在局势和经济环境“不确定”和“不稳定”之下，AI、数字化等新兴技术会是提升企业供应链稳定流动的关键吗？

  过去几年，全世界变得愈发“不确定”和“不稳定”，局部冲突的升级与反复拉锯，地理政治学带来的逆全球化和贸易壁垒进一步加剧，正在对全球供应链的流动性和稳定能力形成巨大的冲击。

  典型的如缺“芯”事件，其影响波及了汽车、装备制造等多个行业，又例如COVID-19爆发，让全地球陷入物理上的流动困境，这些事件也让我们进一步关注到，现代供应链管理不仅要关注下游需求的变动，对上游的稳定性也要给予足够的重视。

  同时，AI、大数据等新兴技术的逐步发展，也为各产业探索和突破现有生产力的瓶颈带来了新的希望。在欧洲，慢慢的开始了对工业5.0的讨论；在中国，发展“新质生产力”是2024年中国各产业的热点之一。在这些综合趋势的影响下，提高供应链的韧性成为各产业的共识，而如何将AI、大数据等技术融入供应链的运营，成为产业和企业正在努力的方向之一。

  作为近年来的热点之一，基本上没有行业能够拒绝AI的热度，无论是实体产品，还是虚拟服务，都能够在产品的名字之前冠以AI，向人们显示他们与传统的不同。尤其是ChatGPT3.5横空出世后，全世界对于生成式AI的应用讨论热度前所未有，也推动了所有的领域对于AI大模型的养成热度，各行业的领头羊企业都着手打造行业大模型。随着4.0和Sora乃至DeepSeek等新模型的发布，进一步为生成式AI的应用拓展了方式和渠道。

  也是在这场浪潮中，我们已感受到了生成式人工智能带来的便利性和魅力。尤其是在内容生成，包括文字、图片、短视频等营销、设计层面的应用已经相当成熟，其他如手机、PC、人形机器人、智能汽车、智能家居，还是AI眼镜、AI陪伴类宠物等形态各异的商品。不过，对于供应链更深层的应用，还处于一个探索的阶段。因此也有不少行业和公司开始探讨AI对于供应链运营的意义，并为此进行了实践和应用。

  在探讨这一些内容之前，我们仍旧是要明确供应链运营的最终目的是什么？从商业的角度而言，最终目的是为企业创造利润。为了达到这个目的，不少行业结合自己特点诞生了各自的供应链运营理念和方式，其中如精益生产、VMI等更是成为各行业研究和学习的标杆。其中，流动性是供应链运营的关键指标，进而影响了企业能否盈利。

  正如韩永生教授曾指出，现代供应链运营的本质是“流动性”，对于零售而言就是“死货不停留，畅销品不缺货”。而对于工业品而言，盘活供应链的流动性同样意义重大。至2024年11月末，中国规模以上工业公司产成品存货6.57万亿元人民币，增长3.3%。因此，进一步盘活工业品的流动性意味着进一步释放万亿级别的资金。

  但企业都明白，保证供应链的流动性实际上挑战巨大。作为零售行业的标杆企业之一，沃尔玛仅在供应链端就应用了大量的智能软硬件，为其全球供应链网络的高效运营提供了巨大的帮助。以自动补货机制为例，沃尔玛运用了先进的预测和需求规划技术，通过一系列分析历史销售数据和市场趋势，沃尔玛能够精准地预测每个门店的销售情况，从而避免“缺货”导致的高成本和客户体验下降。

  饶是如此，2023年沃尔玛第一季度仍然出现了“增收不增利”的情况，其中原因包括了人员成本的上浮、国际局势紧张导致运输成本上升，以及对于消费需求的判断失误导致部分商品库存增加，大多分布在在高利润的服装和家居用品，此前沃尔玛为了应对供应链混乱的情况在原有基础上增加了1/3库存，但这些商品销量没有到达预期，拖累了全年利润。

  由此可见，影响供应链稳定流动的因素来自方方面面，而随着AI等新兴技术的诞生，也为企业在提升供应链稳定性和流动性方面提供了更多的空间，甚至AI能够比我们想到的做得更多。

