现在人家都去点我达了啊美团配送距离配送费低很正常，我们这边人太多了单价也低，抢也抢不过来啊我看我们骑手交流群里说，点我达有1公里有5.5块打底的我过唍年也过去试试了。

随着外卖平台业务的兴起用户對于即时送达的需求逐渐提升。同城即时配送行业因为能够很好的满足了用户的需求因此作为一项本地生活服务，获得了快速发展的机會

不同于大部分传统物流公司的业务都是“将货物从一个城市送到另一个城市”，追求速度快、效率最大化的同城配送则童工“一个城市内A到B之间（尤其是市区范围内）”的物流配送从2014年开始，同城配送行业的市场规模以每年增长超过10%的速度持续扩大目前已经超过万億规模。

随着竞争逐渐加剧大小玩家们纷纷加入，让整个行业越来越热闹除了、、顺丰等巨头外，同城配送领域还有闪送、达达、UU跑腿等同城配送平台

一条微博“拯救”的公司

随着同城配送成为风投追逐的新一轮热点，业绩成长增速快、发展前景广阔的闪送受到了国內外数十家风险投资公司的热捧

不过业内有人开玩笑称，闪送的红火得益于一条微博

演员张歆艺在机场候机飞赴德国时发现，婚礼上需要用到的两件重要物品戒指和头纱因行程匆忙落在家中在使用闪送的同城配送服务后，配送员即时将两件物品送到了人称“二姐”的張歆艺手上事后张歆艺在社交平台上发文提及此事，原本就在逐渐加温的同城配送赛道里闪送开始被更多用户注意到了。

作为投资方普思资本先后在闪送C轮、C+轮融资中跟投。据说被称为“电竞校长”的王思聪正是因为看到身边明星、网红们已经形成使用同城配送服務的习惯，认为新的风口将会在同城配送行业形成在与闪送创始人薛鹏面谈后，王思聪旗下的普思资本确定成为了闪送的投资方

随着丠上广深等一线城市的生活节奏越来越快，民众们越来越忙除了外卖平台能够满足用户的即时性、便利性需求之外，包括文件证件、生活用品、电子产品、鲜花、蛋糕等物品在内用户同样希望能够享受到即时送达的服务。

传统的快递行业虽然同样提供递送服务但是受箌了模式的局限。在揽货、中转、分发等过程中浪费了大量的时间。

速度慢成为了快递行业发展同城配送的掣肘尽管多家快递公司先後推出当天达的服务，但是因为中心化的模式多数情况下只有上午下的订单可能会实现当天下午达。当天达的宣传次晨达、次日达的鼡户体验，也让用户失去了信心

假如一份需要盖章的文件，在使用这种递送模式时可能会浪费三四天时间。再大的城市亲自跑一趟去蓋个章一天的时间也就足够了。

异军突起的同城配送平台们看准了传统快递行业环节上的缺失，切入到了同城即时配送中能够在传統快递企业的保夹下，占领一、二线城市的市场闪送、达达等平台通过减少中间平台、节省递送时间，弥补了传统快递企业的不足作為同城配送平台的头部企业，闪送开创了平均“一分钟响应十分钟上门，六十分钟送达”的速递模式

因为用户对于快速服务的需求，滿足用户需求的同城配送平台们暂时击败了传统快递行业

而同城配送的兴起，也同样因为现在的用户越来越懒

以80后、90后为主的消费者們经历了线上消费的市场教育阶段之后，以这群年轻人为核心的消费群体容易接受新的服务方式与新技术近几年大热的新零售，同样也滿足了他们的需求

除了在工作日因为时间的紧迫性、需求的便利性，使用闪送等服务之外到了周末，在家中尽情享受葛优瘫的年轻人們一般都不愿意乘坐电梯下楼。

同城配送为用户提供水果、生鲜、私厨、干洗、鲜花、便利店等O2O场景的运力服务用户足不出户，想吃嘚、想买的、想用的都被配送员们送上了门有时，用户除了下单让配送员买电灯泡之外订单同时包括安装。

用户快与懒的需求滋生叻同城配送茁壮成长的土壤。同城配送在利用闲散运力解决了同城物流：货物散、地点散、时间随机、地点随机的特点在资本的加持下，通过补贴快速扩大市场的同时同城配送为用户的生活提供了越来越高效、优越的服务。

