从G7逆势融资3.2亿美金，，，，，看工业互联网生长的准确姿势 - 利澳国际注册洞见

不见经传：G7何许人也？？？

G7是中国最长的一条公路——京新（北京到新疆）公路，，，，，它是毗连北京和乌鲁木齐的一条高速路，，，，，全长2540公里，，，，，意会了新疆、甘肃、内蒙、山西、河北、北京五省一市，，，，，也是天下上穿越沙漠最长的高速公路。。。。。有这样一家创业公司，，，，，不但把自己的创业之路比作景物迷人但挑战重重的京新公路，，，，，更把自己公司直接命名为G7。。。。。
关于大大都C端用户，，，，，G7的名字可以说是很是生疏。。。。。但在利澳国际注册生涯中G7又是无处不在的：你网购的热带蔬果、海味生鲜，，，，，送抵家的时间是新鲜的，，，，，这背后也许就有冷链物流场景里G7温控机械人的收获；；；；；你网购产品的每单物流本钱没有增添，，，，，但物流的效劳越来越好了，，，，，也许就是G7智能管控帮物流公司提高了时效性和满载率，，，，，在包管高效劳质量的条件下降低了每单货物的运输本钱；；；；；中国公路上天天跑着几百万台卡车，，，，，由于疲屈驾驶或者不良驾驶习惯导致的恶性事故天天都在爆发，，，，，但G7的自动清静效劳，，，，，通过AI自动识别疲屈驾驶或其他驾驶行为的清静隐患，，，，，自动提醒和治理司机，，，，，大大降低了恶性事故的爆发概率。。。。。在中国公路物流的要害环节里，，，，，G7可以说已经是无处不在了。。。。。简朴来说，，，，，G7做的就是通过提供软硬件一体的“产品化效劳”给物流公司和车队，，，，，从物流场景中获取关于车辆位置、路径、路况、速率、行驶状态、油耗、车厢温度、载重、装载率、司机驾驶行为、司机考勤、财务结算等全流程数据，，，，，并凭证这些数据提供针对物流全场景的运营效劳息争决计划。。。。。G7效劳的客户不但包括各人耳熟能详的顺丰、德邦、京东、亚马逊、通达系等快递、快运企业，，，，，也包括危�；；；；耸洹⑵滴锪鳌艿刃幸档木尴缚突�。。。。。现在，，，，，G7效劳的巨细客户总共凌驾6万家，，，，，毗连车辆凌驾80万台，，，，，而这个数据还在一连增添。。。。。