  例如A公司作为摩托车零部件企业，需要为客户新产品提供一款新的摆臂产品，在传统的做法中，要专业的设计人员通过一系列复杂的设计和运算得出相应的设计模型，其中还要考虑到现有的材料、加工工艺等情况，才能够为客户提供一个可行的样品。这要消耗大量的各种成本，而且并不一定能为客户所青睐。

  而如果应用相应的AI模型后，研发人员只要输入相应的参数，就可以生成多个不同的原型产品，然后通过逐步优化得到最佳的效果，从而极大地缩短产品的设计时间和研发成本。而且，AI能做到更多。AI能够最终靠对数据库的分析，为公司可以提供当前需求下的加工供应商名单，其中还可以包括供应商所在的地理位置、产能、平均交付时间和成本等各类信息，从而为企业筛选出最合适的供应商。

  如果我们再设想得远一点，AI甚至可以帮助我们在现有的供应链网络和体系中进行重构和优化，且能尽量规避和提醒供应链运营过程中可能遭遇的风险，包括局部冲突、天气灾害、突发事件等。例如通过对全球货物运输公司运价的收集与分析，我们也可以及时作出调整运输网络，从而有效地以更经济的成本完成交付；又例如针对部分地区港口可能或慢慢的开始罢工、拥堵，我们大家可以提前规划新的运输路线，从而避免因这些突发事件导致的交付延期。甚至，针对山火等自然灾害，我们也能提前采取转移库存等方式，避免因自然灾害导致的道路运输中断、仓储设施受损等带来的损失。

  实际上在过去的报道中，本刊报道了公司能够如何在“需求预测、采购、物流网络规划”以及“供应链韧性和事件管理”等不同环节和层面利用AI技术，从而提升供应链的稳定性与流动性。头部企业也认识到了AI、大数据的价值，依据自己行业特性和企业需求开始建立和训练大模型，不过囿于供应链运营的复杂性和定制化，暂时还没看到供应链物流领域的大模型。

  因此，中小企业面对AI时，仍然会有着如何切入和应该作何准备的困惑。显然对于中小企业而言，没有必要去建立和培训所谓的大模型，而可以先从建立数字资产的角度，完成数字化的转型。继续以上文摩托车摆臂产品为例，能够被能够被AI推荐为供应商的前提是要在数据库中存在相应的信息，而这需要企业在经过数字化之后将相应的内容上传，并且企业还应保证数据的准确性与及时性。同时，供应商也可以通过这样的平台和渠道不断地了解客户的需求动向，为自身的产品、技术转型和升级提供有力的参考，实现从需求端带动供应链的流动性。

  而在建立自身的数字资产后，企业更能够对影响自身供应链运营稳定性和流动性的因素加以着重关注，并且结合其他数字平台提供的信息，从而规避风险。例如，公司能够通过大型事件整合平台如：提供的讯息，包括各地的火灾、台风、火山爆发、罢工、社运、交通事故、核生化外泄、极端天气预警等，根据每个事件的发生时间、影响范围，然后投射到自身的供应链地图上，然后对实际的运营做出针对性调整。

  这对于物流行业而言同样意义重大。数字资产与AI技术的结合，能够提升物流运营的透明度，从而让企业在运输、仓储方面的降本增效提供必要的条件。例如3PL企业可以在现有的运力平台、仓网平台上针对客户关心的数据进行细化，从而为客户提供更有竞争力的方案和服务。又例如本身就属于制造业的物流装备企业，一方面能够最终靠这些技术为客户提供更直观的方案和设备选型工具，同时还可以为客户提供预测性维护等服务；另一方面也可以通过对上游信息的收集和分析，提升自身的供应链管理效率，优化供应链成本，这中间还包括如原材料、关键零部件的库存战略，项目的交付周期管理等。如今物流装备市场之间的竞争进一步白热化，也正在考验着物流装备企业在供应链管理运营方面的能力。返回搜狐，查看更加多