遇到的技术困难远比想象中难得多出行领域刚刚诞生便产生了激战

滴滴打车已在出行市场有较大优势，但没有人注意到，跟打车市场几乎在同一时间诞生的货运O2O市场，却依旧还未到达终点。

2014年，出行领域刚刚诞生便产生了激战短短不到8年时间，在线打车已经遍布中国各个区域，滴滴一路过关斩将，整合了快的，拿下了uber，登上出行赛道的铁王座

可是同样是2014年，货拉拉，满帮，58速运等货运O2O企业也在同一时间起步，可是时至今日，货运市场并没有像出行市场一样，快速规模化地在全国各地爆发即便头部企业有了较高的市场份额，但相对于广袤的市场来说，仍旧是冰山一角

出行向左，货运向右为何同样是庞大市场的两条赛道，却走出了截然不同的路径

有媒体认为，行业服务链条的广度，以及技术的深度，是出行和货运两个产业最大的不同，而这也让让货拉拉等企业，不能像滴滴一样，依赖庞大的线下军团快速扩张。

相对应的，货运公司更多的力量，需要聚焦在一个几乎没有人触及到，但却需要更长时间积累的领域——技术。

一，物流园路边的货运O2O萌芽

货运是一个并不亚于客运的庞大蓝海市场。

典型的深圳华强北，共有企业2.5万家，个体工商户2.6万户，从业人员20万，日均人流量达30万—50万人，高峰期可达80万人一天内各个时间段，数不清的货物，在货车的装载下，发往全世界

在2013年以前，货运司机们往往聚在物流园门口，盯着门口的黑板，在密密麻麻的信息中，寻找接单的机会。

这些物流园通常都有一个信息部，工作人员把用户的需求汇总在黑板上，黑板上写着有什么样的货，多重，要找什么样的车，从哪里到哪里"。

但现实并不尽如人意，并不是每次都能找到回程的需求伴随着跑货运越来越多，他们的收入开始降低，有时候一天接不到一两单子，许多时候几个司机坐在一起打扑克，但是心里是很焦虑的，因为都有一家老小要养活

有没有一种方式，让货车司机和货主们能够都能够更有效率地匹配起来，让货主能够方便地找到司机，让司机不用在街边"扒活"。

在这样的需求驱使下，货运O2O公司应运而生。

2013年，货拉拉成立了，2014年下半年正式进入内地市场，瞄准了广州和深圳这两个华南货运重镇。

2014年9月，58速运App正式上线，主打城市短途货运。

2017年，运满满和货车帮合并，成立满帮集团3年后，滴滴也成立了货运公司，正式加入这个战场

初期，许多司机也没有智能手机，为了帮助产品冷启动，货运公司的产品经理们经常一起混迹深圳和广州市郊的大排档，跟几十位司机成为了好兄弟，说服他们使用货运软件。

就这样，货运O2O市场，蹒跚起步。

二，货运告别散兵游勇，但补贴行不通

可是谁都没有想到，本以为货运会是跟打车一样，可以快速规模化复制，现实却给创业中的货运公司们泼了一场冷水。

2015年前后，许多公司都希望用客运O2O模式去解决货运问题，即烧钱补贴，最高峰的时候有200多家公司都在瞄准这一市场，整体市场以每年超过20%速度在增长。

虽然出行和货运，看上去都是交通服务，但问题在于，货运的服务链条和无法解决的痛点根本不是可以通过补贴解决的。

一般来说，在线货运平台主要有两种:一种是简单显示货运需求以及承运人与商户联系方式的信息发布平台。

另一种是促进端到端的货运交易——从下单，定价，预付款，货运匹配，订单追踪，确认付款结算的闭环平台。

对于后者来说，遇到的技术困难远比想象中难得多第一个横亘在面前的便是信息化难题

张浩是货拉拉现任CTO，曾任饿了么技术副总裁，他在接受采访时曾感叹，与其他O2O平台相比，互联网货运的数智化还有很多工作要做。

互联网货运数智化面临的第一个挑战是车，货的匹配。

打车市场，人和车都是标准化的，所以可以用同质化的手段完成每一单服务可是，货运市场，车和货不匹配就装不下在货拉拉平台上，车辆大的类型就超过17种，货物就更是千奇百态

第二个挑战是道路限行在城市道路中，大量存在着货车限行，限高，限重，限轴重，还有一些政策因素，有些路段小货能过去，中货不一定能过，这些都需要数据，让车，货以及环境做精准的匹配