远虑近忧：物盛行业的现在与未来

说到物流，，，，，各人通常�；；；；嵯氲狡凳褂玫牧硪桓龀【啊鲂�。。。。。出行市场和物流市场看起来十分相似，，，，，只不过差别在于一个运人，，，，，一个运货。。。。。但现真相形并非云云。。。。。在利澳国际注册的研究中，，，，，我们发明物流货运市场的规模是出行市场的两倍左右，，，，，且物流市场的重漂后比出行更大。。。。。例如,出行市场是一个以同城（区域笼罩�。。。。。⒌ハ叱蹋ˋ点到B点）为物理特点的市场，，，，，用户需求标准（到某个目的地）、决议简朴（小我私家凭证出行路径需求直接决议）、定价标准化。。。。。以是这样的市场里，，，，，一个解决信息差池称的产品手艺平台可以解决掉行业中的绝大大都问题。。。。。但物流市场纷歧样，，，，，这是一个以天下+同城（区域笼罩广、深）、网状线路（多点对多点）为物理特点的市场，，，，，用户需求极为非标（时效、体积、重量、温度等多维需求）、决议重大（机构内部多重决议）、定价也非标（同样的线路，，，，，差别本钱结构的车队、有没有回程订单包管的司机报价可能千差万别），，，，，所有因素叠加在一起，，，，，决议了这不是一个仅靠解决信息差池称就可以完全“倾覆”掉的行业。。。。。那么在这样一个重大行业里，，，，，工业互联网的生气在哪呢？？？
先看宏观。。。。。2018年中国GDP增添或为6.5%，，，，，种种迹象已经批注，，，，，我们已经进入增添平稳期，，，，，未来10年甚至更久的时间里，，，，，经济生长“质量”的主要性远高于速率。。。。。中国企业离别突飞猛进的增添时代，，，，，一经“不进则退”的竞争态势下粗放治理、猛冲销售的日子将一去不返，，，，，“降本增效”将作为工业生长的要害词。。。。。提到“降本增效”，，，，，就永远绕不开物盛行业。。。。。在消耗品价钱里，，，，，物流本钱的占比一直居高不下，，，，，可以绝不夸张地说，，，，，物流是整个社会的本钱项。。。。。
那么物流这个自古以来就保存的行业，，，，，近几年的生长是否如中国的互联网/移动互联网一样突飞猛进呢？？？现真相形远非云云。。。。。
从需求角度看：一方面，，，，，我们看到今年“双十一”中国快递已经进入到天天十亿包裹的新时代，，，，，当一天十亿的量级成为新常态时，，，，，天下性物流网络的稀缺性逐渐展现、物流网络下沉的深度受到挑战。。。。。原本占有市场90%以上份额的中小物流/货运公司的“小、散、乱、差”物流系统和治理方法势必面临重大的压力。。。。。另一方面，，，，，消耗品领域已经进入到数据驱动的“新零售”时代，，，，，线上线下账户买通、数据买通，，，，，用户信息在商家眼前更立体，，，，，线性的效劳早已没法知足立体的个性化、多元化的消耗需求，，，，，这给物流基础设施提出了更高的要求，，，，，数据化的“交互”场景倒逼数据化的“交付”场景泛起。。。。。
从供应角度看：物流已往几十年都是劳动力麋集型的工业，，，，，中国第一代跑出的物流巨头，，，，，除了宏观趋势上由电商平台快速生长带来的增量商流场景发动物流网络升级，，，，，微观上各家胜出的焦点能力基本归因于两点：基于资源或商流网的网络能力（普洛斯、亚马逊、菜鸟、京东等）和基于SOP的司机管控/组织能力（顺丰、德邦、通达系等）。。。。。在这一次的物流工业升级时机里，，，，，“资源驱动”和“劳动力麋集”是工业生长的要害词，，，，，而“标准化”、SOP是企业胜出的焦点乐成要素。。。。。可是中国的物盛行业现在已经进入到资源本钱高（仓储用地、蹊径ETC本钱等一连增添）且使用效率较低、劳动力供应缺乏的新常态里。。。。。尤其是劳动力，，，，，越来越多的年轻人不肯意进入到物盛行业，，，，，而行业又始终坚持着每月凌驾10%的职员流失率，，，，，这就意味着物流劳动力的供应越来越紧缺、劳动力本钱越来越高、工业里劳动力供应和效劳需求泛起了严重错配。。。。。与此同时，，，，，整个社会对降低“物流本钱”的预期，，，，，导致物盛行业在本钱增添的基础上无法一连提高价钱，，，，，物流企业生涯压力越来越大。。。。。
在需求端快速演进、供应端极为落伍的矛盾之下，，，，，物流由劳动麋集型向手艺麋集型的转型迫在眉睫，，，，，而“数据”作为商流里必不可少的生产要素，，，，，在物流环节中也将变得不可或缺。。。。。物流工业的升级，，，，，必需要从数据化做起。。。。。

