【張敏】GPT變革如何解決供應鏈難題

 

  伴隨著大模型語言時代的到來，面對人工智能（AI）帶來的洶涌變革，供應鏈行業(yè)從業(yè)者既滿懷希望，也充滿擔憂。

  供應鏈本質是流通和交換，既可以在實物商品環(huán)節(jié)進行，也可以在數據環(huán)節(jié)實現。筆者認為，如何基于數據產生新型生產力，帶來生產力的升級革新，是整個行業(yè)未來二三十年需要把握的機遇，也是挑戰(zhàn)，需要行業(yè)參與者深入思考，共同應對。

 

  分析大數據 解題管理“不確定性”

 

  當前，供應鏈管理正面臨不確定性這一命題，需要行業(yè)積極應對，推出相應的解決策略。

  上海交通大學安泰經濟與管理學院院長陳方若認為，長期以來，不確定性一直是供應鏈管理面臨的“經典”問題，供應鏈下游的不確定性會在供應鏈上游不斷放大，成為“牛鞭效應”。為了應對不確定性，在不同的時代，企業(yè)在供應鏈管理方面推出了各自的解決方案或是技術輔助方式，應對庫存管理、需求預測、物流信息透明度、生產及時性等問題。

  而供應鏈管理發(fā)展至今，在人工智能和大數據領域已積累了大量技術創(chuàng)新，使得供應鏈可視度有了極大提升，同時為決策的優(yōu)化提供了強有力的技術。雖然供應鏈不確定性問題將會繼續(xù)存在，但技術發(fā)展也為企業(yè)提供了更有效的解決方案。

  作為連接供應鏈上下游的重要環(huán)節(jié)，國際物流領域的不確定性，對于整個供應鏈管理影響深遠。分析大數據，輔助企業(yè)作出最優(yōu)決策，是AI技術在國際物流領域能夠發(fā)揮優(yōu)勢的一個重要方向。

  掠食龍（上海）信息技術有限公司總經理朱正瀅認為，GPT技術應用發(fā)展至今，不僅對國際物流行業(yè)，而且對全產業(yè)掀起了一場產業(yè)革命。和初期的人工智能不同的是，GPT4.0技術的發(fā)展意味著人工智能已經到了泛產業(yè)化落地階段，國際物流領域從業(yè)者需要亦步亦趨，與GPT同步發(fā)展，及時應對。

  朱正瀅進一步分析，未來，數據權益問題對國際物流AI的發(fā)展顯得更加重要。在過去的10年間，整個物流行業(yè)實現了大規(guī)模的大數據采集和數字化系統(tǒng)的研發(fā)。無論是船公司，還是貨代、貨主企業(yè)，都擁有了各自的關聯(lián)數據庫。未來5年內，預計將有更多的技術落地。也因此，如何連通各個數據源頭，數據的清洗和脫敏，產生數據鏈的閉環(huán)和共振，數據如何加以確權和保護實現交互，甚至產生數據的落地價值和變現，也需要AI技術供應方深度考量。

 

  構建模型 解題運營決策“不智能”

 

  科技創(chuàng)新本質就是持續(xù)通過生產關系和生產力革命，提升供應鏈效率。在大數據時代，AI2.0將催生新型的數據供應鏈，不斷豐富供應鏈創(chuàng)新的內涵與外延。

  鐘鼎資本研究院院長張健認為，工業(yè)軟件的本質，是將知識數字化之后，構建模型，將所有數據進行加工交換，從而幫助企業(yè)實現高效、智能運營。

  對此，中遠海運科技股份有限公司（簡稱“中遠海運科技”）董事、總經理王新波認為，從海運環(huán)節(jié)角度看，船舶在航行過程中，運營成本受到諸多外部因素影響，如港口擁堵情況、目的港所在國節(jié)假日安排、港口及海洋氣象變化等因素，都會使得船舶航行和裝卸作業(yè)計劃發(fā)生巨大變化，港使費、裝卸費、船舶能耗和碳排放隨之產生變化，或可導致船公司成本上升，并難以控制。如果結合算法模型和數字化工具，設計航線、預測能耗、優(yōu)化航速及進行實時監(jiān)控，形成動態(tài)、智能的航線規(guī)劃能力，就能幫助船公司進行預判、決策和靈活調度，使得船舶運營成本大幅減少。

  同時，伴隨著全球氣候環(huán)境惡化，減碳對于航運業(yè)和供應鏈領域而言已變得至關重要，也會直接影響全球供應鏈的質量和成本。因此，采用技術手段減少航運碳排放量，已成為行業(yè)關注的焦點。

  在減碳的手段上，航運業(yè)可以采用多種方式，包括使用清潔能源，用技術手段進行船舶能源改造，以及通過數智化手段減少航運過程碳排放。在數智化方面，船公司可以圍繞油耗監(jiān)控與碳排放計算、碳排放跟蹤與能效優(yōu)化、碳排放智能推演、船舶全生命周期監(jiān)控4個角度開展工作，實現航運精細化管理，從而使用較低的成本，快速落地減碳措施。

