“通過AI來監控快遞分揀的場地、場景，抓取對貨物搬運不規範的情況，通過AI，視頻和一些數據分析自動監控，無需專(zhuan) 人去看這個(ge) 視頻，也不需要複查這些視頻，隻要動作不規範，視頻自動分析，自動檢測，效率大大提高，業(ye) 務員或者理貨員操作的規範程度也大大提高……”，這是物流指聞從(cong) 德邦快遞了解到的其與(yu) 華為(wei) 雲(yun) 合作後的作業(ye) 場景。

科技，正在悄然改變著這個(ge) 傳(chuan) 統的行業(ye) 。

回顧過去一個(ge) 時期，亮相資本市場後的德邦快遞在技術方麵的動作愈發頻繁：2018年6月，與(yu) 華為(wei) 雲(yun) 在上海簽署戰略合作協議；此前其與(yu) 網易雲(yun) 和阿裏雲(yun) 都有深度合作。除了牽手技術服務公司，德邦快遞還宣布每年拿出2%的營收投入到科技應用領域……

加入技術投入，堅定數字化方向，跑步推進作業(ye) 流程智慧化，在物流領域，德邦快遞不是孤例。相反，無論是快遞還是其他領域，物流企業(ye) 爭(zheng) 相布局，正加速著整個(ge) 行業(ye) 數字化的步伐。

落後的行業(ye) ：舊賬與(yu) 新債(zhai)

十三年前，四個(ge) 熱血青年用三個(ge) 月的時間跑遍了中國由北至南大大小小100多個(ge) 貨運市場。貨運行業(ye) 的蠻荒與(yu) 低效，讓這群“精英”感到震驚：“在這之前從(cong) 來沒有意識到，中國的貨運市場在2005年時依然在以十分低級和傳(chuan) 統的方式在運作。”

2013年左右，在“滴滴打車”的啟發下，一個(ge) 從(cong) 阿裏巴巴走出的創業(ye) 者，看見了貨運物流雙邊信息不對等的行業(ye) 痛點，其夢想著借著移動互聯網的東(dong) 風，決(jue) 心“重構整個(ge) 幹線貨運的行業(ye) 生態”，讓多達350萬(wan) 的卡車司機，不再為(wei) 貨運信息交換的迷茫。

2018年，G7完成新一輪3.2億(yi) 美元融資，該融資也創下了全球物聯網領域融資金額的最高紀錄。而這家公司的創始人正是來自十三年前跑遍100多個(ge) 貨運市場的人員之一。這家如今定位為(wei) 物聯網科技公司，當初的突破口卻隻是一個(ge) 小小的GPS——在途的車輛可視化了。

同樣在2018年，消息稱中國最大的在線長途貨運平台滿幫集團已經與(yu) 包括軟銀集團和騰訊在內(nei) 的新老投資者進入融資協商最後階段，即將完成新一輪10億(yi) 美元融資。時任滿幫集團聯席總裁的張暉，正是當初那個(ge) 決(jue) 心“重構整個(ge) 幹線貨運的行業(ye) 生態”的創業(ye) 者。其所在的滿幫，將車貨匹配搬到了線上。

數年之間，借助科技做出了“獨角獸(shou) ”，這正是這個(ge) 信息化落後行業(ye) 的“魅力”——基礎差，空間也大。

有多差？麥肯錫曾有篇文章指出：與(yu) 中國其他行業(ye) 相比，貨運和物流業(ye) 效率極低且數字化程度較低，在麥肯錫全球研究院行業(ye) 數字化指數中，運輸和倉(cang) 儲(chu) 類別排名較低也反映了這點。如圖所示：

這樣的背景，也導致了物流行業(ye) 長期以來積累了以下痛點：

1.過程不透明，運作效率低：環節多，角色也多，多級倉(cang) 儲(chu) 、幹線支線、配送，貨主、貨代、承運方、客戶等，整個(ge) 運輸配送過程不透明可控，效率低成本高。