这是都是行业普遍面临的难题。

当时，许多公司都靠巨额补贴给司机维持着用户量，却没有真正获得用户这些补贴来自于风险投资基金，风投的钱是有限的，逐渐地，一些公司开始难以为继

很快，大量公司在那场大战中昙花一现:咕咕速运，一号货的等公司先后折戟。

货拉拉是经历这个赛道起伏的典型代表。累计下单金额超3491亿元，31个品牌销售超10亿元，3万个商家的成交额增长2倍以上，这是京东在今年111交出的成绩单。

这家公司也曾经在一段时间也被卷入了补贴大潮之中，可是他们团队却认为，如果一味地给补贴，当时引来很多刷单用户，不是平台真正能够留住的人，对于平台，对于真正的用户都是不利的。

在寒冬下，货拉拉也到了生死存亡的时刻，于是，当时的创始团队做了一个决定:停掉给用户的补贴。

这个决定如同断臂求生因为其它平台还在给用户补贴，货拉拉订单量从日均一千多单跌到了400多单，所有人的压力都很大，但是货拉拉的团队还是相信一件事——要解决真正用户真正的痛点

但另一面，一项在全球都算得上是无人区领域的货运技术，开始在这家公司悄然诞生。

三，技术突破成为货运主航道

互联网货运公司的产品演进逻辑其实并不复杂，那就是如何把货运效率一步步提升至极致实际上，物流的本质就是从A点到B点的效率游戏

现任货拉拉产品副总监的罗肇丰是货拉拉最早的产品经理之一据他介绍，在2014年左右，货拉拉仅是简单的信息撮合平台，效率非常低下，司机需要从海量的订单中挑到与自己车型，距离相匹配的订单

2015年—2016年，伴随着对市场的了解加深以及司机，用户信息数据的积累，货拉拉开始进行精准匹配，帮助司机过滤掉并不适合履约的订单，提升司机效能。

2019年之后，伴随着算法能力提升，产研团队壮大，算法开始在货拉拉真正全面投入使用，在提升履约效率的同时也能平衡司机，用户的体验因为算法的使用，司机在完成一单后的等单时长减少，用户也容易找到适合自己货物特性和偏好的车，极大提高了效率

如今货拉拉的产研团队已经从两三百人到现在的接近2000人，研发团队从一开始只有前台，中台等几个部门，现在各板块都进行了细分，并都提升了专业化程度。

技术是可以用同一套武功打天下的，而这套武功的核心在于降本增效 张浩在接受记者采访时曾如是说

2020年张浩在某次行业大会上分享了货拉拉打造的一套降本增效的技术体系，这套中台系统在货拉拉内部称之智慧大脑，分供需，分单，营销，定价四个模块。

供需引擎预测运力分布，需求预测和运力预测，

分单引擎就是在做匹配，订单来了，给哪个运力，

定价引擎制定不同货运，不同车型价格，有时在不同路段不同时段价格不一样，

营销引擎在什么时候去做什么补贴，促进需求。

这个系统在AI，大数据和地图等基础能力之上，通过自研运筹优化算法框架解决核心的资源优化配置问题在 IoT技术之上，把所有的物流的生产元素数智化之后进行最精准的匹配

可是，在货运的人，车，货，路生产元素中，人的数智化尚且容易实现，车，货，路的数智化何其艰难。。

货物非标，车型类别庞杂，道路限行条件复杂，多样等等，这些都是整车货运场景特有的挑战。

不少同事刚加入时会有些不适，因为货运场景的技术难度会让行业内的专家都难以应对曾经在客运O2O公司工作过的货拉拉技术总监石立臣坦言

石立臣负责货拉拉交易引擎和地图团队，曾是吴文俊人工智能自然科学奖一等奖获得者在他的团队，核心骨干专家有30多人，都是来自阿里，百度，美团等一线公司，算得上国内地图界的领军人物他坦言，货运场景下路的数字化比想象中难太多

虽然挑战很大，但我们有两项技术做到了行业领先石立臣介绍到，一是车货匹配，二是装卸货点推荐

以车货匹配为例用户下单后，平台基于货物特点，适配车型的运力分布，结合路况，限行等综合因素，实现实时匹配通过大数据的积累和智能决策系统的迭代，持续提升履约效率

再比如装卸货点推荐基于用户的下单地址，推荐适合货车装卸货的具体位置通过大数据记录，分析装卸货点的历史分布，基于下单地址与路网的拓扑关系以及道路限行信息，通过智能推荐系统，给用户推荐哪里适合停车，在哪里装货，哪里卸货

在不断的技术积累下，货拉拉在拉货，搬家场景中，其智能分单系统日均已经能处理百万级订单与国内平台几十万名司机之间的即时分配问题。

接下来，货拉拉将推动货物识别与体积测量技术，以及打造互联网货运地图整体解决方案，在货运数智化方向再进一步。

八年光景，英雄沉浮，货运艰难前行货拉拉的案例证明，在这块中国仍旧是一片蓝海的O2O市场里，只有对技术的投入和执著，才能真正拥抱它

。