾多電商巨頭和物流企業(yè)紛紛加碼自動駕駛的原因。

比如最近剛進行JDY-800“京鴻”貨運型固定翼無人機載貨檢飛的京東，其無人配送小車也已經(jīng)多次曝光。此外還有蘇寧物流也推出過無人配送小車“臥龍一號”和無人重卡“興龍一號”，阿里菜鳥的末端配送無人車“小G”也在不斷迭代。

而除了獅橋和百度一起成立“DeepWay”自動駕駛貨車領(lǐng)域技術(shù)平臺公司外，在物流行業(yè)其它玩家也動作頻頻。

背后邏輯也不難理解，一方面自動駕駛技術(shù)應(yīng)用在商用卡車上之后，將大大提升整個車、路數(shù)據(jù)的收集和整合，能提供進行更加精細化的管理，反哺智慧物流發(fā)展。據(jù)相關(guān)數(shù)據(jù)顯示，自動駕駛或可為運營商帶來5%—10%降本和效率的提升。

另一方面，通過自動駕駛輔助貨車司機，也將減輕工作強度，減少卡車人力成本支持，降低安全事故。據(jù)有關(guān)調(diào)查數(shù)據(jù)顯示，2019年我國每百萬公里事故數(shù)為3.7起。而美國早在2014年，就將公路貨運每百萬公里事故數(shù)已經(jīng)降到0.1起左右，自動駕駛無疑會改善這一情況。

但自動駕駛商用車要進行大范圍普及，也非一件易事，除了國家新基建日漸完善和政策支持，還需要有兩大支撐。一是技術(shù)需要大量場景落地來驗證；二是耗資不菲的自動駕駛卡車，對以個體運力為主的中國貨車司機，也需要金融支持來助推。

百度ApolloX在選擇首家合作伙伴時，也有這方面考慮。其和獅橋的合作，就在于通過雙方優(yōu)勢互補，在車、路、運三方面進行協(xié)同，能夠加速商業(yè)落地和普及。

技術(shù)上，百度是國內(nèi)自動駕駛領(lǐng)域的佼佼者，Apollo有完善的生態(tài)伙伴。場景方面，獅橋是國內(nèi)干線物流排名前2的平臺公司，其業(yè)務(wù)涵蓋有車承運和無車承運兩大模式，涉及一電兩快（電商快遞快運）三大細分領(lǐng)域，在獅橋平臺上不僅有自有車隊，也有大量第三方車隊在運營。而在金融能力方面，獅橋是中國TOP1的三方商用車金融服務(wù)公司，能夠為自動駕駛車隊的運營方和投資者提供全面的資金支持。

總的來看，投資人和企業(yè)紛紛扎堆智慧物流領(lǐng)域，不僅因為智慧物流本身的行業(yè)規(guī)模巨大，足以產(chǎn)生不少在細分領(lǐng)域的頭部企業(yè)。還由于以智慧物流為切口為商用車全生命周期提供服務(wù)，大大增加了這個行業(yè)的想象空間。而隨著物流自動駕駛的商業(yè)落地普及，如獅橋物流這樣率先完成相關(guān)布局的企業(yè)，也將是最早收獲智慧物流質(zhì)變果實的“嘗鮮者”。

*本文圖片均來源于網(wǎng)絡(luò)

此內(nèi)容為【智能相對論】原創(chuàng)，

僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復(fù)制或建立鏡像。

部分圖片來自網(wǎng)絡(luò)，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。