2.物流配送滿意度低：數據顯示電商客戶對物流配送滿意度僅(jin) 為(wei) 21.3%，速度慢、發錯貨、貨物丟(diu) 失、難以查詢等是電商賣家遇到的普遍問題和難點。物流成為(wei) 了影響客戶體(ti) 驗的短板。

3.商業(ye) 決(jue) 策缺乏數據支撐：無法滿足快速決(jue) 策支持，及時掌握運營情況需求；無法滿足物流軌跡分析，生命周期的跟蹤與(yu) 分析、運輸路徑優(you) 化、倉(cang) 儲(chu) 優(you) 化、運營分析。

4.安全性難以保證：可以概括為(wei) 以下幾點，首先業(ye) 務數據安全可靠性要求高；其次，自建災備係統成本高；此外，IT技術發展快速，需要專(zhuan) 業(ye) 技術團隊；業(ye) 務快速擴張，IT係統無法彈性擴容。

以上，也隻是“老毛病”。

而今隨著“新零售”如火如荼的進行，人、貨、場三大組成要素正在全麵的重構和升級，這也催生了對供應鏈體(ti) 係的新要求。貝恩公司與(yu) G7曾合作，對超過50家業(ye) 內(nei) 領先的供應鏈企業(ye) 展開調研。結果顯示，在麵對零售新變革時，傳(chuan) 統供應鏈各個(ge) 物流環節均存在諸多挑戰。舉(ju) 例來說：

1.需求預測難度高：訂單碎片化，SKU（最小存貨單位）數顯著增加，約七成供應鏈參與(yu) 者存在“預測難”問題；

2.線上線下分立：傳(chuan) 統經銷體(ti) 係和線上分立的物流體(ti) 係導致計劃難度增加，成本大幅上升；

3.倉(cang) 儲(chu) 管理複雜化：電商倉(cang) 、前置倉(cang) 等新模式應運而生，備貨及管理複雜性顯著提升；

4.運輸規劃複雜化：高頻小規模訂單及倉(cang) 儲(chu) 前置大幅增加了運輸規劃的複雜程度；

5.最後一公裏配送成本高：最後一公裏配送的成本高達8~15元/單，絕大多數企業(ye) 無法盈利；

…………

商流決(jue) 定物流，物流影響商流。當信息化、全球化、多功能化的服務水平，成為(wei) 電子商務下的物流企業(ye) 追求的目標，打通從(cong) 生產(chan) 、配送、倉(cang) 儲(chu) 、分銷等供應鏈信息流，降低各環節物流成本和提高物流效率，持續創造價(jia) 值流，成為(wei) 了物流行業(ye) 的核心訴求。

於(yu) 是，變革催生。

進擊的物流，變革的前夜

身處飛速發展的行業(ye) 當中，人人都感受到了物流的迅猛變化。

然而，變革的方向朝向哪裏？

行業(ye) 機構华体会登录界面曾提出了《中國智慧物流2025應用展望》；技術領袖SAP也曾在其報告中提出“數字化平台是物流企業(ye) 核心競爭(zheng) 力”；貝恩谘詢在其調研報告中同樣點出，應對零售新變革挑戰的過程也將給供應鏈的各個(ge) 環節帶來巨大的變革機會(hui) ，比如：基於(yu) 大數據提升預測能力，線上線下一體(ti) 化的物流體(ti) 係整合，大數據驅動優(you) 化倉(cang) 儲(chu) 供應鏈布局，智能調度體(ti) 係及自動駕駛技術優(you) 化運輸城配效率……

 

麥肯錫的報告更是直言：對數字工具和平台日益擴大的使用，將不可避免地震撼整個(ge) 行業(ye) ，而效率較低的傳(chuan) 統行業(ye) 參與(yu) 者將被效率更高的數字化參與(yu) 者所取代。

總而言之，隨著物流技術不斷進化、物流功能不斷細化的同時，物流產(chan) 業(ye) 各方的界限卻逐步模糊，對物流生態鏈上各方而言，數字化在行業(ye) 競爭(zheng) 者扮演更加重要的角色，甚至可以說它們(men) 的核心競爭(zheng) 力，將從(cong) 物流能力轉向信息技術。

