AI技术赋能供应链管理创新

目录 1.新时代下的供应链的范式转移3 2.数字技术何以成为生产力4 2.1人工智能ArtificialIntelligence（AI）4 2.1.1人工智能介绍4 2.1.2人工智能的应用8 2.2云计算CloudComputing11 2.2.1云计算介绍11 2.2.2云计算的应用场景12 3.国内外优秀案例 3.1海运动态ETA14 3.2基于AI逻辑的供应链软件18 3.3数智仓储20 3.4展望22 图目录 图1世界可能正在迈入新的时代3 图2AI能力进化演变6 图3AI范式的演变7 图4AI的六大学科七种能力8 图5AIGC的三大核心能力9 图6ChatGPT的演变路径10 图7我国通用型SaaS产品结构与我国通用型SaaS产品结构12 图8研究方法流程图15 图9人工神经网络模型16 图10中美航线提前5000海里的ETA预测误差值17 图11C公司智能供应链19 图12C公司在实施C3人工智能生产计划优化20 表目录 表1云计算的三种配置介绍11 表2供应链中云计算的应用场景与优势13 1.新时代下的供应链的范式转移 自新冠疫情发生以来，全球性的不确定因素显著增强，人类社会也进入了VUCA时代（Volatility多变，Uncertain不确定，Complexity复杂，Ambiguity模糊）。VUCA时代的供应链的最显著特征，就是在供给以及需求两端出现了前所未有的不确定性。原有的经济周期叠加疫情影响，全球各经济体增长都面临不同程度压力，货物贸易增长动力显著下降，各个经济体长期积累的结构性问题也因为增长的停滞而逐步暴露。 对于上世纪40年代的二战余波、70年代的石油危机、90年代的苏联解体，我们可以发现每一次时代的巨变之后，人类社会都迎来了新的时代范式，每一波剧震也都重塑了全球的格局。而当前人类社会已经经历了将近30年的平稳时光，我们所有的工作（包括供应链管理工作）都是在一个相对稳定且清晰的国际格局中展开，而其工作所采取的方法，也都隐含着这样一个基于这个时代的假设。那么随着新时代的到来，我们将面对一幅怎样的图景？在这个时代下诸多假设，是否会有新的变化？ 图1世界可能正在迈入新的时代 面对国际供应链管理正发生的巨大范式转移（ParadigmShift），过去的方式和方法，已经无法很好解决未来可能出现的问题；而对于企业亟待思考的是，如何构建面向未来的供应链竞争力。面向未来，数字技术高速发展是一股强大且有确定性的力量。人工智能(AI)、区块链、云计算、VR/AR等技术登上历史舞台，让人们看到了解决眼下问题的一种新的思考方式。特别是近些年来AI技术的兴起，更向人们展现了一种接近、甚至可能超越人类理性的工具。如何运用类似这样强大的技术，帮企业解决供应链管理中的问题，是重塑企业未来供应链的核心竞争力的关键。 2.数字技术何以成为生产力 自从计算机技术诞生开始，数字技术历经从萌芽、发展、成熟的阶段，应用场景逐步丰富。其中，AI技术,在图像识别、语音识别、自然语言处理等方面不断取得突破；物联网技术,将物品连接起来并交换数据，在智能家庭、智能工厂等数字化的生态系统中应用广泛；云计算，通过大规模的数据中心，让计算能力和存储资源更加普惠和灵活；AR和VR,将物理和数字世界融合，创造更加丰富的用户体验；5G技术，通过提升移动通信的速度和网络容量，推动更多数字应用和服务。随着这些技术的成熟，应用场景也逐渐丰富，对于供应链管理、供应链管理的核心挑战，数字技术、特别是AI技术能够如何构建生产力呢？ 2.1人工智能ArtificialIntelligence（AI） 2.1.1人工智能介绍 人工智能翻译来自于英文的ArtificialIntelligence.Artificial原意指人造的、非自然界当中存在的；Intelligence指代生物一般性的精神能力，是人认识、理解客观事物并运用知识、经验等解决问题的能力，包括记忆、观察、想象、思考、判断等。