“硬件+软件”AI在物流行业能创造更大价值丨2025数字价值观察室「AI落地指南特别篇」

2025年，ToB企服领域讨论最多的一个话题就是——如何实现企业级AI应用落地。在物流行业，原先很多无法实现，甚至“不敢想象”的需求，伴随着新一代AI技术的成熟，得以实现。但在实现标准化，泛化落地的过程中，在AI硬件与软件的结合等方面仍面临着诸多挑战。

在钛媒体2025 数字价值观察室之AI落地指南系列直播中，钛媒体集团联合创始人刘湘明与深耕物流领域近30年的G7易流创始人翟学魂，围绕对机器人产业、中美AI差异及物流行业AI应用的深度观察展开了讨论。

在讨论中，翟学魂分享了在硅谷与李飞飞交流时的关键认知——当前机器人产业存在泡沫。“现在绝大多数机器人视觉（识别）都是可有可无的，它们靠传感器而非‘眼睛’移动，人形机器人用世界大模型运动的基础尚不具备。” 翟学魂强调，而他的这一判断在世界机器人大会上得到印证。

此外，在谈及中美AI发展差异时，翟学魂直言基础模型差距明显：“Open AI已发布GPT5，国内多数基础大模型还在探索3.5水平，短期内难追平。” 应用端，美国已出现不少初期就盈利的To B公司，而中国客户付费意愿低，倒逼企业在应用深度上突破，“比如物流行业，我们从一开始就直逼结果，产品竞争力反而更强。”翟学魂如是说。

另一方面，聚焦在G7易流所处的物流行业，翟学魂表示，当前AI对物流行业的收入影响有限，但用不了多久，AI将对物流行业公司的收入造成显著影响。

翟学魂分享到，目前G7易流的端侧AI产品正小范围试用，且已能解决此前技术无法支撑的需求，比如监测卸货暴力装卸、货物晃倒情况，实时推送车辆所在地天气并提醒司机。“过去靠专业算法只能识别一两件事，现在有视觉模型和算力，能识别万物，研发成本大降，从研发问题变成适配问题。”翟学魂指出。

此外，AI带来的“为结果付费”的方式，还强化了软件付费意愿，“以前客户不愿为软件掏钱，现在AI能直接解决问题，比如司机犯困，从车内提醒升级为AI外呼，形成结果导向服务。”翟学魂如是说。

附上本期直播时间轴，帮你快速跳转感兴趣的部分

00：06：20 硅谷初创AI企业是什么样的

00：11：26 美图与安克代表了深圳式的创业模式

00：23：32 智能硬件创业已成大趋势

00：34：25 物流行业AI产品创新与竞争力

00：46：17 AI技术在物流行业的应用与影响

以下为对话实录，经钛媒体APP整理：

刘湘明：首先请介绍一下你和你的公司。

翟学魂：G7易流是一家专注物流领域的数据服务、AI服务公司，我本人在这个领域创业近30年了。

刘湘明：最近你去了很多城市，见了很多AI创业公司，这个过程中，有什么感受，或者感觉印象深刻的公司和项目？

翟学魂：首先，我去了美国硅谷，遇见了很多世界大模型方面的AI创业公司，还与李飞飞进行了交流。与李飞飞的交流中，我获取到了一个出乎意料的认知——现在的机器人产业是个泡沫。

李飞飞创业是物理大模型方面，而物流是跟真实世界高度相关的，所以我想通过与李飞飞的交流，能给我一些启发。通过交流我理解到，一方面，物理模型与语言，完全不一样，在短时间内也不太可能会融合。

另一方面，我认为李飞飞的方法论和框架也还在形成之中，并不是她在stanford时就搭建好的。还处于一边探索，一边做实际工作的阶段。因为在大模型方面，光有理论没用，必须要用数据和模型结合，进行迭代。

基于此，我就立刻意识到，如果我们想象着一个人形机器人用世界大模型来运动这件事，我觉得那个基础都还不存在。而我的想法在世界机器人大会上得到了证实。从这个大会上，我深刻的认识到，现在的绝大多数机器人视觉（识别）都是可有可无的。因为实际上，他们并不是靠（眼睛）来实现移动，而是靠感知（传感器）。通过与李飞飞的交流，我们看到了机器人技术短期内的上限。

