G7是中国最长的一条公路——京新（北京到新疆）公路，它是连接北京和乌鲁木齐的一条高速路，全长2540公里，贯通了新疆、甘肃、内蒙、山西、河北、北京五省一市，也是世界上穿越沙漠最长的高速公路。有这样一家创业公司，不仅把自己的创业之路比作风景迷人但挑战重重的京新公路，更把自己公司直接命名为G7。
对于大多数C端用户，G7的名字可以说是非常陌生。但在我们的生活中G7又是无处不在的：你网购的热带蔬果、海味生鲜，送到家的时候是新鲜的，这背后也许就有冷链物流场景里G7温控机器人的功劳；你网购产品的每单物流成本没有增加，但物流的服务越来越好了，也许就是G7智能管控帮物流公司提高了时效性和满载率，在保证高服务质量的前提下降低了每单货物的运输成本；中国公路上每天跑着几百万台卡车，因为疲劳驾驶或者不良驾驶习惯导致的恶性事故每天都在发生，但G7的主动安全服务，通过AI主动识别疲劳驾驶或其他驾驶行为的安全隐患，主动提醒和管理司机，大大降低了恶性事故的发生概率。在中国公路物流的关键环节里，G7可以说已经是无处不在了。简单来说，G7做的就是通过提供软硬件一体的“产品化服务”给物流公司和车队，从物流场景中获取关于车辆位置、路径、路况、速度、行驶状况、油耗、车厢温度、载重、装载率、司机驾驶行为、司机考勤、财务结算等全流程数据，并根据这些数据提供针对物流全场景的运营服务和解决方案。G7服务的客户不仅包括大家耳熟能详的顺丰、德邦、京东、亚马逊、通达系等快递、快运企业，也包括危化运输、汽车物流、保险等行业的大小客户。目前，G7服务的大小客户总共超过6万家，连接车辆超过80万台，而这个数据还在持续增加。

说到物流，大家通常会想到汽车使用的另一个场景——出行。出行市场和物流市场看起来十分相似，只不过差异在于一个运人，一个运货。但实际情况并非如此。在泰合的研究中，我们发现物流货运市场的规模是出行市场的两倍左右，且物流市场的复杂度比出行更大。例如,出行市场是一个以同城（区域覆盖小）、单线程（A点到B点）为物理特点的市场，用户需求标准（到某个目的地）、决策简单（个人根据出行路径需求直接决策）、定价标准化。所以这样的市场里，一个解决信息不对称的产品技术平台可以解决掉行业中的绝大多数问题。但物流市场不一样，这是一个以全国+同城（区域覆盖广、深）、网状线路（多点对多点）为物理特点的市场，用户需求极为非标（时效、体积、重量、温度等多维需求）、决策复杂（机构内部多重决策）、定价也非标（同样的线路，不同成本结构的车队、有没有回程订单保障的司机报价可能千差万别），所有因素叠加在一起，决定了这不是一个仅靠解决信息不对称就可以完全“颠覆”掉的行业。那么在这样一个复杂行业里，产业互联网的生机在哪呢？
先看宏观。2018年中国GDP增长或为6.5%，种种迹象已经表明，我们已经进入增长平稳期，未来10年甚至更久的时间里，经济发展“质量”的重要性远高于速度。中国企业告别突飞猛进的增长时代，曾经“不进则退”的竞争态势下粗放管理、猛冲销售的日子将一去不返，“降本增效”将作为产业发展的关键词。提到“降本增效”，就永远绕不开物流行业。在消费品价格里，物流成本的占比一直居高不下，可以毫不夸张地说，物流是整个社会的成本项。
那么物流这个自古以来就存在的行业，近几年的发展是否如中国的互联网/移动互联网一样突飞猛进呢？实际情况远非如此。
从需求角度看：一方面，我们看到今年“双十一”中国快递已经进入到每天十亿包裹的新时代，当一天十亿的量级成为新常态时，全国性物流网络的稀缺性逐渐显现、物流网络下沉的深度受到挑战。原本占据市场90%以上份额的中小物流/货运公司的“小、散、乱、差”物流体系和管理方式势必面临巨大的压力。另一方面，消费品领域已经进入到数据驱动的“新零售”时代，线上线下账户打通、数据打通，用户信息在商家面前更立体，线性的服务早已没法满足立体的个性化、多元化的消费需求，这给物流基础设施提出了更高的要求，数据化的“交互”场景倒逼数据化的“交付”场景出现。
