唐隆基|人工智能正在重塑数字化供应链

人工智能供应链的时代已经开启，尽管人工智能的机遇和风险并存，但正如IBM所指出的人工智能自然适合供应链【1】，AI将成为供应链数字化重塑的战略武器【1-2】，它将引领供应链走向认知和自主自适应自愈的供应链的更高级阶段，从而帮助企业创新持续增长，并且在不确定环境中规避风险保持竞争优势。本文首先阐述了人工智能如何重塑数字化供应链的趋势，然后讨论了供应链数字化重塑的人工智能战略，最后介绍了基于人工智能的自主和近乎自主的未来供应链。

1. 用人工智能重塑供应链

1.1 人工智能应对供应链新的需求

供应链的古老目标是在适当的时间、地点、地点提供合适的产品，这一直是一个挑战性的目标。今天，市场力量正在创造新的需求，其关键绩效指标是实际订单与预测订单和实际产量与计划产量的比率，这些需求超过了传统的供应链能力。

• 市场波动增加了不确定性和风险

竞争、日益严格的监管、不断变化的地缘政治格局以及价格和供应的不可预测性，特别是COVID-19这样百年未遇的公共卫生事件带来的供应链中断，都在考验着企业在全球范围内的应对准备和经济高效运营的能力。

• 数字颠覆者正在掌控增长

在许多类别中，新的利基品牌通过使用数字技术提供更具吸引力和相关性的体验来挑战传统领导者。在职者正试图通过发展新的能力和能力来追赶。

• 消费者的期望值不断提高

他们想要定制产品的超个性化体验，以及本地化的执行，包括在任何时候购买、收集和退货的能力。然而，现有的供应链并不是为了满足单一的客户需求而设计的。

• 全渠道参与很难实现

一些传统公司正试图重新设计他们的运营方式，以提供统一的品牌体验和跨所有渠道的无障碍实现。

上面这些动态正以指数级的方式增加供应链的复杂性，进而影响成本和风险。日益成熟的人工智能是赋能供应链应对这些日益增长的复杂性，不确定性，增强人的认知，预测及计划，和快速响应等能力去满足新的需求，以达到降本增效，利润增长。表1表明人工智能如何变革传统供应链：

表1: 人工智能如何变革传统供应链

为了确保能够随时随地满足客户/顾客需求，领先的制造商和零售商，如美的，亚马逊正在设计部署以人工智能为动力的供应链。在数字化供应链中人工智能的使用正呈上升趋势，据Marketsand Markets报道【3】，事实上，人工智能供应链软件市场目前的价值约为7亿美元，预计到2025年将激增至100亿美元以上，相当于每年增长约45%。

机器学习是供应链中采用的最为广泛和最有前途的人工智能技术之一。根据Grand View Research，Inc.的最新报告【4】，到2025年，全球机器学习市场  规模预计将达到967亿美元。该市场预计将以复合年增长率增长从2019年到2025年为43.8％。大量数据的产生增加了可以对数据进行智能分析技术的采用。Meticulos Research预计2019-2027年，全球人工智能在供应链市场的复合年增长率为45.3％，到2027年将达到218亿美元; 其中，预计亚太地区在整个预测期内的复合年增长率最快【5】。

人工智能之所有在供应链领域有如此迅猛的发展，是由于人工智能使供应链变得更快，更聪明，更精简，并且人工智能对供应链变革产生的巨大商业价值。【6】指出将AI集成到复杂的生产和分销网络（供应链）中，将比任何其他技术应用产生更大的经济影响，并影响大量企业。麦肯锡（McKinsey）估计，通过在供应链和制造业中使用人工智能，在从2018年起的未来二十年将获得1.3-2万亿美金的经济价值（见图1）。【7】根据麦肯锡预测指出AI将为供应链管理（SCM）和制造业增加$ 300B的价值，以及在消费者包装商品（CPG）的市场营销和销售中增加$ 100B的价值。AI对CPG行业SCM和制造业务的最大潜在价值贡献包括预测性维护，库存和零件优化以及产量优化。麦肯锡预测，人工智能将为CPG行业的市场营销和销售贡献$ 100B。

