(来源：一百亿研究所Alexia，物流指闻整理发布)
消费需求已经从大众化进入到个性化时代，未来的个性化即大众化，个性化的起点是建立跟客户的持续互动。
一、S2b是C2B模式的奠基石
2012年，阿里巴巴提出C2B（Customer to Business，即企业按消费者的需求提供个性化产品和服务）模式，认为是对传统工业时代B2C模式的最根本颠覆，是新商业创新最重要的工作。
C2B的大规模兴起是互联网重构整个商务的全链路，商业网络从传统的供应链走向网络协同的商业范式革命，然而完成这个革命依然任重而道远。
因此，
阿里巴巴总参谋长曾鸣提出S2b的概念，即一个强大的供应链平台（S），与千万个直接服务客户的商家（b），结合人的创造性和系统网络的创造力培育出一个全新的赋能平台
，在2018年到2023年这5年里，S2b将会是一个新的领先商业模式，并在此商业模式的基础上迎接大规模C2B的到来。
1.从供给端看，行业网络协同尚未形成
大部分行业的信息化、数据化和网络化程度角度，以淘系电商相对活跃的女装为例，零售和营销端完成信息化，但在供应链领域依然存在信息孤岛。现在风靡电商行业的网红电商，缺乏设计能力，没有自己的供应链，但因为拥有流量和用户入口，可以实现实时互动，挖掘和激发需求，甚至通过商品预发布让用户参与产品设计。
C2B的模式需要比较密集和精密协同网络基础，S2b则通过每个行业中形成的供应链平台构建平台体，完成供给侧的初步网络协同。
2.从需求端看，个性消费催生柔性供应链
消费需求已经从大众化进入到个性化时代，未来的个性化即大众化，个性化的起点是建立跟客户的持续互动。在工业时代，每一个客户和消费者都是一个独立的个体，是被动地接受广告和被推送产品的，但在互联网时代，由于信息技术的基础设施和广泛沟通的社交互动，客户已经因为各种各样的社交场景事先聚集到一起。
在个性化即大众化的消费时代，最有价值也最需要的是一张协同的网络，协同网络的全局动态优化可以实时生产按需定制的一条供应链，来满足任何一个节点当时的个性化需求。
因此，个性化需求催生了柔性供应链，供应链平台化催生了S2b模式。
二、S2b的核心模式是S2b2c
S2b的创新模式，其核心是S2b2c，传统的B2B或者B2C模式对于三者是呈割裂状态的，S2b2c模式最大创新在于S和小b共同服务c。
小b服务c离不开S平台提供的种种支持，但是S也需要通过b来服务c。S和众多的小b是紧密的合作关系，而不是传统B2B的简单商务关系，或者B2C的管理关系。
S2b2c是一个创新的商业模式，这个模式比传统的B2B或者B2C模式要复杂。但是由于互联网技术的进步，这样一种比以前更复杂的模式有了实际运转的可能性，而且，更重要的是，
这个模式能够能够带来比传统模式大得多的价值创新，这才是S2b2c模式的意义所在，也是它的未来所在。
因此，S2b不是传统的加盟体系，而是一个创新的协同网络，S通过五个维度对小b进行赋能，共同深化对c的服务。
图1 S2b2c的价值创造
三、S2b2c是基于技术联动和数据驱动的协同网络
S2b2c概念在提出以后，得到共鸣，其原因是S2b2c在表征上可以无限接近现在几乎后市场的所有商业模式，各行各业已经都已经或开始对S2b2c模式的进行验证。
S2b2c是一个开放的系统，其逻辑是价值赋能b和深度服务c，形成一个以S为基础设施和底层规则的生态系统。
而目前，有很多声称S2b2c的模式只是B2b或者B2b2c的变种，并未做到真正的S赋能，也有一些有意识地在构建协同网络生态系统，真正实现S2b2c的商业模式实践。
1.乐聚网：S2b2c价值赋能聚会资源平台型工具
面对新兴的聚会市场所来带的供应商市场混乱、行业缺乏规范化和产业集中性低的市场痛点，切中80/90后社交消费决策和在线支付方式习惯与品质型内容娱乐消费转型的机遇，乐聚网提供了以S2b2c为基础的标准化产品、工具型平台和交互类社区，解决了B端成本高、客单高、流量小和产能低的痛点和C端沟通效率低、信息不对称、品质不可控和售后无渠道的烦恼，以初期的SaaS管理进行成本优化和流程管控，对零散的夫妻店小b端进行系统化的整合.
