刘海明 G7易流 副总裁
尊敬的蔡会长，何会长，尊敬的高阳会长，宇航秘书长，尊敬的各位嘉宾，各位新老朋友，大家上午好！
今天我的演讲有两部分的内容，一部分会把过去的服务简单介绍一下，更多的因为今天我们在AI产品上有很多的投入，也在一些场景开始使用，我会把这部分新的内容更多地给老朋友和新朋友做一个展示，AI在我们化工行业哪些具体领域使用了，让大家有一些体感。
G7易流合并在一起之后，两家公司还是服务了36000个客户，连接了800万台的设备，包含了我们的车辆设备400多万台，还有仓库、门店和终端，我们服务12个行业场景，通过软硬一体的方式做全链条的解决方案。这张图是我们的400万辆重卡、中重卡的车辆实时数据的大屏图，在这里我们可以看到在很多专业的场景上做服务，比如说冷链，比如说安全，尤其是在安全上我们通过AI和人工，现在我们的AI去做安全提醒的服务，已经超过了95%，我们守护30多万台车辆每分每秒的运行。
这是我们所有产品的一张集合的图，我们在很多场景上做具体的服务，比如说我们的智能管车在安全上做非常多具体的管理，今天我们也在国铁的很多场站做场站的管理，包括我们运输里的冷链，以及大宗商品的货物管理，在业务流程上我们非常多的车队在用船运通进行整个成本管理、订单管理，大型企业我们提供新一代的物流平台，帮我们连接所有的货运商做物流平台的建设，这些服务放到一起，下面是我们硬件传感器感知数据，中间是我们的云和算法，前端是我们服务，组合到一起为16个场景的客户，提供不一样的服务，我们为大企业提供定制化的解决方案。
我们为车队客户，因为我们车老板没有IT部门，我们更愿意当我们车队的IT部门，提供SaaS一站式的服务，希望把这个场景打开就很适合我们危化场景。这是我们现在的一些客户的举例，两家公司都做了10多年，在国内我们服务的客户非常多，这里面就展示了一部分，那具体到我们的服务，我们从16年为危化车队提供服务，当时我们就联动发动机的数据和视频管理做结合，做事件安全管理，到今天我们累计服务了危化车队600多家，累计服务车辆超过3万台，这里面比较大的体量是我们通过跟石化合作、海油的合作、中化等这些合作带动我们的车队，还有非常多的车队是主动跟我们来采购这种服务，自己做管理。
我们看了一下这几年的数据，在我们整个危险品的这部分车队，我们千公里报警事件次数逐年下降，从2022年到2025年我们下降了40%，危险品的管理一直都是在提升的。
对整个上下游我们提供一体化的解决方案，主要是我们为上游的货主搭建一个安全管理的平台，因为其实我们危化的车辆都装了安全管理的视频设备，但是因为每个区域和每个城市以及运营商不一样，数据标准不一样，所以我们搭建了这个平台，希望我们用统一的标准连接我们全国各地所有的运输商，在这里如果大家在数据上不统一我们做数据的清理，如果在算法上有缺失我们做算法的提升，最终给到我们上游货主企业一个统一的安全管理平台，做我们所有安全的管理。当然我们上下游也做运单的连接，包括每个节点的管理。
这里面有很多的案例，我们跟中石化一起搭建了安全管理的平台，连接了100多个承运商，做全面的安全管理。我们在海油把所有的槽车100%地接入，也看到车辆接入之后我们典型的事件千公里的风险指数有超过15%的下降，在恒逸石化我们更深一步为恒逸石化搭建了整个TMS的系统，管理了恒逸石化所有的订单，管理了一部分入场的恒逸石化自有的车辆安全与成本，管理了我们所有的运输商的数据连接到恒逸石化的TMS。
