“中國已經領先一步（already has a head start）。”
在本月的一篇科技報道中，美國消費者新聞與商業頻道 （CNBC）這樣寫道。
在這家頭部美國商業媒體看來，眼下不僅是關稅問題在時刻提醒美國企業自己有多么依賴中國工廠；如今人工智能和機器人等新技術的入場，也在不斷放大中國企業的優勢。“隨著越來越多的工廠轉向人工智能（AI）和機器人等技術來削減成本和控制質量，中國供應鏈正在變得更有吸引力。”
“人工智能為中國供應鏈帶來更大優勢” 美國媒體報道截圖
人工智能讓中國制造和供應鏈更強大，已經成為很多人不約而同的共識。
初創公司Cybord首席執行官科恩（Oshri Cohen）表示，中國企業渴求新技術，該公司旗下基于AI開發的質量控制工具，將在中國找到大買家。在這位曾經的英偉達供應鏈副總裁看來，地緣政治壓力將使供應鏈更加多元化，最終提升中國工廠的競爭力。“工廠將回歸中國，”科恩說，“中國將成為高質量的典范。”
“當你深思數字化轉型及制造業的自動化數字分析時，會發現中國企業是世界上一股真正的力量。”麥肯錫駐深圳高級合伙人埃洛特（Karel Eloot）感嘆道。埃洛特提到，自2018年世界經濟論壇和麥肯錫開始追蹤工廠數字化進程以來，典型應用案例已經攀升至189個，其中41%位于中國。
“例如人們運用AI減少在低效會議上的時間，并用它引導下一班工人處理緊急問題。”
數字化工廠占比，中國遙遙領先 麥肯錫報告截圖
今年5月，我商務部等8部門發布《加快數智供應鏈發展專項行動計劃》。行動計劃提出，到2030年，形成可復制推廣的數智供應鏈建設和發展模式，在重要產業和關鍵領域基本建立深度嵌入、智慧高效、自主可控的數智供應鏈體系，培育100家左右全國數智供應鏈領軍企業。
在CNBC看來，這份計劃無疑彰顯了中國進一步推動工廠數字化的壯志雄心。
事實上，制造業的巨變正在中國四處發生：宇樂磁鐵在探跡制造業版輸入“磁鐵”兩個字，AI系統便能推薦出全量需要采購磁鐵的行業，并詳細列出相關下游廠商及推薦理由；在廣西柳鋼集團的冷軋廠，釘釘數字人和智能交互平臺，正在讓整個生產線變成“透明玻璃房”，員工們通過手機就能實時查看生產進度、生產成本和設備狀態……
當外國人還在討論算力和算法的時候，人工智能可能正在改變中國工廠和中國工人。
傳統供應鏈的“孤島”狀態，正在被人工智能打破
“我們以前服務過一家做塑膠原材料和化工原材料的企業。他們的老板從業30年，對行業非常了解，他認為客戶主要是購買腳墊的。但后來，我們通過人工智能技術發現，它們家的材料還可以做鼠標墊——我們的人工智能工具可以將所有商品的制造成分入庫并（數據）清洗，只要客戶有需求，我們就能找到對應的成分。”
談到自己“印象最深”的供應鏈案例，探跡科技合伙人、銷售VP副總裁陳曉鋒回憶道。
在陳曉鋒看來，AI給中國供應鏈升級帶來了一種“比客戶更懂客戶”的可能性。陳曉鋒對觀察者網表示，人類經驗往往會有局限，行業專家也會受限于自身認知的邊界，但AI具有超強的破壁能力——探跡SalesGPT 涵蓋20億商品數據、40萬億產品關系對，并將其拆解為“材料成分-功能-應用場景”關系網，從物理屬性出發重新定義供需邏輯。
陳曉鋒曾任阿里云華南生態合作負責人，扎根行業多年。在他看來，傳統供應鏈供需對接如同“大海撈針”，供需信息散落在無數渠道（展會、黃頁、掃樓拜訪等），企業依賴人脈和經驗篩選，效率低且易錯失機會。傳統供應鏈找客戶或合作方，需要分別上官網、招聘軟件、標訊公告等網站去查詢，一個個“數據孤島”的響應相對滯后，會導致協同成本高，效率低下。這是中國供應鏈供需對接時一個傳統痛點。
為了解決這個問題，探跡科技團隊通過AI和大數據技術，構建起3億+市場主體的全球商業知識圖譜，深度整合海量供應鏈上下游數據，以動態、互聯的“全局圖譜”取代“靜態信息拼圖”。
