各位朋友，大家好!
今天我们的数字物流大会，来了将近2000人。我看到有从法国、南非、印度尼西亚远道而来的朋友，心里特别感动。感谢大家的到来!
每年这个时候，我都想和大家分享我们从数据里看到的变化，以及我们对未来的思考。今年，我想讲三件事:
第一，行业正在发生哪些积极的变化
第二，在物流的“下半场”，AI应该扮演什么角色
第三，我们G7易流为此做了什么样的AI产品
数据向好，四大“希望之地”正在爆发
每年我都会请大家看一张图，那是我们和景涛团队一起，花20年时间，把中国物流从“黑漆漆一片”点亮成数字世界的历程。
从这些数据里，我们看到了一个久违的好消息:
从2021年到2024年，货运量曲线基本是平的，但今年，也就是2025年，第一次出现了明显的上扬，比去年增长了5%以上。这是我们三年来第一次看到这样的增长。
除了公路货运的回暖，运输结构也在发生显著变化:平均运距变短。短途运输的比例在上升，长途的比例在下降，形成了一个“剪刀差”。同时，整个行业的效率也在持续提升，活跃卡车的运行效率提高了10%。
在供给侧，有两个变化特别值得关注:
1.新能源车从小众变主流:不仅仅是渗透率提升，更重要的是运营模式越来越清晰，不同角色在生态中的定位也更加明确。但我们也看到，新能源车的安全性还不如传统柴油车，保险也更贵。为什么大家还要用?因为整体成本已经“跃出水面”。问题出在运营水平没跟上。这是我们接下来要重点突破的方向。
2.自动驾驶已进入商业化:比如嬴彻新采购的长途重卡中，L3级自动驾驶车辆已经占了40%。新石器等无人车企业，今年底预计会有3万辆城配无人车上路。自动驾驶、无人驾驶已经从研发状态进入了商业推广的阶段，这不是未来，这就是现在。
G7易流的数据服务也在表明，新一轮的深度数字化正在开始。现在，视频连接数、自动对接订单、线上费用审核、风险司机评估、风险地图调用数等数据都有显著增长。我们看到的是:需求在增长，结构在优化，新能源、自动驾驶、数字化都在加速落地。这些都说明，行业对数字化的需求更深、更广了。
那么，这些增长和投资，究竟是谁带来的?我们从数据里总结出了四个“希望之地”:
•即时零售:像山姆这样的模式，一年增长28%，高频、高效、高要求，带动了整个城配市场的高质量增长。
•农牧行业:云南的“神农”供应了街头70%的猪肉。他们正在把整个农牧产业链数字化、垂直整合，追求从养殖到运输的全链路效率。
•区域大宗:像水泥、钢铁等短途运输场景，新能源重卡正在重塑生态。像浙江的腾骅物流，通过整合车辆、货物和补能网络，率先实现了日均400-500公里的高效运营。
•公铁联运:铁路系统正在推动一场深刻的数字化变革，要让货物从进站到出站的每一个动作都透明、可控，构建一个世界级的端到端物流网络。
这四个场景的共同点是:链条长、非标货物、场景丰富、追求极致效率。它们加在一起，占据了超过三分之一的中国物流市场，构成了我们称之为“物流下半场”的主战场。
过去十年是“上半场”，由电商和快递驱动。而今天，一个具备“更丰富的场景、更深刻的能效革命、更健康的生态”的物流下半场正式开启了。
物流下半场，AI该起什么作用?
在物流上半场，G7易流通过数字化支撑了快递快运和电商的发展，我们也从几个人成长为上千人的团队。
而物流下半场，我们将面对更丰富的场景、更深刻的能源与效率革命。那么，AI能做什么?我们该怎么做?