图1：自2018年后二十年人工智能所产生潜在经济价值【6】

1.2 人工智能在供应链中的应用趋势

供应链数字化转型后的下一步是供应链数字化重塑，也就是全面实现供应链的智能化，而人工智能技术将是重塑供应链和实现其智能化的关键驱动器之一。事实证明那些领先的企业，如华为，美的，亚马逊，阿里，京东等无一不是将人工智能全面渗透供应链来加速业务的转型和提高市场竞争力。特别是，机器学习在供应链计划，智能物流等方面的采用己初具成效，并且成为企业差异化竞争优势的关键能力。 图2是人工智能在供应链中应用趋势的图谱。它描绘了人工智能的主要技术：机器学习（ML），自然语言处理（NLP），认知计算（Cognitive Computing），及其在供应链管理和物流中的应用趋势。同时指出AI+其它数字技术所带来的新价值创造。

图2：人工智能在供应链中应用趋势图谱

人工智能增强日常业务活动和企业战略的潜力不仅引起了全球人民和组织的兴趣，而且领先的企业已经开始快速实施。然而，AI是什么？人工智能是由机器显示的智能，其中，学习和基于行为的能力模仿自主而不是面向过程的智能。根据《AI极简经济学(A Simple Economics of Artificial Intelligence)》【8】，目前这一代人工智能与科幻小说和电影中描绘的有着人类智慧的机器（它们通常被称为"通用人工智能"，或AGI，或"强人工智能“）相去甚远。今天这一代人工智能可提供预测工具，帮助人类完成一些标准而又重复的工作，除此之外提供不了什么了。然而这一代人工智能已经成熟到改变人类生活及商业的行动，特别如图2所示，它是一项重塑供应链的颠覆性技术。理解AI潜在应用的最简单方法是明确定义它的潜在价值。AI在供应链中的应用可分为两大类：

• 增强功能：AI，它可以帮助人们完成日常任务，无论是个人还是商业，都无须完全控制输出。这种人工智能用于虚拟助手，数据分析，软件解决方案; 它们主要用于减少人为偏见造成的错误。使用AI算法（如机器学习）于需求，风险等预测是在供应链中最重要的应用，它极大提高了传统预测的精度。而预测是决策的输入，更精确的预测将产生更正确可行的决策。如产生最优的补货计划，最佳的库存计划，和最及时的风险应对计划，本书第五章有详细论述。

• 自动化：AI，可在任何领域完全自主运行，无需任何人为干预。例如，机器人在制造工厂中执行关键工艺步骤。在供应链领域中，无人仓，无人送货飞机等是典型的自动化应用。图3展示了京东世界上首个无人仓。在劳动力成本不断上涨的当今，操作自动化无疑为企业节省了成本提高了效率。然而全自动化还只适合于局部的场景，全供应链流程的自动化仍然有待人工智能和其它数字技术的进一步创新。

图3：京东的全球首个全流程无人货仓

图3中是京东的首个无人仓库也是全球首个全流程无人货仓坐落在上海市嘉定区。这个物流中心包括四个作业系统，分别是：收货、存储、订单拣选、包装、存储系统有8组穿梭车立库系统组成，可同时存储商品6万箱。整个无人仓分为三个主要区域：入库+分拣+打包，仓储区域和出库区域。无人仓中，操控全局的智能控制系统，为京东自主研发的“智慧”大脑，仓库管理、控制、分拣和配送信息系统等均由京东开发并拥有自主知识产权，整个系统均由京东总集成。无人仓的智能大脑在0.2秒内，可以为计算出300多个机器人运行的680亿条可行路径，并做出最佳选择。智能控制系统反应速度0.017秒，许多心理学专家对人的生理反应时间做过实验，结果都测得大于0.1s，也就是说，无人仓智能大脑的反应速度是人的6倍。