陳曉鋒表示，通過探跡的全球商業知識圖譜，可以實現產業鏈多級上下游的智能識別。企業輸入主營產品后，系統自動推薦匹配的潛在客戶/供應商，并給出原料級、產品級的推薦依據（比如“某下游廠商需特定原料”），顯著降低人工篩選成本；傳統供應鏈依賴有限行業經驗拓客，而探跡圖譜可以整合工商、招投標、專利等動態數據，結合20億商品數據、超過40萬億產品關系對，為企業提供跨行業、跨區域的供需線索。
人工智能的入場，解決的不僅是傳統供應鏈“目標客戶畫像模糊”和“區域市場飽和”的難題，在消除數據孤島，提升協同效率方面，AI也有優勢——例如人工智能知識圖譜可以整合不同源頭的數據，給企業360°視圖，資質、需求、合作網絡一目了然，代替行業傳統依賴Excel（電子表格）、郵件溝通的碎片化模式，解決協同效率低、數據不互通的問題。
此外，AI還可以實現動態響應市場變化。通過實時更新企業數據（如新增招標、產能變動），AI帶來的數據圖譜實現分鐘級數據更新能力，確保供需信息時效性，應對“政策多變”“需求波動”等不確定性——這是傳統的電子表格和電子郵件辦公所無法實現的。
對不同規模的企業，AI對供應鏈的改造是否有區別呢？在陳曉鋒看來，大型企業和中小微企業的痛點有明顯差異：大型企業數據孤島問題嚴重，他們在跨系統數據整合上有強烈需求；而中小微企業最頭疼的是營銷成本高和客戶定位不準。不同的企業，它們運用AI升級供應鏈的路徑也不盡相同。
陳曉鋒認為，針對大型企業，主要是提供技術底座支撐，推動其智能化進程。在當前數字化轉型浪潮下，大型央企和上市公司對私域大模型的需求日益凸顯。這類企業普遍面臨技術底座分散導致的系統效率低下難題。探跡的嘗試是，通過旗下的太擎平臺，利用半結構化大數據存儲架構、多模態生成式大模型等業內前沿的技術，解決企業的系統數據孤島、多軟件開發效率低的難題，加速企業數字化、智能化的進程。
太擎平臺官網截圖
針對中小微企業，則可以用AI+大數據智能銷售平臺，助力它們降低數字化門檻與成本。陳曉鋒介紹，一方面，基于海量數據源和精確的算法模型，快速定位采購偏好匹配的客戶，替代傳統“廣撒網”模式，使營銷成本顯著降低，解決“預算有限卻效果差”的困境。另一方面，通過“小型化、快速化”應用（如自動生成營銷文案），應對“缺技術、缺人才”挑戰，填補技術鴻溝。
這些實踐，和學界的研判不謀而合。“數字化供應鏈的本質不在于某些具體技術的應用和某些特定任務的上線，而在于構建數字化端到端整合與創新的能力。”中歐國際工商學院京東運營及供應鏈管理學教席教授、中歐供應鏈創新研究院院長趙先德對國內媒體表示。
在趙先德看來，未來，供應鏈能力的提升依賴于更深度的數據整合與分析。一方面，需打通供應鏈全環節數據，從企業內部延伸至行業生態；另一方面，要融合運籌學模型與AI技術，前者用于結構化問題優化，后者助力非結構化問題轉化。例如，AI在需求預測、物流優化等場景的應用，正推動供應鏈決策從經驗驅動轉向智能驅動。
一片巨大的市場，也在人們眼前展開。艾瑞咨詢等機構數據顯示，2024年中國制造業數字化轉型市場規模達到1.55萬億元，預計2025年將增長至1.76萬億元，未來五年年均復合增長率約為14%。這一進程中，廣東、江蘇、浙江、山東等制造業大省成為數字化轉型的先行區域，而離散制造業特別是高技術產業正成為最具潛力的轉型領域。
1 2 下一頁 余下全文本文鏈接：“人工智能的入場，正在給中國供應鏈帶來更大的優勢”http://www.sq15.cn/show-3-147469-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。