事實上，無論是需求還是技術，均已經為(wei) 物流行業(ye) 這一波數字化浪潮奠定了基礎：電商3.0驅動物流商業(ye) 升級，跨國電商，定製生產(chan) ，無人零售等生產(chan) 消費新趨勢對物流行業(ye) 產(chan) 業(ye) 升級提出新需求；雲(yun) 計算，大數據，物聯網和人工智能的飛速進步，成為(wei) 了物流行業(ye) 高速發展的基礎設施平台，驅動智慧物流業(ye) 務創新。

在實踐上，運、倉(cang) 、配多點滲透，物流行業(ye) 已經全麵開啟智能化作業(ye) 流程：

倉(cang) 儲(chu) 作業(ye) 已經在自動化層麵發展多年，未來要提高智能化水平，根據商品的不同屬性，設計不同的作業(ye) 流程，並采用相匹配的物流智能化係統進行操作。

運輸、分揀和派送環節的輔助駕駛、編隊運輸、自動化及機器人分揀、智能終端已經實現應用。

這樣一波浪潮，帶來的不僅(jin) 是巨大的商業(ye) 價(jia) 值，還有伴隨而來的社會(hui) 價(jia) 值。畢竟，中國是一個(ge) 龐大而年輕的數字化市場，數字化方法很容易實現商業(ye) 化。另據麥肯錫全球研究院(MGI)研究發現，去中介化、分散化和非物質化這三種數字化推動力，到2030年可能會(hui) 轉移（並創造）10％至45％的行業(ye) 收入。

 

選擇：3PL的數字化路徑

雖然方向已經明晰，但是落實到企業(ye) 運營，想要數字化的物流企業(ye) 該選怎樣的道路呢？

對於(yu) 中國電商企業(ye) 以及電商物流企業(ye) 而言，亞(ya) 馬遜一直是個(ge) 值得學習(xi) 研究的樣本，雖然它在中國開展的業(ye) 務不怎麽(me) 樣。但其自建物流的舉(ju) 措，種種技術創新，無不給中國同行以啟發。

分析亞(ya) 馬遜的投資策略可以看出，其將平台和訂單履行中心（Fulfillment Center）視為(wei) 是電商和行業(ye) 數字化最核心的能力。就其數字化係統構建而言，主要圍繞4個(ge) 要素構建，如圖所示，這裏不再贅言。總而言之，持之以恒，耗資不菲。

 

當然，對比亞(ya) 馬遜而言，國內(nei) 領先的電商平台動作同樣迅速，京東(dong) 物流是國內(nei) 物流企業(ye) 數字化轉型先鋒，不斷出現的新產(chan) 品新技術就是印證。而阿裏巴巴方麵更是增持菜鳥，將物流作為(wei) 與(yu) 雲(yun) 計算、大數據並列的重要戰略。

對比這樣高投入的“金主”，中國的物流企業(ye) ，尤其是3PL，無論是資金、技術、時間都無法匹敵。如何做符合中國物流與(yu) 供應鏈企業(ye) 特色發展路徑的數字化應用？借力“雲(yun) 技術”算是一條捷徑。

事實上，如今各行各業(ye) 的中國企業(ye) 都在紛紛上雲(yun) ，以期實現商業(ye) 模式、技術模式、組織模式的互聯網轉型。

也有不少分析認為(wei) ，對於(yu) 中國傳(chuan) 統大中型企業(ye) 的“互聯網+”業(ye) 務轉型而言，優(you) 選路徑為(wei) ：遷移上雲(yun) ，從(cong) 而較為(wei) 快捷的獲得物聯網、大數據、區塊鏈、人工智能等數據技術與(yu) 網絡協同能力。

