乘风破浪的物流物联网：中国向左，美国向右

原标题：乘风破浪的物流物联网：中国向左，美国向右

文|魏启扬

来源|智能相对论（aixdlun）

“新基建”政策风口之下，由产业互联网带动的数字化转型在各行各业加速渗透，以物联网技术为主要支撑之一的智慧物流在新冠疫情弥久不散的特殊背景下更是被提到了行业的历史高度。

物流物联网的普及落地最终将大幅提升行业效率这一结果没有疑问，但当我们分析对比了中美两国主要的物流物联网玩家之后，发现在同一目标下，中国实践与美国经验之间存在一些差距，其中既有业务模式理解上的不同，也有技术方案路径上的差异。

一、拆解物流全链条，每个环节都有“大生意”

如果仅仅只将物流物联网/智慧物流视为物流行业提升效率的升级方向，那就有些片面了，站在商业的角度，智慧物流是一个极具想象的市场。

据前瞻产业研究院发布的《中国智能物流行业市场需求预测与投资战略规划分析报告》统计数据显示，2019年我国智慧物流市场规模增长至4,872亿元，增幅达19.55%。预计到2020年我国智慧物流市场规模将超过5,000亿元，至2025年，我国智慧物流市场规模将突破万亿元。

2011—2019年中国智慧物流交易规模及增速情况（单位：亿元，%）

数据来源：前瞻产业研究院

就智慧物流本身，巨大的蓝海市场也引来了大量资本入局。细数一下近期资本市场的热点话题，前有滴滴杀入城市货运市场，后有达达登陆美股上市。

以上种种加上历年来各种政策的刺激，为智慧物流的“乘风破浪”创造了一个极为舒适的行业氛围。

另外一个层面，智慧物流市场的整体规模很大，对照着美国物流企业的业务模式，将物流链条拆解，每个业务环节又能形成独立闭环，同样也是一笔“大生意”。

具体来说，除了前端仓储和末端配送之外，在运输环节上，针对物流核心痛点：安全、时效、成本又能拆解成车队管理、数字结算、安全管理（保险）和智能装备4个小赛道。

车队管理服务代表企业Fleetmatics拥有全球最大的GPS车队管理系统，通过80,000多个客户管理着超过180万辆汽车。根据企名片所公开的信息，早在2016年，Fleetmatics便被美国电信巨头Verizon以24亿美元的价格收购。

数字结算领域，围绕着能源交易，解决车队管理降本增效的痛点，美国诞生了CAGR超过20%、截至2020年7月31日市值达214.48亿美元的FleetCor（数据来自百股经）。

FleetCor主要财务数据

数据来源：英为财情

安全管理方面，美国既有Verisk这样的综合性大数据服务公司，通过提供数据分析支持和决策支持，以保护客户资产和降低损失；又有Lytx这样的专业技术公司，通过视频远程信息处理产品，帮助提高驾驶员的安全性和企业生产效率。其中截至7月31日Verisk的市值为301.83亿美元（数据来自百股经）。

Verisk主要财务数据

数据来源：英为财情

最后在智能装备方面，Ryder和Penske是两家主要的竞争对手。

Ryder是全美最大的卡车服务商，同时还提供定制化运力服务及供应链管理解决方案，运营的运输车辆超过24万。

Ryder主要财务数据

数据来源：英为财情

Penske是一家多元化的运输服务公司，卡车租赁是其主要业务之一，现已发展成集卡车长租、卡车短租、维修保养、二手车销售、物流服务等多个业务板块一体的车辆运营商和物流服务商。截止2020年3月，运营和维护的车队超过327,000辆。

很明显，美国物流行业跟随着工业社会的进程，一直在持续进化，这里的进化不光包括智能化新技术的应用与普及，也包括行业分工的精细。

从上文提到的几个物流物联网公司的营收规模、业务范围以及市值/估值等多维度综合来看，在物流行业的每个细分赛道中，美国都培育出具有竞争壁垒、盈利能力超强的巨头。

这也意味着，物流物联网概念下的每个细分赛道都能挖出“矿”来。

二、数据驱动内核下的“张良计”与“过墙梯”

将目光放回国内，中国物流物联网的玩家们同样也完成了在细分赛道的占位。通过下表可以看出，中国市场内，以G7为代表的物流物联网服务提供者也开始在这些细分赛道中布局，但值得注意的是，G7做到了全覆盖，将物流运输流程的每个环节都串联了起来，形成了物流物联网的全链条发展，这也是与美国物流物联网公司最大的不同。

这样的结果导致在基于数据驱动下的资产组合的内核下，G7与美国同行的行业解决方案也表现出“张良计”与“过墙梯”这样不同路径下的殊途同归。

我们先来看看车队管理领域。

双方的目标一致，都是通过GPS和安装在车上其他传感器设备来获取卡车运行数据，然后在AI算法和云计算等技术的帮助下，为车队或需要管理在途车辆的客户提供实时跟踪、任务安排、路线规划、实时沟通响应等功能，以求获得更低的运营成本、更高的时效与安全管理水平。

