長安荔枝、趴活兒、貨拉拉：一出運力迭代的大戲

文：董指導

本期要點

基于馬伯庸小說《長安的荔枝》改編的同名電視劇和電影，成為2025年影視圈的現象級作品。

故事圍繞著長安城小吏李善德，所面臨的一個幾乎不可能完成的任務而展開：在貴妃生日時，從五千余里之外的嶺南，運來新鮮荔枝。然而，在當時荔枝“一日色變，兩日香變，三日味變”，要保持新鮮談何容易。

于是，李善德絞盡腦汁，上下求索，最終換取了妃子笑、創造了古代物流的奇跡。

在這則故事中，夾雜了官場的權謀、百姓的艱辛。但也展現了一個貫穿人類發展的核心問題：運力。

運力，影響著社會運轉的效率，也是生產力強弱的重要體現。在商業發展史上，運力也被認為是企業的重要利潤來源。就像沃爾瑪，通過物流中心來優化庫存周轉率，強化成本優勢。

在持續不斷的發展下，我國的運力已經得到了大幅提升：16萬公里鐵路營業里程、549萬公里公路里程、近13萬公里內河通航里程、263個頒證民用航空運輸機場，可謂是規模龐大、結構多元，骨干分支、上天入地。

在運力版圖中，同城貨運，雖然是支線環節，卻有著不容忽視的重要性和復雜性。送貨、搬家，這些城市運轉中的常見活動，都需要貨運來支撐。

而同城貨運也正經歷著從散亂線下，到規范線上的迭代過程。但這條路，并不是一蹴而就。在業務、技術上，都有著一道道坎需要邁過。

前段時間，我實地調研了貨拉拉。作為國內同城貨運的龍頭企業，它們不久前經歷了一次堪稱“高速行駛中換輪胎”的IT架構變遷。而之所以這么做，因為貨拉拉堅信，只有不斷推動行業數字化發展，才能更好地用運力提升城市的經濟活力。

于是，就有了一出同城貨運與數字技術碰撞的故事。

被“供需復雜性”阻擋的貨運

十幾年前，在繁華的商城，或者物流園、工廠周邊，常常可以看到一排排改裝了的三輪車、巨能裝的面包車、或者貼著聯系方式的卡車。而司機們則會聚在一起聊天或打牌，直到有客戶來時才一哄而上。

這俗稱：趴活兒。

能否趴活成功，一靠經驗，選好地點；二靠運氣；三靠老主顧的復購。因此，往往導致司機們耗費了大量的時間成本，但依然面臨著收入的不穩定困境。

這背后就是同城貨運的復雜性：供給端的零散、需求端的非標、供需之間的信息不對稱。

供給端，我國公路貨運從業人員，多數為個體散戶，即使加入一些車隊，但整體規模也不大，缺乏有效獲取信息的能力。縱然貼個小廣告、發點名片，也覆蓋有限。

需求端，特點是非標、五花八門。有需要送水泥、瓷磚的，有需要送鮮花、綠植的；有定期運輸的，也有偶爾派送少量包裹的。即使搬家，有規整小箱子的，也有運送寬大床墊的。不同需求，對車型要求也不同。

時間、地點、種類、規格、數量、防護措施等等要素進行排列組合，也是一個龐大的數字。

而供需之間，又存在著巨大的信息不對稱。

比如，互相匹配就很難。司機不知道合適的訂單在哪里，貨主不知道合適的車型在哪里。而且貨運車輛，又無法像出租車一樣，在街道空駛、尋找揚召的乘客。

即使雙方互相確認了信息，但也會出現，到了現場后，發現車、貨不匹配。不是車太大了浪費錢、就是車型不對裝不下。哪怕是老熟人，也會有偶爾的需求變化。

再比如，信任建立也很難。司機會不會繞路、會不會半路加價，貨主會不會及時支付尾款等等。尤其相對于B端固定的貨運，可以在長期合作中建立信任、雙向選擇；搬家這種業務因為一次性屬性，更容易滋生一些亂象。

多年前，我要搬家，但不知道哪里找靠譜司機；正好碰到小區里有搬進來的人，就趕緊跑過去咨詢了狀況后，問司機要了聯系方式。但到了搬家時候，還是因為談下的價格里是否包括司機搬運而略有分歧。

種種狀況最終導致，時常出現車輛空駛、貨物積壓；物流成本高，但司機賺錢難、用戶體驗差。貨運作為城市重要的運力，卻既沒有效率，也沒有效用。

一場打破信息不對稱的信息變革，迫在眉睫，也應運而生。

平臺推動變革，雖遲但到

2013年，移動互聯網這場大戲剛剛拉開序幕；貨拉拉也隨之成立。貨拉拉相信，貨運和移動互聯網技術的結合，必然帶來行業的顛覆與重整。于是，開啟了一場推動行業變革的征途。

與出行行業相比，貨運的數字化其實面臨著更多困難。打車客戶和車型幾乎都是標準化的，但貨運就更加復雜，尤其需求端的千差萬別。因此，貨運線上平臺，既要解決技術，還要解決業務。

平臺需要有LBS定位功能，也要能準確呈現各類車型；以及有合適的算法進行訂單撮合等等。這背后，會涉及到海量的數據的處理。因此，貨拉拉也成立了自己的大數據團隊來攻堅。

業務上，任何一個平臺要想發展順利，必須快速解決供、需雙邊的規模，缺一不可。沒有需求，吸引不來供給；供給不夠，也吸引不來需求。

兩個新業務都要同時發力、同時做大，對于創業團隊的考驗非常大。而恰恰貨運的供、需雙邊，天然也需要時間來形成規模。

一方面，在當時中國智能手機滲透率仍不足一半，而絕大多數貨運司機并沒有使用智能手機，對新技術、新模式接受度也有限。另一方面，需求方也沒有打車那么大規模、高頻次，很難快速集中大量需求。

