在这篇里，我们将探讨：

• 最初讨论深圳汉德时，我们如何做出价值判断，内部有哪些争议？

• 投资深圳汉德这 3 年，我们的观察：to B 企业如何发掘「真需求」？如何找到标杆行业和客户？

• 整体复盘：各行各业的数字化，如何才能完成？

进入正文前，先分享 3 个观点：

• 正确的路，都是难的。给车装上传感器，将数据采集的过程自动化，是很有挑战的。但长远看，这条路能形成「正向积累」，越大越好，越好越大。

• 对 to B 企业而言，在初创阶段，需要找准技术与产品应用的标杆行业和标杆客户，并且在一个行业形成完全的产品化解决方案之后，再去拓展在其他行业的应用。

• 数字化不是用户/客户的目的。最后能赢得用户、实现数字化的解决方案，一定是为用户/客户创造了其他应用价值，且其所提供的价值远超用户/客户为之付出的成本。

希望能带来新的思考角度，欢迎你在文末分享关于智慧物流的见解。

为什么投，当时内部有哪些讨论和争议？

▍物流行业会诞生 Uber、滴滴这样的企业吗？

峰瑞成立那年，决定涉足芯片传感器投资时，我们有一个基本的逻辑框架：科技行业智能化的前提是数字化，即，通过把传感器装到各种物体里，尤其是移动物体里，产生新的数据。

这样的例子在移动互联网时代很多。比如，Uber、滴滴是基于手机内置的 GPS 产生的位置数据诞生的商业模式；手机里不断升级的摄像头所产生的图片视频数据，则创造了美图、Bilibili 和抖音。

新传感器带来新数据，还会发生在哪些行业，并带来行业革新？

带着这样的思路，2017 年 2 月，我们遇见了深圳汉德。创始人苗少光是大数据和人工智能背景，他想从车载称重角度切入物流行业。当时，他刚刚试着把传感器装到少量载重车上，每装一辆车，收一两万块钱。

中国是交通大国。截止 2018 年年底，中国高速公路总里程已达 14.3 万公里，稳居世界第一。「四通八达」的公路网让货物的加速流转成为可能，十年间物流总额翻了 3 倍多，从 2008 年的 89.9 万亿元涨到 2018 年的 283.1 万亿元，其中 76 .8% 通过公路运输。

我们看好物流行业的前景，也欣赏创始人懂行业、懂技术，有决心。但是当时内部对深圳汉德项目也有很大的争议：物流行业低成本，价格敏感，它的高收费模式，是否可持续？如果要实现亿级营收，就意味着要向几万辆车卖出解决方案。

我们做了基础行研，也和创始人深入交流，对物流行业有了更多的认识。

物流行业的市场格局是个正金字塔，最下面是载重超过 500 公斤的整车物流；中间层是快运，货量介于 20 公斤到 500 公斤；最顶部是 To C 端物流，也就是我们日常接触的快递，货量通常小于 20 公斤。

越到金字塔底部，行业的数字化程度就越低。位于金字塔顶端的快递是数字化程度最高的，京东、菜鸟、三通一达等头部企业引领了快递行业的自动化和智能化。仅以分拣环节为例，快递行业已开始使用 AGV 机器人，极大地提高了效率，也减少对人力的依赖。而快运和整车运输行业，目前分拣还主要靠人力、皮带机、叉车。

深圳汉德的探索极具创新性。它瞄准了整车物流的数字化，希望通过给货车装上传感器，以产生新的数据：实时位置信息和实时重量。这些新数据是对整车物流效率提升最重要的数据。

只要技术切实可行，且能被市场认可，我们认为，深圳汉德所做的事情，对物流行业很重要。2017 年 3 月，投决会通过，峰瑞参与领投深圳汉德的天使轮。

▍怎么给车装上传感器，准确率如何保证？

传统的车载称重办法是通过地磅。货车需要两次过磅，才可测出车内货物重量，一来成本高，一次称重费用为 50-100 元，外加时间和人力成本；二来效率低，地磅不可移动，只能进行单点重量核查，可能需要车队反复配载，且厂家无法监控运输过程中的货物变化，容易出现偷换货、窜货等情况。