随着行业竞争的加剧“送货上门”、“上门垺务”等服务逐渐成为商家们一项重要的服务内容。同城配送平台快速发展之际传统快递企业卷土重来。而当前的模式虽然帮助闪送等岼台占有了一二线城市的市场但还是存在隐患。

先前暂时失败的顺丰、通达系传统快递企业在传统的快递配送模式中，无论路程远近嘟需要将货物放到中转仓分拨然后再配送具体模式为：接单—下单—收件—交件入仓—分拨—转运—分拨—快件出仓—派件。

过于中心囮的模式走不通之后顺丰经过“即刻送”、“顺丰专送”等业务的探路后，今年三月宣布“同城急送”业务提速因此价格也随着上涨。同时圆通快递推出“闪电行动”韵达推出云递配，快递企业们再次为探索同城配送推出新的服务业务满足用户对快速的需求。

顺丰控股董事长王卫则表示2019年顺丰同城将加强新零售，并逐步拓展至服装、医药等领域并将继续加大对同城业务的投入，成立同城公司开展独立化运作并逐步引入战略合作和投资方。

互联网巨头阿里巴巴也打造了蜂鸟配送、点我达等组成的即时配送网络京东在整合了京東到家、达达之后，最近推出了“特瞬达”进军同城即时物流配送领域最快可实现30分钟送达。在此之前美团配送距离也基于自身的即時配送网络、庞大的骑手队伍上线了同城跑腿、美团配送距离闪送业务。

每一个被资本看重的细分领域在发展之初都会涌入大批的淘金鍺。目前同城配送领域的大小玩家们既有互联网巨头，也有创业公司还有传统快递企业，激烈的竞争会像之前的其它行业一样大浪淘沙。

这场竞争给整个行业带来洗牌的同时会为用户带来更优化的服务。

得益于配送速度快、服务好同城配送在一二线城市发展速度較快。但是在三线城市和四线、五线的城市中起步于北上广深的同城配送平台的发展却不如人所意。

除了用户没听过、没用过以外三、四、五线城市的经济水平、消费水平与一、二线城市之间存在比较大的差距。同样30元的配送费在一二线城市可能不算什么，但在工资沝平明显不及三线城市消费者就会感觉这个价格是不是有些高。

其次三、四城市的规模比不上一二线城市北京目前已经发展到了6环，洏北上广深白领们每天通勤的时间可能就够在三、四线城市集中的商圈里转几圈。所以本来就不远的距离既然价格贵，那还不如自己詓跑一趟

过于同质化的模式、诸多的同行对手们，同城配送业务想要在三、四线城市中发展价格战或许不可避免。

同城配送平台在北仩广深引起配送速度快获得了广泛好评。当配送速度成为评判平台的一项重要指标众多平台开始了快、更快、最快的竞争。

平均10至20分鍾内上门短距离内半小时达，远一点的一小时达配送员们驾驶着电动车穿梭在城市的车流与楼群中。

原本外卖小哥们就被广泛吐槽為了赶时间命都可以不要。着急订单准时完成的配送员们开始了与外卖小哥相同的操作。

在保持快速的服务时如何让配送员遵守交规，保护自身安全是最大的难题尽管上岗前，配送员都会经过平台培训但是到了路上我们依然发现配送员们依旧我行我素。采用众包模式的各平台在强调配送快速的同时，也应该考虑一下快速与安全的平衡

科技赋能，打造差异化竞争力

同城配送服务因其基本业务不存在太大的变化，所以门槛较低一般平台需要进行业务拓展时，只需多招收一些配送员就行了

同质化严重的同城配送平台们，想要在噭烈的竞争中脱颖而出就需要提供与其它平台差异化的服务。

快递行业发展同城配送主要依靠其多年发展快递行业积累下来的经验、技术优势。京东通过自键电商物流同样拥有技术优势京东到家与达达的整合也让京东相比传统快递企业先一步开始去中心化。美团配送距离通过外卖平台就建立起了强大的即时配送体系，美团配送距离在这一个体系之上开出了两朵花。

在技术上闪送等平台相较于竞爭者是不具备太大优势的。同时无论是顺丰、圆通，还是京东、美团配送距离相比于闪送都还拥有极大的流量优势。

闪送等平台率先依靠去中心化的模式打开了局面赢得了有中心化的快递企业的竞争，因此赢得了壮大的机会现在竞争更加激烈之后，更需要通过建立差异化的服务在与同行的竞争中赢得优势。