这是过去的服务，今天我们在AI时代我们一直在说AI，那在危险品行业如何守住我们零事故的底线进行降本增效，说到我们可以做什么AI，我们首先得回顾一下现在的问题。在今天，因为危险品行业跟其他行业不一样，只有危险品行业是全部的车辆都装了我们的视频管理设备，基于我们监管的推动和商品的特殊性，企业有这样的管理诉求。但是今天依然存在的问题其实是我们这些设备的准确率还很低，误报率还很高，这就造成我们还有大量的人工要进行数据的排查，才能真正地做管理。那在场景上，我们其实在危险品的园区跟危险品的路书上也有非常多的要求。在每个交接和作业环节都有非常多的要求，危险品的商品是特殊的，所以我们有这些新的挑战。
那这些挑战如何应对？在过去目标设备的基础上，我们自己发挥的空间也很有限，因为目标设备的算力是有限的。我们在上个月无锡开我们的数字物流大会，我们发布了新一代的硬件产品，这个产品叫紫宝盒，更多强调的是一个算力。我们不是想把车上现在的设备替换，也不是把摄像头替换，我们是想为现在的设备和摄像头增加算力。过去我们的目标设备算力大家可以理解一下，大概在0.5个t，今天G7易流想提供更好的服务，但是算力不支持，边缘计算不支持，所以我们做了一个3T算力的盒子。因为今天芯片成本下降了，当我们想做这些事情的时候成本也变得很低，我们把硬件边缘上的算力放大六七倍，再加上云平台的计算，今天可以用这个设备感知我们现场、我们的司机和车辆，以及货物和环境之后，通过算力提供更多的服务。为了跟司机互动，还有一个比较大的屏，以及可以跟司机做一些对话。
所以现在这个设备我们在准确率上还有在每个场景的覆盖上都增加了一些能力，跟过去的能力相比。我觉得我们可以把这部分给大家展示一下，过去的目标设备，只能做行为的管理，现在我们这个设备跟算力我们已经覆盖58个场景，我们不停地有客户跟我们一起探索新的场景，所以这个场景还在增加。比如说大家都知道在行业海因里希法则里面，其实有3万个事件会有3000个事故和未遂事故，会有300个轻伤，会有3个人员的伤亡。我们过去所有行业的管理都在3万个事件里做管理，今天我们算法能够判断未遂事故，我们就可以在3000个事故和未遂事故里做管理。过去我们事故发生之后做事故复盘，如果事故没有发生，司机反应很快，这个事过去了，但是实际是一个未遂的事故。我们今天最大的进步是我们把3万个事件做了管理，提升到3000个未遂事故的层面做管理，让我们看到真正的风险在哪。比如说我们过去只对司机做管理，我们的ADAS和DSM，都已经普遍推广了，但是我们押运员是不是在真的做押运员的工作，我们需要做一些管理。
今天非常多的危险是路口发生的，是转弯，是右转，这些事情在今天是不是可以得到很好的管理，我们都是希望通过算法的投入来帮大家提升的地方。那上个月因为发布的这个产品，我们也请了第三方的认证机构，帮我们看这个数据是不是在行业里跟我们G7易流过去的设备比，跟行业里面普遍的设备比，数据的质量是遥遥领先的，也有一份报告来证明现在的数据是非常高的可用度。因为数据可用之后，我们其实就开始推广我们的场景，今天我们推广了非常多的场景，也举了一些例子给大家感受一下。
比如说过去我们非常想知道弯道的速度是不是超了，右转弯是不是停车了，右转弯停车我不知道是右转，就没有办法看它是不是停车，但是因为我们视觉可以拍到我们的环境，我们通过算法能够判断是不是一个路口，我们就能去知道是不是路口，在这个路口是不是停车了。
如果我们进入场区的时候，我们的司机下车是不是戴了安全帽，这些我们给算法一些图片进行学习，算法今天都可以非常清楚地告诉我们。