给车装上传感器，在当时是一件非常难、非常苦逼的事情。苗少光及小团队跟了 4 年车，不断采集信息、测量校准、调整算法、分析模型，最终才把算法跑通。

苗少光给我们讲过 2013 年 6 月到 2017 年年中那 4 年昼伏夜出，风雨兼程的跟车往事。

每天夜里 6 点，装上了传感器的货车在前面跑，他们开着小汽车紧跟其后采集数据。他的主要任务是盯着笔记本电脑，观察车的状态的变化，如何反映在他的笔记本电脑上。一台笔记本的电量撑不到天亮，他的车上通常装着三四台笔记本电脑。

要是他足够幸运，赶上货车没人押车，他就可以坐在司机旁边的副驾驶座上，更直观地看到驾驶员的细微操作，所引起的数据变化。

除了显而易见的驾驶习惯、载重情况，车龄、路况、车速、载重分布等信息，所能带来的变化，也得考虑在内，否则都会造成误差。

4 年间，苗少光主要跟着两种类型的货车，一种拉钢卷的，一种拉煤炭的。每跟车一次，他会支付司机 2000 元。司机会配合他在车上做各种实验，包括在车的各个部位安装传感器，也包括在他观察到特殊数据时，停车、倒车，再跑一次，重现数据，分析判断。

如何判断传感器的受力点是合适的，苗少光主要看两点：重复性和线性。重复性的意思是，同样是装货 50 kg，传感器的反应要基本类似。线性的意思是，装 100 kg 货物时，传感器的反应值理应是载货 50 kg 的两倍。

就这样，他们把车的实时运动状态全部分离出来：加速减速、上坡下坡、开动刹车、上货卸货、超载偏载，并给它们逐一打上标签，然后在线下分析这些数据，再在线上做拟合，紧接着去做算法，做完算法，再去跟踪，反复验证，最后调教出一个真实可靠的数学模型。用他的话，把力学问题转化为一个计算机问题。

随着时间、路途、经验的累计，深圳汉德的数据库越来越大，越来越全，越来越精准，在实践中实现了非常低的重量误差率（2%）。

就像搜索引擎一样，用的人越多，就越好用，越好用，来用的人就越多。即便有人技术再好，也很难复制、赶超。

这是一种「正向积累」，越大越好，越好越大。

投资之后，我们从深圳汉德的发展变化中有什么思考和所得？

▍用户不是为了打车而去买 GPS，用户买的是一个带 GPS 的智能手机

技术上的先进不是万能的。投资之前，我们内部存在争议的问题，在商业世界里很快有了答案。靠卖一款即便高附加值的硬件设备，很难实现规模化。

一来，给一台车装传感器收一万块，对毛利低、管理效率不高的物流行业来说，太贵了。二来，货主与承运方之间的较劲，增加了传感器安装的难度。货主希望掌控运输全程，但承运方不希望自己的运输行为被监控。

这回到了大多数 To B 初创企业所面临的最根本的问题：客户为什么要装一个从前没有的设备并为之付钱，他的动力是什么，他看到了什么价值？

数不清的可穿戴设备企业在这个问题上栽了跟头。

「智能手表手环们」最难的事情是，得告诉用户戴上它们有什么好处，而不是告诉用户他拥有了一大堆数据。用户并不会为数据本身买单。还是以打车举例，滴滴和 Uber 的模式之所以可行，是因为乘客和司机身上都自带 GPS，但是无论是司机还是乘客，购买的都是智能手机，而不是 GPS。

如何找到足够多的场景，把传感器装上去，且让客户觉得装上传感器这件事本身足具意义，对深圳汉德来说非常关键。

有段时间，创始人苗少光也不知道真实的需求在哪里。好像这里有需求，那里也有场景。他一度列出了自己觉得大有可为的 27 个行业，包括沥青、水泥、原油、煤炭、物流、环卫、成品油运输等等。然而，到底哪个需求能帮企业做大，苗少光心里也没谱。

