云计算，为什么能助物流业一臂之力？

问题的答案其实并不复杂：光靠堆人、砸钱已经提升不了物流效率了。

我们以最为明显的快递赛道为例，根据国家邮政局的相关统计：

聚焦到竞争最为激烈、承担我国超过70%业务量的主流快递公司，对于快递单价和成本的要求就更为严苛。拿2023年业务量175.07亿件，同比增长35.21%，成为行业增长王的申通来说，其每单运价同比下降了足足11.3%，幅度明显超越行业平均水平。

在“增长”与“盈利”的平衡之外，还有“服务”这个考量。加之快递更上游的电商行业已经进入存量时代，对快递这个配套产业更快速度、更好服务和更优化价格的追求也变得永无止境。谁停止挑战这个不可能三角，就是宣告被淘汰。

相比日常业务的降本，突发事件更是难以应对。就拿公路货运来说，中国的交通事故概率明显偏高，尤其是包括个人在内的中小货运公司，基本不存在自己的安全管理机制。一旦发生事故，辛辛苦苦省下来的成本，反而会因此而飙升。

海运行业更是如此，光是最近几年，航运业就出现了好几次“黑天鹅”事件。拿2021年堵了苏伊士运河6天的事故来说，货轮航程延误造成的直接和间接经济损失就达到了每小时数亿美元。

当时绝大部分船企都在调度上受到了巨大的挑战，他们不仅要想办法跟踪运河的恢复情况，还要计算自己运行中的船舶是否需要绕路，以保证按期向用户交付货物。

诸多的行业挑战下，如何让体量已经非常庞大，企业人效和管理效率早已迫近传统模式天花板的物流企业，实现再一次跨越式的自我提升？

答案绝不是让员工更勤奋一点，而是要去推动数字化和智能化进程，为上到顶层管理者、下到每个基层员工提供远超过去的能力和支持，最终反过来提升物流企业整体的经营效率。

“死磕”云计算的企业们

对于物流企业应用云计算的意义，申通快递运营技术负责人董凡在采访中给出了一句很精炼的回答：

回到具体举措上，申通快递早在2020年就实现了全栈上云，此后更是将自己的整套数据、算法、业务、应用全部搭建在了阿里云AIOS系统之上。

阿里云AIOS系统作为一个源代码开放的、易于移植的、面向深度嵌入式应用的微内核实时操作系统，本身就是为工业控制、智能传感器开发、智能终端、物联网、机器人等深度嵌入式应用场景而设计的，从一开始就非常适合申通自身业务特点。

因为云上架构集中在一套系统中，申通从一开始就实现了把所有线下的人、货、节点、车辆统统将数据汇总到一处。整体数据的集中，让申通可以打破线下物理世界的屏障与隔阂，在云端利用规则和算法进行计算，实时生成随后的业务指令。

目前申通每天快递件数已经超过6000万件，每个快递在路由过程中20～30条各种指令计算，汇总起来就是每天要下发十几亿条各种决策，在决策的颗粒度和及时性实现了大幅超越。

同时阿里云在AIOS中提供了包括“一站式人工智能开发平台”在内的各种组件，申通如今能非常敏捷地开发出各式各样的应用，满足大到整个公司的运营，小到流水线上的每个员工每个机器闸口的管理。真正解开物流网状结构中问题互相缠绕，无法单独解决的难题。

就拿面单这个快递执行过程中的重要工具来说，申通基于云计算上海量数据的收集与计算，重新建立了一套“三段码”体系，将快递行业过去基于经验的“事后管理”提前为“事中管理”，实现了极高的分拣、派送效率。

在去年AI大模型技术热潮刮起之时，申通快递还依托阿里云提供的大模型能力，搭建出了自己的“先知引擎”。支持时空索引的实时数据计算，具备时空和状态的预测能力，真正做到宏观微观“一本账”。

就拿“先知引擎”中的“时效控制台”应用来说，能够实时感知网点交货、中心操作、中心发车、干线在途、目的中心进港等多种状态，并且结合物流的时效要求，给出智能预测得出的实操动作。

例如某辆物流车在从出港时，就能发现车厢中将会有很多快递会错过时效，综合评估之后，系统会给出实际建议，让这辆车能够在每个环节能够抢出足够多的时间，甚至是选择跳过中间某个需要下少量货的分拨中心。

在申通这样的快递龙头之外，国内的公路运输领域事实上存在着数量难以统计、体量以中小型为主的货运力量。如何帮助他们实现数字化、智能化，一直是个艰巨的难题。

G7易流就是这样一家公路领域技术领先的SaaS服务公司。在与阿里云的深度合作下，G7易流通过利用物联网和人工智能技术，为他们的客户提供了一套“软硬一体、全面贯通”的一体化公路运输服务能力。