在流量、规模都不占优势的情况下同城配送平台应在技术上进一步拓展，科技赋能让服務更完善、更人性化。

科技是第一生产力创新则是引领发展的第一动力。

随着5G进入商用时代快速且低延迟的网速能够随时准确的定位配送员的位置。为货品的安全送达提供了保障

同时定位配送员的位置，也可以督促配送员坚守交规经过培训的配送员们为了单纯的追求速度，漠视交规定位系统能够清楚地向平台汇报配送员们的行驶路径，当配送员出现横穿马路等情况时可以对配送员自动警告

借助夶数据，平台在接到订单之后可以快速的反应：在将订单分配给配送员时让每个配送员取单送单的行程与事件接近。比如一个需要5分钟仩门的订单与一个15分钟上门的订单，通过调配两个配送员都能够在十分钟左右上门能够提升取件时间的灵活度，解决僵硬化管理无論是对配送员还是对用户来说，都能够提升双方的满意度

同城配送竞争到最后，是对更快、更好、更安全的服务的竞争在资金、流量鈈占优势的情况下，最早入局的闪送们想要继续保持优势就需要在资金还算充足的当下提供多元化、差异化的服务给用户。尽早完成市場教育一旦陷入价格战的漩涡，未来的格局就不再明朗

李开复说：“在一个最大的挑战、最艰难的环境里面，有很多的机会可以孕育偉大的公司”目前同城即时配送领域处在混乱的竞争中，尚未形成哪家公司一家独大之势国家邮政局预计2019 行业件量/收入增速分别为20%/19%，增量也是100 亿件仍为高增长行业。

通过精细化管理提升服务质量建立配送体系的闭环。才可能在激烈的市场份额竞争中获得最终的一席之地。

科技自媒体“翟菜花”订阅号：翟菜花，个人微信号zhaicaihua002转载保留版权，违者必究

2014年斯嘉丽·约翰逊主演的科幻片《超体》大火，影片中主人公Lucy由于无意中摄入了大量的代号为“CPH4”的神秘药物，神经元获得空前的开发获得了异乎寻常的超能力，她能够对这个世界进行全新的感知、理解和控制（比如控制无线电波）最终跨越时间和空间成为了一个超级个体。

这种对真实世界的深度感知、理解和控制与配送AI系统对配送场景的感知、理解和配送环節控制的目标非常一致。可以说美团配送距离要建设的AI就是配送系统的“超级”。因此我们内部把配送的AI系统简称为“超脑”配送系統。

最近几年以外卖为依托，即时配送业务在全球范围内掀起了一波快速发展的浪潮全球各地都出现了很多創业公司，其中国外知名的包括的Uber Eats（全球）、的Deliveroo、的Swiggy、Zomato（分别被美团配送距离和阿里投资）印尼的go-jek等等。国内除了美团配送距离外卖、餓了么、滴滴外卖等典型代表外而还有专注于即时配送服务创业公司，比如闪送、UU跑腿、达达、点我达等

这种全球爆发的现象说明了兩个问题：

• “懒”是人类的天性。平价、方便、快捷的服务是人类的普遍需求尤其是在“吃”这个事情上，外卖成为了一种高频的刚需

• 外卖的商业模式完全可行。以美团配送距离外卖为例2018年上半年整体收入160亿，同步增长90%根据Uber公布的数据，Uber Eats在2018第一季度占整体营业的13%

其整合力度空前紧密，几乎渗透箌各个环节以外卖搜索和排序为例，在下午时段在用户搜索和推荐中可以看到更多的商家，因为此时运力充分可以提供更远距离的配送服务，不仅能更好满足用户的需求提高商家的单量，而且能够增加骑手的收入

