AI＋供应链：如何重塑和影响供应链

人工智能发展阶段

人工智能，自1956年在达特茅斯会议被美国博士约翰麦卡锡首次提出发展至今共经历了三次浪潮。行业对人工智能的定义，通常是指人类通过分析数据和进行机器学习来赋予机器类人的能力，使得机器人能代替人类进行包括认知、识别、分析、决策等智能行为的过程。

2000s-至今，深度学习算法走向盛行，为人工智能的蓬勃发展奠定了基础。伴随着芯片、超级计算机、云计算带来的算力提升，物联网、大数据技术带来的数据爆发和深度挖掘利用加上行业人才的积累，促使着人工智能从实验室走向了商业化场景应用。尤其交通、金融、零售、教育、医疗等行业，成为了人工智能落地的领先赛道：市场规模、企业数量、投资额度，经历着超前的增长。

人工智能行业现处于“核心硬件发展阶段，算力、数据、算法全面突破”时期，产业未来发展将基于大规模数据识别、预测、学习和决策，逐步进入效率化生产阶段。

人工智能的价值链

虽然目前人工智能应用还受限于需要人工标注的专用型人工智能，只能解决特定领域问题，且距离未来以类脑技术为基础的、具有自主学习能力的通用性人工智能还有很长的路径但从现实发展角度，技术层面上大量数据集的构建、迁移学习以及小样本学习，必将会进一步驱动行业发展；进而在应用层面上，人工智能与机器人、大数据、云计算以及边缘计算等技术应用的逐渐融合，将进一步促进多元化应用场景逐步实现。

人工智能产业价值链，直观的反应了人工智能处理过程，信息从底层基础设施进入，到软

件技术层对信息进一步分析与处理，再到应用层，处理完善的信息通过不同的应用场景以产品的形式展现在用户面前。

目前的技术层主要集中在：

自然语言处理：研究人类如何与计算机通过自然语言进行有效的交流，需要通过语言建模，语言

表达，机器翻译，语言生成来实现。

■计算机视觉：通过模仿人类的视觉系统从而获得近似于人类获取、分解、理解图像以及系列图像的能力。可以分为图像分类、目标检测、目标跟踪以及图像分割。

■智能语音：通过分析理解合成人类的语音从而达到机器人与人类进行语音交流的过程。可以分为语音合成语音识别以及语音评测技术。

■知识图谱：通过节点和关系组成图谱，将知识以网状的形式呈现出来

人工智能赋能生产要素

人工智能的行业应用，需要基础的算力、算法、行业大数据，同时需要对场景的理解。目前专用型人工智能已经覆盖各大商业化应用场景，关注消费者的领域首先成为商业化落地的主流，如教育、零售、医疗。伴随着产业互联网转型的趋势，人工智能＋产业正在成为下半场的深耕领域，以制造业为代表的传统领域正在数字化转型的探索中迎来人工智能赋能的新机遇。

1）技术作为生产要素之，人工智能技术又赋能于其他生产要素，“Al＋要素”驱动应用层行业发展。

2）对劳动力的赋能和替代，提高业务效率：人工智能最直接、显著的促进在于自动实现工作任务，除了替代传统自动化所能够完成的重复性、危险性工作外，人工智能技术的学习能力能够解决一些复杂的、专业的、灵活的工作。这在劳动力成本增加、企业高效发展的商业竞争环境中，举足轻重。比如，通过人工智能技术，审计师不必花费大量时间仅获得取样调查而能够快速实现对企业票据全面审查。

3）对管理决策的智能支持，精准运营：未来进行商业决策的过程中，管理者会依赖于人工智能系统提供的建议，以数据驱动的模拟计算，辅助决策流程。比如，营销管理就是目前典型案例之一，人工智能实现了对用户画像的精确描绘，依靠多元异质数据联合建模，实现精准营销投放和个性化广告流。未来，智能机器助理、顾问，将成为管理者的标配。