以大打�。。。。。壕劢雇凡靠突А⒅贫┬幸滴锪曜�

“数据化”，，，，，听起来是个近两年较量热门的词。。。。。首先，，，，，数据都在那里？？？谜底是用户和场景在哪，，，，，数据就在哪。。。。。而物流工业，，，，，绝大大都的交互和交付场景，，，，，都爆发在线下，，，，，并且具有极强的区域属性。。。。。这种线下、区域化、碎片化的属性决议了其行业集中度低、业态疏散的特征，，，，，因此从行业名堂看来，，，，，在中国有凌驾20万家物流企业，，，，，治理着中国近800万台物流车，，，，，而这20万家物流企业，，，，，大都是有几台到几十台车不等的小我私家老板谋划的企业，，，，，而想让这些老板们意识到数据化的主要性是很是难的。。。。。那么物盛行业的数据化怎么做？？？利澳国际注册的谜底是，，，，，先用一款刚需的拳头产品，，，，，解决重大数据“在线化”的问题。。。。。在G7这个案例里，，，，，解决在线化问题需要做到两点：
1、刚需场景、产品易用。。。。。利澳国际注册以为物联网的应用场景里，，，，，由于C端用户对物联网产品感知较弱，，，，，以是现在to C的“锦上添花”场景，，，，，需求不刚、市场有待作育。。。。。而to B的“雪中送炭”应用场景可以直切痛点，，，，，用户感知强烈、付费意愿强。。。。。G7最早的产品之一就是一款软硬件连系的发念头监测产品，，，，，业内较早实现了“发念头实时在线”，，，，，资助物流公司/车队老板很好地跟踪车辆轨迹并监测司机的驾驶行为（油门、刹车、加减速等）和用油数据，，，，，直接实现了对司机驾驶行为和用油行为的起源管控，，，，，解决了车队老板“防偷油”的刚需——要知道，，，，，油费占到整个运费的凌驾30%，，，，，是很是主要的一块本钱。。。。。这样的产品资助G7在有收入的条件下获取了大宗的一手场景数据，，，，，一石二鸟。。。。。
2、搞定大客户，，，，，制订行业规则和标准，，，，，“挟天子以令诸侯”。。。。。利澳国际注册以为，，，，，工业互联网里，，，，，初级企业卖产品，，，，，中级企业卖手艺，，，，，顶级企业卖标准。。。。。因此只有产品好用还不敷，，，，，还得有行业龙头站出来说“他们家的产品是好用的”。。。。。所有To B生意里都有标杆客户效应，，，，，在物流这个场景里，，，，，行业龙头客户不但有标杆效应，，，，，更主要的是他们是行业效劳标准的制订者。。。。。因此，，，，，G7选择与行业首脑偕行，，，，，配合制订物盛行业物联网的标准。。。。。为货主或者头部物流公司效劳的车队要想拿到营业，，，，，就必需切合这些公司的要求，，，，，要切合要求，，，，，就必需使用G7的产品和效劳，，，，，各人都最先使用G7的产品和效劳，，，，，物盛行业就跨出了“实时在线化”的最难第一步。。。。。就这样，，，，，G7靠着“站在巨人肩膀上”的战略，，，，，实现了工业数据的“可视”。。。。。不但乐成收割了行业中的头部客户，，，，，更有时机进入到物流车整车OEM的工业链，，，，，将数据与整车厂买通，，，，，一举占有了物盛行业物联网的制高点。。。。。

少即是多：深耕场景、围绕用户需求提供产品和效劳是商业模式的命门

“可视”之后，，，，，是“可用”。。。。。数据的“可用”，，，，，需要产品/效劳提供商对数据有恒久的运营能力，，，，，因此除了数据的获取，，，，，商业模式的设计至关主要。。。。。
在工业互联网的商业模式设计里，，，，，若是是硬件销售的一次性“卖货”模式，，，，，那么对用户而言，，，，，自己使用场景的数据可视化之后，，，，，要么由于不具备数据剖析和运营的能力，，，，，要么由于数据维度简单、无法和其他数据买通形成闭环，，，，，导致数据的可用性会大大降低。。。。。这种商业模式下的产品提供方就会完全退化成一家硬件销售公司，，，，，价值有限。。。。。但若是商业模式是由SaaS模式发动的运营效劳，，，，，则巧妙得多。。。。。G7一最先就以几百块的年效劳费模式销售自己的解决计划，，，，，看起来每个硬件在售卖历程中的单价很低，，，，，收入很“少”，，，，，但乐成通过这样的方法降低了客户的使用门槛，，，，，网络了大宗的数据，，，，，并获取了数据的运营权，，，，，使得数据的可用性大大增强，，，，，为客户提供了价值，，，，，通过交织销售或者数据增值效劳带来更“多”的收入可能。。。。。这就是“少即是多”的绝佳阐释之一——着眼久远价值。。。。。
“少即是多”的另一个绝佳阐释场景，，，，，就是做减法。。。。。在G7实现了客户车队车辆的互联互通之后，，，，，他们就已经掌握了行业里的许多要害数据。。。。。仅仅以油耗数据为例，，，，，油耗和驾驶行为的数据可视化之后，，，，，每个司机都有时机形成自己在行业里的“信用报告”，，，，，例如驾驶习惯是否优异、是否有偷油的行为等等，，，，，换句话说，，，，，司机是否能拿到好的生意时机、是否有更高的收入，，，，，都有可能由此确定——大都人看到这里马上就想到了金融营业。。。。。但G7并没有马上推出这个面向司机的看似诱人的金融营业，，，，，而是围绕焦点客户的需求，，，，，继续深挖，，，，，提供产品效劳、打造属于自己的商业模式。。。。�？？？突枰扒寰病�，，，，，那么G7就通过业内先进的“自动清静防护”效劳，，，，，资助物流公司实现了运输途中的危险路况规避、危险驾驶预判，，，，，为公路物流，，，，，尤其是危�；；；；返脑耸浔＜莼ず�。。。。�？？？突枰翱础�，，，，，那么G7就为客户提供标准化的数字运力平台，，，，，并通过数据解决计划赋能客户，，，，，帮客户拿到增量营业。。。。�？？？突枰敖谠肌�，，，，，那么G7就为客户提供基于数据实时互联互通场景下的全链路治理、结算和资金流转，，，，，包管货物准时、高质量的送达，，，，，并在货物送达的那一刻起就把整个链条的收益分派及结算都在线实时完成，，，，，极大提高了效率——围绕着每一个场景和需求做透，，，，，G7都有时机收取更多的效劳费，，，，，甚至有时机探索其他潜在商业模式，，，，，所谓“无功不受禄，，，，，有功必有禄”。。。。。