人类早在远古时期，就有用机器代替部分脑力活动的畅想。公元前900年周穆王时期，《偃师》当中提及的歌舞艺人，古希腊时期的太罗 斯，包括西汉时期的《地动仪》，后汉时期《木牛流马》都是AI的一种早期形式。总的来说，AI的发展截至目前，大体经过了孕育和演化的两个大阶段。 AI的孕育阶段 早在直立行走的智人（HomoSapiens）之前，当代人类所定义的智力（Intelligence）形态并不存在。原始人类的生存和繁衍，更主要还是依靠本能以及直觉。经过万古长夜，人类不断通过对于客观世界经验的归纳、总结、反思逐步形成一套体系化的思维，并通过语言进行记录和传播 （公元前250万年-150万年）。直到公元前500年，人类先哲出现，人类的思维开始了进化演变。 在古希腊时期，希腊三贤之一的亚里士多德创造了演绎法，建立三段论范式的形式逻辑（即，第一性原理），构建了人类思维从已知推导未知的基础。公元15世纪，英国哲学家培根创造了归纳法，构建了人类思维从特殊推导一般的基础。归纳法和演绎法也构成了人类认识世界的基础思维体系。 在之后的几个世纪，德国数学家莱布尼茨（16世纪)把形式逻辑符号化，创造了万能符号、推理计算、微积分与二进制，奠定了数理逻辑的基础。随后，法国物理学家、数学家帕斯卡（B.Pascal）成功创造世界第一台加法器；英国数学家和发明家巴贝奇（C.Babbage）发明了差分机和分析机，两者共同推动了以机器执行运算的可能。英国数学家布尔（18世纪）创立了布尔代数，首次用符号语言描述了思维活动中推理的基本法则，试图找出思维模拟的机械化规律，提出符号逻辑代数（B， ∨，∧，¬）。经历了上述阶段，人类的思维的要素以及运行的规则被符号化，给机器执行人类思维奠定了一定基础。 进入19世纪，英国数学家图灵创造了自动机理论，构建了计算机的理论模型，也跨时代地提出了“一切数学上的问题可以通过机器解决”的设想。随后，匈牙利数学家冯.诺伊曼创造了存储程序的概念；美国数学家莫克力研制成功了世界第一台电子计算机ENIC；美国数学家维纳创立了控 制论，并基于动物心里和行为学进行计算机模拟；应用数学家香农创造了信息论，用数学模型描绘心理活动；神经生理学家麦克洛奇和.皮茨建立了神经网络模型，用微观人工智能的方法，从结构上模仿人脑。随着哲学、科学推动人类在思维层级的不断演化，最终在1956年的达特茅斯会议上来 自美国数学、神经学、心理学、信息科学计算机方面的10位专家共同商讨，并由麻省理工学院（MIT）的教授麦卡锡正式提出AI(ArtificialIntelligence)的术语，也标志着AI的学术性讨论正式开始。 AI的演化阶段 在上世纪五十年代的正式提出后，AI进入了快速演化阶段。从最开始的基础决策支持能力，AI逐步演化出了认知、学习、感知、执行、社会协作等一系列复杂的应用能力。随着GPT3.5(ChatGPT)在今年大爆发后，人类也开始畅想——AI是否会涌现出情感、意识等一系列人类精神所独有的能力？ 图2AI能力进化演变 截至目前，AI所展示的感知、认知、决策、学习、执行、社会协作、情感等七大关键能力，正在随着数据、算法、算力的不断丰富完善，进一步“解放大脑”。伴随着AI这七大能力的逐步融合，经历了“侧重决策式AI”和“侧重生成式AI”两个阶段，并开始向“通用型AI”进行演变。 在决策式AI中，AI主要还是基于规则、知识或经验，通过对输入数据进行分析和推理，从而 做出决策或推荐的人工智能系统。这种AI更常会用在专业领域，例如医学、金融、法律等，其主要目的是为了支持决策过程和提高决策效率。 生成式AI更多是基于机器学习或深度学习等技术，从大量数据中学习并生成新的数据或内容的人工智能系统。这种AI通常用于自然语言处理、图像处理、音频处理等领域，其目的是为了生成高质量的内容和实现自动化创作。当前火爆全网的GPT属于生成式AI. 