车队|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＂？( 三 )

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。
钢蜂一直在使用非常扎实的场景来做产品试验，“在自己身上”先做试验，再推给客户使用。物流行业之中，所有试图高高在上做技术创新的公司都死掉了。原因是产品无法与场景匹配。把自己的物流业务当成培养皿，让自己深切感觉到这些效率低下带来的痛点，做改善的动力也会变强。
钢蜂利用了很多成熟的底层技术，例如阿里云的计算工具，有很强大的算力。但前提是我们自己要把最合适的模型做出来。回想起来，我们在技术上花了很多钱，一半的费用都花在研发上，幸好在GGV的帮助下引入了有微软亚洲研究院算法研究背景的CTO，我们在技术上的投入才有更高的回报率。
为什么产品一定要用起来足够简单呢？
因为，很多物流相关的产品的操作交互复杂度太高了，实施和培训的成本很高。很多功能很好的产品就死在了交互复杂的问题上。
我们的AI机器人采用微信对话式的人机交互，这可以让用户用最少的时间，最简单的方式使用各种功能。我曾担心客户不相信AI机器人的服务，后来发现自己是多虑的，客户相信机器人远胜过相信人。因为他们认为机器人不会犯错，更加靠谱。
物流行业的从业者十分务实，而且极其强调信任关系。不管是客户还是供应商，不管是物流公司还是传统型的生产型企业，彼此都在试图建立一种长期的信任关系，这种信任关系是建立在一件件事情上的。如果出现了失信的事情，信任关系就会被立刻打破。我和很多行业里的朋友交流时都提到，物流行业是最重承诺的行业，一定要做到诺不轻许。一旦应允后做不到，对方会直接把你拉黑。所以我们的产品和服务策略也基于这个行业的特点，做简单并且值得客户信赖和托付的产品。