从争相拥抱到对落地场景的 " 迷茫 "，大模型的喧嚣过后，物流行业正进入 AI（人工智能）应用的 " 深水区 "。

不过，当不少企业还在为大模型的技术参数争论不休时，G7 易流创始人、CEO（首席执行官）翟学魂选择了一条与众不同的路径。作为一家以物流数字化和软件起家的公司，在其近日举行的数字物流大会上，翟学魂没有发布炫酷的行业大模型，而是推出了一个看似朴素的硬件产品。

图片来源：G7 易流公众号

" 我们去年内部争论了很久，到底要做行业大模型还是做硬件。" 翟学魂在接受《每日经济新闻》记者采访时坦言，" 最终我们选择硬件，不是因为大模型不重要，而是行业的基础设施还不具备 AI 化的前提条件。"

"AI is Amazing，but not a Magic（AI 很神奇，但不是魔法），我们必须从第一步开始。" 翟学魂用这句话，为 G7 的 AI 战略定下了基调。他的第一步，不是去构建替代人类思考的 " 超级大脑 "，而是回到物流运营的现场，从一辆车、一名司机、一次通话、一张表格开始，为 AI 的降临铺设好地基。

"AI 不会让所有公司变得一样，反而会放大它们之间的差异化。" 翟学魂预测，" 未来 3 至 5 年，这个领域将涌现上百个成功的平台公司。"

" 全年货运指数 " 五年来首次提升，物流四大 " 希望之地 " 浮现

关心物流行业的人，每年都会关注翟学魂年度讲话中关于 G7 易流平台连接车辆数据形成的趋势判断。在今年的主论坛上，翟学魂首先向行业分享了一组提振信心的关键数据。

数据显示，今年的 " 全年货运指数 " 五年来首次提升，" 从 2021 年到 2022 年、2023 年、2024 年，这个曲线从来没有真正地上扬过。" 翟学魂指向身后的大屏幕指出，" 大家看今年是红色的，第一次明显超过了过去的几年。"

图片来源：G7 易流公众号

这条终于昂头上扬的曲线，意味着中国公路货运量在 2025 年迎来了转折点，同比增长超过 5%。" 为什么今年我们数字物流大会报名的人特别多呢？" 翟学魂带着一丝欣慰分析道，" 很大一个原因，昨天一个朋友跟我说，因为大家都有预算来出差了。"

除了总量的增长，结构性的变化更为深刻。翟学魂分享的数据清晰地显示，中国公路运输的 " 平均运距变短了 "，短途运输的比例持续提升，与长距离运输形成了 " 剪刀差 "。与此同时，在全行业近 300 万台活跃卡车的运营中，整体效率提升了 10%。这表明，在需求的变迁中，物流行业的精细化运营能力持续进步。

是哪些领域的需求带来了增量的希望？翟学魂现场揭示了驱动物流下半场的 " 四个希望之地 "：即时零售、农牧、区域大宗和公铁联运。

对于当下消费端最为火爆的即时零售领域，翟学魂以山姆会员店线上销售额年增长 28% 为例，指出这种高频次、高时效、高温度要求的物流需求，正带动城配市场向 " 质优价廉 " 时代迈进，而这背后则需要更精细的技术规划、全流程的物流成本降低以及效率提升工具。

" 过去十年我们叫物流行业的上半场十年，主要的推动力就是电商、快递，但这些加在一起只占中国物流不超过 10% 的份额。以后，四大新场景背后的物流行业市场份额会超过 30% 甚至更多。" 在翟学魂看来，物流下半场的画卷，将由更复杂、更垂直、更追求极致效率的场景共同绘就。

为何放弃 " 大模型 " 选择发布一款硬件？

面对充满机遇的 " 下半场 "，科技公司应该以何种姿态入场？在 AI 浪潮以排山倒海之势席卷各行各业时，作为物流科技领域的领军企业，G7 易流内部曾面临一场关于方向的 " 灵魂拷问 "。

" 去年做了大量的论证，坦白地说，我们在两年之前也还没有想清楚。" 翟学魂对《每日经济新闻》记者回忆道。当时，摆在公司面前有两条路：一条是看似更 " 时髦 "、更能吸引资本市场目光的路径——打造物流行业的垂直大模型；另一条，则是回归硬件，做一款看上去没那么性感的，软硬一体的 AI 基础设施。

