自從2018年以來，“產業互聯網”就成為了一個炙手可熱的概念，在實業界和資本市場都是如此。大家的邏輯是：消費互聯網的滲透率已經見頂了，接下來互聯網最重要的任務是改造傳統行業、為實體經濟賦能，從中釋放出更大的生產力。

這個邏輯在理論上當然是成立的，在實踐中卻頗有些混亂——互聯網大廠固然已經在產業互聯網投入了重注，這條賽道也成長起了一批獨角獸公司，但是無論在業務層面還是資本層面，它還遠遠沒有達到消費互聯網的高度。甚至對于“產業互聯網應該怎么做”這個命題，大家都缺乏一致認同，觀點趨向于兩個極端：

• 有人認為，產業互聯網應該聚焦于“黑科技”“硬科技”，致力于研究高大上的靈丹妙藥，與消費互聯網這種“缺乏技術含量”的業態劃清界限；產業歸產業，消費歸消費。

• 有人認為，產業互聯網無非是傳統企業應用解決方案換了一個好聽的名字，門檻不高、天花板很低、實際效用有限，不可能真正改變傳統行業的面貌。

作為一個研究過八年軟件行業、六年消費互聯網行業的分析師，我對上述問題也很困惑，搖擺于兩個極端之間。中國的實體企業的數字化水平仍然較低，需要依托信息科技提高效率，這一點是毫無疑問的；而中國的企業軟件公司、信息化服務公司普遍長不大，難以真正滿足企業客戶的需求，這一點也是長期存在的。怎么辦？應該如何解決這對存在了幾十年的矛盾？包括我在內的絕大部分行業觀察者都沒有答案。

直到春節前夕的一個上午，我跟菜鳥CTO李強（花名：在寬）進行了兩個多小時的交流，對菜鳥的產業互聯網路線形成了比較深刻的認識——這很有可能是產業互聯網的正確發展方式，帶有很強的指導意義，讓我看到了解決問題的希望。

菜鳥是一家什么樣的公司？從服務數億用戶（尤其是廣大零售電商用戶）的角度看，它可以算一家消費互聯網公司；但是從自身物流能力建設的重投入與深度運營角度看，它又是一家不折不扣的產業互聯網公司。這種橫跨To C與To B兩端的業務特性，在中國互聯網行業是不多見的，也使得菜鳥具備了如下的特殊屬性：

1. 長期面向終端用戶，使菜鳥養成了以用戶為中心、從應用場景出發的習慣。簡而言之，科技研發是為了實用、為了解決問題，而不是盲目追求“黑科技”“為研發而研發”。

2. 中國的零售電商物流是一個低毛利率、比拼低成本的市場，按照現在時髦的話說，“高度內卷”。在這樣一個高難度市場成長起來，迫使菜鳥必須具備很高的組織效率和成本管理能力，形成絕對的性價比優勢。

所以，過去多年，菜鳥CTO在寬一直在強調一個概念：物流需要“剛剛好”的技術。所謂“剛剛好”，就是立足于應用場景，以合理的成本解決實際問題。如果一項技術不能解決客戶遇到的問題，或者不能可靠、成熟地解決，又或者不能以合理的成本收益比(ROI)去解決，那就算不上“剛剛好”。

從應用場景出發、重視性價比，這似乎很不“高大上”，不符合很多人對產業互聯網公司的期待。然而，這很可能是最符合中國現實的發展道路。如果一家科技公司能夠在零售電商物流這樣低毛利率、高度內卷的市場里茁壯成長起來，那么一旦進入高端市場，可能就會形成“降維打擊”；反而是那些在高端市場里呼風喚雨的“高科技企業”，在廣闊的低毛利率市場往往會失去競爭優勢，乃至最終失去自己的大本營。其實，放眼全世界也是如此，我們能夠在方興未艾的AI（人工智能）技術領域找到非常生動的先例：

在長達二十多年的時間里，IBM曾經是全球AI研發當之無愧的翹楚，第一個在國際象棋中擊敗人類世界冠軍的“深藍”超級電腦就出自IBM。2011年，IBM推出了基于自然語義的AI解決方案——Watson，而且一上手就選擇了難度最高的癌癥治療領域，目標是以癌癥為出發點，徹底改造全球醫療行業。遺憾的是，事實證明Watson的癌癥治療效果欠佳，還無法融入現存的醫療信息系統，淪為昂貴無用的大玩具。2022年，IBM以區區10億美元出售了Watson醫療業務，同時停止了對交通、政務、廣告等AI解決方案的探索。

與此同時，谷歌、亞馬遜、Meta等新一代公司卻不聲不響地從互聯網廣告、搜索等消費場景入手，逐漸鍛煉AI產品技術，直至進入基礎研發領域。尤其是谷歌，通過機器學習的應用大幅提高了廣告推送效率，在獲得利潤的同時鍛煉了AI研發團隊。到了2016年，第一個在圍棋中擊敗人類世界冠軍的超級電腦，變成了谷歌出品的Alpha Go。現在，谷歌不但是全球公認的“機器學習四強”之一（這個榜單里沒有IBM），并且已經將機器學習應用到自動駕駛、量子計算等前沿探索領域。IBM的路線有多失敗，谷歌的路線就有多成功。

很顯然，菜鳥選擇了谷歌的路線。可能會有人質疑：從物流行業培養出來的科技研發實力，能有多大的擴展空間？物流行業的技術應用，與芯片、新能源電池、無人機這些時髦的“硬科技概念”比起來，在改變世界方面似乎還差得很遠——我必須指出，這是一種極大的誤解，甚至可以說恰恰相反。

