跟菜鸟CTO聊了一上午，我更深刻地理解了“产业互联网”应该怎么做

自从2018年以来，“产业互联网”就成为了一个炙手可热的概念，在实业界和资本市场都是如此。大家的逻辑是：消费互联网的渗透率已经见顶了，接下来互联网最重要的任务是改造传统行业、为实体经济赋能，从中释放出更大的生产力。

这个逻辑在理论上当然是成立的，在实践中却颇有些混乱——互联网大厂固然已经在产业互联网投入了重注，这条赛道也成长起了一批独角兽公司，但是无论在业务层面还是资本层面，它还远远没有达到消费互联网的高度。甚至对于“产业互联网应该怎么做”这个命题，大家都缺乏一致认同，观点趋向于两个极端：

• 有人认为，产业互联网应该聚焦于“黑科技”“硬科技”，致力于研究高大上的灵丹妙药，与消费互联网这种“缺乏技术含量”的业态划清界限；产业归产业，消费归消费。
• 有人认为，产业互联网无非是传统企业应用解决方案换了一个好听的名字，门槛不高、天花板很低、实际效用有限，不可能真正改变传统行业的面貌。

作为一个研究过八年软件行业、六年消费互联网行业的分析师，我对上述问题也很困惑，摇摆于两个极端之间。中国的实体企业的数字化水平仍然较低，需要依托信息科技提高效率，这一点是毫无疑问的；而中国的企业软件公司、信息化服务公司普遍长不大，难以真正满足企业客户的需求，这一点也是长期存在的。怎么办？应该如何解决这对存在了几十年的矛盾？包括我在内的绝大部分行业观察者都没有答案。

直到春节前夕的一个上午，我跟菜鸟CTO李强（花名：在宽）进行了两个多小时的交流，对菜鸟的产业互联网路线形成了比较深刻的认识——这很有可能是产业互联网的正确发展方式，带有很强的指导意义，让我看到了解决问题的希望。

菜鸟是一家什么样的公司？从服务数亿用户（尤其是广大零售电商用户）的角度看，它可以算一家消费互联网公司；但是从自身物流能力建设的重投入与深度运营角度看，它又是一家不折不扣的产业互联网公司。这种横跨To C与To B两端的业务特性，在中国互联网行业是不多见的，也使得菜鸟具备了如下的特殊属性：

1. 长期面向终端用户，使菜鸟养成了以用户为中心、从应用场景出发的习惯。简而言之，科技研发是为了实用、为了解决问题，而不是盲目追求“黑科技”“为研发而研发”。
2. 中国的零售电商物流是一个低毛利率、比拼低成本的市场，按照现在时髦的话说，“高度内卷”。在这样一个高难度市场成长起来，迫使菜鸟必须具备很高的组织效率和成本管理能力，形成绝对的性价比优势。

所以，过去多年，菜鸟CTO在宽一直在强调一个概念：物流需要“刚刚好”的技术。所谓“刚刚好”，就是立足于应用场景，以合理的成本解决实际问题。如果一项技术不能解决客户遇到的问题，或者不能可靠、成熟地解决，又或者不能以合理的成本收益比(ROI)去解决，那就算不上“刚刚好”。

从应用场景出发、重视性价比，这似乎很不“高大上”，不符合很多人对产业互联网公司的期待。然而，这很可能是最符合中国现实的发展道路。如果一家科技公司能够在零售电商物流这样低毛利率、高度内卷的市场里茁壮成长起来，那么一旦进入高端市场，可能就会形成“降维打击”；反而是那些在高端市场里呼风唤雨的“高科技企业”，在广阔的低毛利率市场往往会失去竞争优势，乃至最终失去自己的大本营。其实，放眼全世界也是如此，我们能够在方兴未艾的AI（人工智能）技术领域找到非常生动的先例：

在长达二十多年的时间里，IBM曾经是全球AI研发当之无愧的翘楚，第一个在国际象棋中击败人类世界冠军的“深蓝”超级电脑就出自IBM。2011年，IBM推出了基于自然语义的AI解决方案——Watson，而且一上手就选择了难度最高的癌症治疗领域，目标是以癌症为出发点，彻底改造全球医疗行业。遗憾的是，事实证明Watson的癌症治疗效果欠佳，还无法融入现存的医疗信息系统，沦为昂贵无用的大玩具。2022年，IBM以区区10亿美元出售了Watson医疗业务，同时停止了对交通、政务、广告等AI解决方案的探索。

与此同时，谷歌、亚马逊、Meta等新一代公司却不声不响地从互联网广告、搜索等消费场景入手，逐渐锻炼AI产品技术，直至进入基础研发领域。尤其是谷歌，通过机器学习的应用大幅提高了广告推送效率，在获得利润的同时锻炼了AI研发团队。到了2016年，第一个在围棋中击败人类世界冠军的超级电脑，变成了谷歌出品的Alpha Go。现在，谷歌不但是全球公认的“机器学习四强”之一（这个榜单里没有IBM），并且已经将机器学习应用到自动驾驶、量子计算等前沿探索领域。IBM的路线有多失败，谷歌的路线就有多成功。

很显然，菜鸟选择了谷歌的路线。可能会有人质疑：从物流行业培养出来的科技研发实力，能有多大的扩展空间？物流行业的技术应用，与芯片、新能源电池、无人机这些时髦的“硬科技概念”比起来，在改变世界方面似乎还差得很远——我必须指出，这是一种极大的误解，甚至可以说恰恰相反。