因而，在貨拉拉發展的最初幾年，也經歷諸多困難，甚至“市場還沒有人接受，沒有人用APP”。

但正確的需求，雖然會遲到、但不會缺席。

隨著智能手機、各類移動應用快速普及，大眾對使用手機享受各類服務的態度也越來越積極。與此同時，經過幾年沉淀的貨拉拉團隊，也更加成熟，更理解用戶的需求，平臺也不斷吸引著司機、貨主的加入。

當一個貨主在貨拉拉平臺上下單后，平臺會根據距離優先等算法進行推送，要不了多久就會有合適的司機搶單成功。幾乎隨叫隨到。如今，平臺貨運需求配對率超過了92%。

而且由于平臺的保障，雙方信任度也大幅提升。路線全程可視、貨主也無需跟車，履約過程又快又安心。而且也可以通過預約等方式，讓商戶、司機都更高效地安排訂單，減少了等待時間、提高了運轉效率。司機接單效率較傳統物流時代提高了2到3倍。

根據弗若斯特沙利文報告顯示，貨拉拉已經是2024年全球閉環貨運GTV較大的同城物流交易平臺。在家居市場、鮮花市場、服裝城、居民樓等等需要貨運的地方，都可以看到貨拉拉的身影。

城市的運力，被貨拉拉顯著提升。然而，運力變革之路并未結束，反而迎來了新的挑戰。

高速行駛換輪胎

隨著業務發展，貨拉拉積累的數據也越來越多。這些龐大的數據，不僅關乎著平臺運行、公司決策，也是提高運力效率的依據，比如可以生成需求熱力圖，更好地協調供需平衡等等。因此，數據處理的穩定、效率、安全，就至關重要。

貨拉拉此前也有基于公有云搭建離線大數據平臺。然而，伴隨數據量級的逐步攀升，平臺數據治理能力遇到了瓶頸。

比如，數據存儲的成本越來越高。有的數據非常高頻，需要每天調取；有些數據則很低頻，甚至可以壓縮存儲，如果以日常調取的狀態存儲所有數據，那也會造成資金、資源的浪費。

因此，在一系列調研之后，貨拉拉團隊決定，將離線大數據平臺搬遷到騰訊云上。

只是這個搬遷，并不像搬家那么簡單。

從靜態角度來看，相當于將整個大廈完整地搬遷到另個地方，工作量非常大，而且還要保證前后數據一致；從動態角度來看，數據搬遷但業務不能停，而且還要穩定運行，這相當于“高速行駛中換輪胎”。

整體難度可想而知，但這也是許多企業共同的痛點和需求。

為此，騰訊云的幾位技術專家和貨拉拉共同探討，以騰訊云對象存儲COS和云服務器CVM為主體，配套20多款其他云產品，制定了慎密全面的遷移方案。

對象存儲COS，是具有無目錄層次結構、無數據格式限制的分布式存儲服務，具備無容量上限、無需分區管理等特點，其元數據加速的特性有效解決傳統對象存儲操作海量文件時的性能瓶頸，非常適用于大數據計算與分析的數據湖等場景。

它的可靠性達到了9個9，充分滿足了貨拉拉億級文件安全存儲的需求。也支持高并發調用，時延小，適配AI訓練和大數據分析。

同時，COS也帶來了成本優化。對熱數據、冷數據（通俗理解就是高頻、低頻使用）進行了分層存儲，讓錢花得更合理。

而云服務器CVM，多地布局、滿足多城市業務運營，也提供了安全可靠的彈性計算服務，支持計算型、存儲型、大數據型等，滿足貨拉拉多樣化業務需求。

為了更加穩妥，貨拉拉也預備了“回滾”機制。經過雙方幾個月的通力合作后，大廈成功搬遷、汽車成功換胎：

新一代離線大數據平臺，實現大數據IT成本降低約30%，在管理著40PB數據的同時，離線鏈路計算效率提升10%，核心經營報表產出時間縮短1小時。

輕松駕馭數據之后，基于數據的AI開發也更得心應手。貨拉拉基于騰訊云算力和智能體開發平臺，結合獨有的行業數據，可以讓大模型更精準理解“人、車、貨、路”的復雜業務邏輯。

貨拉拉打造的“貨運無憂大模型”，已在多個場景落地見效。例如在智能客服場景，AI的語音識別準確率超過94%，語音合成真人度超過92%，不僅快速解決用戶的問題，更讓過程更有“人情味”。

所以，與其說是高速行駛中換輪胎，更合適的說法可能是：加裝了一套飛行系統，從車變成了飛車。

結尾

當下都在討論AI在企業中的落地應用，這個趨勢毫無疑問。只是，當實地調研了多家企業后，我會更清晰地感受到，許多企業的數字化建設，仍需要進一步完善。

在越來越快的商業節奏下，在應用AI越來越有價值的態勢下，提升企業的數字化，才能通往智能化。也才能驅動數據飛輪，讓增長更高效。

對于貨拉拉而言，它的成立與發展，推動了貨運從線下向線上的遷移，城市運力的效率提升，貨主、司機皆得實惠；而這一次數據平臺向騰訊云的遷移，不僅讓自身的經營、平臺的運作更高效，也讓城市運力再次換擋升級。

這出同城貨運與數字技術碰撞的故事，也仍將繼續演繹。

---全文完，歡迎交流

理工/金融 復合背景

暢銷書《英偉達之道》譯者

百億私募/頭部自媒體 雙重經歷

看清科技、商業本質，講出精彩故事