AI 在供应链中应用的另一个发展趋势是供应链物流供应商【2】，如领先的3PL企业也开始把AI应用于第三方物流。例如2020年9月北美领先的第三方物流提供商Kenco Logistics宣布推出达芬奇AI（DaVinci AI），该产品可提供涵盖整个供应链的高级分析功能。该创新产品使解决方案能够产生预测见解，从而推动规定性行动，改变供应链。达芬奇AI是Kenco数字化转型战略的基础组成部分，它积极提供定制解决方案，以实现供应链中的智能可见性和透明度。例如，在仓库运营中，达芬奇AI可用于主动管理数量波动，从而改善库存管理并评估市场波动，从而制定理想的劳动计划。在物料搬运领域，该产品可以从影响维护的所有因素中预测设备故障，以防止浪费时间和提高生产率。为确保按时交付，达芬奇AI主动预测所有模式和运营商之间运输网络中的服务故障。在整个供应链中，达芬奇AI可以提供认知见解，以使客户能够在问题发生之前进行预防。达芬奇AI已经在为其客户运营中每年节省了超过100万美元。

2.供应链数字化重塑的人工智能战略

2.1 人工智能时代的竞争

因为人工智能系统会思考和互动，所以它们总是与人相比。但是，尽管人类在并行处理（模式识别）方面很快，而在顺序处理（逻辑推理）方面却很慢，但是计算机已经在狭窄的领域中掌握了前者，而在后者方面则非常快。就像潜水艇不游泳一样，机器以自己的方式解决问题并完成任务。

没有处理能力的进一步飞跃，机器将无法达到通用人工智能（AGI）：各种不同类型的问题解决能力的组合，这是人类智能的特征。例如，当今的自动驾驶汽车并没有表现出我们认为的常识，例如放弃游览以帮助掉下自行车的孩子。但是，如果正确应用，则AI擅长快速，智能和彻底地执行许多业务任务。

人工智能不再是选修课。对于公司而言，弄清人类和计算机如何相互扮演彼此的优势以创造新型的人机（人+AI）竞争优势至关重要。在人工智能时代，竞争优势正在演变：AI不会浪费传统的竞争优势资源，例如地位和能力，而是对其进行了重组（见图4）。因此，公司需要动态地了解其优势。例如，位置优势通常集中在相对静态的方面，这些方面可以使公司赢得市场份额：专有资产，分销网络，客户访问权和规模。这些信念必须在AI世界中重新想象。公司要利用传统优势+AI的综合优势或由AI改进的传统优势来创造新型的人机（人+AI）竞争优势。

图4：利用人和机器的双竞争优势【9】

2.2 供应链数字化重塑的人工智能战略

AI给企业带来了新的竞争优势，但这种优势仅仅影响到公司的运营层面，还是会改变公司的战略。《AI极简经济学(A Simple Economics of Artificial Intelligence)》的作者指出以下三个因素决定对AI的投资将上升到公司战略决策（而不仅仅是运营决策）的层面:

• 必须存在战略困境或两难的权衡。例如亚马逊在改变传统的先买后寄的模式为先寄后买时的困境在于，先寄后买可能会产生更多的销售额，但同时也会带来更多消费者想要退货的情况。因此没有技术上的变革，新的模式很难成功。

• 某个问题可以通过减少不确定性来解决。对于许多零售商来说，销售预测的不准确带来的供应链不确定性是头痛的问题。对亚马逊的先寄后买模式来说，AI能帮助预测到如果将货物送到客户家门口会发生什幺，那么就可减少退货率，而提高销售额。

• 公司需要一台能够降低不确定性，改变战略两难平衡的预测机器（AI）。对亚马逊而言，一套非常准确的客户需求模型加上AI算法或许能让先寄后买的商业模式变得值得一试，以求达到销售额增长的收益超过退货成本。