我们拿几个例子来展开一下，这是一个倒车和盲区的例子，我们看倒车的视频，这个视频是有声音的，没放出来，当这个倒车视野里有人出现的时候，刚才的绿线和黄线与红线声音都是不一样的。所以这个屏就给司机一个很好的体验，我们的货车与小车不一样，司机没办法很好地感知后面跟右边的盲区，如果没有这个屏的话，我觉得过去其实我们也做这样的管理，过去在目标设备的基础上加装了很多雷达，因为车又比较长，所以加了雷达的个数比较多，但是因为今天的算法可以支持了，我们就可以把倒车与我们的盲区做很好地管理。我觉得这个一方面是管理，更重要的方面其实是直接给司机提供服务，就像我们自己开特斯拉一样的体验。这是一个右转未停车的例子，大家可以看，其实我们算法在识别这个交通环境、这个路径、这个楼、这些树，判断是一个路口，知道在右转了，所以它就会看右转的时候，司机是不是停车了，这都是通过现在的视觉、视频拍到的内容，通过算法做判断的。过去没有这么大的算力，我们帮大家做不到这样的管理。
这是三点式上下车，大家都知道危险品行业我们在场区内是不能出安全事件的，所以司机上下车的时候我们有非常严格距离的要求，我们要求双手抓牢，一脚踩实，所以人的双手和双脚四肢必须是有三点与车辆做连接的，那过去其实没有算法我们怎么检查，我们可能场区内有人检查，或者我们去抽查，但是今天我们把这个视频告诉了算法，告诉它这个人的行为，这个定义是叫三点式上下车，我们要求所有的司机都是三点式上下车，不允许单手单脚上下车，所以我们给了算法100多个这样的图片以后，给了算法这个标准，算法通过今天的大模型快速地学习，就知道这件事情是三点式上车，就帮我们把所有的车辆是不是在三点式上车有什么异常都做了管理，我觉得很大程度上，代替了我们过去人工的工作，因为人工抽查不过来，而且人工的工作量也很大，也不严谨，算法在这部分帮助我们很多。
包括我们其实现在也有非常多企业提到，要对我们押运员进行管理，我们过去一直在管司机，但是押运员在旁边玩手机，睡觉，司机就变成了干扰，所以这部分也是我们在危险品迭代的管理。
刚才只是举了几个简单的例子，这些例子都告诉我们说当我们让这个硬件有了3T的算力之后，我们就可以让这个设备具备我们的AI能力，所以我们定义想管理的场景，给到我们平台和算法，告诉他这是一个什么行为，我要进行管理，那大概有100张图片，两周的时间，算法通过自己的学习，就可以把这件事情做管理了。换句话说过去我们为大家提供的服务，你打开这个系统，司机是不是闭眼了，是不是疲劳了，就是这几个功能，没有扩展性，这些功能有就有，没有就没有了，但是今天你可以根据自己的业务场景，提出自己想管理的场景，因为我们提供的是一个算法的平台，所以大家就可以把自己想管理的事情，给一些图片和视频标准给到平台，让平台通过训练和标定，通过识别，OTA的这一套流程，最终在两周时间给大家交付一个可以使用的版本，这是我们在产品上重大的进步。我们过去有很多困扰，想给大家做很好的服务，但是我们没有这么大的算力，或者我们设备在某个地区没有办法帮助大家做监管，我们今天也并不是一定要卖给摄像头给大家，我们今天卖给算法给大家，我们是希望用利旧的方式，因为所有的车上都有摄像头，今天3T的算力连接了摄像头，连接了我们的目标主机，只是让这个摄像头变成AI摄像头，让这个主机变成3T的算力，也可以跟过去一样连接我们的总线，还有一个平衡麦，最终给我们做所有的管理。
现在我们从上个月在无锡开了发布会之后，从大家现场下单到装了大概几百台的设备，我看有相当一部分是危险品的车队，这些车队几乎都用利旧的方式在采购这个服务，因为这样AI的盒子就很便宜，3T的算力可能就需要1000块钱或者租用的方式，大家就不用付出更多的成本，过去买一台设备几千块钱，压力还比较大。
