产业的演进都是有规律的。数字化时代，因为有数据，产业的演进比以往更容易准确观察。G7十年历程，都是在用物联网技术为物流产业服务。从数据维度，经历了从K、G、T到P的量级变化，从场景技术维度，经历了从途中监控到交易交付全过程，从后装改造到正向设计装备，从基础数据采集到算法及决策。尤其是最近两年，G7从提供管理软件到提供面向结果的智能装备及智能结算等，我们把很多事情从前瞻想象落到产业实践，自觉收获了不少独特而新鲜的心得，希望借此文做个总结分享。

　　产业智能的演进：

　　创造新数据，带来新价值

　　回顾G7过去所走过的路，我们一直是在做同一件事情：用IoT技术在物流各类生产与交易场景中创造数据，通过整理、分析来建立算法模型，然后再重新应用到这些场景中，或降低成本，或提升效率，或兼而有之地为客户创造新价值。所以G7深刻地意识到产业智能的进化就是一个不断重复「创造新数据，带来新价值」的过程。在这个基本演进逻辑之下，对于G7专注的三大业务板块：安全、装备、结算，我们有三点发现和大家分享。

　　一、物联网安全：有投入则有回报，无数据则无保险

　　安全一直是货运产业的核心问题，也是G7智能服务一直以来的关键目标。

　　过去三年来，G7以「IoT硬件+平台算法+人工干预」的模式，为6万台重型卡车提供了7 x 24的安全服务。这是当前辅助驾驶技术水平下，行业首次大规模、长期持续的全闭环实践。所以我们得到了一些有把握的结论。

　　首先，从「千公里高风险下降49.3%，赔付率下降40%，事故率下降19.9%」等结果数据上看，采用「IoT硬件+平台算法+人工干预」技术服务模式所收获的安全价值远大于投入成本。所以，这个方案正在成为行业共识和大型物流企业的标配，甚至成为了一些地方政府的监管标准。

　　但这个结果并不让我们感到特别满意，因为基于即时干预的辅助驾驶只能避免50%的重大事故。既然只关注「下一秒」不能解决所有问题，我们就必须思考如何用数据来预测未来一天、未来一个月、甚至未来一年的风险，从而通过预判来进一步降低风险。

　　经过两年的探索，我们发现常规风险（除去地震战争之类的）是可预测的。当我们把代表原因的IoT数据与表征结果的事故数据叠加在一起进行深度学习时，逐步发现了大约300个与风险高度相关的特征因子，并迭代出预测未来长期风险的算法，用这样的算法对司机或车辆进行十分档安全评分，并且用G7安全评分对车辆进行筛选承保。结果是非常惊人的：在万台规模下，我们已经可以把赔付率控制在目标水平±5%的范围内。

　　这个结果意味着曾经散落在成千上万个车队长及司机记忆里，又随着他们的退休而消逝的「安全经验」终于可以用量化的方式持续积累，并反哺后人。这是AI最应该发挥价值的地方。相信，这种经大量数据学习而得到的智能很快会给货运保险生态带来根本性变化，因为以风险预测数据为核心的定价机制，会成为保险公司、物流公司、司机三者之间博弈及协作的新纽带，让大家进入一个更高水平的博弈机制：无数据则会无承保，数据越好则三者越受益的良性循环。

　　二、下一代装备的关键词是「货运机器人网络」，物流装备业都将加入这个网络

　　两年前，G7对于产业装备有两个大胆判断，一个是装备智能化：最具标志性的是自动驾驶卡车，我们认为会在五年内大规模商用；二是装备服务化：我们认为无论是车头、挂车、还是轮胎，都将逐渐像SaaS一样，从装备产品转化成为一种按需服务。因此，我们做了两个决策，一是投资孵化了自动驾驶卡车公司嬴彻。今天嬴彻跟我们当初设想的一样，L3量产在即，很多客户非常期待；另外一个，就是与普洛斯一起组建了智能资产服务公司云挂。到现在，云挂可以实现隔周交付的按需服务能力，向客户提供长租+短租的挂车资产服务。

　　今天大家看到，云挂成为物流市场上装备资产拥有数量成长最快的公司，而且空置率、坏账率都在个位数，非常健康。装备数量从零成长到一万台，只用了两年时间，而一个真正做物流业务的公司要花10年才能达到这个资产规模。原因很简单，市场更需要一个共享装备服务，我们当初的设想被证实了：对于物流企业，特别是成长型物流企业来说，结结实实地去买一台车不是真正的需求，使用一台车才是。我们常打的比喻是：想要喝水，为什么非要亲自去挖一口井呢？唯一的原因只能是村里没有自来水。我们用两年的实践证明了资产服务化（AaaS）是一个真命题，是一个可持续的服务。从现在开始，经营一家物流企业，装备是可以按需租用的。