目前的国内的疫情，虽然高峰已经结束了，但是后续的影响和后果还在持续。
G7平台上，目前大概有多万辆的商用货车的物联网的运营数据在跑，往年初八之后全国的流量就开始恢复了，但是我们今年由于疫情的影响，可以看到经过整个2月份，这个数字才恢复到了51%，直到3月底才恢复到85%左右。
零担受到疫情的影响更加严重。今年直到2月份也不过只恢复了30%左右。进到3月份之后，尤其3月中旬之后，国家逐渐把各地的封闭打开了，但是到17号最新的数据，我们看到也只恢复到了去年同期的77%左右的。
运力价格的分析，尤其以食品饮料为零担的这个类别来看，整体的供需的匹配，实际上是非常不稳定的剧烈波动的状态。平均价格上来讲，可能发现不了太多的问题，最新的数据应该是逐渐收敛在每吨公里五毛钱左右，但是它的波动上下幅度非常大，大家可以从图上看到，这是一个典型的牛鞭效应所造成的波动的影响。
虽然趋势是好的，但是从市场运力的匹配角度来讲，我们看到这其实就是一个真实的，在突发或者灾难的状态下，供应链对市场的真实的反应。在这样一个过程中尽快地恢复到一个稳定的产能，就是我们打造在危机下或者在目前情况下的供应链的目标，一个大原则，就是做这种柔韧的供应链。
从这个经典案例里面，我们能发现什么？供应链逻辑里面最经典的五个组成，计划、寻源、制造、交付和逆向物流。我们要分析一个产业，或者一个供应链所带来的冲击，一般是看四个方向。
1.了解自身的脆弱性何在，就是说到底我在哪个环节出现了瓶颈，或者当冲击来临的时候，我到底哪里会出现问题
2.他要尽快地评估出来对于未来他长时间的中长期的交易，预期的预测性的风险
3.在更细的供给侧，在更细的粒度上执行层面去建立灵活性
4.进一步控制成本，要在这个过程中提高它的生产效率
从Gartner对CIO的调研中可以看到：就是传统认知里面所谓的一系列的MS系统，什么什么管理系统，比如说订单管理系统，OMS，仓储管理系统，WMS，运输管理系统，TMS，这一类的信息系统的建设情况基本覆盖率，就是把在建的和已经实施的加在一起看，超过70%。
通过过去三十年的不断的积累，我们已经将传统的信息化能够覆盖的地方都已经覆盖差不多了，通过信息流程的打通，实现了标准化，实现了将管理系统里面的管理模式和优化的管理实践的固化。
但是这不解决我们刚才说的基于危机情况下的信息不对称，为什么？它是基于流程驱动的，传统的OMS也好，WMS也好，它的基于单据去驱动的，不管是采购订单还是工厂生产的工单，还是运输用到的运单，这一类基于流程驱动的逻辑，不太一样。
我们缺少的是什么？目前大家建设程度最低的，又是大家迫切不断在建立的，是什么系统？就是可视化和事件系统。什么是基于事件？我们一个异常是一个事件，我们的一个报警是一个事件。未来信息化的抓手或者转型的重点，应该是基于可视化，基于事件管理，对于我们现有的流程管理为主的这样一套MS系统的一个补充升级。
在现有阶段我们能通过信息化或者基于现在危机的情况下，我们应该怎么应对呢？
在这样一个背景下我们引出所谓基于IoT驱动下的这样一套供应链数字化物流服务，IoT最朴素的定义就是基于自我联网，让传统的设备和生产企业的设备，能够对外说话。在这个基础上，延伸出来一步，就是自我的计算以及对于信息的初步信息的加工和处理能力。把物流和执行过程中的传统设备，加装了IoT手段和一些边缘计算的能力之后，我们就认为把它做了一个IoT化。把它的这种实际的物理空间中的产品，跟数字世界产生了一个抓手，我们叫做物理资产跟生产成本要素之间的数字化和实时连接，这是我们做IoT的动作。
IoT驱动下的供应链数字化升级，能够带来哪些方面的优势？
第一个，讲到实时性脆弱性。在实时理解自身的脆弱性方面，我们可以与人为的经验进行相互佐证和判断，避免人们因为一些管理经验的盲区，或者是误解，所产生的影响。客观准确地判断数据的产生。
我们有很多时候对于供应链的脆弱性的理解和影响，其实是偏重于先验主义的，就是我们更多的是通过人为经验判断的。IoT的一个很重要的原因，就是我们能够把这部分东西刨除掉，只看到真正客观的事实，打开这个黑箱子看到真实情况，我们才能真正地进一步了解我们的供应链的脆弱性。
第二，牛鞭效应就是斯坦福大学的教授李效良（HauL.Lee），八十年代发明的一个词，解释起来的意思就是专门特指在供应链端由于信息的不对称，当需求从前端，需求前端向供应后端去传导的过程中，会产生一种放大的效应。这种放大效应的原因就是在于信息的不对称，不充分的竞争，以及扭曲所逐级放大的情况。就像说鞭子端稍微抖一抖，那辫子梢就甩出去非常远一样，所以把它形象地称为牛鞭效应。
为了更准确地预测，催生了很多的信息化的建设，比如说协同预测与补库计划，CPI法，CFRP，供应链计划管理。
第三，柔韧供应链。我们可能更多的会诉求灵活性的建立，目前来讲我们能看到的灵活性的建立，是应该在供给侧，也就是在我们的执行端，在更细粒度的情况下构建灵活性。举例来说，从去年年底开始，快递快运行业，都在积极跟我们谈一个合作，就是希望能够加装一个载重量方设备，用来直接了解车辆现在的安装进度。因为现在竞争压力，每半小时或者每一小时排班，必须缩减到每15分钟。他的车辆闲置率，有效调度每15分钟的提升，都是直接和毛利率相挂钩的。利用这种实时的IoT数据的传导，比以前的人工之间的调度，调度，可以直接与智能调度系统进行挂钩，从本质上可以更灵活的，更加细粒度的对车厢的调度、排班和线路的运行，进行构建灵活性。