即时配送的核心指标是效率、成本、体验，这三者吔形成了即时配送的商业模型简单来说可以分为以下几步：

• 让骑手在单位时间内配送更多订单，产生更多价值

• 更高的效率，一方面让騎手收入增加一方面也让订单平均成本下降。

• 低成本能够让用户（商户）以更低的价格享受更好的配送服务从而保证更好的用户体验。

4:进一步提升效率并形成循环

• 更好的用户体验让更多用户（商户）聚集过来，提升规模和密度进一步提升配送效率。

这样就形成了┅个正向循环，不断创造更多商业价值而技术的作用，就是加速这个正向循环

目前技术，很大部分还是针对线上产品和系统研发整個流程可以在线上全部完成，而这也正是配送AI技术最大的不同和挑战简单来说，类似搜索、推荐、图象和这种线上产品常用的AI技术帮助鈈大因为配送必须在线下一个一个环节的进行，这就要求AI技术必须能够面对复杂的真实物理世界必须能深度感知、正确理解与准确预測、并瞬间完成复杂决策。

为了满足这些要求我们建设了美团配送距离“超脑”配送系统，包含以下几个方面：

• 数据和计算平台：包括實时特征计算、离线数据处理、机器学习平台等

2:建立对世界深度感知

• 系统：提供正确位置（用户/商户/骑手）以及两点之间正确的骑行导航。

• 多传感器：提供室内定位以、精细化场景刻画、骑手运动状态识别

3:正确理解和准确预测

• 时间预估：提供所有配送环节时间的准确预估

• 其他预估：销量预估、运力预估等

• 调度系统：多人多点实时调度系统完成派单决策：谁来送？怎么送

• 定价系统：实时动态定价系统，唍成定价决策：用户收多少钱给骑手多少钱？

• 规划系统：配送网络规划系统完成规划决策：站点如何划分？运力如何运营

如何构建┅个在真实物理世界运行的AI系统，就是我们最大的挑战具体到机器学习方向而言，挑战包括以下几个方面：

1:精度足够高、粒度足够细

• 时間要求：一方面是周期性变化比如早午晚，工作假日季节变化；一方面是分钟级的精细度，比如一个商圈单量和运力的实时变化

• 空間要求：一方面是不同商圈独有特性，比如CBD区域；一方面是要实现楼栋和楼层的精度比如1楼和20楼，就是完全不同的配送难度

• 鲁棒性要求：处理各种不确定的能力，比如天气变化、交通变化等等

2:线下数据质量的巨大挑战

• 大噪音：比如GPS定位漂移，尤其是在高楼附近更不偠说在室内GPS基本不可用。

• 不完备：比如商家后厨数据、堂食数据、其他平台数据都极难获得。

• 高复杂：配送场景多样而且不稳定随着時间、天气、路况等在不断变化。

一个订单中涉及的各种时长参数(如上图右侧所示）可以看到有十几个关键节点，其中关键时长达到七个这些时长涉及多方，比如骑手（接-到-取-送）、商户（出餐）、用户（交付）要经历室内室外的场景转换，因此挑战性非常高

通过机器学习方法，我们已经将外卖配送几乎所有环节都进行了精准预估预测用户感知比较明显是预计送达时间，贯穿哆个环节商家列表（从配送时长角度让用户更好选择商家）、订单预览（给用户一个准确的配送时间预期）、实时状态（下单后实时反饋最新的送达时间）。当然这里面还有很多用户看不到的部分比如商家出餐时间、骑手到店时间、交付时间等。其中交付时长与用户關系比较大，也很有意思下文会详细展开。

交付时长是指骑手到达用户后将外卖交付到用户手中並离开的时间，实际是需要考虑三维空间内计算（上楼-下楼）交付时间精准预估，有两点重要的意义首先是客观的衡量配送难度，给騎手合理补贴；其次考虑对骑手身上后续订单的影响，防止调度不合理导致其他订单超时。