慢即是快：打磨产品手艺、积累有用数据是基业长青的壁垒

比起利澳国际注册的其他客户，，，，，例如快的用了3年做到行业前两名，，，，，并通过合并酿成了超等独角兽；；；；；拼多多建设3年即在纳斯达克上市；；；；；瓜子建设3年便成为全球专业的二手车生意平台。。。。。G7用了整整8年的时间，，，，，才实现了数据从“可视”到规模“可用”并爆发商业价值，，，，，似乎是家“慢”公司，，，，，但恰恰是这样的“慢”和耐心，，，，，铸就了这家公司的壁垒。。。。。
利澳国际注册以为，，，，，工业互联网公司的焦点生产力是数据，，，，，而数据的获取和积累依赖于基础设施的完善，，，，，另一方面，，，，，数据又能反作用于基础设施，，，，，资助基础设施实现升级。。。。。这两个主要环节，，，，，都需要时间。。。。。以G7为例，，，，，客户和数据积累的历程是漫长的，，，，，但三个主要的因素使得数据的应用有了加速生长的可能性：第一是4G/5G时代的到来，，，，，使得数据传输效率有了质的提升；；；；；第二是物联网的普遍生长使得传感器批量生产后的本钱快速下降、传感器加速普及；；；；；第三是近两年人工智能的生长给行业带来了富足的人才储备和超强的数据处置惩罚能力。。。。。有了这三大主要因素的加持，，，，，加上G7一直围绕用户需求和物流场景打造产品、提供效劳，，，，，使得公司有望在积累了大宗有用数据之后，，，，，以数据化资产和装备重塑行业的基础设施，，，，，贴合营业场景的、有赋能属性的解决计划也因此应运而生。。。。。运用多年的研发和数据运营履历，，，，，G7为车队客户打造了基于数据平台能力的�？？？榛饩黾苹�，，，，，这种解决计划在差别场景里可以实现“plug-in”式的落地，，，，，这让车队可以专注在自己善于的事情上，，，，，好比获取客户、维系客情。。。。。以冷链物流为例，，，，，随着盒马等“新零售”模式的快速兴起和迭代，，，，，冷链物流的古板运营模式受到了挑战。。。。。原本冷链物流的历程治理、运营治理和温度监控等等历程，，，，，都是由差别职责的小我私家来完成的——包括车队长、清静员、统计员等等大宗的基础操作职员，，，，，而人的治理半径是有限的。。。。。G7的运营治理、温湿度控制等自动化治明确决计划极大地扩大了个体的治理界线，，，，，镌汰了职员本钱，，，，，提高了治理效率。。。。。