从供给角度看：物流过去几十年都是劳动力密集型的产业，中国第一代跑出的物流巨头，除了宏观趋势上由电商平台快速发展带来的增量商流场景带动物流网络升级，微观上各家胜出的核心能力基本归因于两点：基于资源或商流网的网络能力（普洛斯、亚马逊、菜鸟、京东等）和基于SOP的司机管控/组织能力（顺丰、德邦、通达系等）。在这一次的物流产业升级机会里，“资源驱动”和“劳动力密集”是产业发展的关键词，而“标准化”、SOP是企业胜出的核心成功要素。但是中国的物流行业目前已经进入到资源成本高（仓储用地、道路ETC成本等持续增加）且利用效率较低、劳动力供给不足的新常态里。尤其是劳动力，越来越多的年轻人不愿意进入到物流行业，而行业又始终保持着每月超过10%的人员流失率，这就意味着物流劳动力的供给越来越紧缺、劳动力成本越来越高、产业里劳动力供给和服务需求出现了严重错配。与此同时，整个社会对降低“物流成本”的预期，导致物流行业在成本增加的基础上无法持续提高价格，物流企业生存压力越来越大。
在需求端快速演进、供给端极为落后的矛盾之下，物流由劳动密集型向技术密集型的转型迫在眉睫，而“数据”作为商流里必不可少的生产要素，在物流环节中也将变得不可或缺。物流产业的升级，必须要从数据化做起。

“数据化”，听起来是个近两年比较热门的词。首先，数据都在哪里？答案是用户和场景在哪，数据就在哪。而物流产业，绝大多数的交互和交付场景，都发生在线下，并且具有极强的区域属性。这种线下、区域化、碎片化的属性决定了其行业集中度低、业态分散的特征，因此从行业格局看来，在中国有超过20万家物流企业，管理着中国近800万台物流车，而这20万家物流企业，多数是有几台到几十台车不等的个人老板经营的企业，而想让这些老板们意识到数据化的重要性是非常难的。那么物流行业的数据化怎么做？泰合的答案是，先用一款刚需的拳头产品，解决复杂数据“在线化”的问题。在G7这个案例里，解决在线化问题需要做到两点：
1、刚需场景、产品易用。泰合认为物联网的应用场景里，因为C端用户对物联网产品感知较弱，所以目前to C的“锦上添花”场景，需求不刚、市场有待培养。而to B的“雪中送炭”应用场景可以直切痛点，用户感知强烈、付费意愿强。G7最早的产品之一就是一款软硬件结合的发动机监测产品，业内较早实现了“发动机实时在线”，帮助物流公司/车队老板很好地跟踪车辆轨迹并监测司机的驾驶行为（油门、刹车、加减速等）和用油数据，直接实现了对司机驾驶行为和用油行为的初步管控，解决了车队老板“防偷油”的刚需——要知道，油费占到整个运费的超过30%，是非常重要的一块成本。这样的产品帮助G7在有收入的前提下获取了大量的一手场景数据，一举两得。
2、搞定大客户，制定行业规则和标准，“挟天子以令诸侯”。 泰合认为，产业互联网里，初级企业卖产品，中级企业卖技术，顶级企业卖标准。因此只有产品好用还不够，还得有行业龙头站出来说“他们家的产品是好用的”。所有To B生意里都有标杆客户效应，在物流这个场景里，行业龙头客户不仅有标杆效应，更重要的是他们是行业服务标准的制定者。因此，G7选择与行业领袖同行，共同制定物流行业物联网的标准。为货主或者头部物流公司服务的车队要想拿到业务，就必须符合这些公司的要求，要符合要求，就必须使用G7的产品和服务，大家都开始使用G7的产品和服务，物流行业就跨出了“实时在线化”的最难第一步。就这样，G7靠着“站在巨人肩膀上”的策略，实现了产业数据的“可视”。不但成功收割了行业中的头部客户，更有机会进入到物流车整车OEM的产业链，将数据与整车厂打通，一举占据了物流行业物联网的制高点。