▍找到标杆行业，服务好标杆客户

如何找准自己技术与产品的标杆行业和客户，是很多 to B 企业带着技术去拓展市场时，最先遇到的挑战。

深圳汉德也一样。从 2017 年年中到 2018 年年底，它几乎试遍了所有觉得可行的行业。依据不同行业的不同场景和需求来调试和安装，前期的投入很大，复购率却不理想。最后因为客户整体没起来，公司也没能迈过规模化这个槛。

走了很多弯路之后，深圳汉德终于找到适合自己的标杆行业——水泥。一家龙头水泥企业愿意通过载重信息和位置信息来做行业监控。但那个时候，深圳汉德账上的钱已经不多了。

2018 年底，苗少光找到我们，希望峰瑞追加一轮投资，支持它们在水泥行业拓展产品化应用。我们又投了一笔钱。

为什么听起来无比传统的水泥行业愿意率先给车装上传感器？

这和水泥行业的 3 个特性有关：重量大，货品以吨计价；成本低，一吨水泥售价才四五百块；运费占比高，有时能占到将近 1/3 的成本。

这意味着，运费是影响利润的关键变量。离水泥厂越远的经销商，所承担的运费就越高，利润就越薄。因为利润 = 卖出去的价格 - 进货价 - 运费。

水泥厂为了扩散销售半径，让远距离的经销商有动力进货，业内的通用做法是给远距离的经销商提供部分运费补贴，使其利润水平和近处的经销商相当。

这给了一些人钻空子的空间，让水泥厂无比头疼的「窜货」现象时有发生。所谓「窜货」，是通过非正常的通路获得更便宜的货，以求得更大的利润。

举个例子，北京郊区有一家水泥厂，五环的经销商打电话给二环的经销商说，「你帮我买上一车水泥，你运到五环就卸货，五环到二环这段路程的运费补贴，我们一起吃掉，一人一半。」

通常一车水泥  40 吨，假设一吨水泥从二环到五环的运费补贴是 80 元，勾结起来的经销商们，这一趟就能赚取运费 3200 元。考虑到每年水泥厂发车数万次，这个总金额相当惊人。

之前水泥厂尝试了各种办法，都不能消灭「窜货」。深圳汉德刚好能解决这个问题。它能够监控、分析水泥载重车全程的重量变化和位置轨迹，将什么时间装货，货量多少，什么时间卸货，货量多少，运输过程中货物重量是否发生变化等等，全部变成数据。

苗少光和我们讲过一个供应商「挑战」设备精准度的故事。一个供应商要运货到上饶，在距离上饶还有 200 公里的景德镇卸货了，第一次他卸了 3 吨货，路途中，他又分别卸货 2 吨、1 吨。他的一连串小动作，都被深圳汉德的设备「抓」到了。后来，那一片基本没有人再「窜货」了。

就这样，深圳汉德在水泥行业有了影响力和知名度。现在，排名 top 30 的水泥企业中，超过半数采用了它的水泥流向智能管控服务。

深圳汉德也逐渐确定了自己的标杆客户画像：大宗运输领域为主；难以用其他方式来计算车里的货多少钱，视重量为最重要甚至唯一的计算单位；且物流占成本的比重较大。

现在，深圳汉德服务客户一百多家，覆盖煤炭、水泥、钢贸、原油、化工、危险品等行业。在快递、快运领域，德邦、圆通等头部企业，也与深圳汉德密切合作。

整体复盘：

关于科技行业智能化的经验和教训

▍智能化是大势所趋，它到底该从哪里开始？正确的路，往往是难的

看到智能化是大势所趋，只是第一步。具体到任何行业，要回答：为什么这个行业需要数字化，以及应该从哪里突破，其实很难。

在物流行业，除了深圳汉德这种通过让传感器上车来完成关键环节数字化，市场上还有另一种路径：做车货信息的匹配。有的连接车和货，做信息撮合；有的做行业 ERP 系统。

这种路径的优势是起步轻，起势快。但是受限于物流行业的低毛利、低数字化程度以及管理效率亟待提升，他们难以获得准确的货物物流信息，即使有了也面临信用难题。

因为不论是个体货主，还是拥有车队的物流企业，被要求录入信息并上传到系统，属于额外的工作。时间一长，如果他们没看到明显的好处，配合度会打折扣，数据的获取及可用性也会打折扣。

