标签: G7 卡车

2026-11-14 [行业年报] 来源：人文荟萃网

撰文 | 李信马

题图 | AI生图

如果将人工智能看作是一场席卷人类社会的技术改革，那由海量的司机、卡车、货物，和密密麻麻的交通路线、仓储节点组成的物流行业，这紧贴现实世界的庞大产业集群，一定是AI改革的深水区。

要不要拥抱AI？要的话，AI技术的毛细血管，又要怎样深入每一台车，每一位司机？

不久前，在G7易流举办的2025数字物流大会上，笔者看到了这家深耕物流行业多年的科技公司给出的答案。

一、物流下半场的AI+趋势

2025年，对物流行业来说是特殊的一年。

翟学魂将过去十年称之为物标签流行业的上半场，主要的增长来自电商和快递行业的发展。而下半场，他认为，将由即时零售、农牧、区域大宗和公铁联运这四个领域带来结构性的增长。

这些看法在数据层面也得到了一定的印证，2025年，我国全国货运指数五年来首次提升并稳定在5%左右，总量增加的同时，平均的运距变短了，短途运输的比例明显增加。“大家都过剩，比如山姆卖羊排，盒马也卖羊排，那就看谁的效率更高，送到你家时既没有冻上也还是冷的，这就要求极致的效率和体验共同发生。”

图片来源：G7易流

与之相对应的在供给端，新能源车从小众变: 成了主流，尤其在城配领域，新能源车的效率已经超过了柴油车。

图片来源：G7易流

不过，由于新能源车不只是能源新，车型也较新，不一定适应物流场景，司机也是新手多，车队甚至物流公司也缺少经验和磨合，导致效率提升有限的情况下，安全性还有所下降，翟学魂就表示：“新能源车队的运营水平，现在是最大的拖后腿因素。”

图片来源：G7易流

他认为，新能源带来的不仅是卡车的变化，而是新的生态体系。“大家很快会看到一件事——在区域大宗这个领域，车辆、资产、能源和运营管理会以新的方式整合到一起，然后变成一个G7高效的体系。”

结合供需两端的变化，他给出了一个具体的数字预测：未来会有500万台车的需求，这500万台车的需求是高质量的，既需要效率，也需要非常好的稳定性，这是未来国内物流行业盈利的基础。

中国物流与采购联合会会长蔡进在当天的演讲中提到，物流行业发展到现在，在供应链转型升级的过程中，已经变得更加敏捷、更加柔性。

过去物流行业的商业模式是“大批量、少批次、高库存”，“（上世纪八九十年代）那时候是短缺经济，能拿到一万吨钢材，干嘛要一吨吨地做？一定是一万吨、十万吨甚至上百万吨的进货给一卡些大工程、大项目。现在不一样了，是过剩的时代，所以物流的模式转向‘小批量、多批次、低库存’，现在做钢材的配送，都是按车算，按十吨、二十吨的过去。”

在“小批量、多批次、低库存”的物流模式中，过去的人工做法已经不适应了，必须依托于先进的技术去推动物流模式的更加敏捷和柔性。从资源的整合、流程的优化到物流和供应链的协同，AI技术都是不可或缺的。

因此，蔡进认为，“AI+物流”既是应运而生，也是物流行业转型升级的必然方向。

对此，翟学魂也有类似的看法，他认为物流行业只有两个基本问题：效标签率和安全。物流行业的一切数字化、智能化，都是为了这两个目的，而在物流行业的下半场，效率和安全的挑战都增加了。

二、紫宝盒，迈向AI的第一步

眼前的这个小盒子，就是G7易流的第一款AI产品——紫宝盒。

云梦级拍摄

对这款产品，G7易流创始人、CEO翟学魂表示：“它只有一个使命，就是帮助大家迈出AI的第一步。”紫宝盒有两个核心能力，一是能够感知丰富的现场，二是有直达一线的自动执行能力。

过去，G7易流做过至少40款不同功能的车载硬件，如下图所展示：

图片来源：G7易流

而紫宝盒是“All: in One”的超级网关，可以将车上所有的感知设备，如摄像头、传感器，也包括其他品牌的硬件等连接在一起，收集各项数据并进行传输。

模拟安装效果云梦级拍摄

概念图图片来源：G7易流

另一方面，它还是有着强大端侧算力的AI大脑，翟学魂表示，紫宝盒会对获取的数据进行识别判断并执行，其中80%的运算在本地发生，“因为送到天上来不及了”。

比如司机有打电话、抽烟、打哈欠等动作，机器识别后就会直接进行示警。笔者现场测试了下效果，拿出手机放在耳边，还有张嘴打哈欠，差不多1秒就会提示。

云梦级拍摄

据其G7产品负责人介绍，紫宝盒和G7易流的训练平台连接在一起以后，可以随时升级部署算法，优化管理逻辑，并快速反应到车辆上。

大模型技术的应用，让算法的训练速度大大提升，“原来需要1万张图片来训练算法，现在可能100张图片就可以了。这个产品我们搞了一年之后，平台上线的能够识别独特场景的算法超过了100个，比过去十年上线的还多，比如可疑人员入侵、装卸货、副驾驶状态、高速异常停车等。”翟学魂说。

