钛媒体注：钛媒体T-EDGE年度国际盛典，作为钛媒体年度最重要、在科技领域最举足轻重的年度国际峰会，每一年年末希望能够对当年发生的和未来可能发生的做一些重要盘点和预判，同时，搭建一个平台通过线上线下交流，助力全球前沿创新者的价值发现与落地。

当外界都在关注人工智能在自动驾驶领域应用时，鲜有人知晓，在物流行业人工智能引发的变革早已暗暗发酵。

“中国每年有2万个卡车司机因事故死亡”。在12月16日的钛媒体T-EDGE年度国际盛典上，G7创始人&CEO翟学魂表示，物流行业95%以上的安全风险是系统性的。“95%不是偶然的，就必然会出事儿。”

万物互联的时代，数据已经成为许多企业在各个行业生产的独家壁垒。长久以来，G7一直都在帮助传统的物流运输行业实现真正的信息化。而在物流行业，G7利用物联网，通过对大量货车、物流运输相关节点的数据抓取分析，已经拥有海量的货车行驶数据与司机驾驶行为数据，为行业提供了一个基础的产业物联网的环境和服务。

而在翟学魂眼中，这些数据既是财富，同时也是一种责任。“再过三年我希望我们的机器人让司机就不用去送命了，我希望天下再没有因为疲劳而死掉的司机，我觉得这个是AI做得到的。”

他预测，就在不远的将来，物联网可以成为新的连接器，算法能自动驱动产业生态链的优化。届时，不单单是油耗，人工智能的深度介入，整个物流行业即将面对的是另一轮深入骨髓的改造升级。（本文首发钛媒体，作者/高梦阳）

以下是翟学魂在2017钛媒体T-EDGE年度国际盛典上的演讲，略经钛媒体编辑：

今天用这个机会感谢一下钛媒体的三位创始人。

当时何娟写了一篇文章，说这个哥们儿发明了一个APP，可以防止司机偷油。三年前到现在发生了很多的变化，这是我要给你的一个惊喜。三年前除了顺丰、德邦这些大的公司，中国几乎没有大的车队、没有大的运输公司，几乎没有民营的运输公司可以做到100台车，因为管车太费劲了，这三年由于大家看到的这个背后的数据，所以现在大概有5000个超过100台车的车队，这个可以说几乎改变了运输行业的格局，就花了这三年的时间。

所以我特别再一次感谢一下赵何娟当时发的文章，我也没想到行业的变化是这么快的，我也没想到大家看到的这个数据会有这么大的作用。

“希望天下再没有因为疲劳而死掉的司机，这是AI做得到的”

其实道理很简单，老板如果管司机管得特别费劲，主要的费劲是因为跟司机之间有关成本的博弈，因为油耗是司机踩油门踩出来的，老板看不见。但是我们把油耗的数据（不是说某一种车的油耗数据，是行驶在中国大陆上几乎所有的卡车的油耗数据），都能够变成一个每公里这条线路该多少油这样的一个标准。所以车队就做大了。

大家现在看到的这个图就是我们在G7平台上每一秒钟，在那个点上那个卡车喷出来的油的高低，所以大家看到西部显然比东部红色多一点，红的意思就是喷的油喷得特别多，因为那个路比较难走。

除了油耗之外，大家都知道运输过程当中有巨大的风险，大概中国每年有2万个卡车司机因为路上出事儿死掉，其实一共才1000多万个，每年都有2万个死掉，所以说司机是一个非常高危的行业。

但是其实我们认真去看的时候，发现这个事故的原因不是偶然的，不是像我们年轻的时候特别轻狂的说喝了酒开车特别偶然的事情，但是对于卡车司机来说，出事儿的原因非常地确定：

原因一：疲劳驾驶。

原因二：无聊就玩儿手机，甚至不光是玩儿手机，还把手机屏幕立在那儿开个电影，所以他开个60吨的车看电影。

原因三：长时间开车轮胎太热了着火了。

还有很多很多的原因，这三个原因大概占了70%以上，剩下的我可以一直数到大概95%以上的原因，其实都是系统性的原因。

我给大家看这个图就是想告诉大家，现在我们把几乎所有的系统性原因全部都用物联网的数据抓下来了，就是他打磕睡、打哈欠、抽烟、玩儿手机、轮胎过热、超速了等等一切的，加在一起就超过了95%。也就是说卡车在路上出事儿，95%不是偶然的，就必然会出事儿。