“可视”之后，是“可用”。数据的“可用”，需要产品/服务提供商对数据有长期的运营能力，因此除了数据的获取，商业模式的设计至关重要。
在产业互联网的商业模式设计里，如果是硬件销售的一次性“卖货”模式，那么对用户而言，自己使用场景的数据可视化之后，要么因为不具备数据分析和运营的能力，要么因为数据维度单一、无法和其他数据打通形成闭环，导致数据的可用性会大大降低。这种商业模式下的产品提供方就会完全退化成一家硬件销售公司，价值有限。但如果商业模式是由SaaS模式带动的运营服务，则巧妙得多。G7一开始就以几百块的年服务费模式销售自己的解决方案，看起来每个硬件在售卖过程中的单价很低，收入很“少”，但成功通过这样的方式降低了客户的使用门槛，收集了大量的数据，并获取了数据的运营权，使得数据的可用性大大增强，为客户提供了价值，通过交叉销售或者数据增值服务带来更“多”的收入可能。这就是“少即是多”的绝佳阐释之一——着眼长远价值。
“少即是多”的另一个绝佳阐释场景，就是做减法。在G7实现了客户车队车辆的互联互通之后，他们就已经掌握了行业里的很多关键数据。仅仅以油耗数据为例，油耗和驾驶行为的数据可视化之后，每个司机都有机会形成自己在行业里的“信用报告”，例如驾驶习惯是否良好、是否有偷油的行为等等，换句话说，司机是否能拿到好的生意机会、是否有更高的收入，都有可能由此确定——多数人看到这里马上就想到了金融业务。但G7并没有马上推出这个面向司机的看似诱人的金融业务，而是围绕核心客户的需求，继续深挖，提供产品服务、打造属于自己的商业模式。客户需要“安全”，那么G7就通过业内先进的“主动安全防护”服务，帮助物流公司实现了运输途中的危险路况规避、危险驾驶预判，为公路物流，尤其是危化品的运输保驾护航。客户需要“开源”，那么G7就为客户提供标准化的数字运力平台，并通过数据解决方案赋能客户，帮客户拿到增量业务。客户需要“节流”，那么G7就为客户提供基于数据实时互联互通场景下的全链路管理、结算和资金流转，保证货物准时、高质量的送达，并在货物送达的那一刻起就把整个链条的收益分配及结算都在线实时完成，极大提高了效率——围绕着每一个场景和需求做透，G7都有机会收取更多的服务费，甚至有机会探索其他潜在商业模式，所谓“无功不受禄，有功必有禄”。

比起泰合的其他客户，例如快的用了3年做到行业前两名，并通过合并变成了超级独角兽；拼多多成立3年即在纳斯达克上市；瓜子成立3年便成为全球专业的二手车交易平台。G7用了整整8年的时间，才实现了数据从“可视”到规模“可用”并产生商业价值，似乎是家“慢”公司，但恰恰是这样的“慢”和耐心，铸就了这家公司的壁垒。
泰合认为，产业互联网公司的核心生产力是数据，而数据的获取和积累依赖于基础设施的完善，另一方面，数据又能反作用于基础设施，帮助基础设施实现升级。这两个重要环节，都需要时间。以G7为例，客户和数据积累的过程是漫长的，但三个重要的因素使得数据的应用有了加速发展的可能性：第一是4G/5G时代的到来，使得数据传输效率有了质的提升；第二是物联网的广泛发展使得传感器批量生产后的成本快速下降、传感器加速普及；第三是近两年人工智能的发展给行业带来了充足的人才储备和超强的数据处理能力。有了这三大重要因素的加持，加上G7一直围绕用户需求和物流场景打造产品、提供服务，使得公司有望在积累了大量有效数据之后，以数据化资产和装备重塑行业的基础设施，贴合业务场景的、有赋能属性的解决方案也因此应运而生。运用多年的研发和数据运营经验，G7为车队客户打造了基于数据平台能力的模块化解决方案，这种解决方案在不同场景里可以实现“plug-in”式的落地，这让车队可以专注在自己擅长的事情上，比如获取客户、维系客情。以冷链物流为例，随着盒马等“新零售”模式的快速兴起和迭代，冷链物流的传统运营模式受到了挑战。原本冷链物流的过程管理、运营管理和温度监控等等过程，都是由不同职责的个人来完成的——包括车队长、安全员、统计员等等大量的基础操作人员，而人的管理半径是有限的。G7的运营管理、温湿度控制等自动化管理解决方案极大地扩大了个体的管理边界，减少了人员成本，提高了管理效率。