龐大而復雜的物流市場，需要使用的技術種類遠遠超過一般人的刻板印象。舉幾個最簡單的例子：

• 因為種種原因，每天都會出現大量運單脫落的無主包裹。它們的主人肯定不希望看到這些包裹失蹤。如何在不打開包裹的前提下，高效地找回這個包裹的歸屬，從而繼續完成履約流程？這就需要運用強大的搜索技術。

• 近年來跨境電商的發展速度很快，一個跨境電商包裹的生命周期可能長達一兩個月；數以百萬計的包裹加起來，狀態數據非常龐大。所以，要基于云計算去改造數據架構，實現海量數據的高效存取。這就是菜鳥全面采用阿里云PolarDB數據庫技術的原因。

• 上述技術，無論多么復雜、高深，在終端都要簡潔易用。例如，包裹搜索功能必須讓倉儲物流小哥能夠簡便地操作。毫不夸張地說，我們能夠“無感”地定時收到包裹，恰恰是復雜高深的技術在終端高效落地的結果。

上面提到的都是很成熟的技術；在新興技術方面，RFID是一個典型案例。在理論上，在庫房等復雜場景，基于RFID的電子標簽能夠大大提高物流效率：試想一下，工作人員不必把包裹有碼的一面翻出來逐個掃描，而是可以批量讀取電子標簽，那該是何等方便？但是在實踐中，由于成本較高、容易受周邊環境影響、準確率不足，RFID一直未能在物流中得到廣泛應用。直到最近幾年，菜鳥與平頭哥合作，對RFID技術進行了包括芯片、標簽、天線、讀寫器、軟件算法在內的全面改造，并于2022年開始應用于食品行業的標桿企業——徐福記，取得了99.9%以上的識別準確率。

往小里說，RFID若能得到全面應用，那無異于電子運單普及之后，物流行業的又一次革新；往大里說，RFID是一個很長的產業鏈，其每個環節的設計和生產都有很大的擴展空間。就拿芯片來說，菜鳥已經與平頭哥合作完成了第一代RFID芯片的留片，目前正在進行第二代芯片的研發。這就是從具體應用場景出發，逐漸深入基礎研發的一個很好的實踐。

在現實中，科技進步其實是一個從“剛剛好”走向更好的過程；本階段的“更好”，可能就是下一個階段的“剛剛好”。例如自動駕駛，是一種很新奇、很吸引外界目光的“硬科技”；開放道路自動駕駛更是被視為AI技術“皇冠上的明珠”。正因為其復雜度太高，就連谷歌孵化的Waymo等明星自動駕駛項目，至今也未能廣泛應用。如果貿然在物流中推廣自動駕駛，就算能通過監管審核，對物流企業的吸引力也很有限。但是，在最后一公里的低速場景應用自動駕駛，就有可能揚長避短、事半功倍。所以我們看到，在疫情期間，菜鳥在校園場景推廣了無人車配送，因為這是現階段的“剛剛好”；等到時機成熟，就可以向下一個“剛剛好”的技術水平進步，直到實現開放道路無人配送。

2023年，我們正式進入了后疫情時代。一方面，實體經濟需要數字經濟的賦能，提高數字化水平，才能應對越來越激烈的國際競爭。另一方面，無論是互聯網企業還是傳統企業，都普遍存在“降本增效”的期望。這就對產業互聯網提出了很高的要求：既要滿足企業業務創新的需求，又要幫助企業節約成本。可能有人認為這樣的要求太復雜、太難滿足，但這正是產業互聯網的黃金時代。

物流行業為產業互聯網樹立了一個很好的范例：從近二十年前淘寶成立、通達系誕生，到2013年菜鳥誕生，再到今天，行業數字化水平一直在穩定提升。以前每次“雙11”大促都會爆倉，最近幾年就不會了；以前沒有辦法實時追蹤包裹狀態，現在可以了。然而，物流行業的數字化歷程還遠遠沒有走完，而且數字化之后還有智能化。一個物流行業就有這么多、這么復雜的需求，整個實體經濟的數百個行業加起來，對產業互聯網的需求又是何等強勁？

在物流行業內部，也不僅僅有經濟型物流，還有品質物流——現在規模越來越大的跨境電商等國際物流，對品質的要求就很高。還有直接面向B端的企業物流，今后可能會在整個行業占據越來越大的比例。按照菜鳥CTO在寬的話說：“我們一方面在服務物流企業，一方面也在服務企業物流。舉個例子，汽車行業這兩年發展非常快，無論傳統車企還是新能源車企都是如此。菜鳥也在積極進入汽車行業，為車企提供數字化的技術和服務。”

最近幾年，我對美國科技巨頭的研究比較多，從蘋果、谷歌、亞馬遜到微軟，對它們的各項業務都略有了解，尤其是它們的To B業務。我最大的感慨是：產業互聯網不是“自上而下”的，不是在實驗室拿出一個高端黑科技再硬套到應用端，而是從應用端出發穩扎穩打，直至形成基礎研發與應用場景之間的良性循環。無論在中國還是美國、在過去還是現在，上述發展道路都是最科學、最持續的。

很多人對產業互聯網之所以失望，恰恰是因為他們對基本概念有誤解，盲目期待“黑科技”“硬科技”自上而下地去解決問題。但是，這并不妨礙真正的產業互聯網立足于應用場景，腳踏實地、穩扎穩打的發展。通過與菜鳥的深入交流，我對中國產業互聯網的發展重新充滿了信心，希望更多的公司能夠走上這條正確的道路。