为了解决这些问题，我们看到，不少做车货信息匹配的企业开始通过增加人工来介入物流的实际运营环节，以保障整个流程的数字化。

反观深圳汉德，它是先慢后快。经历了最早期苦哈哈跟车 4 年对算法和模型进行训练，然后把传感器装到各类载重车上，它用自动化的方式完成了数据采集与沉淀。帮助企业实现降低成本、提高效率的同时，数字化成了自然而然的结果。

这两种模式，一种偏重运营，一种侧重技术，最后都是兜大圈，都得做重。

我们从中学到的是，各行各业要实现智能化，都离不开把关键环节进行数字化改造。但是不论从什么角度切入，都需要「以终为始」：以数字化为最终结果，反向分析过程，寻找关键对策，从而达成目标。

以汽车行业为例，我们还处于向数字化过渡的过程中。因此，当前最有可能先发生的事情，就是会有越来越多的新传感器被装上现在的汽车，使汽车本身的信息被高度数字化。同时，还会有越来越多的传感器，就像我们所说的物联网，被装到各个地方，使各种各样的环境信息也能够被数字化。随着这两种信息的高度数字化，如果接下来，这些数据又能够完成连接和流通，我们一定会进入最后的智能化。

因此，峰瑞投资了加特兰微电子、Kolmostar睦星科技、VisionICs、飞芯光电、AQRONOS 等 10 余家帮助汽车行业实现数字化的芯片传感器创新企业。

▍智慧物流的未来

中国公路物流大大小小的主干和支干构成了中国经济的毛细血管。经济运行是否通畅，取决于毛细血管的运输效率。这也决定了，物流行业作为社会基础设施，往往受政策影响很大。

2019 年 10 月，312 国道无锡高架桥垮塌，造成了 3 人死亡和 2 人受伤。跨桥垮塌是由两辆运送钢卷的超载车引起的。事件发生后，各地政府都加强了对货车超载的法规约束，也重视通过技术手段来进行载重实时检测。深圳汉德与政府的合作也越来越密切，把实时称重、超载报警、偏载预警等功能应用到超载治理中。

2020 年以来，智慧物流这个方向开始变得更加重要。

疫情期间各类物资的调度和运输，使得智慧物流的需求激增。相信疫情之后，国家和行业对智慧物流会更加重视，物流行业的数字化进程会加速。

最近，物流行业又赶上了国家发改委、科技部、工信部等 11 部委联合印发的《智能汽车创新发展战略》。汽车智能化不仅指车要智能，为车服务的一系列基础设施也要智能。而让各种类型的传感器上车，是汽车智能化的必经之途。

对深圳汉德而言，在拥有更完整的实时车货位置与载重信息之后，它已经成为物流高效运营体系的一部分。因为，实现载重车辆的智能配载与调度，或者说，更高效地实现车货流信息匹配，货运车辆的实时重量信息不可或缺。

比如，就像滴滴出行通过订单预测大幅提效一样，已经有物流企业找到深圳汉德，希望能用它的解决方案，减少司机等待时间，增加用车效率，从而整体提高运转效率。

最近一年半，深圳汉德的融资挺顺利，接连完成两轮融资，其中一轮由上一次没能投进的投资方追加。现在也有新的投资方希望能投资。

创业不仅要应对已知的问题，还要能够迎接未知的挑战。本篇作为一个阶段性的记录，我们期待看到深圳汉德获得更大的发展。未来我们也希望继续向创始人学习，陪伴公司成长