9月11日-14日，由钛媒体与ITValue共同主办的2024 ITValue Summit 数字价值年会在三亚举行。此次峰会主题为“Ready For AI”，交流经验教训，交叉行业思考，推动创新交易，以创新场景为基础，共同探索AI驱动下数字经济时代的全新机遇，共同打造一场数字经济时代的AI创新探索盛宴。
大会上，G7易流创始人、首席执行官翟学魂以“下半场的一线生机”进行了分享。
在分享中，翟学魂指出，当下对于物流行业而言，已经进入了发展的“下半场”。2024年全国公路货运指数同比2021年降幅14.2%，同比2023年降幅2.6%，“从2020年以后，随着企业侧对生产资料需求的大幅度缩减，物流行业整体的运价在下降，大宗运价下降超过24%。”翟学魂指出，“与此同时，随着新能源汽车的普及，城市物流，以及长途物流过程中，新能源车辆的使用占比快速增加，新能源活跃车辆涨幅达29.5%。”新能源车辆给物流市场带来了不小的冲击，也将改变物流市场的发展格局。
可以想见，随着市场格局的改变，以及需求的通缩，物流行业“下半场”的竞争会更加激烈，但在翟学魂看来，只要利用好一样“工具”就能在残酷的下半场竞争中，看到“一线生机”，这件“工具”就是数据，“当下，除了数据，一切都是过剩的，下半场的一线生机正在于数据。”翟学魂强调，“如果我们能够在窘迫的产业里，发现可以改变产业结构的稀缺的数据，并让这些数据形成闭环，产生飞轮效应，我们就有可能获得‘一线生机’。”
关于如何利用数据，帮助企业寻找“一线生机”，翟学魂分享了G7易流的经验。G7易流通过对司机驾驶行为，以及过往驾驶记录等数据的分析，制定了货运安全「关键分」的“红绿灯”司机分级制度，并通过对高危司机多收取保费，以及少派单的“惩罚”模式，让货运成本和风险，双双降低，“高危司机（红灯）的事故率是安全司机（绿灯）的20多倍，平均损失金额近10倍，”翟学魂指出，“通过对司机行为‘稀缺’数据的分析，打出「关键分」，从而降低整体货运的保费，实现降本。“
以下为G7易流创始人、首席执行官翟学魂演讲实录，经钛媒体编辑整理：
大家好！G7易流是一个物流科技公司，我们主要服务于大企业和小型物流公司。比如我们帮助牛奶公司建立数字化的物流网络；我们为超过4万家中小物流公司建立了数字化平台。在平台上，物流公司可以看见公司的车在哪，订单在哪，包括实现如何进行调度，如何结算，如何开票等能力，目前平台上活跃的卡车、重型卡车260多万，占全国700多万辆卡车的40%左右。
基于这40%的公路货运流量，我们从2018、2019年开始推出了货运指数。据货运指数统计，自2021年开始，货运指数开始下降，2024年全国公路货运指数同比2021年降幅14.2%，同比2023年降幅2.6%。所以才说现在是物流行业的下半场。
下半场已经持续了一段时间了，但是，为什么我们认为一线生机也不完全是一个坏消息？别看每年降低1~2%，这1~2%并不是“一潭死水”，一方面随着ToB企业对于生产资料需求的下降，生产资料物流价格也大幅度下降，运价下降幅度超过了24%。但是，另一方面，新能源活跃车辆上升了29.5%。这两个变化的曲线有一个交叉的过程。
新能源车辆在城市物流和长途物流方面的应用，开始对价格产生重大的影响。换句话说，如果你现在拿一个柴油车送货，基本上拿不到合同了，招投标环节就“输了”。不是因为客户更喜欢新能源车，而是相比较下新能源车辆的成本比柴油车的成本更低。今年我们最大的体会就是：新能源作为一个新技术，在通缩的背景下，大家都价格更加敏感。新技术一旦突破了价格门槛，用旧技术的人就活不下去了。
另一个好消息。我们通过对去年效率的统计，小客户提升了18%，大客户提升了25%，整体效率也让我们看到了“一线生机”。
接下来我们说今天的重点。
一线生机在哪？首先，我们有一个判断：一切都是过剩的，除了数据。以吉利为例，吉利自动驾驶的领导告诉我，他们公司内部仅自动驾驶就有5个公司。除此之外，就如同今天中国做大模型的公司一样，做新能源的车厂，尤其是重卡车厂，任何一家中国前5名的新能源重卡车厂生产的车辆，在未来5年内都够全中国使用.....就如果我类比的一样，几乎所有的资源的都是过剩的，但唯独数据是稀缺的。
为什么说数据是稀缺的？一个典型的例子，我们服务的行业中城市物流就是一个典型的场景。大家别小看城市物流，我们生活中所有的一切几乎都是靠大概1500台车、2000万名司机供给的，但是现在这个行业非常窘迫。比如一个小型货车司机，以前一个月大概7~8千块钱，在物流上半场时，城市物流货车司机是一个不错的中产阶级。但是今天什么局面呢？
以我访问的成都的一个物流公司网点为例，现在司机“换手”时间大概在10个月一场，每周开会都有新人，这还是大公司。原先240/单，后来160/单，现在甚至低的30~40/单，因为收入太低，留不住有经验的老司机，所以才导致了“换手”如此频繁。
这就导致了一些问题：
第一是贷款的租赁公司频繁的退车，导致租赁公司坏账率很高，压力大。
第二是，因为司机都是新手，事故率相比老司机大幅上升，而现在新能源货车比例很高，维修成本高，最后就导致了价值8万的车，2万元的保险。而且就这样，保险公司还是赔钱的。
当需求下降，最基础的人收入下降时，整个产业面临所有人“全输”的局面，就造成了窘迫。
为什么在窘迫的生态里，我们觉得数据是稀缺的呢？通过两组数据可以看出——高危司机的事故率是安全司机的20多倍，而且这些“高危司机”造成的赔款是安全司机的10倍左右。
造成这种原因并不是偶然的，因为司机每天都在开车，一周要开几百公里，这些高危司机有一个共性——有着不好的驾驶习惯。我们通过数据分析把这些高危司机找出来，收取他们10倍的保费，或者不给他们订单，这样自然整体的成本就下降了。
基于此，我们制定了一套“红绿灯”的制度，红灯代表高危司机，黄灯代表一般的普通司机，绿灯代表非常好的安全司机。通过包括工作强度（每天工作时间）、工作习惯、驾驶习惯等多维度数据的采集，加在一起，综合出得分。接下来，我们会跟物流公司、租赁公司，包括车厂一起推动“红绿灯”改变过去循环。
这里我想强调一件事，一个可能是来自一线，可能是秒级的额外的数据，都可能产生一个额外的结果，就会变成企业独特的“特产”，有可能给企业在窘迫中，带来“一线生机”。
除此之外，我们还打造了一个司机助手，这个助手将云端数据通过大模型，实现实时跟司机交互的方式。原先没有大模型的能力的时候，我们这个软件是无法实现与司机互动的，且原来我们有100多个安全人员，只能触达10%的司机。现在有了大模型的能力以后，我们可以实现与全部司机，7X24小时的互动沟通。
我想强调的是：数据本来就在那里，真正稀缺的数据是企业将所有数据集合在一起，产生了原本没有的洞察效果。
我想奉献给大家的是：我们在一个产业里，越是窘迫的产业，如果我们能够在窘迫的产业里，发现可以改变产业结构的稀缺的数据，并让这些数据形成闭环，产生飞轮效应，我们就有可能获得“一线生机”。
最后，我认为，虽然数据很稀缺，但折腾不止的精神更为稀缺。