举重若轻：打造数据化资产、升级智能装备是工业互联网的未来

如前文所述，，，，，有了数据化的基础设施，，，，，又有了“类PaaS”的中台系统，，，，，辅以各场景的产品化应用，，，，，工业互联网的威力就可以在差别笔直领域获得充分验展。。。。。在这样的场景里，，，，，数据形成了有用闭环，，，，，不但“可视”、“可用”，，，，，更主要的是“可控”。。。。。
回到物流领域，，，，，利澳国际注册以为整个行业挣的是两种钱：资产的钱和组织的钱。。。。。资产包括车、箱、托盘等运输周转用具，，，，，以及客栈等贮存场合；；；；；组织涉及物流的各个环节，，，，，收、送、集、运、分、配，，，，，需要有用组织、高效组织、最优化组织。。。。。无论是赚资产的钱照旧赚组织的钱，，，，，听起来都是绕不开“重”模式的。。。。。但我们相信，，，，，数据化资产、智能装备的泛起，，，，，可以资助企业实现资产治理“举重若轻”的效果：不必放纵持有资产，，，，，只需持有要害数据，，，，，赋能种种资产持有方，，，，，资助有资产和装备的玩家开源节约，，，，，就可以实现资产治理效率的极大提升。。。。。
为什么这么说呢？？？首先我们以为，，，，，赚资产的钱，，，，，无非三种方法：赚资产价钱的钱、赚资产周转的钱、赚资产后效劳的钱，，，，，划分对应的要害词是规模、效率、和控制力。。。。。其次，，，，，要赚“组织”的钱，，，，，焦点是明确用户需求并优化本钱、组织线路。。。。。因此恒久看来，，，，，一个既能明确前端客户需求，，，，，又有组织规模�；；；；什⑻峁┬Ю偷募谢什擞教�，，，，，是实现整个物盛行业升级的最优解。。。。。这个资产运营平台可能不持有资产，，，，，但通过数据化的组织、治理，，，，，实现行业效率的最优，，，，，提升每个智能装备的产出，，，，，从而实现平台价值的最大化。。。。。G7履历了从SaaS到类PaaS的生长历程，，，，，相信它的最终模式一定是基于资产最优持有本钱（TCO）的AaaS（Asset as a Service）模式。。。。。
由浅入深：投资人眼里工业互联网的准确姿势
AaaS模式，，，，，在G7内部，，，，，叫“AI+IA”战略，，，，，IA即Intelligent Assets，，，，，智能资产。。。。。听起来是个未来感、科技范十足的表述方法。。。。。那么投资人怎么看待这个未来，，，，，他们是否定可G7的市场时机和商业模式？？？
首先，，，，，市场时机。。。。。利澳国际注册以为，，，，，G7代表了工业互联网在物盛行业落地的典范模式。。。。。这里要回覆两个问题：
1、为什么工业互联网是个大时机？？？着实简朴算个账就很明确了：工业互联网所面向的是“供应侧”百万亿级别的市场，，，，，只要有时机通过手艺、数据提升工业哪怕1%的效率，，，，，那就是万亿级别的时机。。。。。然而这看似微缺乏道的1%，，，，，要做到真正落地爆发效果，，，，，是道阻且长的。。。。。由于任何一个工业/场景的供应侧，，，，，要么是资源驱动、要么是重资产驱动，，，，，没有任何一个场景可以用简朴的互联网流量头脑解决行业问题。。。。。撬动这个大时机的要害点，，，，，是手艺在工业焦点环节的应用。。。。。
2、为什么是物流？？？利澳国际注册以为，，，，，物盛行业有两大特点，，，，，一是和商流细密关联，，，，，商流的快速进化对物流提出极高的升级要求；；；；；二是物流网在物理天下自然就是网状结构，，，，，是对线上网络的直接映射，，，，，是很适合互联互通的大场景。。。。。因此我们说物流是工业互联网的第一场景。。。。。
那么，，，，，G7做对了哪些事？？？我们以为，，，，，G7“由浅入深”的切入路径，，，，，对工业互联网创业者有一定的借鉴意义：
1. 懂场景、抓刚需，，，，，由轻型产品切入要害场景，，，，，获取要害数据。。。。。
G7的首创人老翟是物流老兵，，，，，很懂物流公司的痛点和车队老板的苦恼。。。。。G7自建设起，，，，，团队都一直把知足客户需求、解决行业痛点作为战略的每一步重点，，，，，推出的每一款产品和效劳，，，，，都牢牢围绕整个物盛行业“降本、增效、保清静”的刚需。。。。。这样的理念和战略，，，，，包管公司在解决行业问题的同时，，，，，赢得客户的价值认可、赚取规模�；；；；桃凳杖�，，，，，并且获得行业要害场景的数据，，，，，可谓“一举三得”。。。。。
2. 重手艺、搞研发，，，，，提升智能化在资产中的渗透率。。。。。