4）对信息／数据的产生和应用，创新业务开拓：随着人工智能的场景化应用，基于信息／数据的更多创新业务机会被激发。比如，自动驾驶汽车在行驶过程中产生实时道路环境和交通数据，帮助城市道路规划、调整收费模式、布局区域商铺等；而在车辆内部对乘客识别的数据，促生了新的广告、内容、电商、娱乐商机。或者如，智慧孵术通过识别企业访客数量、会议室使用等数据，帮助政府向企业提供更有针对性的税收优惠。

5）对资本／资源的有效利用，降本增效：凭借着人工智能的自主学习、适应和升级能力，行业实际应用中，产生可观的长期回报，提升投资回报比。比如在港口集装箱流转过程中，采用机器视觉识别集装箱号码，对比传统技术投入小、效率高，经济效益明显另一方面，建立在大数据分析基础上的人工智能，能够快速把握市场流动性，在未来发现一些新机会，优化资本的效率、准确性与速度，将资本／资源投向更关键的领域；并且通过使用基于人工智能的风险管理技术实现对风险的有效管理以及资本／资源优化。

人工智能正在重塑供应链的7种方式

1)      增强的可见性

在供应链行业，企业面临的最常见挑战之一是保持可见性和透明度的能力。AI支持的解决方案提供了对整个供应链网络的洞察，从原材料采购到分销和交付。有了这一点，先进的机器学习算法使企业能够分析实时数据，做出明智和明智的决策，同时识别任何当前的瓶颈和潜在风险。借助AI驱动的分析，企业可以在中断影响业务运营之前预测和缓解中断，从而确保采取预防措施并最大限度地减少停机时间。

2)      预测性预报

AI可以通过提供对历史数据、客户行为、市场趋势和其他外部因素的全面查看来改进数据预测。由于传统预测方法往往无法准确预测波动的需求，AI驱动的预测模型填补了这一空白。当企业能够预测需求时，他们就可以更好地优化生产时间表、降低管理费用库存成本并避免库存短缺。AI支持的预测使企业能够利用新兴机遇，并在要求苛刻的市场中保持领先地位。

3)      改进库存管理

智能库存管理使企业能够保持适当的库存水平。当库存水平不足时，过多的库存量会占用资本，导致销售损失和客户不满。通过使用基于AI的库存管理软件，企业可以找到库存盘点的甜蜜点。AI可以帮助评估历史销售数据、季节性趋势和其他因素，并建议最佳库存水平以预测再订货点。此外，AI可以识别链条中移动缓慢或过时的物品，使企业能够根据数据做出关于降价或清算的决定，以释放仓库空间和资本。

4)      自主供应链

AI的整合导致了自主供应链系统的创建。通过使用实时收集数据的智能设备和传感器以及AI驱动的算法，数据可以自动处理，从而在更短的时间内更快地做出决策和采取准确的行动。这使IT团队能够从收集和分析数据的平凡任务中解脱出来，专注于更高级别的项目。这样的系统降低了运营成本，提高了准确性，并解放了员工，让他们专注于更具战略意义的任务。

5)      风险管理和复原力

在当前的全球经济中，供应链容易受到从自然灾害到地缘政治不确定性的众多风险的影响。AI在持续分析和监控数据以识别潜在威胁的同时，提供先进的风险管理解决方案。通过风险评估解决方案，企业可以制定计划并对意外事件做出快速响应。由于其模拟场景的能力，企业可以帮助评估各种风险的潜在影响，并根据收集的信息做出明智的决策。

6)      个性化的客户体验

AI不仅正在改变供应链和业务流程，而且正在重塑客户体验。当企业利用AI驱动的分析时，他们可以更深入地了解客户的偏好、行为和购买模式。这样的洞察力使企业能够更好地确定产品、个性化服务并提高客户满意率。例如：AI支持的聊天机器人和虚拟助手提供即时支持，快速解决客户的询问和问题。这种全天候支持的模式极大地改善了客户服务，并减少了对简单而多余的查询的人工干预。