" 内部也有很多讨论，大模型年代，我们为什么要搞个硬件？" 翟学魂不讳言争议。G7 拥有海量的客户和数据，似乎直接在此基础上进行数据变现是一条捷径。翟学魂也提到，深入地思考和客户的痛点让他们最终清醒。

" 这个行业之所以还没有被 AI 化，不是大模型的能力还不够，是因为行业的基础设施不具备 AI 的前提条件。" 翟学魂一针见血地指出，"AI 也要吃数据，无论是吃数据的量还是质，都要远远高于人才行。"

他描绘了一个常见的场景：一个调度人员，如果连车的基本状态都需要人工去核实和录入，那 " 搞什么 AI"？翟学魂展示了物流运营全流程的 " 蝴蝶结 " 模型——左侧翅膀是海量的、多维度的数据感知（车、货、人、环境），右侧翅膀是同样繁杂的执行动作（沟通、调度、控制），中间狭窄的结，才是分析与决策。

图片来源：G7 易流公众号

" 过去十年，我们只做了蝴蝶结左侧的工作，把数据收集上来，但右侧的执行以及从数据到执行的转化，依然极度依赖人力。" 翟学魂说。这导致了物流行业出现了 " 需要招聘一屋子人看数据 " 的困境，也造成了物流企业普遍存在的 " 分析瓶颈 "" 沟通瓶颈 " 以及 " 组织瓶颈 "。

" 因此，我们不打算发布行业大模型，在蝴蝶结中间的部分给你们搞一个大脑，然后替代你们公司里面最优秀的战略顾问。" 翟学魂明确划定了 G7 的边界，" 我们要自底向上，解决这个蝴蝶结最前面的数据收集问题。"

记者注意到，紫宝盒主要用来采集物流实际场景中的数据，通过 AI Agent（智能体）实现从 " 一个 AI 电话到一张 AI 表单 "，再到 " 全程自主监督运输操作 " 的人机协作。这个看似 " 退一步 " 的选择，实则是对物流产业 AI 化深水区的洞察与攻坚。翟学魂和他的团队选择了一条更 " 笨 "、更重，却可能更贴近产业本质的道路。

AI 将放大企业差异化，未来或现上百家平台公司

当 AI 解决了物流运营中的 " 分析瓶颈 " 和 " 沟通瓶颈 " 这些共性问题后，物流行业的未来会是一幅怎样的图景？翟学魂给出了一个颇具启发性的判断。

翟学魂预测，"AI 不会让所有公司变得一样，反而会放大它们之间的差异化。如果你能打，AI 就应该帮你更能打。"

在他看来，AI 不会让所有公司变得同质化。恰恰相反，当技术工具拉平了运营效率的基准线后，企业之间真正的竞争将回归到其核心的 " 行业知识 "（Know-how）和服务能力上。那些对特定场景（如即时零售、农牧、区域大宗）有深刻理解、能设计出更优运营方案（SOP）的公司，将能借助 AI 这个 " 放大器 "，将自己的优势发挥到极致，与竞争对手拉开更大的差距。

基于此，他对行业格局的演变也做出了新的预测。" 未来 3 至 5 年，物流行业会涌现上百个成功的平台公司。" 翟学魂笃定地说。他认为，物流的下半场将由像即时零售、农牧、区域大宗等更复杂、更垂直的场景驱动。在这些领域，会出现大量在特定区域或特定行业内部整合货物、车辆、能源等要素的 " 小平台 "。它们不追求全国性的规模，但能在自己的生态位里做到极致高效。

值得一提的是，翟学魂曾在 2018 年预测，物流行业只会出现几家超大的平台型公司，如今他坦言自己的看法发生了变化，最主要原因就是大模型技术的出现。

翟学魂认为，AI 和大模型的基础设施正变得日益普及和易得。像 G7 易流这样的科技企业，角色就是提供便宜、好用的软硬件工具和 Agent 平台，让懂行业的从业者能更低门槛构建自己的数字化运营能力。

" 未来，平台公司和运营公司合作会形成一个比原来更丰富，而且更健康的生态。" 翟学魂表示。

每日经济新闻