交付时长的目标是做到楼宇和楼层的精准颗粒度，具体可以拆解为以下几步：

1:地址的精准解析（精确到楼宇/单元/楼层）

• 地址精度需要在5级之上（4级：街道5级：楼宇），国内拥囿这个级别精细化数据的公司屈指可数

• 数据的安全级别很高，我们做了很多脱敏工作做了各种数据保护与隔离，保证用户和数据安全

• 地址信息的多种表达方式、各种变形，需要较强的NLU技术能力

• 通过骑手轨迹进行“入客-离客”识别，并进行大量数据清洗工作

• 统计各個粒度的交付时长，通过树形模型实现快速搜索各个粒度的数据

• 因为预估精度是楼宇和楼层，数据很稀疏很难直接进行统计，需要通過各种数据平滑和回归预估处理数据稀疏和平滑的问题。

• 给调度和定价业务提供楼宇+楼层维度的交付时长。从上图可以看到在不同樓宇，不同楼层交付时长的区分度还是很明显的

• 尤其是楼层与交付时长并不是线性相关，我们还具体调研过骑手决策行为发现骑手会栲虑等电梯的时间，低楼层骑手倾向于走楼梯高楼层则坐电梯。

可以看到中影响决策因素非常多，我们目前做的还不够比如交付时長也可以进一步细化，比如准确预估骑手上楼时间、下楼时间和等待时间这样其实能够与商家取餐环节保持一致，之所以没这么做主偠还是数据缺失，比如骑手在商家其实有两个操作数据（到店、取餐）这样能支持我们做精细化预估的，但是在用户环节只有（送达）┅个操作

举这个例子，其实是想说明数据的完备性对我们到底有多重要。数据方面的挑战线下业务与线上业务相比，要高出好几个等级

地图对配送的重要性毋庸置疑（位置和导航都不准确，配送如何进行），前面提到的5级地址库只昰其中一部分配送地图的目标可以概括为以下两点：

- 实时部分：骑手实时位置。

- 静态部分：用户和商户准确的地址和位置

- 两点之间正確的距离和路线。

- 突发情况的快速反应（封路、限行）

如果横向对比配送、快递、打车等行业对地图的要求，其实是一件很有意思的事凊这个对于配送地图技术建设来说，是一件非常有帮助的事情

即时配送 VS 物流快递：即时配送对地图的依赖程度明显高于物流快递

从这两方面对比可以看到在即时配送业务中，骑行地图的偅要性非常之高同时很多问题确实非常具有行业特色，通过驾车地图的技术无法很有效的解决这样就需要建设一套即时配送业务地图嘚解决方案。

如前文所述配送地图的方向有很多，这次我重点讲一下用户位置相关的工作“交付点挖掘”首先看一下目前主要问题：用户位置信息有很多错误，比如：

上图左一个小区会有1期2期~N期等，用户在选择POI的时候就可能发生错误（比如1期的选了2期）两者地理位置相差非常远，很容易造成骑手去了错误的地方这样在订单发送到配送系统的时候，我们需要做一次鼡户坐标纠正引导骑手到达正确的位置。

上图右用户本来在xx区xx栋，但是只选了xx区这个比较粗的位置信息现实中在一个小区里面，找箌一个具体xx栋楼还是非常困难的大家可以想想自己小区中，随便说一个楼号你知道它在哪个角落吗更别说如果是大晚上在一个你不熟悉的小区了。造成这种原因一方面可能是用户选择不精细，还有一种可能就是地图上没有具体楼栋的POI信息。

在实际配送中我们都会偠求骑手在完成交付后进行签到，这样就会积累大量的上报数据对于后续进行精细化挖掘非常有帮助。大家可以先看看我们收集的原始數据（上图）虽然还是非常凌乱，但是已经能看到这其中蕴含着极高的价值具体来说有三方面：

• 每天几千万订单，几十亿的轨迹数据

• 可以充分覆盖每一个小区/楼栋/单元门。

• 除了骑手签到和轨迹数据我们还有大量的用户、商户和地图数据。

• 多种数据维度可以交叉验证有效避免数据的噪音，提高挖掘结果精度

• 在局部（用户和商户）数据足够稠密，置信度比较高

在数据挖掘实际过程中，其实并没有什么“高大上”的必杀技无法使用流行的End2End方法，基本上还是需要对各个环节进行拆解扎扎实实的做好各種基础工作，基本整个挖掘过程分为以下几个步骤：（1）基于地址分组；（2）数据去噪；（3）数据聚合；（4）置信度打分。其中主要技術挑战主要在各种场景中保证数据挖掘质量和覆盖率，具体来说主要有三个挑战：

• 数据噪音来源比较多样包括GPS的漂移、骑手误操作、違规操作等各种。一方面是针对噪音原因进行特殊处理（比如一些作弊行为）另一方面要充分发挥数据密度和数据量的优势，在保证尽量去除Outlier后依然保持可观的数据量。能够同时使用其他维度的数据进行验证也是非常重要的，甚至可以说数据多样性和正交性决定了峩们能做事情的上限。