在业务规模上，G7易流拥有高达800万台车载设备，能够将车辆运行过程中的温度、视频、卫星等众多数据在端侧进行简单计算之后回传云端，进行更深入的数据价值挖掘，最终形成服务给到货主、公路货运公司和司机。

就拿G7易流主打的安全管家来说，它能够实时地通过采集的数据，去预判道路的情况、司机的疲劳情况，然后给出预警和提示。从2016年起，G7易流每个月都能收集100万个左右的事故视频，300万次实际运营中遇到的风险数据。

这些数据加在一起，最终形成了一个覆盖中国大部分公路运输路线的“风险地图”。

每个物流公司的每辆车、每个司机在出发之前，就能够根据这次的车辆、货物以及“风险地图”中的信息，计算出本次运输任务的最佳路径，随即生成驾驶过程中全程陪伴的“风险路书”，并在随后的驾驶过程中实时提醒司机注意。

在安全服务已经能帮助公路运输公司的卡车事故赔付率减少20-30%的成绩之上，G7易流也在AI大模型方面做了探索，G7易流首席科学家王守崑在采访中表示：

针对这一现实中的业务挑战，G7易流在2023年底基于AI大模型推出连接器业务，尝试在公路运输的执行、不同环节的协同、运力的对接三个流程中，用云计算的力量实现信息交流的标准化，从而为每个环节增加“提效降本”的新动力。

在航运业赛道中专攻数智化的中远海运科技，采用了与前两家不同的变革路径。

其打造的船视宝，是一款基于船舶AIS数据（船舶公开自身运转状态的一套公开系统）的航运大数据数字化平台，实现了用公开数据反向推算出各个纬度、各个颗粒度下全球航运业运行状态的能力。

用中远海运科技副总经理林亦雯的话来说，就是“以小数据，看大世界”。截至目前，船视宝已经汇聚了全球25万艘商船、7000个港口、近50000个泊位的实时动态和全球1000多万条航线。同时为船公司、大型制造业、金融客户等10类共逾800家B端客户提供服务。

在实际应用上，船视宝基于海量实时更新的公开数据，阿里云提供的云计算能力和各类先进云计算组件，以及长期以来对于其中数据价值的挖掘（例如对船只种类、运营特征打标签等等），打造了包括“调度宝”（协调海运各个环节，保证资源使用效率）、“应急宝”（实时检测海运异常情况）、“港口宝（港口运行情况）”、“安全宝（船只运行安全辅助）、“运力宝（运力统筹及协调）”等在内的一系列子产品。

以“调度宝”为例，它能够自动跟踪和推算它的未来航迹并给出下一港和预计抵港时间的推送，为港口提供比传统船代更为及时和动态的船舶预抵信息参考，可为港、航双方提供更优的资源配置优化方案，提高整体运营效率。

在控制成本以及绿色低碳方面，中远海运科技的“低碳宝”产品更是建立了143个全球主力船型的能效模型，可为全球船舶提供碳足迹跟踪，碳计量和节能减排运营方案。

通过对全球5000港口、50000泊位及183个航运关键通道动态的实时计算，以及独创的航线预测能力，船视宝已为众多制造业企业提供供应链优化方案，可在第一时间告知客户供应链的健康状况，并在异常时给出优化建议，提升供应链韧性能力。

三家在各自物流赛道中领衔变革的企业的共同点非常明显：一是都有脚踏实地推进数智化变革的决心；其二是都选择了与阿里云进行深度合作，从侧面证明了阿里云自身在整个云计算和人工智能技术上的先进性。

用申通快递运营技术负责人董凡自己的话来说：

中远海运科技副总经理林亦雯对于与阿里云合作的看法则更进一步：

为中国企业数智化变革打样

埃森哲此前曾发布过一份名为《2023中国企业数字化转型指数》的行业报告，其中被研究的八个行业的550余家中国企业中，仅有2%真正投入在推进数智化变革。相当多行业的数字化进程仍相当落后。

过去总体经济上行过程中，大部分的企业的核心要务就是抢市场；但随着整体经济形势的转向，如今企业如果要保增长、保利润、求存活，就必须做好持续提效降本的“针线活”。因此，过去没有积极拥抱云计算的传统企业，正在被“强迫”参与到行业数智化变革的淘汰赛中去。

与阿里云合作的这三家物流行业龙头，其实已经给出了当前中国企业数字化变革再好不过的一个“标准答案”——通过与阿里云的深度合作，运用前者领先的云计算和人工智能技术底座，结合自身行业业务积累的充足经验，沉下心来坚定推进数智化变革，就能实现从未设想过的能力，做到从未曾设想过的自我提升。

当行业的领先者都已经交出成果了，其他企业真的没有多少时间可以犹豫了。