当AI遇见供应链
人工智能（AI）热潮正在工商业的诸多领域催生创新与变革，供应链也在如今的政经格局下变得尤其重要，两者的结合能够碰撞出哪些火花，帮助企业提升哪些竞争能力？其落地又依赖于哪些先决条件，以及避免哪些关键误区？为深入探讨这些问题，中欧国际工商学院DBA课程部、中欧供应链创新研究院与中欧校友数字生态俱乐部联合策划了一期以“供应链数字化与AI应用”为主题的中欧供应链创新沙龙活动，并于5月20日在京召开。
中欧供应链创新沙龙活动合影
赵先德：数字化供应链的本质是构建“数字化端到端整合与创新”的能力
中欧京东运营及供应链管理学教席教授、中欧供应链创新研究院院长，中欧-震坤行供应链与服务创新中心主任赵先德在主题演讲中指出，数字化供应链的本质不在于某些具体技术的应用和某些特定任务的上线，而在于构建“数字化端到端整合与创新”的能力。他进一步通过京东、多点、海尔、维谛技术、万事利、爱康医疗等多个案例，来展示企业如何通过数字化的端到端整合与创新来克服同质低价内卷，推动产品、服务乃至商业模式的协同创新，为用户提供差异化的“产品+服务”解决方案。
中欧国际工商学院京东运营及供应链管理学教席教授、中欧供应链创新研究院院长赵先德
当谈及AI在供应链中的应用时，赵先德给出了三点建议。一是要奠定数据和流程整合的基础，“如果只重视技术而忽视伙伴关系的管理、不营造合作共赢氛围，拿不到端到端的高质量数据，AI的应用价值是受限的”。二是不要唯大模型论，“并非所有的供应链问题都适合用大模型来解决，一些传统AI（俗称小模型），如启发式算法、机器和深度学习等依然在识别、分类和预测方面具备优势”。三是要做好AI和运筹学的结合，“不要忽视传统运筹学在解决规划类问题时的精确性和可解释性优势，利用AI算法为运筹学模型输入各类优化参数，是一个好的结合方式”。
赵先德所著的《数字化供应链实战：商业模式创新与企业转型升级》也在活动现场进行了揭幕，京东集团SEC委员、京东物流首席执行官、中欧校友胡伟（EMBA2019）共同揭幕。据悉，该书是赵先德近十年研究精华的首次系统总结，收录了其研究团队原创的供应链创新与发展四阶段理论模型，以及众多中国企业的供应链与商业模式创新实践。
赵先德新书《数字化供应链实战：商业模式创新与企业转型升级》揭幕
胡伟：数智化能力助力京东物流智慧发展
胡伟从“人、场景、设备”三个维度，对物流企业如何利用数智化来应对市场变化现实挑战进行阐述。他认为当前比较好的物流企业都具备了数字化能力，实现了“从靠人管到靠系统管”，下一步的关键将是如何利用海量数据做出好的管理工具，用数据来做优化，特别是那些同时提高员工体验和创造客户价值的优化。胡伟进一步列举了京东物流基于仓位优化、以及基于历史同期数据为司机引导路径等具体例子。在这些例子中，不仅客户得到了更好的服务，而且仓库的员工减少了无效的走路和弯腰，开车的司机避免了超速等安全隐患。胡伟认为，数据分析一定会给这个行业带来更多共赢、更多向善。
京东集团SEC委员、京东物流首席执行官、中欧校友胡伟（EMBA2019）
胡伟也对京东物流“智狼”等最新物流科技、基于AI大模型的流程自动化应用等数智化应用进行了介绍。
梁鹏飞：连接大于拥有，开放是最好的路
美的集团安得智联总裁、中欧校友梁鹏飞（EMBA2017）回顾了安得智联从美的内部物流企业起步，逐步将美的自身实践转化为客户服务方案的发展历程，并对公司的1+3服务模型（“1”是指“全链路”，“3”是指“生产物流”、“一盘货”、“送装一体”）进行了系统介绍。以一盘货为例，梁鹏飞指出渠道的多元化一定带来订单的碎片化，但于此同时，可能99%的品牌商并不清楚全链路履约端的路径，如果不对不同渠道的货源做整合优化，一瓶啤酒从厂商到消费者可能要经历高达8-12次的搬运，其履约成本和效率可想而知。这类问题是安得智联的一盘货方案致力解决的，且大数据分析与AI能力在此过程中发挥核心作用，例如基于数据来决定设仓的数量和位置，来平衡库存的总量和履约的时效。
美的集团安得智联总裁、中欧校友梁鹏飞（EMBA2017）
梁鹏飞也分享了他对赵先德教授所著新书的学习体会，并强调每个企业若能打开自己的边界，积极与他人合作而不是什么都自己干，就可以共建共创出更多新的可能。“连接大于拥有，而开放是最好的路”，梁鹏飞说。
倪艳军：助力零售赢在数字时代
多点数智智能供应链首席产品官倪艳军分析了商超卖场、连锁便利店、复合业态（百货+超市）等不同线下零售业态在业务关键点上的差异，以及多点数智如何针对这些差异化需求提供相应的智能零售解决方案。数字化供应链在这套方案中占据重要了位置。据倪艳军介绍，多点数智从“以需求为导向‘推拉协同’的敏捷供应链体系”、“以供应链整体效率为最优的零供协同”和“以线上线下一体化订单驱动的高效履约体系”三个维度，来为客户构建端到端的线下连锁商超供应链数字化系统和工具，并已在国内外多个知名客户侧得到落地。