同时通过集中采购和监督管理降低生产成本、打通多样化进货渠道，赋能小b端；接着以认证、管理、服务、评估和监督一体化设置基础标准，以柔性供应链进行创造最大化；聚合并盘活场地资源，协同小b端延伸服务价值，从聚会资源、个性需求、交易透明、品控保证、评价体系到售后服务，对c端进行多维深度服务；最后以数据智能为基础进行多板块内容复合价值开发。
图2 乐聚网S赋能小b模式
图3 乐聚网小b深度服务c端模式
2.1919酒类直供：数据驱动酒品垂直S2b2c
1919通过构建数据驱动的酒品S2b2c业务体系，实现供应链、零售端和用户的数据实时共享，用数据驱动生产、库存、进货和销售，实现了业务链条的智能化。
传统的多级分销模式，从生产商、经销商到销售终端数据无法共享，形成了多个信息孤岛，无法获取用户需求、库存和销售信息，企业生产和经销商进货、备货决策主要依靠经营者主观决策，导致整个产业链产生巨大的库存、销售和物流成本。
图4 传统酒品流通模式（*引自BT实验室）
1919的S2B2C业务体系的核心是搭建了网状结构的信息系统，去掉供应链中的多余环节，运用大数据、云计算和商业智能等工具，实现S、b、c之间数据的高效传递，快速为c端用户提供符合其需求的产品和服务。
图5 1919构建了数据驱动的酒品S2b2c业务体系（*引自BT实验室）
3.养车无忧：汽车后服务市场S2b2c模式
汽车后服务市场凭借广阔的发展前景，吸引了大量资本、资源、流量的导向涌入，互联网也以独有的特点和优势，开始推动着汽车后市场的产业互联网化逐步成型。在
当下的汽车后市场，汽配电商化一定程度上解决了产品透明度问题，但是在车主更看重服务品质需求的这个行业，仅仅电商化是是难以满足行业发展需要的，行业需要全新的发展模式来迎接新生。
养车无忧将结合配件超市连锁（供应链体系）、连锁联盟品牌管理（服务体系）、金融中介（金融体系）、无忧云信息系统（系统体系）在内的四大体系，梳理并打造更完善的S2b2c模式（如图6所示）。通过该模式，养车无忧将作为S为汽配超市、汽服连锁门店提供的多重支撑，通过信息技术实现整个过程的线上化，透明化，从而更好地服务c端客户。而在这个过程中将实现产业链效率的提升。
图6 养车无忧汽车后服务市场S2b2c模式
在模式下，全国所有合作主体都将通过养车无忧平台在系统、收银、数据开放等多个环节实现统一管理；所有涉及资金结算出现的不顺畅环节都将通过金融方式解决；同时，区域内的二手车、新能源车、车险乃至车生活服务类项目也可直接接入。
养车无忧汽配超市板块，针对早期模式中无法保证汽修店只用同质配件，以及粗放管理模式带来的弊端，选择与优质供应链企业战略合建，一方面进加强了自身的汽配供应链能力，实现对汽车服务门店和车主的服务支持，也为该领域的企业模式创新和效率提升创造了可能。
4.如涵电商：网红MCN+柔性供应链
如涵电商，做的是网红孵化器，平台上有一个很知名的网红---张大奕，还有一个大金，她们都是如涵电商上的小b，是网红、模特，通过与用户的互动，来分享自己的生活获得用户的订单，通过在微博、微信、论坛等多种互动渠道，了解用户的信息，把信息反馈给供应链，由供应链生产出产品，再把产品放到淘宝、天猫，让流量从她们的互动渠道，导入淘宝和天猫中进行获利，商业模式其实并不复杂，但是真正的本质在于不管是张大奕还是大金，本身就是模特、网红出身，她们可以用自己天生的职业优势去诠释服装的产品。
可以想象到，一件服装不同的人穿，带来的展示效果和销量都是有天壤之别，在这个过程当中，她可以为她的用户提供各种服务，比如为用户提供穿衣搭配的专业建议，然后将采集到的用户信息反馈给供应链，让供应链去进行优化、改革。