  以數字化手段具體落到實際應用中的案例來看，自2013以來，全球航運業(yè)開始提出減碳倡議，并推出一系列標準，要求行業(yè)加快推進減碳進程后，中遠海運科技融合“云、大數據和AI”技術已構建了一個航運數字新基建，并通過海量數據以及對船舶運行機理的深刻理解，構建了一個可覆蓋全球主力船型的船舶失速能耗預測模型，以及一系列碳排放碳指標數字化管理工具，可以通過對船舶動態(tài)（實時速度、氣象環(huán)境及裝載狀態(tài)等）的智能識別，實時計算并監(jiān)控航運業(yè)能耗和碳排放情況，從而為企業(yè)提供智能決策。具體來說，可以通過單船航次減排、船隊調度減排、碳排放智能優(yōu)化等應用方式，幫助企業(yè)達成減碳目標。

 

  切分變量 解題服務標準“不統(tǒng)一”

 

  供應鏈優(yōu)化的最終目的在于為客戶服務，而客戶的需求各有不同。如何在相對靈活的要求下創(chuàng)造標準化，也是需要深入研究的課題。

  個性化需求需要精細化服務，擁有附加值高和難以量化的特點，在過去通常難以建立標準化流程。但如果能夠應用AI的學習網絡，就可以切分各個環(huán)節(jié)并加以分析，逐點分析，多層次疊加，直至匯總并輸出與之對應的標準。

  對于貨主而言，國際物流中包含諸多環(huán)節(jié)，如訂艙、報關、境內運輸等，每一環(huán)節(jié)都催生相應產業(yè)，這些產業(yè)業(yè)態(tài)各不相同，市場多種多樣，業(yè)務語言難以被跨行業(yè)理解，各自的數字化也多線發(fā)展。如何將各個環(huán)節(jié)的產業(yè)，所有數字化成果搭建為一個綜合性平臺，仍然有很長的路要走。

  施耐德電氣中國區(qū)運輸與關務總監(jiān)孫利就認為，不同貨主在供應鏈設計、所在行業(yè)的熱點以及后端的能力和資源上，較為分散，尋求個性和定制化，所產生的數據無論是總量特點，還是獨立特征，都各有不同。因此，企業(yè)在構建數字化模型時，如何將后端的個性化服務標準化，以更好地對接前端需求，就出現了較大矛盾。這也意味著，供應鏈需要獲取更多、更全、更及時的數據，實現真正的有效分析。

  他舉例分析說，在構建施耐德電氣整個中國區(qū)的進出口海運結算大數據模型時，可能會遇到預估結果與實際收費結果不一致的問題。比如，提貨費、港口作業(yè)費、保稅和非保稅的流程、查驗費、未能及時收貨產生的倉儲費等，為實際收費結果帶來變量。

  在這種情況下，如何把變量因素逐一切分，加入建立的模型中，使之成為可預測的因素，從而提供統(tǒng)一的標準，就是一個需要研究的方向。

  同時，貨代企業(yè)作為供應鏈的重要參與方，在對接不同的貨主和船公司時，同樣面臨標準不統(tǒng)一的問題。單是國際物流中的訂艙這一環(huán)節(jié)，就擁有多種多樣的操作流程。

  全球捷運（上海）供應鏈科技有限公司副總裁郭俊杰認為，對業(yè)務流程進行精細化切分，能在一定程度上建立操作標準化。但是，不同行業(yè)的客戶對標準的理解和應用情況也各有不同。貨代物流企業(yè)的數字化革新，需要做好更多的準備工作。

  要實現標準化操作，就需要對整個行業(yè)深入理解、分析案例、切分環(huán)節(jié)、積累經驗。而在這一方面，AI因其強大的學習和迭代能力擁有巨大的優(yōu)勢。

  郭俊杰進一步表示，以貨代物流公司為例，首先，堆場環(huán)節(jié)就存在多重變量，其作業(yè)效率對推動業(yè)務推進尤為關鍵。如果能夠用AI打通效率低下的堵點，對倉儲數據進行充分分析，優(yōu)化業(yè)務操作流程，就能大幅提升運營效率。

  其次，在貨物入庫環(huán)節(jié)，可以通過整合數據并加以分析，提前布局。過去，數字孿生技術在這一環(huán)節(jié)嘗試過搭建體系，但進展不大。未來，如果能將AI應用融入其中，充分分析，那么將對行業(yè)起到很大的幫助。

  再次，在數據連接環(huán)節(jié)，雖然國際物流嘗試了多種多樣的標準化，但仍面臨地域差異方面的溝壑。比如，中國所有的港口碼頭運營商在標準化方面較為統(tǒng)一，但與紐約港等海外港口相對接時，標準就截然不同。因此，行業(yè)需要一些能夠實現對接的技術應用，來將非標的逐一匹配。

  最后，如何進一步提高生態(tài)鏈接能力，在連接過程中最大限度地發(fā)揮AI的及時性、準確性優(yōu)勢，也需要技術供應方加以考量。

注：本文轉載自網絡，不代本站立場，若有侵權，請聯(lián)系刪除！