庞大而复杂的物流市场，需要使用的技术种类远远超过一般人的刻板印象。举几个最简单的例子：

• 因为种种原因，每天都会出现大量运单脱落的无主包裹。它们的主人肯定不希望看到这些包裹失踪。如何在不打开包裹的前提下，高效地找回这个包裹的归属，从而继续完成履约流程？这就需要运用强大的搜索技术。
• 近年来跨境电商的发展速度很快，一个跨境电商包裹的生命周期可能长达一两个月；数以百万计的包裹加起来，状态数据非常庞大。所以，要基于云计算去改造数据架构，实现海量数据的高效存取。这就是菜鸟全面采用阿里云PolarDB数据库技术的原因。
• 上述技术，无论多么复杂、高深，在终端都要简洁易用。例如，包裹搜索功能必须让仓储物流小哥能够简便地操作。毫不夸张地说，我们能够“无感”地定时收到包裹，恰恰是复杂高深的技术在终端高效落地的结果。

上面提到的都是很成熟的技术；在新兴技术方面，RFID是一个典型案例。在理论上，在库房等复杂场景，基于RFID的电子标签能够大大提高物流效率：试想一下，工作人员不必把包裹有码的一面翻出来逐个扫描，而是可以批量读取电子标签，那该是何等方便？但是在实践中，由于成本较高、容易受周边环境影响、准确率不足，RFID一直未能在物流中得到广泛应用。直到最近几年，菜鸟与平头哥合作，对RFID技术进行了包括芯片、标签、天线、读写器、软件算法在内的全面改造，并于2022年开始应用于食品行业的标杆企业——徐福记，取得了99.9%以上的识别准确率。

往小里说，RFID若能得到全面应用，那无异于电子运单普及之后，物流行业的又一次革新；往大里说，RFID是一个很长的产业链，其每个环节的设计和生产都有很大的扩展空间。就拿芯片来说，菜鸟已经与平头哥合作完成了第一代RFID芯片的留片，目前正在进行第二代芯片的研发。这就是从具体应用场景出发，逐渐深入基础研发的一个很好的实践。

在现实中，科技进步其实是一个从“刚刚好”走向更好的过程；本阶段的“更好”，可能就是下一个阶段的“刚刚好”。例如自动驾驶，是一种很新奇、很吸引外界目光的“硬科技”；开放道路自动驾驶更是被视为AI技术“皇冠上的明珠”。正因为其复杂度太高，就连谷歌孵化的Waymo等明星自动驾驶项目，至今也未能广泛应用。如果贸然在物流中推广自动驾驶，就算能通过监管审核，对物流企业的吸引力也很有限。但是，在最后一公里的低速场景应用自动驾驶，就有可能扬长避短、事半功倍。所以我们看到，在疫情期间，菜鸟在校园场景推广了无人车配送，因为这是现阶段的“刚刚好”；等到时机成熟，就可以向下一个“刚刚好”的技术水平进步，直到实现开放道路无人配送。

2023年，我们正式进入了后疫情时代。一方面，实体经济需要数字经济的赋能，提高数字化水平，才能应对越来越激烈的国际竞争。另一方面，无论是互联网企业还是传统企业，都普遍存在“降本增效”的期望。这就对产业互联网提出了很高的要求：既要满足企业业务创新的需求，又要帮助企业节约成本。可能有人认为这样的要求太复杂、太难满足，但这正是产业互联网的黄金时代。

物流行业为产业互联网树立了一个很好的范例：从近二十年前淘宝成立、通达系诞生，到2013年菜鸟诞生，再到今天，行业数字化水平一直在稳定提升。以前每次“双11”大促都会爆仓，最近几年就不会了；以前没有办法实时追踪包裹状态，现在可以了。然而，物流行业的数字化历程还远远没有走完，而且数字化之后还有智能化。一个物流行业就有这么多、这么复杂的需求，整个实体经济的数百个行业加起来，对产业互联网的需求又是何等强劲？

在物流行业内部，也不仅仅有经济型物流，还有品质物流——现在规模越来越大的跨境电商等国际物流，对品质的要求就很高。还有直接面向B端的企业物流，今后可能会在整个行业占据越来越大的比例。按照菜鸟CTO在宽的话说：“我们一方面在服务物流企业，一方面也在服务企业物流。举个例子，汽车行业这两年发展非常快，无论传统车企还是新能源车企都是如此。菜鸟也在积极进入汽车行业，为车企提供数字化的技术和服务。”

最近几年，我对美国科技巨头的研究比较多，从苹果、谷歌、亚马逊到微软，对它们的各项业务都略有了解，尤其是它们的To B业务。我最大的感慨是：产业互联网不是“自上而下”的，不是在实验室拿出一个高端黑科技再硬套到应用端，而是从应用端出发稳扎稳打，直至形成基础研发与应用场景之间的良性循环。无论在中国还是美国、在过去还是现在，上述发展道路都是最科学、最持续的。

很多人对产业互联网之所以失望，恰恰是因为他们对基本概念有误解，盲目期待“黑科技”“硬科技”自上而下地去解决问题。但是，这并不妨碍真正的产业互联网立足于应用场景，脚踏实地、稳扎稳打的发展。通过与菜鸟的深入交流，我对中国产业互联网的发展重新充满了信心，希望更多的公司能够走上这条正确的道路。