S2b的本质是通过小b的创业需求和他们分享生活、提供服务并触及市场的方式去广泛采集c端消费数据，通过动态交互让供应链了解消费者，按照消费者的需求把自己改造成一个更加柔性，更加智慧的供应链。
图7 如涵电商网红MCN+柔性供应链模式
5.Ook珠宝：买手kol小b端+s供应链->c端
目前国内饰品渠道以线下小店或商场品牌为主，供应链分散，缺乏本土品牌，价格两极化严重，缺乏中高端定价。OOK切中市场缺口，聚集40个全球设计师品牌并逐步整合全球设计师资源建立自有品牌进行供应链建设，通过时尚商家、网商和个体组成的买手小b端进行直销，以社群领袖、时尚博主和达人进行多渠道流量收敛，并不断转化消费者成为意见领袖和小b端。
同时，OOK打通线上线下渠道，以OOK为供应链平台，向APP、微信、微博、各大电商以及线下快闪店进行多端口对接，形成从生产、供应链到销售的闭环，不断赋能和扩大小b端，形成良性分销生态圈。
图8 OOK饰品商业模式
四、S2b2c的发展需要外部环境和内部结构相结合
1.以S2b2c为基础推动C2B商业模式实现
从工业时代的B2C到实现完全定制的C2B，这个过程无疑是漫长而遥远的，不存在任何一蹴而就的可能，但变化的过程是有迹可循的。
工业时代的任何思维都是线性的。流水线、供应链、层次的管理，都是一个相对固定封闭的线性思维。即使是柔性的供应链，但是这个柔性供应链也是线性的弱化。
低成本、快反应、高定制，这三个是在供应链是完全冲突的核心指标，这三个指标要想同时动态优化，只有一个网络的结构才能实现，因为网络才有这样的灵活性。
换句话说，未来最有价值的其实是一张协同的网络，这张协同网络的全局动态优化，可以实时产生按需定制的一条供应链，来满足任何一个节点当时的个性化的需求。
一个就核心的改变就是供应链从工业时代的线性逐渐向网状过渡，而S2b2c顺应时代环境，能够为构建协同网络打造平台基础。
2.完善基础体统，搭建技术平台
S2b2b模式的技术基础在于IT和运营，而许多非IT出身的创业者对于IT系统的搭建存在认知上的不足。根据BT实验室归纳所得，S2b2c平台技术康佳85%以上具有共性，通常由3层架构，12个系统，45个业务模块。
（1）3层框架
数据层：基于云计算服务，提供坚固的数据存储设施，数据安全可靠；内嵌智能的数据分析引擎，为各业务分析系统提供完善的支持；
业务层：覆盖全过程的业务管理、监控与优化，打造坚固的云端服务能力群；
交互层：高效整合线上系统和线下门店，通过移动APP、SAAS服务等工具为S2B2C平台用户提供全方位的业务和终端支持。
图9 S2b2c基础平台技术3层框架（*引自BT实验室）
（2）12个系统
商城系统：基于地理位置的购物商城，连通线上与线下，基于大数据分析和智能推荐，为C端用户提供高价值的服务；
营销系统：提供SAAS化工具，支持主流促销策略和分销渠道管理，管理营销计划和评估跟踪执行效果；
CRM: 集S2B和B2C一体化的CRM系统，为S和B端提供完善的客户管理和服务支持；
收银系统：覆盖线上扫码、移动APP、线下POS机等多种支付方式，灵活的支持各种交易场景；
进销存系统:基于数字化平台的核心业务，商品、订单、库存，补货等全流程管理和实时监控；
结算系统：应收应付一目了然，结算信息实时处理，信息完全透明；
仓储管理系统：提供出入库、库位管理、分拣、调拨、盘点等信息化工具支持；
物流管控系统：智能路径规划，实时追踪商品运送路线，获取最新状态；
门店配送系统：提供“最后一公里”的配送计划，实时掌控配送状态；
金融平台：门店和用户信用管理，支持供应链金融和消费金融；