如前文所述，有了数据化的基础设施，又有了“类PaaS”的中台系统，辅以各场景的产品化应用，产业互联网的威力就可以在不同垂直领域得到充分发挥。在这样的场景里，数据形成了有效闭环，不仅“可视”、“可用”，更重要的是“可控”。
回到物流领域，泰合认为整个行业挣的是两种钱：资产的钱和组织的钱。资产包括车、箱、托盘等运输周转用具，以及仓库等储存场所；组织涉及物流的各个环节，收、送、集、运、分、配，需要有效组织、高效组织、最优化组织。无论是赚资产的钱还是赚组织的钱，听起来都是绕不开“重”模式的。但我们相信，数据化资产、智能装备的出现，可以帮助企业实现资产管理“举重若轻”的效果：不用大举持有资产，只需持有关键数据，赋能各种资产持有方，帮助有资产和装备的玩家开源节流，就可以实现资产管理效率的极大提升。
为什么这么说呢？首先我们认为，赚资产的钱，无非三种方式：赚资产价格的钱、赚资产周转的钱、赚资产后服务的钱，分别对应的关键词是规模、效率、和控制力。其次，要赚“组织”的钱，核心是理解用户需求并优化成本、组织线路。因此长期看来，一个既能理解前端客户需求，又有组织规模化资产并提供服务的集中化资产运营平台，是实现整个物流行业升级的最优解。这个资产运营平台可能不持有资产，但通过数据化的组织、管理，实现行业效率的最优，提升每个智能装备的产出，从而实现平台价值的最大化。G7经历了从SaaS到类PaaS的发展历程，相信它的终极模式一定是基于资产最优持有成本（TCO）的AaaS（Asset as a Service）模式。
由浅入深：投资人眼里产业互联网的正确姿势
AaaS模式，在G7内部，叫“AI+IA”战略，IA即Intelligent Assets，智能资产。听起来是个未来感、科技范十足的表述方式。那么投资人怎么看待这个未来，他们是否认可G7的市场机会和商业模式？
首先，市场机会。泰合认为，G7代表了产业互联网在物流行业落地的典型模式。这里要回答两个问题：
1、为什么产业互联网是个大机会？其实简单算个账就很明白了：产业互联网所面向的是“供给侧”百万亿级别的市场，只要有机会通过技术、数据提升产业哪怕1%的效率，那就是万亿级别的机会。然而这看似微不足道的1%，要做到真正落地产生效果，是道阻且长的。因为任何一个产业/场景的供给侧，要么是资源驱动、要么是重资产驱动，没有任何一个场景可以用简单的互联网流量思维解决行业问题。撬动这个大机会的关键点，是技术在产业核心环节的应用。
2、为什么是物流？泰合认为，物流行业有两大特点，一是和商流紧密关联，商流的快速进化对物流提出极高的升级要求；二是物流网在物理世界天然就是网状结构，是对线上网络的直接映射，是很适合互联互通的大场景。因此我们说物流是产业互联网的第一场景。
那么，G7做对了哪些事？我们认为，G7“由浅入深”的切入路径，对产业互联网创业者有一定的借鉴意义：
1. 懂场景、抓刚需，由轻型产品切入关键场景，获取关键数据。
G7的创始人老翟是物流老兵，很懂物流公司的痛点和车队老板的苦恼。G7自创立起，团队都一直把满足客户需求、解决行业痛点作为战略的每一步重点，推出的每一款产品和服务，都紧紧围绕整个物流行业“降本、增效、保安全”的刚需。这样的理念和战略，保证公司在解决行业问题的同时，赢得客户的价值认可、赚取规模化商业收入，并且获得行业关键场景的数据，可谓“一举三得”。
