整车新闻对场站运营更清晰的可见性，帮助沃尔玛减少了闸口延误、扭转了关于挂车利用率的固有认知，并从车队中削减了 300 多辆挂车。这是沃尔玛前运输副总裁 Francis Lalonde（现任 First Student Canada 总裁）9 月 23 日在安大略省 Markham 的 Eaigle 客户活动上透露的。
Lalonde 回忆了几年前促使沃尔玛转向 Eaigle 的痛点。在他位于沃尔玛配送中心的办公室里，既能看到闸口，也能看到一片停着约 1400 到 1600 辆挂车的场站。有一次他数到 18 辆车在排队进闸，并给最后一辆计时——从排队到闸口大约花了 26 到 28 分钟。
「我当时简直要疯了，因为眼睁睁看着自己的车队堵在里面，也看到很多第三方车辆卡在里面，」Lalonde 回忆道，「后来我懒得往这边看了，就往那边瞅，结果看到了什么？挂车在场地里来回挪了三趟……因为没地方停。」
接着他目睹一名第三方司机倒车时撞上沃尔玛的挂车。「这可咋整？公平地说，那会儿我们就是稀里糊涂赔钱把破损消化掉。」
（图片来源：Krystyna Shchedrina）
为了解决破损、场站拥堵、延误以及「挂车到底在哪儿」的问题，Lalonde 意识到沃尔玛必须从闸口自动化入手。他说光靠电子围栏还不够——它能显示设备越过了边界，却无法判断挂车是空是满、破损何时发生、押车计时该从何时算起。
闸口自动化带来的首批好处之一，就是为沃尔玛自有司机消除了 20 多分钟的等待。
第三方承运商则是另一块空间。Lalonde 说承运商实际上已把等待时间算进了运价。以约每小时 90 美元的押车费为例，他算下来 20 分钟约等于每趟 30 美元。后来沃尔玛重新招标时，这笔费用被剔除了。
「我跟承运商说：时代变了，现在没有等待时间了，每趟进这栋楼的运价里要砍掉 30 块。对高吞吐量的场站来说，这可是实打实的大钱，」Lalonde 说。
更大的惊喜来自挂车利用率。Lalonde 说当时沃尔玛有近 4000 辆挂车。当他最初提议减 50 到 100 台时，运营团队强烈反对，认为设备已经高负荷运转。几周后他决定更激进一些。
「我打电话给管资产的同事说：今天咱就甩掉 350 辆挂车。结果真甩了。到周末前，那 350 辆全没了。你猜怎么着？什么都没发生，真的一点事都没有。」
对 Lalonde 而言，这段经历说明：没有可靠的可视性，就很难摸清挂车的真实利用率。他说，更好的数据让车队决策更「精准」。
可见性差还意味着在场站之外也跟丢设备。Lalonde 回忆曾有一段时期沃尔玛有 15 辆挂车「失联」，最后已知位置在宝洁（P&G）的场站。其中一辆车牌好记，沃尔玛的资产经理开车路过时恰好撞见。
「那辆车没了，正从 P&G 运往另一家零售商。有意思吧？我等于把自家挂车借给发货方，把货送去了别家零售。这种事因为看不见，估计每天都在发生。」
（图片来源：Krystyna Shchedrina）
同样的不精准，也让押车补偿的谈判更难办。
当天稍后的另一场座谈中，Lalonde 举了一个例子：一个系统显示集装箱 9:05 越过电子围栏，而沃尔玛在 8:12 就把它记为空箱。这就引出该用哪个时间戳来界定押车开始的问题。
「数据在哪儿？这押车博弈到底怎么赢？」他说，问题在于双方都要有一份可靠记录，来定下押车「交战规则」。
Lalonde 表示，闸口与场站可视性解决了很多运输问题，但他看到更大的机会在于追踪货物本身发生了什么。
他指出三类易产生纠纷与索赔、带来高昂成本与额外工作的货运动向：配送中心到门店、直达门店配送、以及制造商到零售商。
以「配送中心到门店」为例，一批货可能带着分给多家门店的托盘发出，结果某家门店收到的数量错了。运营团队随后要追查是配送中心装错了托盘，还是门店取错了托盘。
Lalonde 认为，在装货码头和收货点都部署视觉 AI，就能提供「装了什么、到了什么」的影像记录。「那个托盘是不是破着到的？我们到底把 A 店还是 B 店的托盘落下了？是真的坏了，还是别的？然后大家就开始踢皮球、内部互相收费，没人心疼。你也不需要一个专门做无效劳动的理赔部门，对吧？因为门店之间内部互相收理赔费，顾客并不会多掏钱。」
沃尔玛场站自动化的本质，是用「看见」代替「猜」。国内大量中小车队和专线物流至今仍靠对讲机、Excel 甚至人肉记挂车，结果就是押车扯皮、挂车失踪、空驶率高。Lalonde 一句话点醒：你以为设备不够用，其实是用得稀烂。对国内卡友和物流老板来说，哪怕先上一套低成本的闸口识别加挂车定位，把「在哪、空满载、停了多久」这几个数据跑通，往往就能直接砍掉一成以上的无效资产、省下大笔隐形成本。笔者认为，数字化不是大企业的专利，先把最痛的「可见性」补齐，比追时髦上大模型更划算。