数据分析系统：基于大数据，分析销售数据、用户行为，预测销售趋势，增强销售能力和用户体验；
智能客服: 集咨询、智能问答等于一体的智能客服，24x7服务各端用户。
图10 S2b2c基础平台技术12个系统（*引自BT实验室）
3.价值赋能为手段，协同网络为目的
对S2b2c来说，赋能只是手段，其目的是通过赋能形成一个产业协同网络。这个协同网络是任何一个产业内的单体都做不到的。平台的价值就是这个协同网络的形成和底层架构者。只有突破传统加盟体系“交易”思维，从赋能的角度出发，S才能够和产业链上的各类小b共生共赢。
S通过协同网络完成了产业乃至社会效率的提升，其盈利模式不从原来产业中的任何一个部分中来，只有这样才最终形成真正的共赢。
4.O2M和S2b是C2B的横向与纵向
O2M是“线下实体店+线上电商+移动终端”的组合式运营模式，其核心在“M”
，在于将传统互联网和线下流量都引向移动端，形成传统互联网、线下实体店与移动端的深入互动，传统互联网和线下实体店都是为移动端服务的。
移动端又反过来为传统互联网和线下实体店服务，为它们带来流量。相比O2O概念，O2M指出了Online to Offline的Online部分有一个流动的过程，即从传统互联网向移动互联网转化、牵引的过程，还指出了Offline to Online部分也有一个流转的过程，即从线下向线上移动端的引流,所有流转的终点都在移动端。而整个O2M模式的流动都是围绕着C端进行的横向模式。
S2b是“供应链平台+企业”互联网商业模式，“S”是一个整合的供应链平台；b”是一个大平台对应的数万甚至亿万级的经销商。
“S”和小“b”之间不是单纯的买卖关系，也不是传统的加盟关系，而是赋能关系。
赋能的意义在于b可以个性化的运用S的支持，使其能够在当地市场耕耘自己的流量洼地，而非加盟关系的简单标准化。S能够辅助b更全面多维地完成c的需求。所以S2b的核心其实是S2b2c，共同深度服务c端是该模式的重点，因此，
我们把整个S2b模式看成是围绕着C端进行的纵向模式。而O2M和S2b共同打造协同网络，形成C2B的最终形态。
图11 O2M+S2b=C2B
在2018年底，德国知名的物流集团DHL和IBM公司合作，出品了研究报告《物流中的人工智能》（Artificial Intelligence in Logistics），以详实的案例和资料阐述了人工智能技术的发展现状，及其对于物流领域的实际意义。报告包括三部分：
1.人工智能（AI）意味着什么？
2.物流之外领域有哪些案例可以借鉴？
3.AI对于物流的意义和实用案例。
（一）人工智能意味着什么？
图1：人工智能的发展历程。来源：NVIDIA
人工智能（AI）早在1956年就首次被提出，随后在60多年的发展历程中多次起伏。在其发展历程中，机器学习（Machine Learning）和深度学习（Deep Learning）是两个关键的概念。后者因助力ALPHAGO战胜围棋世界冠军而声名大噪。
机器学习算法通常是应用在某个特定的领域，
通过分析输入和输出的关系来发现其中的规律。
其典型应用包括：输入人像照片，输出其身份；输入一个人的收入状况/信贷历史，输出其贷款违约的概率等。深度学习则在机器学习的基础上更进一步：它会基于现实世界的数据反馈，不断调整和升级自己的学习模型，以提供更有价值的洞见（insight）。
图2：机器学习的基本原理。来源：IBM / DHL
机器学习的三大要素是“感知”（sensing）、“处理”（processing）和“进步”（learning）。
其基本工作原理如图2所示，呈现出循环往复的工作过程。