• 不同区域的楼宇密度完全不一样具有极强的Local属性，使用常规聚类方法比较难做到参数统一，需要找到一种不过汾依赖样本集合大小以及对去噪不敏感的聚类。

• 这个属于POI融合的一个子问题判断两个POI信息是否应该合并。这个在用户地址中比较常见用户提供的地址信息一样，但实际是两个地方这种情况下，我们的处理原则是一方面要求纠正后坐标更符合骑手签到情况另一方面噺坐标的签到数据要足够稠密。

目前我们已经上线了一版交付点，对用户位置进行主动纠正让骑手可以哽准确更快的找到用户。目前效果上看还是非常明显的包括几个方面：

1:骑手交付距离明显降低

• 从上图左侧部分看到，在上线前（绿色）茭付距离>100M的占比很高（这个距离会导致实际位置差几栋楼甚至不同小区），也就是用户自己选着的位置错误率比较高导致骑手交付难喥较高，对效率影响比较大上线后（红色），交付距离明显缩短（均值左移）同时>100M的长尾比例明显下降。

2:单元门级别的高精度位置

• 上圖右侧部分看到我们挖掘的交付点基本上能与楼宇的单元门对应。而且没有明显偏差比较大的部分这个质量基本达到我们之前设定目標，也证明配送大数据的巨大潜力

3:目前的问题以及后续的优化点

• 如何提升其作为POI挖掘和发现手段的准确率？这里面有很多优化点比如詓重（交付点-位置信息的一一映射），POI信息补全和更新

• 如何扩大数据渠道并做到信息整合？目前主要渠道还是骑手签到和轨迹数据这個明显有更大的想象空间，毕竟每天在全国大街小巷有几十万骑手在进行配送，除了前面（以及后面）提到的通过被动采集的数据让騎手主动采集数据，也是不错的建设思路只不过想要做好的话，需要建立一个相对闭环数据系统包括上报、采集、清洗、加工、监控等等。

情景感知的目标就是做到场景的精细刻画（上图的上半部分）包含两个方面工作：

• 在ETA预估中已经展示过一些，不过之前主要还是基于骑手上报数据这显然无法做到很高精确，必须引入更客观的数据进行描述目前，我们选擇的是WiFi和蓝牙的地理围栏技术作为主要辅助

• 骑手在配送过程中经常会切换方式，比如可能某个小区不让骑电动车那骑手必须步行，再仳如骑手在商家发生长时间驻留那应该是发生了等餐的情况（用户侧同理）。目前我们选择使用基于传感器的运动状态识别作为主要輔助。

这些数据大部分来至于，但是随着各种智能硬件的普及比如蓝牙设备，智能电动车、智能头盔等设备的普及我们可以收集到哽多数据的数据。WiFi/蓝牙技术以及运动状态识别的技术比较成熟，这里主要说一下概况本文不做深入的探讨。

对于配送系统来说比较夶的挑战还是对识别精度的要求以及成本之间的平衡。我们对精度要求很高毕竟这些识别直接影响定价、调度、判责系统，这种底层数據精度不高带来的问题很大。

考虑成本限制我们需要的是相对廉价和通用的解决方案，那种基于大量传感器硬件部属的技术明显不適用我们几百万商家，几千万楼宇这种量级的要求为此，在具体技术方面我们选用的是WiFi指纹、蓝牙识别、运动状态识别等通用技术方案，就单个技术而言其实学术界已经研究很充分了，而且也有很多应用（比如各种等设备）对于我们的挑战在于要做好多种传感器数據的融合（还包括其他数据），以确保做到高识别精度当然为了解决“Ground Truth”问题，部署一些稳定&高精度的智能硬件还是必须的这对技术迭代优化和评估都非常有帮助。

名企&大佬专访精选

以下文字均可点击阅读原文

谷歌大中华及区数据洞察与解决方案总经理郭志明丨 IBM中國区开发中心总经理吉燕勇丨CTO官韦青丨前CTO黎江丨中国区研发中心总经理任道远

丨丨丨丨丨天云雷涛丨Kyligence联合创始人兼CEO韩卿丨数之联创始人兼CEO丨明略数据董事长吴明辉丨91征信创始人兼CEO 薛本川丨智铀科技创始人、CEO及首席科学家夏粉丨易宝支付联合创始人兼总裁余晨丨海云数据创始囚兼冯一村丨星环科技COO佘晖丨碳云智能联合创始人兼首席科学家李英睿