此外，还有两个00后的小孩，也拿到了大几千万的融资，他们选择了与李飞飞一样的领域——物理模型，但路径完全不同。他们的价值观、方法论、理论与李飞飞的完全不同。我也由此感受到了，硅谷在基础模型创新上的热度很高。

刘湘明：李飞飞为何对机器人持不看好的态度？

翟学魂：其实不是李飞飞不看好，而是与她交流之后，我得到的结论。并不是说未来没有希望，而是现阶段，机器人还没有视觉识别的能力。因为离机器人通过3D建模具备观察世界的能力，还有很远的距离。

现在的人形机器人还仅仅是提供娱乐能力，让人们欣赏它们表演。

刘湘明：确实，我们去年年底讨论过这个话题，人形机器人之所以需要人形，是需要它们提供情感上的诉求，比如家政、陪伴等场景，但是距离这个场景还很远。

翟学魂：对，确实，不过去了几个公司之后，还是给我很大的震动。其中一个就是美图。

我到了美图才意识到，第一，（美图）活的很好，很挣钱，实现了高速增长；第二，美图实现了AI化。举个例子，美图有个产品，有一句slogan——一个人就是一个团队。为什么一个人就是一个团队呢？因为，通过美图的产品，淘宝店铺的老板不用找模特，一张张的拍摄衣服的照片，然后再修图，上传了。只需要把衣服给到美图提供的一个生产力工具，它就根据需求生成虚拟模特，然后拍好，并上传到店铺展示。

美图这个产品就非常好，因为是个收费的SaaS产品。后来我就问美图的老板，你这个产品做的话，是不是有门槛。他说还是挺有门槛的。他说，人和物在图片上，不是简单的操作就能“修”的，人与物的修图需要长期积累大量的经验才能做的更好。而美图在这方面有着数据和经验的积累。

刘湘明：这是软件层面，那么在硬件层面，有哪些观察，有哪些看好的项目和公司么？

翟学魂：硬件方面给我的震动更大。比如我去了深圳的安克。我去的时候，他们正好在Kickstarter进行2.5D打印机产品的预售。十天时间，获得了4800万美元的订单。这个订单数据超过了我的认知，原先我觉得在Kickstarter预售超过100万美元都是很厉害了。

通过与安克高层的交流，我觉得他们发布的2.5D打印机产品代表着深圳智能硬件产品的核心密码。核心密码有两个，一个是，创造了一个新的硬件形态。2.5D打印机这个产品形态之前没有，通过这个打印机可以快速的打印一张油画、一个冰箱贴，包括打印动物毛发。表现力远比平面图好很多。

另一个是，这个产品有AI的能力，在提供打印机的同时，也提供了AI作画的素材。消费者需要打印哪些东西，产品内部已经进行了分门别类，建立了AI素材库，以及社区，伴随硬件一起给到客户。所以，用AI创造的内部社区，也就成为了这个产品另一个核心部分。

从产品理念上看，安克贩卖的不是打印机，而是打印出来的东西，也算是按效果付费的一种体现。而这种范式，可以看作是深圳智能硬件创业的基本范式。

而Kickstarter作为一个欧美的众筹网站，有超过6成的产品/项目是来自中国的创业公司，而这里面大部分是来自深圳的。

总结来看，我觉得智能硬件有两个概念，首先，智能硬件不是一家、两家人的发明，而是无数人，像深圳这样形成一个庞大的产业链，用基本相同的创造模式，重新改写所有的硬件。

像安克这样的还算是大公司。还有很多刚刚起步的，非常小的创业公司。他们的创业模式与原先的完全不同，因为这些年轻的创业者，他们不用考虑下个月房租在哪等这些琐碎的事情，所以他们在创业之初，就是要创造一个好的产品，而不是先复制一个山寨品出来，确保活下去。