车队管理是G7在物流物联网的基盘，G7的其他业务也是在这个基础上生长出来的，因而在这个小赛道中，中国也只有G7可以做到与Fleetmatics相当的规模。根据公开数据显示，G7物联网平台自2010年起连接的重载货运卡车数量超过160万。国内知名的快递企业如顺丰、京东物流、三通一达、百世、德邦等都是G7的客户。

G7与Fleetmatics的差异主要体现在两个方面。

Fleetmatics仅面向车队客户提供服务，G7的服务对象更广，除了车队客户外，还向货主和物流公司提供服务，并成为了上下游之间的技术标准；在产品方面，Fleetmatics的产品主要基于GPS数据提供服务，G7则将产品衍生到能耗管理、安全管理等更加复杂的SaaS产品领域。

在数字结算方面，FleetCor用一种类似于信用卡的加油支付产品将大型石油公司和物流车队串联起来。

对石油公司而言，FleetCor手握一批基数庞大的客户；对物流车队而言，FleetCor提供的支付程序可以利用数据跟踪一些重要商业效率的节点，打击欺诈和防止员工滥用，使费用管理做到全流程监控，降低整体运营成本。

基于交易量的“服务费”是FleetCor商业模式的最大特点，这也使得FleetCor的收入和利润基本不受不断波动的能源市场的影响。

G7虽然也是从能源某个节点切入，用互联网、大数据等新兴技术为客户提供高效、可靠、安全的数字化支付解决方案，但G7在能源结算的基础上进行了场景和业务扩展。

一面通过G7司机之家向司机提供后市场、餐饮、住宿等场景的消费服务，另一方面通过卡车司机一站式消费平台（卡车宝贝）向司机提供数字化结算的支付服务。

与此同时，在运费、路桥费的数字化结算上也存在具有中国特色的巨大机会。

在安全管理上，Verisk和Lytx严格来说走的是两个方向。

Verisk的侧重点是通过不同的金融手段和保险方案来保护物流车队的资产；Lytx更偏向于采用技术手段参与到车队的安全运营中。

美国这两家企业的专业化程度非常高，像Verisk不光为物流车队提供基于保险方案的安全管理服务，还向保险公司提供理赔方面的解决方案，此外Verisk的业务板块也从物流保险服务拓展到金融服务、能源及其他专业市场等领域。

由于Verisk能够根据客户的需求不断开发新的产品，包括行业的扩张，领域的扩张以及产品的扩展等，其产品创新一直走在行业前列。

与美国同行相比，G7拥有更庞大的客户群体以及与安全相关的基础数据，只是视频监控的车队规模暂时还有差距。

具体的安全管理方案上，G7最新推出的安全管家2.0兼顾了Verisk和Lytx的长处，通过对车辆即时及长期的风险预测和干预，将保险公司、物流车队与司机实现了实时连接，并以此形成安全管理的闭环。

如何理解？

安全管家2.0先会利用车上的各类传感器采集数据，为司机、车队进行评分，以此作为制定保险方案的参考（安全的车队可以获得更高的评分和更低的保费）；然后以技术降赔为导向，根据安全分的高低，为风险不同的车队/司机提供在硬件、软件及人工干预等方面的差异化服务方案；最后用“安全小姐姐”对司机疲劳等高危风险状态进行电话实时干预。

业务链条被打通之后，技术落地才产生了真正的价值，因为只有与保险公司打通，拿到诸如司机状态、车辆情况等事故前后的真实数据，这样才能对预判和干预风险的决策提供有价值的参考。

最后，在智能装备方面，Ryder和Penske还是走传统租赁的老路，即买车或者根据客户的需求定制车辆然后将资产出租，装备智能化的程度参差不齐，这也导致这两家虽然拥有较大的市场份额，但财务回报并不理想。

不过Ryder和Penske的优势在于其主营业务的“多点开花”。

比如Ryder拥有车队管理解决方案（FMS），包括各类运输车辆的长期租赁、短租、维护等后服务、燃料、二手车销售；定制化运输解决方案（DTS），提供车辆及司机专业化运输服务；供应链解决方案（SCS），综合合同物流服务三大业务板块。Penske则是一家多元化运输服务公司，汽车相关行业均有涉猎，其中较为主流的可分为：卡车租赁、汽车销售、金融投资以及赛车车队四大类型。

G7的做法是用IoT技术武装的智能装备产品“数字货舱”来实现物流车队的降本增效。

”数字货舱”通过智能终端（A-Router）与数据传感器，采集车厢内的货物体积、重量、温度等多维度数据信息，然后结合大数据智能决策，既能对头挂匹配、AI量方、载重监控、温度控制、防侧翻等运输场景实现智能化的资产管理，又能对挂车与货物实现可视化、标准化、集中化的系统性管理，站在提升物流车队运营效率的角度，其实际作用不言而喻。