我今年花了70%的时间在研究AI，不仅是公司产品，也去全球各地看别人怎么做。我发现，大公司对AI还没有共识，但态度决定第一步:你是把AI当作一场喧嚣的派对，还是未来的伙伴?如果是派对，你就打扮得漂漂亮亮去参加;如果是伙伴，你就得脚踏实地，打好地基、种好草。
G7易流坚定地选择后者，我们是把AI当作在座各位的未来伙伴。所以当DeepSeek出现时，我们没有第一时间宣布接入，因为我们不认为“接个大模型”就是AI。
今年，中美头部20家公司在AI基础设施上投入了4万亿人民币。这是什么概念?中国高速公路建设最高峰时，一年也就1万亿。这不是派对，是别人在“挖沟”，在建设未来。
物流运营的本质，是一个“感知-决策-执行”的闭环。我们把它叫做“蝴蝶结模型”——数据从两边涌入，在中间分析，再变成执行指令。物流公司哪怕只有100台车，每天也要处理海量数据，调度、成本、安全、沟通……这是一个又宽又长的“数据蝴蝶”。
而人在这个过程中，有三个天然瓶颈:
1.分析的瓶颈:比如腾骅的黄总，买了300台电动重卡，半年近视加深200度——因为数据太多，看不完。
2.沟通的瓶颈:一个千台车的车队，每天可能产生上千条需要沟通的信息，需要一屋子人不停地打电话。
3.组织的瓶颈:哪怕一张标准作业流程（SOP），要穿透层层组织准确下达到每个司机，都极其困难。
这三个瓶颈，都源于人的生理与认知限制。而AI的根本潜力，就在于突破这些根植于人类生理结构的瓶颈。
G7易流的AI战略:自底向上，软硬一体，知行合一
我们不做“行业大模型”，不替代你的战略专家。我们选择自底向上，从最基础的数据感知和执行开始，解决蝴蝶结“翅膀”部分的问题。
我们坚持软硬一体，因为没有硬件，就感知不到真实世界;没有硬件，就执行不到一线。我们必须把具备AI能力的硬件，以极低的成本部署到供应链的每个角落。
最终目标是知行合一:我们的目标不是给你一堆数据，而是从“感知”到“知道发生了什么”，再到自动“执行”，形成一个闭环。
所以，总结来说，G7易流的AI策略就是12个字:自底向上、软硬一体、知行合一。
G7易流的AI产品:迈出AI第一步
今天，我非常自豪地向大家介绍G7易流的第一个AI产品。作为Ready for Al 的新一代硬件，紫宝盒的使命只有一个:帮助大家迈出AI第一步。
（一）感知丰富现场:
紫宝盒不是一个普通的硬件，而是一个All in One的AI网关。它没有摄像头，但它能把车上所有的设备连在一起——ADAS、DSM、温度传感器、摄像头……你甚至可以从淘宝买设备接上去。
它有几个特点:
•边缘AI算力:80%的计算在本地完成，响应更快;
•高可靠性:经过第三方测试，在准确率和召回率上表现优异;
•场景自适应:我们已经上线100多个算法场景，覆盖可疑人员入侵、装卸货、高速异常停车等。
而且，我们现在训练新算法的速度和成本，它的学习速度比过去快了10倍、成本只有过去的1/10。
（二）执行直达一线:从沟通、表单到SOP
光“知道”还不够，还要能“做到”。我们让AI从最基础的工作开始接手。
1. 做一次有效沟通
我们对比了人工安全员和AI给司机打电话。人工成本高，沟通模式固定。而AI能理解上下文，像伙伴一样提醒司机“累了就歇会儿”，还能告诉他下一个服务区有多远。成本几乎为零，且永不疲倦。
2. 搞懂一张表单
物流公司有浩如烟海的表格:报销单、车辆状态表……每一张表背后都是巨大的人工操作。我们演示了AI如何自动生成“可用车辆表”:同时给15个司机打电话询问状态，2分钟内就生成了最新、最准的表格，供调度使用。
未来的运营人员，不应该再去一行行填表，而应该去“设计”AI表单，监督AI工作，处理AI解决不了的异常。这才是人应该做的、更有价值的工作。
3. 落实一个SOP
AI能帮助一个毫无经验的司机，完美执行一套复杂的冷链运输SOP。从装货预冷、途中控温，到异常报警，AI像一个24小时在线的“机器押运员”，确保每一个标准动作都不折不扣地完成。
这意味着，各位老板和货主，你们可以将个性化的服务体验与极高的运营效率结合起来。因为AI能确保你的标准，原汁原味地穿透到最后一公里。
AI会放大你的能力
所以，我们的公式是:行业Know-how × （实时数据 + 交互通道） × 大模型推理能力。
G7易流提供的是智能体平台和“紫宝盒”硬件。而你们，可以把你们多年的经验和流程，变成AI能理解和执行的能力。
你能打，AI会让你更能打。AI不会让行业变得千篇一律，反而会放大在座每一位的差异化能力。
最后我想说，AI is Amazing， but not Magic. 它很神奇，但不是魔术。我们今天邀请100家企业，和我们一起，从这最务实的第一步开始迈出。
谢谢大家!
（推广）