最后一点，我们可能回到一个供应链的本质上去看，就是降本增效。Gartner每年都会做一个趋势预测未来的十年过程中有哪些供应链的技术可供使用。这个图上从左边往右边大家可以看到，基于动态的库存，车辆运力动态的分析是成熟还有五到十年。区块链，在于供应链领域的应用，这个他认为更长，超过十年以上。但其实对于我们现在通过疫情的影响，我们可以看到刚才的一些物流企业，尤其是国内的一些物流企业，已经在积极探索和落地这些相应的试点项目了。这个过程中我们回到一个本质上，就是说其实IoT本身的赋能也好或者配合其他的AI技术的矩阵也好，自动化技术也好，整个无人化会加速到来。
G7在疫情期间也推出了一个面向疫情的一个园区的作业。这个作业的核心是说无纸化、自动化和零接触，从车辆预约到物流园区开始之前的在线预约，园区进入的调度和自动的放行排队，以及它分配作业任务，月台上的有效的装载的识别以及到它最后的授权出园，其实不需要有人接触。由于疫情的原因，一下子在今年我们能够看到非常广泛的推广的一个趋势。在未来不管你有没有这样疫情的影响，这种无人化的趋势，我们相信通过IoT的手段，通过AI的手段，都是永远都要去做的。
总结起来，并没有解决所有问题的银弹，只有在适当的场景去匹配适当的技术组合，以及业务需求，IoT比较擅长的是解决这四件事情，利用实时的数据客观的数据去让供应商或者让我们的客户更加了解我们的脆弱性。通过实时的和客观的真实数据发生，让设备自己去告诉我们目前对市场的需求和供应的依赖性，减少对传统统计型的依赖。另一方面在供应侧我们可以建立更细粒度的灵活性，这是针对自动化来说的。本质上我们做的所有的工作都在减少人员的涉及和进一步的降本增效。这是我们能看到的在现有情况下的，利用IoT手段如何去帮助我们的物流进行数字化的实践。
目前的国内的疫情，虽然高峰已经结束了，但是后续的影响和后果还在持续。物流企业也好，供应链的从业人员也好，其实这种竞争会越来越激烈。但是信息和思想的充分的共享和交流下的竞争才会真正带来技术本质性的突破。这也是我们这个目标去打造这样一个IoT技术也好，或者这样一个开放平台的本质性的工作的最终的理想。
QA精选：
Q：请分享车辆安全驾驶方面技术最新的进度
A：我们最早就是做车辆的安全设备，来不断地扩展我们的终端的数据和车载应用场景的。在目前来讲，我们从最早的后装的安全设备，ADAS辅助安全驾驶系统，这个设备不断地跟客户和跟我们的终端司机的车队的使用者，包括我们的物流提供商服务提供商的合作过程中，逐渐也探索出一些新的发展领域。
一方面最早的时候就是单纯的防碰撞，利用我们的车辆的感知，对于前端的车辆进行报警，超速的时候进行预警，这些是基础功能。再进一步延伸到我们对于车内司机危险驾驶行为的分析。我们又引入了所谓主动安全的概念，如果你及时给他提醒，司机可能在短时间内对于驾驶行为本身会有一些触动，比如说防碰撞前的2.7秒给他一个车基端的报警，他可以避免这种行为的发生，但是时间过了之后又会有影响。所以我们必须通过人工加智能的方式，对他进行干预。
在这个基础上，我们把刚才所说的车基端和人工智能的报警结合主动安全服务的打包，形成了一个跟保险公司合作的基础，因为从本质上来讲，最终被车辆设备和所谓的车辆货损、车损所买单的，实际上是保险公司。保险公司本身在业务模式和商业驱动力上，它愿意跟我们一起合作，把它的车辆发生事故的这部分的大数据，跟我们共享。我们认为G7在国内还是比较领先的，因为真正我们实现了一个，从技术到运营再到保险，再到我们的最终业务场景的这样一个闭环，而且这是一个持续不断在累积数据并且把数据反哺成算法优化的高效的闭环。这是我们正在做的事情。
Q：请教刘总IoT在货运领域，除了定位、主动安全、自动驾驶，未来还有哪些发展的方向？
A：我们除了能看到刚才说的定位、速度、车辆、货运本身，我们对于有一些领域的多功能的传感，还有很多的应用场景。比如第一个是冷链，尤其从这两年，我们能看到国家整体对于冷链物流的需求是不断在提升的。很多传统的直营电商新一代的业务系统的平台支撑，不再依赖于传统的TMS，而是一个简单的网上订单的OMS系统，加上对于它的便携式的传感，温度传感和湿度传感的设备，就组成了它的整个一套传感。因为它从田间，直接把货物收集好了之后，通过直营的方式，运输过程中，真正对他需要的是整个过程里面的温湿度的状态，
我们还有对于光感，对于整个运输过程中的重量的变化，以及利用我们现在的图象识别技术，对于一些危险行为或者说是驾驶过程中的一些情况，进行一些人工智能的模式识别的判断。这些几个领域我们综合在一起，都是对于IoT方案的补充。这个技术本身我们不断在扩展，也不断在丰富它的感知的场景。但是说回来，没有一种单纯的技术或者单纯的组合，我们尝试的更多是用不同的底层技术在一个丰富场景下的一种应用场景，达到最终的客户需求的目的。
来源
物流沙龙
此文系作者个人观点，不代表物流沙龙立场