美国之所以没有出现像G7这样的全链条公司，其中很大一个原因在于每个公司都将自己的业务在细分赛道扎得很深，从而建立了坚实的竞争壁垒，彼此之间很难相互渗透，加之每家体量都做得非常大，即便有公司有意向实现全链条的“大一统”，也往往有心无力，毕竟世界范围内能拿出天文数字收购金额的公司没有几家。

三、构筑物流物联网护城河的三条军规

中美两国物流巨头的业务模式和技术方案或有不同，但他们从市场竞争中跑出，构建起物流物联网护城河的核心要素却又有相通之处。

1、数据沉淀的广度和深度是第一原则

得数据者得天下，无论是消费互联网还是产业互联网，数据都是最重要的底层基础，作为产业互联网的一个分支，物流物联网当然也不例外。

随便举两例子，车队管理公司Fleetmatics通过80,000多个客户管理着超过180万辆汽车，G7物联网平台连接的重载货运卡车数量超过160万，累计服务客户数量超过7 万家，运输线路多达35万条，日均跟踪车辆里程超过1.3亿公里、上传数据超过7T。

安全管理代表公司Verisk本身就是一家大数据服务公司，有近50年的数据积累，Lytx和G7在安全管理上的技术解决方案也是建立在数据的基础上，其“数字货舱”也可视为一项由数据驱动的新型资产。至于数字结算，更要与数据打交道了。

上述巨头在物流运输各个环节数据沉淀的广度与深度，以及数据采集驱动的多样性和及时性，都是其他竞争对手很难超越和复制的，尤其客户容量不断增强，场景不断扩展，在同行业内的数据厚度和多客户的交叉验证上不断增强，他们的数据壁垒也越来越高。

2、由场景理解倒推技术落地完成业务闭环

人工智能行业的普遍问题是先埋头于技术，再根据技术找应用场景，但在物流企业要想成长为巨头，必须抓住场景，从刚需场景倒推技术落地才能获得更强的竞争力。

比如做数字结算的FleetCor，做安全管理的Verisk以及做智能设备的Ryder和Penske也都是十几年甚至几十年来只做一件事情，这样也使得他们对这一流程的所有场景都能有深刻理解，在此基础上形成了自己的业务闭环。

不同于消费互联网，产业物联网就是需要长时间的沉淀。

伴随物联网时代的发展与技术进步，G7用了十年的时间，不光在每个小赛道中通过对场景的理解，利用数据和技术完成了业务闭环，还站在全局的视角，将每个赛道都串联起来，形成了物流生产全过程的业务闭环。

通过应用场景的落地，不少物流公司和车队接纳了物联网，但对于中国庞大的物流市场而言，物流物联网之路还远远没有到达尽头。

3、物联网时代连接的本质是建立生态

物联网的根本是连接，除了数据和算法，朋友圈也至关重要，除了在技术层面的合作之外，就物流物联网本身，对扩展场景和沉淀数据也有积极意义。

像FleetCor在全球拥有800多个合作伙伴，10多年的发展过程中，也经历了超过60次的外部投资与并购，以FleetCor为中心，形成了一个非常稳定的数字结算生态。

G7同样拥有一个非常庞大的朋友圈，合作企业不光数量多，而且质量非常高，其中不乏像普洛斯、WABCO、丸红、太平洋保险、中国铝业、道达尔等行业巨头。

如果用资产管理的的角度来看这个问题，物流巨头们交朋友，建生态的本质在整合资源之外，更深层次用意是用规模化的闭环来寻找低成本资金使用的各种可能。

总结：当数据成为底层基础和核心资产，当场景成为企业发展的关键，物联网时代物流行业的价值构成和管理要素也发生了变化，特别是未来物流实现无人化操作之后，我们看到的是仓储机器人、无人卡车这些智能设备，但其驱动的真实力量却是数据。

可以预见，未来的物流行业将会变成由数据驱动的资产组合，此时物流公司的内涵也将发生变化，最好的物流公司将是资产管理公司，遵循着这一思路，未来很长一段时间内，并购、整合这类资本运作将是物流行业的常态。

由于美国物流物联网细分赛道间的竞争壁垒太过坚固，因而其中的资源重新整合也只存在于细分赛道中；中国物流物联网尚处于发展阶段，各细分赛道间依然有很多拓展空间，即便出现了像G7这样的全链条发展企业，行业还是存在巨大机会。

届时，中国向左，出现横跨全赛道的超级玩家；美国向右，巨头间壁垒森严，互相井水不犯河水。

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。

智能相对论（微信ID:aixdlun）：

•AI产业新媒体;

•今日头条青云计划获奖者TOP10;

•澎湃新闻科技榜单月度top5;

•文章长期“霸占”钛媒体热门文章排行榜TOP10;

•著有《人工智能 十万个为什么》

•【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。