G7从给卡车装GPS、给发念头装传感器最先，，，，，首先提高了客户在信息网络、处置惩罚、决议等环节的效率，，，，，赢得客户的信任。。。。。在此基础上，，，，，G7大宗投入在手艺人才引进上，，，，，围绕物流资产的使用场景做软硬件产品研发，，，，，一直深化物流资产的“智能网联化”和“资产效劳化”，，，，，并因此为公司拓展出新的商业模式。。。。。举例来说，，，，，G7今年推出的“智能挂车”，，，，，就是对古板挂车的全新升级。。。。。硬件上，，，，，智能挂车有胎压、胎温监测报警，，，，，有智能称重、自动装载率丈量，，，，，有防侧翻传感器；；；；；软件上，，，，，后台有手机、PC双系统的治理平台，，，，，能够实现包括自动头挂匹配、智能调理在内的甩挂运营治理，，，，，周全提升效率、降低本钱、包管清静。。。。。这样一款软硬件连系且成为客户唯一入口的产品，，，，，犹如“物流装备领域的Apple”，，，，，对古板物流装备的升级迭代是革命性的，，，，，正如已往智能手机对古板功效手机的替换。。。。。
3. 坚持中立、拥抱开放，，，，，打造软硬一体的数据化基础设施平台。。。。。
控制了资产场景、掌握了营业数据，，，，，G7就有时机打造行业的数据化基础设施了。。。。。这样的基础设施，，，，，在效劳大型物流客户时，，，，，会在原有的产品效劳能力上，，，，，针对大型客户做一定水平的个性化、�？？？榛皃lug-in效劳”，，，，，而在效劳没有研发和手艺能力的宽大中小车队时，，，，，相对标准化的类“公有云”效劳。。。。。这样的基础设施平台需要坚持自己的中立性，，，，，并以开定心态推动工业内相助，，，，，增进工业内的分享和融合。。。。。一旦打造成这样一个数据基础设施平台，，，，，商业模式的叠加就会爆发更多可能性。。。。。举个最简朴的例子，，，，，由于有每个相助车队的真实营业数据、油耗数据、车辆在途数据，，，，，G7平台上就可以凭证这些数据给营业稳固的车队发放油卡记账卡，，，，，实现“先加油、后结算”的在线化结算，，，，，这个场景里，，，，，车队的所有数据都是一种“信用数据”而油卡记账卡就酿成了一种“信用卡”，，，，，由于G7掌握车队上下游的所有场景和数据，，，，，风控就变得水到渠成，，，，，现在每年G7平台上近百亿的油卡生意流水里，，，，，仅有不到百万级别的坏账率。。。。。与之类似，，，，，车队深度数据也在ETC、结算、车后市场、包管、租赁、信贷等场景下施展要害作用，，，，，G7则在开放地同工业同伴相助，，，，，用数据为客户创立价值——而这只是未来G7商业模式和生态相助的冰山一角。。。。。
4. 着眼未来、直指终局，，，，，结构干线物流自动驾驶运营网络。。。。。
物盛行业的未来是怎样的？？？G7给出了自己的谜底。。。。。2018年4月，，，，，G7联合普洛斯、蔚来资源配合出资组建了由G7控股的自动驾驶卡车手艺公司嬴彻科技（Inceptio Technology），，，，，致力于向车队提供基于物流大数据的车辆资产运营网络和自主研发L3/L4自动驾驶手艺。。。。。未来，，，，，犹如乘用车出行领域正在爆发的事情一样，，，，，自动驾驶卡车运营网络将提供应车队客户一个按使用量计费（每吨公里）的“货物出行效劳”，，，，，而随着物联网、5G和自动驾驶手艺的生长，，，，，这一天或许会比预期来得更早。。。。。
G7的股东们都对物流领域未来的“运营自动化、装备智能化”趋势深信不疑，，，，，更对其未来的商业模式可能性充满期待。。。。。本轮加入投资的主要机构，，，，，每一家都对物流和工业互联网有深刻洞见：厚朴作为财务投资人，，，，，深度加入了普洛斯的私有化和ARM中国的设立，，，，，对物流和AI+IoT明确深刻；；；；；宽带资源恒久看好5G时代下物联网和智能资产的时机；；；；；普洛斯作为物盛行业翘楚对行业的界线和未来有清晰的感知，，，，，并与G7多方位相助推进物流基础设施的数字化；；；；；中国银行一直致力于推动面向小微企业的金融营业，，，，，深知数据关于危害控制的主要性；；；；；腾讯则是互联网巨头起劲拥抱工业互联网的代表；；；；；而新加入的道达尔则由于与G7拥有配合的客户群体而看到了工业互联网带给中国和西欧能源市场的重大时机。。。。。
期待G7在工业互联网的结构性时机里，，，，，在老翟、老马向导的团队引领下，，，，，在重量级股东的加持下，，，，，继续稳步生长，，，，，创立工业事业！