更进一步，紫宝盒还会通过智能体自动生成表格。物流行业与表格密不可分，一家物流公司运营中涉卡及到的表格可能有上千种，囊括报销单、出车表、油价表等海量数据，靠人力填写录入不但效率低，而且容易出错，远不如在源头就自动生成。

在会后的采访中，翟学魂谈到，他认为物流行业有两类工作不适合有人来做，一个是分析数据得出结论，一个是一对一的语音沟通。

他分享了一个案例，一位客户买了300多台电动重卡，运营半年多的时间，眼镜度数增加了200度，因为有太多数据需要分析。“路线怎么优化？成本怎么管理？每个场站应该待多长时间？司机哪个安全、哪个不安全？要做大量的分析。”

还有客户直接和他说标签，接受不了G7易流的方案，“几千台车，那么多摄像头，一天一万张单子，其实有几张会对货物有危险呢？我觉得不超过50个。”

过去物流行业的数据化，提高了行业的安全水平，但海量的报表，又让许多公司疲于处理和分析数据。“那些有一千台车的人，真的找了一屋子人处理数据，为什么需要一屋子的人？因为每个人每天的时间精力是有限的，沟通是有带宽的成本。”

而这两项工作，都可以通过AI进行。更进一步，翟学魂畅想，许多中层干部的主要任务就是上传下达，当AI具备强大的沟通能力和上下文能力后，这些工作也: 可以转交给AI，未来物流公司的高层可能会通过AI直接对接到基层司机，那时，行业的效率也将大大提升。

好的产品都是顺应时代的需求而生，而当下，似乎就是诞生新物种的关键节点。

三、为什么先做AI硬件，而不是行业大模型？

其实，谈到AI的行业落地，绝大多数公司的第一反应是做一个行业大模型。这件事的门槛并不高，大公司有充足的行业数据，市场上有成熟的开源大模型，效果也是立竿见影。当初，行业大模型也是G7易流开始AI第一步的方案之一。

但最后选择先做AI硬件，理由则是基于对行业的认知，和GG77易流自身的定位。

翟学魂在采访中解释，他们经过论证得出的结论是，物流行业之所以还没有被AI化，不是大模型的能力还不够，而是因为行业的基础设施不具备AI化的前提条件，在数据基础方面还需要大幅提升。“我们去年做了大量的论证，坦白说，我们在两年之前也还没有想清楚，去年我们放弃了先做行业大模型的策略，确立了先做紫宝盒硬件，以紫宝盒硬件为基础，做物流的智能体平台。”

物流运营的本质是感知数据、做决定然后执行，翟学魂将其总结为一个“蝴蝶结”，有两个又快又长的翅膀，一侧是司机和车，一侧是卡对应的物流服务，海量的数据在中间汇聚、分析和输出。

图片来源：G7易流

G7易流原本的定位是做信息化和数字化，超过80%的客户是用G7易流的数据来做监控，发现问题之后客户自己去做落实，也就是只做蝴蝶的一侧。但另一端的事，可能是更有价值的，在AI时代，G7易流想向另一侧拓展，也是因为本质上，“监控完了之后，不就是为了要给司机打个电话，不就是为了把冷机打开，不就是为了把那件事情办了吗？那就直接帮你把这个办就完了”。

过去一年，G7易流集中了全部研发团队的精英，做了大量的工作，标签比如紫宝盒要适配几百个型号的电车，识别对应的电量、电池；要做人脸识别、货箱入侵等算法；G7易流开放平台有一千多个接口，做Agent的时候，这些接口也要调用……可能没多么难，但这个紫宝盒，可以说是G7易流技术积累的沉淀结晶了。

总结G7易流的AI策略，首先是“自底向上”，先解决底层数据的问题；第二是“软硬一体”，因为在物流行业，要感知数据、沟通和执行，必须要将边缘AI硬件低成本地布满所有供应链的现场；第三，是做到从感知到执行的“知行合一”，通过AI能力打通决策层和基层执行。

目: 前，物流行业的AI化，在多个方面持续推进，比如无人驾驶也是一个重要的方向，当天活动上参展的还有嬴彻科技的无人卡车和新石器的无人城配车，前者拿下了不少快递公司的单子，后者据称年底车辆总数将达到3万辆。