通用型AI（ArtificialGeneralIntelligence）是指具有类似人类智能的广泛能力的人工智能系统，它可以像人类一样进行感知、推理、学习、决策、规划等多种任务，能够在不同的领域和情境中灵活地应对和适应。通用型人工智能或者强人工智能（StrongAI）是具备与人类同等智慧、或超越人类的人工智能，能表现正常人类所具有的所有智能行为。这种AI是人工智能的终极目标之一，在目前还没有实现。 图3AI范式的演变 三种人工智能系统之间存在重叠和互补。例如，在决策过程中，决策式AI可以提供基于规则和知识的决策支持，生成式AI可以提供基于数据的决策参考，通用型AI可以综合考虑多种因素做出更为智能的决策。 2.1.2人工智能的应用 应用领域 人工智能技术随着计算科学的发展，大数据的沉淀，以及大算力的成熟，应用领域正在不断丰富。当前的人工智能，主要在计算机学习、自然语言处理、认知推理、机器人学、博弈与理论、机器学习等六大学科有相对成熟的应用。比如在计算机视觉的方向会应用AI进行图像识别，在自然语言处理会将AI应用到人机交互的对话当中，比如当前火爆全网的各类型大语言模型。 图4AI的六大学科七种能力 当下产业界讨论最多的集中在机器学习这一学科方向。机器学习之所以如此火爆，主要在于它是一种可以让机器自动学习的技术。与传统的程序设计方法不同，机器学习旨在让机器从数据中学习规律与模式，并且在未知的条件与数据下，进行预测与决策。能够实现机器的自动学习，背后也有4大核心原因：1）数据量的爆炸式增长；2）计算能力的提高；3）开源框架的出现；4）商业应用需求的出现。 AIGC AIGC即AIGeneratedContent，是指利用人工智能技术来生成内容。这是当前AI应用最为火爆的场景，也是关注度最高的场景。当前的GPT-4是众多大语言模型当中的一种。构建AIGC的能力，需要有三个方向的主要支撑：1.数据巨量化；2.算法跨模态融合；3.算力支撑内容创造。 图5AIGC的三大核心能力 ChatGPT ChatGPT是AIGC的具体场景之一，是AI在大语言模型当中的应用的一种，是一种被生成型预训练变换模型。ChatGPT是由美国人工智能研究实验室OpenAI推出的人工智能驱动的自然语言处理工具，使用了Transformer神经网络架构（GPT3.5），这是一种用于处理序列数据的模型，拥有语言理解和文本生成能力。通过连接大量真实世界语料库来训练模型，ChatGPT看上去上知天文下晓地理，可以通过聊天的上下文与人互动。目前ChatGPT还可撰写邮件、视频、文案、翻译、代码等。 ChatGPT的成功主要源自于其暴力美学，其背后的GPT系列体现了大语言模型应该往何处去的发展理念。很多人开始相信，揭开AI的真正钥匙正在于：超大规模及足够多样性的数据、超大规模的模型、充分的训练过程。这条道路看似朴素，却足以让AI表现出智能“涌现”的能力，未来也许会持续带来意想不到的惊喜和惊吓。这种思想简言之就是将“参数至上和数据至上”的思想发挥到极致，从细分技术“分而治之”到“大一统、端到端”，从理论洁癖走向暴力美学。 图6ChatGPT的演变路径 在供应链的应用 随着人工智能的七大核心能力不断的进化，在供应链管理工作当中，AI在局部的工作中已经出现相应的应用。比如在需求预测以及库存管理的工作中，通过机器学习和数据分析技术对历史数据和市场趋势进行分析，可以有效的帮助企业预测需求波动，进而规划库存水平。在物流路线规划工作中，AI基于最优化求解的决策能力，能够帮助人们更好的实时寻找到全局最优。AI在计算机视觉领域的感知、认知、决策等能力，在仓储管理过程当中，可以帮助仓储管理工作有效进行盘库等工作。机器人学的发展，也让人们看到一个全自动化的黑灯工厂，赋能产品的7×24小时不间断生产。 2.2云计算CloudComputing 2.2.1云计算介绍 云计算是指访问和使用远程服务器而非内部服务器来处理数据。以云计算为代表的第四次计算革命带来了数字技术和全新商业创造性思维的再结合。经过多年发展