冷链|业务一年增长近10倍，这家公司何以成为物流行业的＂痛点终结者＂？( 二 ) 纪源资本|科技|找钢网|石宇|数

但这显然还不够，这个行业的低毛利还有一个原因就是低运营效率。什么是运营效率？每个货主都希望物流公司按时提货、按时卸货，中间不要出任何问题，这使得传统物流公司要把3%左右的收入花在运输过程的交付管理上。

文章插图

物流数字化
钱花到哪了？这些钱变成了人力成本，他们靠雇佣人力去跟踪运输过程，例如三班倒去盯紧车载温控仪的读数。如果不去监控，一旦需要冷藏保存的物资（如冷冻肉）发生失温，一车价值近百万的货物就可能会受损甚至灭失。也因为这些难点、痛点，冷链行业的温度异常率接近50%，货损率达到15%以上。
钢蜂服务的一家大型企业是给某连锁餐饮品牌供货的。有一次，因为我们的运营人员没盯住温度的变化，货物发生了失温，险些给客户造成很大的损失。单纯靠人力来监督运输过程中的温控，本身就有极大问题，如果并发量很大，物流公司难以兼顾。况且60%以上的运输发生在夜间，在夜间人是极度容易疲劳的，一旦疲劳就会犯错。
所以我们决定为自己开发一款AI机器人——“冷链哨兵”。“冷链哨兵”可以实时监控车载温控仪的读数变化，并且通过AI算法引擎来判断温度变化对货物的安全影响。一旦判断货物有危险，“冷链哨兵”机器人就会马上致电给司机。如果机器人判断货物处于极度危险状态中，便会给司机与货主同时致电，做到早期干预和预警。除了温度监控，我们还关注到了多个运输过程的重要节点，逐步用AI机器人代替人工完成节点的管控。

文章插图

冷链哨兵功能点
也正因此，传统物流企业要花费收入的3%以上在供需匹配和运输监控上，而钢蜂只需要花费约0.2%。除了降低运营费用率，AI机器人的另一个好处是增加了服务可靠性。机器可以比人更严谨，机器的决策也可以比人的决策更科学合理。比如，每年有15%的食品会因为运输温度不达标而导致货损，而我们的冷链哨兵能够将冷链运输的温度异常率从50%降到4%。
为了服务于客户的订单分发，我们又开发了一套自动订单分发系统，让订单分发的效率成倍提升；为了提高找车的效率，我们还开发了一个AI机器人虚拟员工。用户在企业微信上发一段消息给虚拟员工，告知它需要在哪条线路上找怎样的车，虚拟员工就会根据算法对需求的分析结果给合适的车队和司机发短信或者打电话，找到合适的运力后它会推给用户。我们希望尽量用机器代替人力，这种策略带来了钢蜂业务的增长与履约成本的下降。
在做了种种针对甲乙方需求的调研，并开发了多种工具、产品来解决效率问题之后，我们的商业模式也得以延伸。
以机器人物流监控为例，起初这些系统与机器人都是服务于钢蜂自己。但有些货主客户想要去购买它们，交给为其服务的物流公司使用。或者推荐物流公司找我们来买，以提升服务水平。我们也很愿意做这个事情。毕竟，超过2万亿的市场规模，如果我们能改善10%的效率就意味着2000亿的价值，这个事儿很有意义。而靠钢蜂一己之力，能撬动的空间毕竟是有限的。我们把AI即服务推广出去，就会有更多人受益。
如果你看钢蜂的业务，会发现它分成由重到轻、由深到浅的三个圈层：第一个圈层是自营业务，即面向大型货主客户即甲方的服务，这项服务在2021年达到了数亿元量级的水平；第二个圈层是面向物流企业即乙方的服务，乙方可以使用钢蜂的SaaS工具来调用运力，获得更强大的运输组织能力；第三个圈层便是AI即服务，让甲方的其他物流服务商获得与钢蜂同样的运营管理效率。这样我们的服务触点会变得更大，扩大我们的交易圈层的同时也提高了钢蜂的物流数据获取的规模。
“诺不轻许”，复杂的技术带来简单的产品。在物流行业，我们尽可能打造用起来简单的产品。这些产品看起来简单，实则背后有很多复杂的逻辑。
以冷链哨兵为例，大家可能觉得这不复杂，只要温度发生异常就主动干预就好。但是，很多因素都会短暂地影响温度，却不会导致货物失温。如果一次运输出现7-8次温度异常，该怎么干预？如果一个用户同时有100台冷藏车跑在路上，如何同时干预？这就需要算法来判断哪些异常是需要干预的，哪些异常不用管，这就需要很复杂的计算。
再比如，为了提高创建订单的速度，我们用到了自然语言识别技术，识别出来的信息还要与系统中的数据库做匹配，一个订单才能生成。以往供需双方靠打电话来沟通，如果大家有口音的话还互相说不明白，拍了一张图片过来又要对方去理解。现在靠自然语言识别技术与数据库结合才能提高协作效率。