基于以上三个因素，亚马逊将人工智能上升到公司的战略层面。人工智能作为亚马逊的供应链战略使它获得了在零售领域无人比拟的竞争优势。

不是所有了解和应用人工智能的企业都把人工智能作为企业的战略。2019年《MIT斯隆管理评论》和波士顿咨询公司（BCG）联合开展的全球人工智能的调研，2555名受访者来自29个行业，97个国家。该调研还访问了17位多个行业大企业中负责人工智能项目的高管。该研究成果发表在研究报告《赢在人工智能: 战略，组织行为与技术三位一体》【10】中。该报告根据受访者对人工智能概念和工具的理解，以及人工智能的应用水平，将其分成四组（见图5）：

图5：企业应用人工智能的成熟度

从上图可见，只有20%的领先企业真正理解人工智能的价值并走在其应用的前沿，也只有这些企业认识到人工智能是公司战略的需要，将其作为公司的战略之一。报告指出大多数的受访企业认为人工智能既是战略机遇也是战略风险，而领先企业都认为战略机遇大于风险。他们在人工智能人才，组织，技术方面有更大的投资。中国的领先企业在人工智能领域展现出更广阔的视野与战略。他们比外国受访企业更可能设定宏大的人工智能目标（分别为79%、37%），并将人工智能用于许多领域，以助力降本增效，业务增长，新产品和服务的开发。特别适用于在本书关注的供应链数字化重塑。华为，京东，菜鸟，美团等人工智能领先企业把人工智能作为他们的供应链数字化重塑战略，把人工智能应用到供应链的所有重要领域，如供应链计划预测，智能仓储，智能配送运输等等。

如图6所示，就大多数的受访中国企业来说，他们比外国受访企业更认为战略风险大于战略机遇，但中国领先企业认为人工智能对收入的影响更大。

图6：风险增大，对收入的影响依然存在

人工智能应用的风险主要来自人们对人工智能的认知不够，同时也来自人工智能应用的挑战。特别是在复杂的供应链领域，尽管人工智能，如机器学习在预测方面，库存管理，仓库机器人自动化等方面己取得成功，但是仍然存在很多挑战。过去二十年，订单履约过程的大部分环节都实现了自动化，然而履约中心仍然雇用了大量员工。虽然自亚马逊2012收购了Kiva后, 供应链履约中心实现了货到人的自动化，然而需要工人对货物进行分栋，把各种不同货物放在不同的运货箱，由传送带送到它的下一站。正如《AI极简经济学》指出的“人类将继续在履约定单的过程中发挥作用，是因为我们在抓握方面（伸手把东西拾起来，放到别处）有着相对更好的表现。迄今为止，这项任务没有实现自动化。”

图7：2016年亚马逊第一次拣选挑战赛【11】

由于非结构化货品种类繁多，形状尺寸各异，使得目前人工智能技术难以实现自动从货架上抓取和拣选货品。然而那些敢于应对挑战的领先企业才可能获得最大的战略优势。亚马逊就是迎战人工智能在供应链领域应用的典范。它不仅最早在履约中心引入货到人机器人技术，而且自2016年起，每年举行亚马逊分栋挑战赛（Amazon Picking Challenge）（见图7），聚焦于非结构化履约中心的自动化分栋，激励全世界优秀的机器人和AI团队共同解决这个自动抓取的难题。尽管来自麻省理工大学等研究机构的顶尖团队，加上世界顶级的工业机器人装备（分别来自百特，莫托曼，优傲，ABB，PR2, 和Barrett Arm等），然而迄今为止，他们仍未找到一个工业级的解决方案。其根本原因是目前人工智能仓库机器人在面临非结构化的无限个"如果"（仓库分拣有数量无限的“如果”）时，它不仅要识别对象（分析图像），预测合适的角度和抓力，以便抓取而不损坏货品，这实际需更高精度的机器预测，而目前的仓库机器人还做不到。然而，人们还在继续努力找寻解决方案，例如采用深度学习提高对抓取货品的识别能力，还有采用强化学习来训练机器人模仿人类分拣，以教会机器人做自动分拣。本书作者相信在不远的将来，人类一定会实现仓库机器人分拣自动化，从而把分拣工人从繁重的劳动中解放出来。