多点数智智能供应链首席产品官倪艳军
倪艳军也进一步介绍了多点数智供应链的AI应用情况。其AI智能排线通过深度学习，将客户需求、专家经验数字化，结合智能算法，为运输调度提供科学的线路规划，自动生成路线，使排线效率提升80%、准时率提升10%、趟次数减少15%；AI智能补货自动分析商品销售波动，计算动态安全库存，降低门店缺货率，将有货率提升至98%、生鲜损耗率降至3%；AI智能出清通过历史销售及剩余库存数据自动计算时段折扣率，配合出清系统实时创建出清促销单，代替人工操作合理管控毛利和损耗，可以使生鲜出清的毛利达到最大化。例如，AI智能出清为物美每年增加上百万的利润。
圆桌对话：供应链数字化与AI应用
在赵先德教授的主持下，值得买科技董事长及首席执行官、中欧校友隋国栋（EMBA2016, DBA2021），震坤行首席技术官刘阳，逗号科技董事长罗浩，维谛技术供应链SIOP专家冀一鸣，京东智能供应链产品负责人刘强共同参与圆桌对话，就“AI+供应链”的特性、实现价值的路径，应用时的注意事项等内容展开探讨。
圆桌对话
在圆桌对话中与会嘉宾得出以下思考：
- 供应链流程漫长，存在断点，这是AI的机会所在。AI可以通过一些技术手段帮助企业降低获取端到端信息流的成本。但要想获得更高质量的端到端数据，仍然需要上下游的伙伴关系（例如流程整合，联合计划、预测与补货等）。换言之，AI可以帮助企业应对“断点”，但不能取代供应链关系管理的“治本”作用。
- 数据量级是AI大模型能力的关键，也是企业用好AI大模型的先决条件。海量的数据积累能够帮助企业在一些特定、可重复的供应链问题（如需求预测、库存优化等）上突破传统模型的局限性，实现更好的预测和优化结果。
- 但不能因此忽视传统AI（如启发式算法、机器与深度学习）的能力建设。供应链是一个高度精确的场景，诸如生活场景中“每次问大模型得到的答案都不同”的情况是不被允许的。这意味着在更多的时刻，供应链上的相关管理者不能让AI大模型直接给出结果。但AI大模型可以降低用户对于更精确但更高壁垒的传统AI的使用难度，例如将大模型作为交互层，将用户的问题描述转化为对启发式算法的参数输入，以更简单的方式让用户使用好后者。
- 同理，更传统的、经历近百年演进的运筹学优化依然在供应链场景中具备重要价值。与启发式算法相比，运筹优化可以得到理论最优且可解释性更强的结果，但当问题复杂、参数众多时，其求解速度不具备可行性，这时就可以用启发式算法先做一些“减法”，再丢给运筹模型来求最优解。总之，运筹模型、传统AI和最新流行的AI大模型在供应链场景中都有用武之地，识别每种方法最适合的问题，以及做好方法之间的相互配合（也是一种“组链”），是供应链数智化能力提升的关键。
圆桌嘉宾左上到右下分别为：赵先德教授，中欧校友、值得买科技董事长及首席执行官隋国栋（EMBA2016, DBA2021），震坤行首席技术官刘阳，逗号科技董事长罗浩，维谛技术供应链SIOP专家冀一鸣，京东智能供应链产品负责人刘强
- 建议一般企业不要去尝试自己买卡、去训练一个基础大模型，因为在缺少海量数据训练的情况下，效果一定不如已有的头部大模型好。更可行的选择是“外购通用大模型能力+私有数据库”的二次工具开发。
- AI Agent之间的“供需匹配”是一个有趣的探索方向。正如供应链的核心逻辑是供需匹配，需求端的AI Agent和供应端的AI Agent的配合，可能会给未来的供应链管理带来更多助力。例如，品牌商可以建立一个流量的AI Agent，用比传统NLP（自然语言处理）更强的能力去理解社交网络中的内容真假、分析舆论背后的真实需求，将这些情报输入给一个管采购的AI Agent，辅助供应端的决策调整。
- 人机协同是“AI+供应链”落地的根本保障。用AI替代人，即使抛开伦理不谈，在供应链场景中也不具备可行性。诸如模块化产品设计、生产排程、VMI与CPFR、仓网与路径优化等问题都高度依赖于各级从业者的实际经验，如果主张用AI替代人，那么一定得不到充分的经验输入，相应的AI工具也就成为空中楼阁。另一方面，AI工具得出的结果也需要经过人的经验调整和解读，才能在可解释性作为底层逻辑的供应链场景中得到落地。
本次沙龙由中信出版集团、大成律师事务所协办，50余位中欧校友、专家学者和企业家出席。中欧校友、东方原点管理咨询董事长牛建涛（GEMBA2019）主持本次沙龙。
