走进智能供应链，AI如何赋能电商经济？( 三 ) 高瓴创投|自动驾驶|仿真|沛岱

再往上是前台，包括线上/线下渠道、客服、供应商门户、客户Portal和合作伙伴平台；
最顶层是决策智能，主要是大数据和决策分析，如果服务的内部业务部门或外部客户不知道想要什么或不知道KPI怎么设置，就可以参考SCOR指标体系，把供应链分成五大流程：计划（Plan）、采购（Source）、生产（Make）、配送（Deliver）、退货（Return）。

文章插图
4. 分享智能供应链的原因分享智能供应链主要有两大原因，一是企业需求：
第一、传统供应链系统解决了流程线上化、多公司和多部门的协同问题，提升了一定效率，但流程和数据相对固化，因为只有固化才会做数字化或信息化，但这样也会导致数据都沉淀起来，不能发挥沉淀数据价值；
第二、流程的线上化比例达到一定水平后，再进一步提升效率就会遇到瓶颈，这时就需要进一步去挖掘效率、降低成本并智能辅助决策；
第三、企业内部上了很多管理系统，但在业务层面却没有带来很大的价值或价值难量化，比如有些CEO花了很多钱，但最终有没有拉动企业收入、降低企业成本？这是很难从财务报表直接体现。
二是社会趋势：
第一、人口红利逐渐消失，劳动成本逐年上升，所以需要自动化手段降低成本，比如去年新增人口是48万，对比全国14亿人口，48万在统计误差范围内，有可能21年人口增长是负数；
第二、下一代技术浪潮，像人工智能、数字孪生、元宇宙等，在向各行各业逐步渗透，尤其是人工智能近年的渗透率一直在加快，比如人们生活中无时不刻不被人工智能服务，包括语音助手，地图导航、点外卖等，都有人工智能的技术在里面帮助人们提高生活质量；
第三、产业升级，向更高价值和更高科技含量转型，因此需要一定的智能化手段支持。

文章插图
上图是供应链曲线，顶点到左侧处于泡沫期或膨胀期，离现在较远所以本次先不分享，现在主要分享下低谷期以及未来光明期涉及的主要技术：RPA、劳动力分析、环境社会治理、规范性分析、预测分析、供应链风险管理、数字化供应链战略、网络设计等。
网络设计是指品牌商的库存该分几级，比如是否建一仓发全国？还是需要建CDC和RDC两级仓储结构？或是否要建前置仓等，需要从网络上做一定的规划和设计。这块有很多企业已开始在做，而且带来了非常大的直观收益。
二、智能供应链产品形态与应用：销售预测案例解析
文章插图
人工智能包括机器学习等算法，机器学习是指给机器一个相关规则，然后输入一些数据后，它能学习出来相应规则并进行输出，机器记忆学习里会涉及到深度学习，深度学习是基于神经网络演变而来的，像CNN卷积神经网络、RNN等；数据输入后会做特征工程，特征工程是指把各种影响因素进行量化，这样记忆可以识别；最后会有模型去识别特征工程并做输出，像神经网络也可以做这些事情，比如科学定律、图像识别、机器翻译、自动回答等。

文章插图
人工智能+供应链的产品形态主要有两个：
第一个形态是智能决策类，比如销售预测、计划协同、智能补货、选址优化、仓网规划、商品布局、智能调度等，主要依据各个层面的数据采集，包括主数据、订单数据、外部系统数据等做系统层面的效率和成本优化问题。这部分有些是用深度学习和记忆学习的算法，有些是用运筹学的算法，会有明显的目标函数把成本或效率作为目标；