智能供应链与物流
AI for Smart Supply Chain and Logistics
Jagjit Singh Srai¹
¹ 英国剑桥大学工程系
E-mail: jss46@cam.ac.uk
现状
人工智能（AI）作为一套知识体系而非单一技术，已历经数十年的发展。尽管目前供应链与物流（Supply Chain & Logistics, SC&L）中AI技术的应用仍处于起步阶段，但其有望成为"工业6.0"转型的下一次重大变革，推动认知自动化的发展[1]。当前，需求预测、供应规划领域正经历快速发展，支撑近实时物流优化的新型物理与数字基础设施[2]不断涌现，同时促进新的商业模式[3]，实现自主运营与超个性化服务。这些早期应用与试点开发正处于更广泛的数字化供应链转型进程中，整合贯穿"端到端"供应链的离散运营。表1列出了当前智能供应链与物流中的AI应用示例。这些应用可归类为供应链特定领域的"点解决方案"，如工厂单元操作与最后一公里物流[4]，也可作为支撑AI跨企业扩展的"基础设施"，而最值得关注的或许是支持自主"运营/商业模式"[5]的多连接AI与数字应用——例如通过代理型AI（Agentic-AI）实现分布式决策。
当前及未来挑战
与数字化供应链与物流转型中部署的其他技术类似，AI具有巨大的潜在收益，技术干预可同时提升生产率和供应链对需求变化的响应能力。然而，在供应链中采用AI技术仍面临巨大挑战，包括：劳动力技能不足、对可能影响工作安全的技术之抵触、数据质量与数据整合挑战、AI模型的可解释性、潜在的系统偏差，以及高度分布式系统的治理安排。图1总结了AI在供应链中的应用、涌现的挑战及应对这些挑战的未来技术。就技能而言，世界经济论坛2025年就业报告[6]指出，到2030年，三分之一的工作岗位将涉及人机协作的增强系统，另有三分之一将实现完全自动化，与当前水平相比仅需手动操作的活动将减少50%。这将改变供需规划岗位的性质，劳动密集型入门岗位将大幅减少。
表1. 当前状态——供应链与物流中AI应用示例
| AI应用领域 | 部署的AI技术 | 增强的供应链产出 |
|---|---|---|
| 需求预测 | 机器学习、时间序列 | 预测准确率提升 |
| 最后一公里配送 | 路线优化 | 服务增强/缺货减少 |
| 仓库自动化 | 机器人-视觉系统-机器人 | 速度、生产率、拣选准确率提升 |
| 库存管理 | 预测性分析 | 库存降低 |
| 工厂单元操作 | 机器学习/数字孪生 | 工艺与良率优化 |
| 供应商管理 | AI赋能数字平台 | 采购灵活性与可靠性提升 |
（改编自Srai等[5]）
供应链与物流中AI应用的另一关键挑战在于，当决策代理分布在多个AI智能体与人类行为者之间时，责任归属与问责问题变得尤为突出。这需要在数字技术采用[7]上开展多方行为者协作，并建立治理机制，以遏制偏差的放大——需考虑相互依存性、隐私及系统层面风险，而非仅关注个体/智能体的决策。
应对挑战的科技进展
对于运筹管理[8]和运筹学[9]供应链与物流领域的研究者而言，AI既带来了许多研究挑战，也提供了塑造其未来发展的机遇。随着企业超越单一功能特定AI投资，规模化挑战将需要重大的基础设施开发，运营技术（OT）与信息技术（IT）专业人员需在数据整合活动中协作。主要挑战在于：组织如何跨企业规模化AI应用，以及与分布式自动化决策相关的问责、数据管理与隐私问题。为应对后者，需要新的监管框架与治理模式，而供应链与物流跨越多个司法管辖区的特性将使这一任务更为复杂。被标榜为工业5的技术发展将带来更多的人机交互，以进一步提升生产率，同时解决材料与能源使用效率问题，以应对范围三净零排放可持续性挑战。将支撑智能自编排供应生态系统的工业6技术[1]，包括由IT-OT-市场平台数据整合所支持的代理型AI编排，以及减少云数据传输与相关网络风险的本地边缘计算。
结论
参考文献
[1] Samuels, A., 2025. Examining the integration of artificial intelligence in supply chain management from Industry 4.0 to 6.0: a systematic literature review. Frontiers in artificial intelligence, 7, p.1477044.
[2] Joglekar, N., Anderson Jr, E.G., Lee, K., Parker, G., Settanni, E. and Srai, J.S., 2022. Configuration of digital and physical infrastructure platforms: Private and public perspectives. Production and Operations Management, 31(12), pp.4515- 4528.
[3] Srai, J. S., G. Parker, N. Joglekar, M. Bärring, J. Boehm, E. Enselme, M. Basso, F. Betti and B. Schönfuß, 2022. ‘Unlocking Business Model Innovation through Advanced Manufacturing’. White Paper, World Economic Forum https://www.weforum.org/whitepapers/unlocking-business-model-innovation-through-advanced-manufacturing
[4] Lim, S.F.W., Jin, X. and Srai, J.S., 2018. Consumer-driven e-commerce: A literature review, design framework, and research agenda on last-mile logistics models. International Journal of Physical Distribution & Logistics Management, 48(3), pp.308-332.
[5] Joglekar N., Parker, G., and Srai J.S., 2024. ‘Why Manufacturers Need a Phased Approach to Digital Transformation’, MIT Sloan Management Review, Spring 2024. 65 (3), 54-59 https://sloanreview.mit.edu/article/why-manufacturers-need-a- phased-approach-to-digital-transformation/
[6] WEF The Future of Jobs Report 2025 https://www.weforum.org/publications/the-future-of-jobs-report-2025/
[7] Srai, J.S., Balasubramaniam, P., Velastegui, S., Ni, J., Baicheng, L., Lee, J., Sankai, Y., Kim, H-N., Ma, G., 2019 Supply Chain Collaboration through Advanced Manufacturing Technologies, White Paper, World Economic Forum
[8] https://www.weforum.org/whitepapers/supply-chain-collaboration-through-advanced-manufacturing-technologies
[9] Shalpegin, T., Browning, T.R., Kumar, A., Shang, G., Thatcher, J., Fransoo, J.C., Holweg, M. and Lawson, B., 2025. Generative AI and Empirical Research Methods in Operations Management. Journal of Operations Management.