每经记者｜赵雯琪 每经编辑｜余婷婷

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。