7)      简化业务流程

除了改善供应链，AI还在重组多个部门的内部业务流程。在人力资源领域，AI驱动的招聘平台简化了候选人识别和招聘-使招聘流程变得高效有效。同时，AI支持的融资解决方案有助于自动化费用报告和发票等一般任务-提高准确性并腾出时间。

人工智能影响供应链的8个场景

■了解人工智能及其对供应链的影响

当大多数人听到人工智能这一术语时，他们通常想到的第一件事就是机器人。但这并非完全正确。人工智能（AI）是机器智能的同义词，它是由机器表现出来的智能，而不是由人类表现出来的自然智能。

“人工智能”这一术语通常用于描述模仿人类与人类思维相关的“认知”功能的机器（或计算机），例如“学习”和“解决问题”。企业可以使用这些方法，然后对其进行分析，以获得可以启动流程和复杂功能的结果。其中物流行业已经积极使用机器学习流程的企业数量最多的行业之一。现在，许多企业已从人工智能投资中受益，可以产生收益的领域包括研发、产品创新、供应链运营和客户服务。

调研机构麦肯锡公司预计，通过在供应链中使用人工智能，企业每年获得经济价值为1.3万亿美元到2万亿美元。据普华永道公司预计，到2030年，人工智能可以为全球经济贡献近15.7万亿美元的价值。

人工智能影响供应链的8种方式：

1．人工智能能够分析大量数据，从而增强需求预测

·企业通过处理大量的数据（例如由传感器产生的数据）以描绘现实世界，然后做出正确的决定。例如当库存落后于需求时，企业可能会遭受损失。

·人工智能的预测能力有助于网络规划和预测需求。这使销售商变得更加积极主动。物流公司通过了解期望值，可以调整车辆数量并将其引导到预计最大需求的位置。这会降低运营成本。

·大数据的力量使物流公司能够比以往更好地预测高度准确的前景，并优化未来绩效。大数据技术可以进行预测和复杂的情景分析，并可以进行精确的容量规划以及供应链和库存的优化。

2．人工智能提供了提高生产力的见解

·通过自动计算更好的解决方案，人工智能极大地提高了仓库的生产率，特别是对于在线零售商。

·将人工智能应用于供应链管理，可以对其进行绩效分析，找出影响同一领域的新因素。为了找出影响供应链绩效的因素和问题，人工智能结合了强化学习、无监督学习和监督学习等不同技术的能力。

3．聊天机器人正在重新定义客户支持

·根据埃森哲公司的调查，80％的客户服务都可以由机器人来处理。人工智能可以使客户和物流供应商之间的关系个性化。Pega公司表示，38％的消费者认为人工智能可以增强客户服务。还有一个个性化客户体验示例是DHL公司与亚马逊公司的合作。通过使用Alexa应用程序跟踪DHL包裹行程，DHL客户可以要求Alexa与Amazon Echo或Echo Dot智能音箱连接，并确认包裹的状态。如果在交互过程中出现任何问题，Echo用户可以直接与DHL公司联系，以寻求其客户支持团队的帮助。

人工智能影响供应链的8个场景

■人工智能影响供应链的8种方式：

4．智能仓库管理

·智能仓库是一个完全自动化的设施，其中大部分工作是通过自动化或软件来完成的。在此过程中，繁琐的任务得以简化，其操作变得更具成本效益。阿里巴巴集团和亚马逊公司已经通过使用自动化改造了他们的仓库。亚马逊公司最近推出了根据客户订单自动装箱的机器人。在亚马逊公司的仓库中，机器人和人类一起工作以提高生产力和效率。

