方法论

邱伏生 | AI如何赋能制造供应链？

邱
邱伏生

结论摘要

AI并非万能筐，制造供应链中的AI应用需明确其与数字化、智能化的本质区别。当前许多所谓“AI赋能”实为旧有数字化方案的包装，真正需要AI解决的是高复杂度、强不确定性的决策场景。企业应聚焦问题本质，而非追逐技术标签。

  • AI不应被泛化为所有供应链优化的代名词，需区分其与数字化、智能化的实际能力边界。
  • 真正的AI价值体现在处理非结构化数据、动态预测和自主决策等传统系统难以应对的场景。
  • 制造企业应基于业务痛点选择技术路径，避免将AI沦为营销话术或重复建设的借口。
邱伏生 | AI如何赋能制造供应链？

在讨论AI应用的时候，有小伙伴拿出一张AI赋能供应链不同场景的全息图来，里面做了详细的表述，有采购agent、物流agent、制造AI agent、计划agent、仓库agent、配送AI agent，还有库存AI agent…不一而足。

感觉AI是个框，什么都往里装。

按说这也不是一个问题，毕竟AI可以影响很多领域，虽然现在并没有实际上赋能制造供应领域，但是理论上是可以的。

问题是同样的全息图在AI之前，我也看过人们show过。

叫做采购数字化、物流数字化、制造数字化、计划数字化、仓储数字化、配送数字化、库存数字化…

后来还有，采购智能化、物流智能化、制造智能化、计划智能化、仓储智能化、配送智能化、库存智能化…

但是现在问题来了。

AI与数字化的边界在哪里？

哪些是数字化可以解决的？

哪些是必须要AI来完成的？

很多企业推动了智能制造，按道理已经实现了智能化，那么与数字化、AI的边界又在哪里？

曾经的数字化、智能化，实现了什么？哪些是要用AI？想实现什么？既然AI无处不在，那么是迭代了原来的吗？还是颠覆了原来的？

个人觉得，不要把AI当成一个框，什么内容都往里面装，最终也不知道哪个是AI，哪个不是AI，但是一直在讲AI…

另外，AI到底是一个工具呢？

还是一门技术？

还是一个领域？

还是一个场景？

还是一个想法？

还是纯粹我们拿来作秀的一朵花？

（图片由AI生成，不代表真实场景）

核心要点

  1. 1 AI不是对数字化的简单替代，而是针对特定复杂问题的增强手段。
  2. 2 制造供应链中大量标榜‘AI’的应用实为数字化或自动化方案的重新包装。
  3. 3 企业应以问题驱动而非技术驱动，避免陷入‘为AI而AI’的误区。

常见问题

AI和供应链数字化有什么区别？
数字化是将业务流程数据化、在线化，解决信息透明与流程标准化问题；而AI是在数据基础上进行预测、推理和自主决策，适用于高度动态和不确定的复杂场景。两者是递进关系，但不可混为一谈。
制造企业现在用的‘智能系统’算AI吗？
多数现有‘智能系统’仍基于规则引擎或简单算法，属于高级自动化或数字化范畴，并未真正使用机器学习或大模型等AI核心技术。是否为AI，关键看是否具备自学习与适应能力。
AI在制造供应链中哪些环节最值得投入？
AI在需求预测波动大、多级库存协同难、生产排程复杂、物流路径动态优化等高不确定性场景最具潜力。但在标准化、确定性强的流程中，传统数字化可能更高效且成本更低。