2. 重技术、搞研发，提升智能化在资产中的渗透率。
G7从给卡车装GPS、给发动机装传感器开始，首先提高了客户在信息收集、处理、决策等环节的效率，赢得客户的信任。在此基础上，G7大量投入在技术人才引进上，围绕物流资产的使用场景做软硬件产品研发，不断深化物流资产的“智能网联化”和“资产服务化”，并因此为公司拓展出新的商业模式。举例来说，G7今年推出的“智能挂车”，就是对传统挂车的全新升级。硬件上，智能挂车有胎压、胎温监测报警，有智能称重、自动装载率测量，有防侧翻传感器；软件上，后台有手机、PC双系统的管理平台，能够实现包括自动头挂匹配、智能调度在内的甩挂运营管理，全面提升效率、降低成本、保障安全。这样一款软硬件结合且成为客户唯一入口的产品，犹如“物流装备领域的Apple”，对传统物流装备的升级迭代是革命性的，正如过去智能手机对传统功能手机的替代。
3. 保持中立、拥抱开放，打造软硬一体的数据化基础设施平台。
控制了资产场景、掌握了业务数据，G7就有机会打造行业的数据化基础设施了。这样的基础设施，在服务大型物流客户时，会在原有的产品服务能力上，针对大型客户做一定程度的个性化、模块化“plug-in服务”，而在服务没有研发和技术能力的广大中小车队时，相对标准化的类“公有云”服务。这样的基础设施平台需要保持自己的中立性，并以开放心态推动产业内合作，促进产业内的分享和融合。一旦打造成这样一个数据基础设施平台，商业模式的叠加就会产生更多可能性。举个最简单的例子，因为有每个合作车队的真实业务数据、油耗数据、车辆在途数据，G7平台上就可以根据这些数据给业务稳定的车队发放油卡记账卡，实现“先加油、后结算”的在线化结算，这个场景里，车队的所有数据都是一种“信用数据”而油卡记账卡就变成了一种“信用卡”，因为G7掌握车队上下游的所有场景和数据，风控就变得水到渠成，目前每年G7平台上近百亿的油卡交易流水里，仅有不到百万级别的坏账率。与之类似，车队深度数据也在ETC、结算、车后市场、保险、租赁、信贷等场景下发挥关键作用，G7则在开放地同产业伙伴合作，用数据为客户创造价值——而这只是未来G7商业模式和生态合作的冰山一角。
4. 着眼未来、直指终局，布局干线物流自动驾驶运营网络。
物流行业的未来是怎样的？G7给出了自己的答案。2018年4月，G7联合普洛斯、蔚来资本共同出资组建了由G7控股的自动驾驶卡车技术公司嬴彻科技（Inceptio Technology），致力于向车队提供基于物流大数据的车辆资产运营网络和自主研发L3/L4自动驾驶技术。未来，如同乘用车出行领域正在发生的事情一样，自动驾驶卡车运营网络将提供给车队客户一个按使用量计费（每吨公里）的“货物出行服务”，而随着物联网、5G和自动驾驶技术的发展，这一天或许会比预期来得更早。
G7的股东们都对物流领域未来的“运营自动化、设备智能化”趋势深信不疑，更对其未来的商业模式可能性充满期待。本轮参与投资的主要机构，每一家都对物流和产业互联网有深刻洞见：厚朴作为财务投资人，深度参与了普洛斯的私有化和ARM中国的设立，对物流和AI+IoT理解深刻；宽带资本长期看好5G时代下物联网和智能资产的机会；普洛斯作为物流行业翘楚对行业的边界和未来有清晰的感知，并与G7多方位合作推进物流基础设施的数字化；中国银行一直致力于推动面向小微企业的金融业务，深知数据对于风险控制的重要性；腾讯则是互联网巨头积极拥抱产业互联网的代表；而新加入的道达尔则因为与G7拥有共同的客户群体而看到了产业互联网带给中国和欧美能源市场的巨大机会。
期待G7在产业互联网的结构性机会里，在老翟、老马带领的团队引领下，在重量级股东的加持下，继续稳步成长，创造产业奇迹！