5．自动驾驶汽车

·自动驾驶汽车是人工智能提供供应链的下一个重要产品。拥有无人驾驶卡车可能需要一段时间，但是物流行业现在正在利用高科技驾驶来提高效率和安全性。在辅助制动、车道辅助和高速公路自动驾驶方面，预计该行业将发生重大变化。为了达到更低的油耗，更好的驾驶系统正在推出，它的作用是将多辆卡车聚集在一起形成编队。物流公司通过计算机控制这样的编队，它们也彼此相连。

6．遗传算法正在缩短交货时间并降低成本

·在供应链中，每一英里和每一分钟都很重要。企业可以使用基于遗传算法的路线规划器来规划交付的最佳路线。全球快递服务商UPS公司使用GPS工具Orion帮助司机及时、经济、高效地送货。可以根据交通状况和其他因素来规划和优化路线。Orion可以帮助UPS公司每年节省近5000万美元。

7．机器人技术

·任何关于人工智能的讨论都离不开机器人领域。虽然它们听起来像一个未来主义的概念，但它们已经嵌入到供应链中。如今，有些仓库的操作原理已不再为人类观察者所理解，因为它们是由人工智能管理的。它们的共同特征通常是采用机器人处理，尤其是自动导引车（AGV）。在仓库中，产品以混乱的方式存放在各种架子和过道中。对于自动拣选机而言，这意味着不必要的旅程和搜索时间，这对于自动驾驶机器人来说是没有问题的：当收到订单时，第一个可用的自动拣选机将拾取最接近其位置存储的物品，并将其传送到仓库末端的人工打包机。

8．财务异常检测

·供应链供应商通常依赖大量的第三方运营其业务的核心功能，这些第三方包括公共航空公司、分包人员、特许航空公司和其他第三方供应商。这给物流会计团队带来了更大的负担，他们每年要处理来自数千家供应商、合作伙伴或供应商的数百万张发票。在这里，诸如自然语言处理之类的人工智能技术可以从企业收到的非结构化发票形式中提取关键信息，例如账单金额、账户信息、日期、地址和相关方。

人工智能在物流行业的应用示例

物流行业，包含货物分类、转运、运输、存储的过程。在智慧物流趋势中，人工智能无论是在物流实体运输过程的软件、硬件升级，还是企业数字化转型都能起到很大的帮助。更重要的是，实体运输与数字化转型需要高效协作，才能实现智能化运营，即以较低的成本、无缝时间节点把控，高效运输大量货物。人工智能可以通过优化网络编排（network orchestration）将效率提升到人类无法达到的水平。此外，人工智能对物流行业的供应链管理很有帮助，可以帮助分析供应链中结构化和非结构化的数据。从长远来看，供应链数据的应用，会促进物流行业产生更多创新价值。

1．智能机器分选：嵌入式机器视觉和机器学习，配合机器手臂，自动实现在移动的传送带上对货品按标签分类，从而降低人力成本，提升准确率。

2．仓储AGVs／高速自动驾驶：通过机器视觉、智能传感器和基于深度学习的算法，系统可以优化导航路径、分区和运行速度，以自动化的方式完成整个货物运输过程。

3．人工智能视觉检测：通过机器视觉，系统能通过摄像头识别出损害，并根据损害采取相应的措施去修复资产。

1．预测网络管理：机器学习工具可以提前帮助企业预测物流过程中晚点情况，从而可以采取措施，并分析出晚点的原因。

2．风险预测管理：通过自然语言处理和机器学习，系统可以通过线上网络和社交媒体监测供应商，从而预防风险。

3．智能路线优化：通过开发实时路线规划算配合数字卫星地图等帮助物流业可以高效完成运输任务。

1．金融异常检测：通过自然语言处理，识别关键信息，并通过RPA输出结果。

2．合同信息分析：通过自然语言处理，将长达几百页的合同条款提取关键信息，交由人检验。

3．顾客信息实时更新：通过自然语言处理，系统可以保证顾客联系信息的准确性和完整性。

4．报关服务：通过自然语言处理和深度学习，系统可以自动化的将报关服务的信息进行整理宙核，并交给工作人员复查。