比如，我遇见了一个创业者，做按摩靠垫。通过3~5分钟的“学习”，按摩靠垫可以调节按摩的轻重。这种案例就让我感受到了，周围所有的东西，都会从硬件，变成智能硬件。

就像原先SaaS提出，要用SaaS将所有软件重写一遍一样，现在的创业者都提出，要用AI和智能硬件，将所有的硬件重做一遍。而且，这个过程不是少数人的游戏。

在与OPPO的交流中，我发现，手机厂商唯一要涉足的智能硬件就是眼镜。因为对于这种级别的公司来说，他们需要上亿的用户，而对于百亿公司来说，仅仅需要百万、千万级别的用户群，就能创造出百亿规模的公司。

所以在任何垂直领域，无论是To C，还是To B，用智能硬件，也就是新的硬件形态。这个新的硬件形态就是用什么新的硬件方式跟人来交互，总的来说是在解决这个问题，以及 AI 的内容加在一起来创造硬件，我觉得这事非常有意思的事，并且最后并非只剩下头部的大公司。

所以，总体来看，无论是美国的前沿的科技公司，还是中国的大中型企业，还是创新性公司，形成了一个非常有意思的（创新体系）。

刘湘明：你觉得现在中美 AI 的创业公司，有什么差别吗？

翟学魂：我觉得有差别。首先就是基础模型。我觉得无论是李飞飞搞的世界大模型，还是Open AI的基础模型，他们得基础环境很好。与他们相比，国内一线的基础大模型至少差了一代。比如，现在Open AI发布了GPT5了，国内大多数基础大模型公司，都还在探索如何到3.5的水平。我觉得还是有比较大的距离的，

此外，在应用方面，美国已经跑出来不少，一开始就很赚钱的公司。我觉得这样的公司在中国是没办法诞生的。

但是，比如在物流行业。因为物流行业的环境更恶劣，所以我们一开始要做的深度就比美国公司要深，因为我们客户付钱没有那么容易。因此，就要求我们再一开始的时候，就直逼结果去。如果你把产品做得很好，就很有竞争力。

在应用类的公司层面，除了文化上和客群上差异比较大之外，中国公司在应用产品层面的竞争力更大，因为我们一开始就可以把应用做的很深入。

刘湘明：前面你提到的美图和安克，都是To C类的产品，在To B领域，是否遇见了让你很兴奋的公司？

翟学魂：比如出门问问，他们做的会议纪要，因为是硬件+软件的方式，所以收入也不错。这个方向是我认为比较好的产品。他们的能力以及超过了经验尚浅的秘书和助理的水平。还可以节省大量的时间，并实现与人分享。

此外，在物流行业内，有一个美国公司的产品叫happyrobot，与我们的产品有点类似。主要就干一件事——给司机打电话。他们也是我们的对标产品。只不过他们不像我们本身有基础的数据，而是接了大客户公司本身的数据，然后给司机打电话。

我觉得他们做的很好。电话上下文流畅程度，已经让人分辨不出是AI打来的电话。比如，给客户打电话说：因为下大雨，今天物流会延迟。这种电话非常有用，原先通过人工客服打，但是每个客服人员的耐心是有限的，不一定永远都有耐心，但AI可以。

不过现在AI在To B领域的应用还是凤毛麟角。不过我希望我们的产品能在物流领域达到世界级的探索水平。

刘湘明：你觉得目前来看，AI对G7易流，甚至物流行业带来了哪些实质性的改变？

翟学魂：坦白讲，目前AI对我们收入的影响还不大，但我认为，明年，AI对我们的收入和利润率的影响会比较明显。

我们新的端侧产品还在小范围试用阶段，客户提出了一些原先没有端侧AI产品的时候需求，这些需求令人感到愉悦。比如，客户需要观测在卸货的过程中，是否存在暴力装卸的情况，这种场景原先我们是无法提供技术支持的。但现在这个问题可以解决了。

此外，客户还提出了希望能观测到运输过程中，货物是否出现晃倒的情况，以及运输过程中的物流车辆所处地的实时天气信息。如果出现了恶劣天气的情况，可以及时提醒司机不要着急。