所以，通常卡车公司会有一个大屏幕，盯着看那些司机摄象头，但是那个人其实他也容易困。所以我们就搞了一个机器人（我不知道这叫不叫AI），可以把刚才的数据不断地搜集起来，来判断这个人是不是太困了，如果我们发现他连续第打哈欠，并且这个车左右摇晃，那他就是太困了，这个时候赶快打个电话给他说你得歇会儿。所以大家看到什么结果，还是令人自豪的结果。

看到那个高点是大概900多，低点是大概10几，也就是说在一个月之内，这个安全机器人把车队的风险从900多变成10几，就是把99%的风险干掉了。所以，我今天在这个地方再想说一下，再过三年我希望我们的机器人让司机就不用去送命了，我希望天下再没有因为疲劳而死掉的司机，我觉得这个是AI做得到的。

“以后，算法会自动地驱动每一个产业生态链的优化”

最近我们还在做一些更深入的算法的工作。我们又仔细看了看，如果你走到一个物流公司的门里面，你发现这些人在打电话、这些人在Excel里面搞、微信群里搞，就是这几件事儿。实际上这都是非常简单的数据处理和收集，我们把大概80多个场景搞了一下以后，我们发现有几个场景可以大幅度地降低他们的工作量。

比如说我们大家都在淘宝上递过东西，如果你迟了你并不知道为什么迟了，你打电话给物流公司催也没有任何意义，物流公司不可能把你的包裹从某个车上拿下来。但是如果你这个货是非常要紧的，那如果迟了就很麻烦。

所以我们做了一个任务机器人，让机器人可以通过我们的数据自动地来告诉我们会不会延迟。这个场景虽然说现在离到达目的地还有很长时间，但是我可以告诉你确定无疑要迟到了。因为我们可以通过机器学习学到这个物流公司的路径，我们发现这票货其实到那个中转地的时候，原定的班车已经走了，所以您的货肯定要等第二天的班车，所以虽然对你来说可能迟了一小时，但是其实班车走了，所以你没法弄，所以这个可能不是特别复杂的AI，但是对很多人来说，非常着急的货品来说这是非常重要的一个，让大家不用打那么多电话的事儿。

我们看物流公司里面很多人在做结算，很多会计在那儿贴票在那儿算帐，所以我们做了一个自动算帐的机器人，也就是这个老板什么都不用输，他每天有80台车往出跑，跑回来那个车一停，我们就告诉他说你第一趟活儿挣了167块，第二趟挣了5127块，这就是你的毛利，我们把司机该付的钱（油耗、路桥费）所有的东西都帮你算好了，而且不光算好了，我把你该付的钱，你给我授权之后我都给你付出去了，算算这167块，就是这个老板应该拿回家自己放在兜里的利润。

坦白说在我之前，别说是机器人了，人都没有几个人算得出来。所以希望我们以后特地去看物流公司里面那些低效的、重复的，没有太多人应该干的事儿，都用这些看不见的机器人去处理。

最后我想讲一个真实的情况，大家可以在我们平台上看到加油的数据。中国有很多万个加油站，能否用我们的数据跟加油公司、石油公司一起合作，让加油的网络可以变得更聪明一点，让司机能够在最合适的地方加到最便宜的油。

我们最近在跟壳牌、跟这些所有的石油公司谈，你告诉我你的加油站在哪儿，我就告诉他说你这些加油站经过了两万次，但是只有8000次加了油，甚至都过路了，咱们是否应该通过一些方法使得你的这个加油站的利用率可以大幅度提升呢？所以未来无论是加油、金融、保险，所有这些都应该通过数据衔接在一起，让物流公司能够随时随地得到便宜的、比较好的这些生态上的服务。

所以，这就是我想做的一个总结，算法以后会自动地驱动每一个产业生态链的优化。

最后一句话，这是我今年最大的一个体会。2011年的时候，我们一会儿手机上说你有一个新的朋友加入微信，你感觉微信要成功了，要有一个新的时代来了。

这就是我今年的感觉，我今年感觉大家把卡车也物联网化、叉车也物联网化，所有的设备都在变成物联网化了，有了物联网的数据以后，你可以用非常简单的算法的方式，可以大幅度地提升产业的效率，而所有的人都在做这个事儿，我们希望我们能为这些产业提供一个基础的产业物联网的环境和服务，能够促进这个事儿的发生。