对话G7 CEO翟学魂：收入30亿仍亏损是为研发，上市不是目前主要考虑的事情
这位物联网技术的老牌玩家，不断在AI、自动驾驶和智能装备上加持，其活力从何而来？
安妮 发自 望京凯悦
量子位 出品 | 公众号 QbitAI
物联网科技公司G7，近一年来持续活跃在公众面前。
仅一年多来，G7先后组建自动驾驶新公司、资产管理新公司、又在寒冬中融资3.2亿美元。昨天（6月25日），G7还宣布与日本丸红株式会社合资成立“天津吉红融资租赁有限公司”，专注冷链车队资产服务。
这个物联网技术的老牌玩家，不断在AI、自动驾驶和智能装备上加持，其活力从何而来？
这份活力会持续多久？
量子位从G7 CEO翟学魂那里，得到了答案。
壁垒何在？
目前，G7主要基于AI与物联网技术平台，向大型物流企业和货运车队提供车队管理综合解决方案，覆盖安全、结算、金融、智能装备等车队运营全流程。
此外，G7与合作伙伴共同研发自动驾驶卡车运营网络，向车队提供全局化的智能装备和资产运营服务。G7表示，目前客户6万多家，连接车辆超过100万台。
G7在做“资产即服务”的生意，客户不需购买物流车辆、物流装备甚至货运后市场服务，只需要按需租用，按里程为物流资产付费即可。
随着AI技术的发展和各种智能硬件成本的降低，智能设备的购入门槛降低，G7物流资产即服务的模式能否经受住挑战吗？
G7创始人翟学魂认为，在这样的环境下G7更具优势。
他表示，G7目前做的主要为卡车（货运）机器人网络，业务的主要三部分也不难理解，即卡车、机器人和网络，针对这三点，翟学魂认为G7均建立已起壁垒。
网络壁垒在于覆盖面越大则网络效应越强，最先在中国拥有3000-5000个冷链挂车，就在冷链运输上具备优势。机器人也就是所谓的算法，在网络的基础上，G7的算法可做到出事一次全系统预防。对于第三点，翟学魂表示G7与Tier 1合作已久，朋友多路子广。
翟学魂认为，三重竞争壁垒缺一不可，集合在一起才最有价值。
谁先达到规模，拥有更厉害的算法和足够多的数据且合作伙伴多，谁更具优势。
收入30亿还亏损为哪般
从G7在去年所谓的“资本寒冬”拿到3.2亿美元的融资后，外界猜测G7是不是快上市了。针对这个问题，对营收一向保持神秘的G7也放出了最新消息。
翟学魂表示，G7今年的收入实现了7倍的增长，达到30多亿元，但目前仍然处于非盈利状态，但每个月的亏损在减小。
营收30多亿后为何还处于亏损状态？
翟学魂解释说，没有短期盈利的追求，目前还处于对技术的投资阶段，研发投入占据开销大头。在销售减员的同时，研发团队不断增员。
对于G7未来的营收能力，翟学魂淡定表示，应该还有十倍到二十倍的收入增长空间。对于外界关心的是否上市的问题，翟学魂回应说这不是目前主要考虑的事情。
现阶段的G7，研发为本，技术为王，想通过深耕技术占据高地。
卡车自动驾驶量产两大坑
作为可以重塑物流行业的关键技术，自动驾驶如何能落地是个关键问题。
G7在这方面也有布局。去年4月，G7与获普洛斯、蔚来资本、钟鼎组建自动驾驶卡车公司嬴彻科技。
目前，嬴彻的日常运营为独立团队，G7最主要的时为其提供客户群、落地场景和车辆车流的数据。
所以这一次，G7总裁兼嬴彻科技首席执行官马喆人，就落地问题，讲了讲实现最终量产没有填平的两个大坑。
马喆人将第一类坑归纳为自动驾驶技术公司可以自己解决的，比如造出车规级别的无人车，目前还是挑战。
对于安全性能提升，马喆人表示实际量产与实验室的研究有很大不同。嬴彻的解决方案也很明确，正在研发一个负责功能安全的架构，有架构不同的主备两系统，两个架构互相纠正，避免范同一个错误，保证车辆安全。
第二类是整个自动驾驶产业的现状和外部环境的限制。马喆人表示，整个产业在车规级零部件的量产上都尚未明晰。
比如车规级的激光雷达，有大规模量产的趋势，但若论及具体时间规划，还是一个未知数。
再比如，自动驾驶芯片，虽有车规级量产计划，但价格合适、能大规模量产目前还只能期待。
无人卡车的真正落地不是一方能完成的事，整个产业链进行协同才能更进一步。这样看来，还有很长的路要走。
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ’ᴗ’ ի 追踪AI技术和产品新动态
- 微软公布19财年财报：净利润增长22%，云计算首超个人计算业务2019-07-19
- 腾讯云推出物联网边缘计算平台，具备五大特点，想攻克物联网落地难题2019-08-28
- DeepMind医疗业务几经动荡，现在团队并入Google2019-09-20
- 首例基因编辑干细胞治疗艾滋病：北大邓宏魁参与，达最佳治疗效果2019-09-14
相关阅读
最新加州自动驾驶报告出炉，两家中国公司名列全球前五
加州DMV年度平均接管里程（MPI，接管里程数）为自动驾驶核心衡量指标之一，反应出综合平均了全年里程和接管数，被行业广泛认为是比试驾体验更客观、量化和准确的衡量办法。