2.3 供应链人工智能战略制胜指南

由于人工智能在供应链方面的潜在战略优势，许多公司都卷入了应用人工智能于供应链的竞赛。然而大多数公司对投入产出结果感到不满意。这是由于当前许多公司并没有完成供应链的数字化转型，缺乏应用人工智能的数字基础。这表现在以下几个方面:

• 以企业为中心

• 需要大量昂贵的规划师

• 在流程的每一步和供应网络的每个节点运行复杂的引擎

• 通常与其他功能和/或合作伙伴冲突

• 由于这些系统在本地进行了次优化，因此错过了隐藏在网络中的巨大机会

• 处理陈旧的数据，从而推荐错误的决策

• 使用与现实世界无关的简化、过于简化的问题模型这些限制严重抑制了人工智能ROI（投资回报率）。

此外，公司今天的表现如何？例如，典型的零售/快消品供应链仍有60-75天的库存。该店的平均服务水平约为96%，促销商品的服务水平远低于80%的范围。休闲餐饮市场的库存量约为12-15天，浪费率较高，销售成本较高。所以，除非人工智能能够对这些指标产生重大影响，否则它根本无法实现其承约的ROI。问题是，今天的大多数系统都缺少能让人工智能实现其价值所需的关键要素。其中最重要的就是人工智能所需要的尽可能多的优良数据。

人工智能可以为供应链管理者带来巨大的好处，但考虑到当今现代供应链的多样性和动态性，以及居多不确定性，成功应用人工智能的前提是它必须基于坚实的基础。One Network在它的研究报告【12】中提出了人工智能在供应链中取得成功的8个关键要素可以作为供应链人工智能战略制胜指南（详见表2）。

表2：人工智能在供应链中取得成功的8个关键要素

多年的人工智能用于供应链的经验表明上表中八个成功要素缺一不可。如有一个要素忽略了，你将会得平庸甚至错误的结果，但如何在人工智能用于供应链时所有要素都被考虑，则你确实可以达到世界一流的结果和较高的AI投资回报。

3.自主和近乎自主的未来供应链

无人车、无人机、无人仓、无人站、配送机器人等“无人科技”正成为电商、外卖、物流的新宠儿（见图8），在人工智能及其它新技术的重构下，“低头下订单，抬头收快递”的生活方式正在成为可能。自主交付产品的概念正逐渐开始成为现实。虽然在到达无人为或近乎无人为干预的供应链之前要克服许多障碍，但有许多工业实例表明这是可行和实用的。人们似乎从自主交付看到了自主和近乎自主供应链，即无人干预或近乎无人干预的供应链未来可期。

图8：顺丰无人机和京东自动送货车

图9从以下三个维度描绘了一个数字化供应链成熟度模型：

• AI优势和价值：可视化供应链和前瞻性供应链基本上还在描述性和传统预测性分析供应链阶段，无AI优势。智荐式供应链是智能供应链的初级阶段，已开始采用：AI机器学习算法做预测和规定性分析决策。自主学习供应链是以AI驱动的供应链，具有自学习，自修复和自适应的功能。AI优势的价值在于使供应链达到计划精准，运营高效，成本最低，库存最优，风险最小。

• 差异化和自动化：从左到右，自动化程度由低到高，自主学习供应链将达到从计划，生产，交付端到端的全或近乎全自动化。

• 自主性和人工干预性：每个阶段，由低到高，自主性从低到高，人工干预性由高到低。自主学习供应链有最高的自主性和最低人工干预。

图9：数字化供应链成熟度模型

尽管自主学习供应链听起来非常酷，理论上也似乎可以做到，但完全自主实现端到端的供应链是否可行，是否必要，业界有许多争议。这实际上是关乎在供应链中，AI是否比人更胜任，能完全代替人的工作？实际上，目前在供应链中使用的自主技术是非常有限的。托运人，承运人，供应商以及供应链中的其他人员已经集成了自主技术多年，以提高效率和安全记录。诸如ERP和MRP之类的某些系统用于通过识别组装产品所需的零件来控制制造。实际上，当今许多现代汽车，卡车和SUV都是完全自动组装的。还有其他组织，例如Amazon.com和其他大型零售商，它们使用自主技术从较小的容器中提取零件或商品，进行包装并准备运输。