这些场景其实都涉及到了识别的问题，对人的行为、对环境、对物品的识别。原先我们的范围很窄，通过专业算法，只能识别一两件事。现在因为有视觉模型和算力，我们就可以识别万物。

我看到客户需求从来被我们压制的——因为没有技术解决方或者没有便宜的技术方，而被压制的需求。但现在，需求就进入了一个爆发的阶段，而这个爆发对我们来说，原来我们没有视觉模型，没有大模型的时候。我们需要好几个月的时间做研发。而现在研发的成本（就很低）。

而且本质上这不再是个研发问题了，而是适配问题。在这方面，端侧边缘AI的作用已经很明显了，这也是目前正在发生的变化。

另一方面，现在客户也都在使用大语言类的模型，他们就会提出：你能不能用大语言类模型帮我实现一些需求？这两个需求（边缘端侧AI和大语言类模型）已经很明显了。

以前，我们的产品要么是因为技术成熟度不够，要么是因为实现起来过于昂贵，而无法满足用户这些需求。

对于物流行业而言，无非就是管人、管车、管货，但是原先提供的技术不足以支撑起很多客户的需求，这也导致了一些需求被放弃。但在AI时代，端侧的算力充足了，技术能够满足了，这也需求也就重新“跳”出来了。

刘湘明：这种情况下，对G7物流的商业模式有何影响？

翟学魂：我不认为商业模式会有很大的变化。原先，我们的产品都是集中性的发现，少数高频发生的问题。现在，我们可以发现，无论是高频，还是低频的，很多长尾的问题。发现问题的能力也就大幅提升了。

这部分并不存在商业模式，产品形态的变化，只是发现问题的能力提升了。比如，原先我能发现三个问题，三个头部的问题，但现在能发现100个问题。

刘湘明：但我觉得软件、硬件的结合，就造成了——软件很难收钱，因为你不能把软件服务硬件化。我觉得 AI也是这个思路，包括你做终端的盒子，其实就是把很多的服务硬件化。

翟学魂：对，第二个我觉得你说的没错，AI给我们最大的支撑是：提升了软件服务的收费能力、客户的付费意愿，以及客户认可度。

之前，硬件大家都愿意付费，但软件却不愿意付费——因为客户觉得：那不就是个软件么。但在AI时代，我们可以通过AI技术发现更多的问题，并通过AI直接解决掉。

比如，原先发现司机困了之后，最多就是在车上提醒一下。现在我们直接通过AI外呼的方式，解决了这个问题。

这件事原来是每个物流公司安全监控室的人通过我们的平台来执行的。现在我们用AI帮助客户干这件事，这时候我觉得就强化了我们，形成以结果为导向的服务，也就提升了客户的付费意愿。

所以AI带来的不是新的商业模式，而是强化了用户对于软件的付费的意愿。

而且Agent的出现，是给每一单物流生意都配置了一个专属的跟单员，与司机一起完成任务。之前没有AI的时候，什么样的物流公司才具备给每个订单都配置一个专属跟单员的资金能力？

而现在这些都可以通过AI技术实现，对服务的可靠性，客户的感受，安全性都会有一个非常大的提高。

刘湘明：在即将举办的2025数字物流大会上，你们会带来哪些新的产品和新的服务么？给我们关心AI物流应用的朋友们介绍一下这次大会。

翟学魂：对，我们会在10月22号前后举办2025数字物流大会，这个大会每年都会吸引超过2000名行业从业者参加，也至少会有超过1000个物流公司的老板，以及货物主参加。今年还会有充电桩，以及生态上下游企业参加。

今年大会我们就一个主题——AI。首先，我们要把最近一年的思考和工作，以及和客户互动，所产生的产品呈现给大家。另一方面，我们希望在大会上探讨一下，未来2~3年内，AI会带来哪些新的技术变量和红利，给不同的物流公司，以及不同的物流部门，不同的制造业或供应链，会带来不同的红利。而这部分红利其实已经有人“吃到”了。

所以，一方面我们得用产品“说话”。今年，我们讲道理了，用产品说话。展现AI产品应该是什么样；另一方面，希望与大家一起探讨产业的AI化。