“感知”主要是对基础数据的收集，提供尽可能丰富的输入；“处理”把输入转变为有意义的输出（洞见）；而“进步”（自我提升）则意味着人工智能本身不是一成不变的。对于同样的输入，其输出结果会变得越来越好。
图3：人工智能和物联网的结合。来源：DHL
在“感知”环节，人工智能越来越多地和物联网（IoT，Internet of Things）技术相结合，如图3所示。在物联网时代，越来越多的物体（比如工厂中的机器设备、家用的电器）都通过传感器等方式和网络相连接，藉由先进通信技术将其实际状态数据传到网上。这就给人工智能算法提供了大量“饲料”，让AI可以基于充足的数据提升性能，提供有价值的信息（例如：预测机器发生故障的时间），从而对实体资产进行更有效的管理。
为什么说AI对于物流领域很有价值？
首先，由于信息技术（高性能计算、RFID等）的成本降低，使得物流数据的感知/处理/学习成本已经来到了普及的临界点，技术不再遥不可及。
其次，物流运作往往环节众多，各方关系复杂，并且有大量的实物/资金/信息数据产生。复杂网状结构和大数据量的特性使得物流天生就适合作为AI应用的场景。
再次，目前AI在实际物流企业中的落地应用比例还不高（不到10%），提供了一片广阔的蓝海。
（二）非物流领域的AI案例
图4：非物流领域的AI落地案例。来源：IBM/DHL
他山之石，可以攻玉。在非物流领域，有至少五个方面的人工智能落地案例，可供借鉴（如图4所示）。
在家庭环境中，智能音箱等设备为个人用户提供了便利的服务。一大趋势是：消费者通过语音即可与智能产品交互，而不需要再拨动手指来操作屏幕。自然语言处理（NLP）技术也越来越强大，使得谷歌的无线耳机可以
支持40多种不同语言。
类似的技术也帮助企业大大提升工作效率。例如：Autodesk公司提供智能语音服务平台，将客户服务的平均响应时间
从1.5天压缩到了5分钟之内。
在零售场景，AI也得到了普遍的应用。在零售营销过程中，有广告重定位（Ad retargeting）的概念：据统计，只有2%的顾客会在首次访问电商网站的时候直接下单。如何触发其后续购买行为，成为商家高度关注的话题。
人工智能算法可以结合消费者的个人资料、历史购买行为等，推荐最佳的选择，以提升用户实际下单的比率。此外，在现场导购/库存管理/货架优化等场景中，都有AI算法的用武之地。
图5：自动驾驶中的智能感知技术。来源：AGA
自动驾驶近年来备受关注，也是人工智能/机器学习的代表性应用领域之一。
“感知”、“处理”和“进步”对自动驾驶都非常重要。
以“感知”（Sensing）为例，需要综合多种雷达/探测器/摄像机等技术，才能给人工智能算法提供足够的决策依据，从而作出变速/变向等关键决策。
在这个领域，传统车企（宝马、奔驰等）和高科技新锐（NVIDIA、Mobileye等）既是竞争关系，又有合作潜力。由于城区道路的环境过于复杂，自动驾驶更倾向于在工厂/物流园区等特定的封闭环境首先落地。
图6：在IBM Watson的支持下开展生产制造。来源：John Deere
“Last but not least”，人工智能可以对工厂的生产制造环节提供支持。美国著名的农机巨头约翰迪尔（John Deere）在多个场景应用了IBM Watson的认知科技：基于车间实景照片，算法可以识别出成品/半成品中的质量问题，并诊断可能的原因，为工厂改进产品质量提供实用建议。
Watson系统的整个质量诊断过程可以做到“hands-free”：车间人员只需要通过语音通话就可以调动AI程序，不影响手头的装配操作。另外，人工智能系统还可以和修理技师的信息系统对接，自动查询哪位技师有空到现场维修设备。
（三）AI对物流的意义和案例