在物流方麵，相關(guan) 提供雲(yun) 服務的公司，也針對物流行業(ye) 倉(cang) 儲(chu) 、運輸等場景，結合大數據，物聯網和人工智能構建物流企業(ye) 具有競爭(zheng) 力的解決(jue) 方案，提供諸如物聯、LBS、大數據、安全管理、人工智能等能力，降低各環節物流成本和提高物流效率。

就現階段的產(chan) 品而言，物流指聞結合華為(wei) 雲(yun) 、阿裏雲(yun) 、騰訊雲(yun) 、網易雲(yun) 等主流企業(ye) 介紹，歸類為(wei) 以下幾種：

智能倉(cang) 儲(chu) ：通過無線物聯、室內(nei) 地圖技術，將倉(cang) 內(nei) 貨物、車輛進行連接，實現入庫、移庫、出庫的智能管理。

路徑優(you) 化：專(zhuan) 為(wei) 貨運車輛定製路線策略，避開限行、限高限重路段，合理規劃貨運路線，降低管理成本。

安全運輸：實時監管車況、路況、駕駛人狀態，實時運算發現潛在危險，並及時預警，確保物流運輸安全。

提升預分揀準確率：針對需求場景進行定製化的檢索策略和地址解析優(you) 化。精準地址解析確保預分揀準確率的提升，提高分揀效率。

以華為(wei) 雲(yun) 為(wei) 例，其聚焦物流行業(ye) 最常見場景，提供了防暴力分揀、分揀路徑優(you) 化、OCR單據識別、運輸路徑優(you) 化、三維裝箱、IOT平台等智慧物流解決(jue) 方案，幫助企業(ye) 提高物流效率，降低人力成本，增強業(ye) 務競爭(zheng) 能力。

如圖所示，以下為(wei) 華為(wei) 雲(yun) 為(wei) 九州通提供的雲(yun) 服務情況。

此前不久，華為(wei) 雲(yun) 也在2019全球物流技術大會(hui) 上，首次麵向物流行業(ye) 發布了智慧物流解決(jue) 方案。據披露，除了前述兩(liang) 家企業(ye) 之外，在物流行業(ye) ，華為(wei) 雲(yun) 提供的智慧物流解決(jue) 方案還贏得了包括DHL在內(nei) 的其他多家知名物流企業(ye) 的青睞。數據顯示，華為(wei) 雲(yun) 與(yu) 阿帕聯合開發的12款供應鏈解決(jue) 方案和32款智慧物流管理係統，已服務10000餘(yu) 家會(hui) 員企業(ye) ……

一條成功的通往數字化的道路擺在了物流企業(ye) 麵前。

綜述：

 华体会登录界面副會(hui) 長蔡進提到，當前，先進科技，諸如人工智能、區塊鏈、雲(yun) 計算、大數據、5G移動技術加速與(yu) 物流和供應鏈融合，成為(wei) 保障物流運行高效、穩定和安全的利器。無人機、無人倉(cang) 、無人商店等高科技物流場景開始改變物流行業(ye) 的形態。

對於(yu) 物流企業(ye) 而言，提前構建差異化核心競爭(zheng) 能力是製勝關(guan) 鍵，而數據化是大勢所趨，將資金投向此處，當然是將“過去的優(you) 勢”變為(wei) “可自主加固的成熟壁壘”優(you) 選。不過花錢也是一門學問，選擇何種技術也是考驗。

而在技術領域中，作為(wei) 基礎設施提供商，扮演著“賦能專(zhuan) 家”角色的華為(wei) 有一句知名的言論——做智能世界的“黑土地”：通過聚焦ICT基礎設施和智能終端，提供一塊信息化、自動化、智能化的“黑土地”，這塊“黑土地”上可以種“玉米”、“大豆”、“高粱”、“花生”、“土豆”……。讓各個(ge) 夥(huo) 伴的內(nei) 容、應用、雲(yun) 在上麵生長，形成共同的力量麵向客戶，這也是華為(wei) 雲(yun) 麵向生態夥(huo) 伴提出“選擇華為(wei) 雲(yun) 更可靠”的原因

春天來了，物流企業(ye) 可以考慮在“雲(yun) ”上“播種”了。