比如说在上个月的时候，星港运输这家车队，决定在无锡大会尝试我们的这个紫宝盒，尝试的主要原因是，过去它的设备DSM准确率只有65%，ADAS的准确率只有30%，视频的提取率也比较低，意味着我们基础数据很低，我们想做管理，想把这些数据给到中化来做管理，数据基础很差的时候，自己的管理与上游货主的管理都在一个比较低水平的情况下运行，我们把3T的盒子装上以后我们也在跟星港在看数据，我们从过去的65%提高到98.7%，我们ADAS的这个准确率从30%提升到92%，然后过去的视频提取率可能不够90%，现在达到了99.6%，大家知道燃气系统里一段视频打不开是黑的，那是因为视频没有提取成功，我们过去的设备算力很有限，所以在今天数据有很好基础下我们就可以做更深入的安全管理，我们在星港也把所有的副驾，我们的押运员都做了管理。
这个就是我们今年新发布的AI产品的一个基本的模型，它的可扩展性很强，对大家也有非常多的想象空间，可以想象自己在哪些场景需要算法来做管理，G7易流也愿意与我们同行一起在AI时代来临的时候，一起探索这些场景。
因为过去我们其实在成本上也帮车队在管理每天每车每趟的毛利，老板每天要看到数，过去很多的车队在用财运通连接了订单和管理费用，让老板每天看到是不是挣钱的，我们今年在危化版本也做了迭代。
过去我们出车检查都是手工方式做，每家上游企业也有不一样的要求，今天我们也可以把这些出车检查定义成这个货主企业的SOP，置入到我们系统里面，那我们其实就可以在我们的小程序上直接做这些检查，并且有视频的留痕。
过去我们都有纸质的路书，因为我们的平台上已经有非常多大数据知道哪些是危险路段，哪些长下坡哪些很危险，我们今天也把路书跟我们风险地图做结合，在我们出发之前，我们的这个路书变成一个电子的，我们提前把G7易流数据植入，告诉大家哪些有风险，如果没有问题也可以按照这个给司机做导航。
刚才提到我们很多调度的工作，如果我们想把靠人工经验调度做得好，就得看过去人是如何工作的，今天如果系统有更多数据，可以预测什么时候车会到，什么时候货会卸完，我们把整个流程都能做未来预测，那AI也可以做很好的调度。有点像我们在打车的时候，你在滴滴行程里，你还没有结束，但是滴滴师傅在下一站行程已经接到了，所以这部分也是我们希望未来探索在AI调度上可以帮到大家的。
过去我们很多客户用财运通的系统，我们这些成本录进来之后叫财务小姐姐一条一条的人工去检查，这部分我们也上线了一个AI自动识别的功能，就帮财务小姐姐自动地去识别这些重复的发票和重复的报销，现在也有非常多的车队在让AI帮助他做工作，这都是特别细节细碎的地方，但是AI就是在这些地方比我们人做得更细致一些，解放我们人力可以做更有价值的工作。
过去我们很多老板要看我们单车成本的分析，要通过财务给到的我们的Excel报表来看，当我们发现一个地方有问题的时候没有办法看下去，还要重新看，如果我们在系统看，今天我们看这个柱子有问题就可以鼠标点开它，再进行下一段哪里有问题，可以支持我们管理团队在每个月做金融分析的时候，快速锁定问题和发现问题，提出改善建议。
我们就希望老板们都能够做到心中有数，经营更长久，因为刚才提到有很多我们全球的形势，化工行业的形势，在这种形势下自己的账是不是算清楚，是特别重要的事情，这里面也有很多优秀客户在使用，今天来到连云港也举了我们金陵交运的例子，在用我们视频做管理，后来上了财运通有了运单之后，在跟运单结合做所有的出发、到达、装卸、节点的管理，用我们财运通做所有费用的管理，安全检查也都搬上了线上，不管是安全还是财务现在大家都是在系统上在平台上，做各个角色的连接与工作。
北方也有很多优秀的企业，今天张总也来了，港琪也是我们优秀的企业，10多年前就在我们安全管理上进行探索，今天在财运通上，把每一单的费用都管得清清楚楚，也在我们过去的纸质路书搬到我们系统里，希望大数据和风险地图帮他做所有路书的风险预测。
这是我们过去的一些案例，还有非常多的我们的客户案例，如果大家希望与这样的优秀企业交流，或者希望跟我们交流，也欢迎大家关注我们视频号或者进入我们的群里，与我们小伙伴进行交流，谢谢！