一些可以自动提高效率的特定组件和设备包括：

• 零件拣选设备。这些机器读取传感器和条形码以识别组装或运输所需的组件。

• 机器人拣选：已经有几种自动叉车和其他自动设备用于从钢铁和其他仓库中拣选产品。

• 运输设备：有些自动驾驶车辆（通常在仓库中）用于在整个仓库中运输设备和物资。

这几乎是我们当前所拥有的供应链自主能力。就机器人拣选而言，对于非结构性物品，目前的自主学习能力还无能为力，人仍然比机器更强。

本文作者认为真正意义的全自主供应链只适应于某些供应链场景，对于整个供应链来说，近乎自主学习和人机智能组合的供应链是未来理想的自主学习供应链。本文所指的自主学习供应链将指这种模式。在此，近乎自主学习是指一切可由AI主导的自主学习技术代替人在供应链中的工作时采用自主学习技术。当然如果供应链中的所有工作都能被自主学习技术所代替，那就是理想中的自主学习供应链。尽管目前这还只是供应链业界的一个愿景，已经有一批领先企业在冲刺自主学习供应链的高峰。

美国有名的供应链解决方案提供商JDA 2019年收购了AI技术公司Blue Yonder, 之后更名为（简称BY），其新的公司战略就是打造自主式供应链。BY的一项自主供应链的需求调研报告指出受访供应链管理者的五条主要反馈意见（见图10）：

图10：自主供应链需求的五条主要反馈意见【13】

BY的调研报告指出在运营干扰不断的情况下，汽车企业需要考虑所有可能的危机对策。保持敏捷性，专注于运营和供应链优化项目并提前规划复苏路径，是业界必须要坚持的几项工作。汽车企业有较高的自主供应链需求。该报告还提出了发展自主式供应链的四个关键阶段（见图11）。

图11：发展自主式供应链的四个关键阶段【13】

BY发展了一个以智能控制塔为核心的智能自主供应链的系统（见图12），它包括可见性/监控，网络/边缘感知，内外协同，编排，决策，和分析六大功能。它已成功用于某些零售和制造供应链。智能自主供应链将供应链知识和AI技术相结合，充分利用可用的大量信息，极大增强了人类用户的能力，特别是应对供应链不确定性，如新冠疫情造成的供应链中断风险。

图12：Blue Yonder 智能自主供应链【14】

安永（EY）是一家有名的咨询公司。该公司在其研究报告《数字时代如何重塑供应链（How do I reinvent my supply chain for the digital age?）》中提出了实现卓越EY综合集成数字计划（IDP）的五个阶段的方法（见图13），其中第五阶段就是基于认知和人工智能的自动化，机器人流程自动化的自主供应链计划（熄灯计划）。它应该是自主供应链的核心部分。

图13：实现卓越EY综合集成数字计划（IDP）的五个阶段的方法【15】

自愈供应链是自主供应链的重要部分。Kinaxis，Inc. 一个优秀的供应链解决方案提供商最近在自愈供应链方面取得进展，其解决方案谋求以自动化方式消除供应链设计性能与实际性能之间的差距。利用人工智能和机器学习的进步，自愈供应链（SHSC）【16】可以监控系统的不同“组件”，看看它们的真实世界性能是否与计划中的预期性能匹配，即“按设计”状态。这样做的话，制定计划者和其他人将有能力帮助他们的供应链自我修复。一旦能够根据实际供应链能力制定计划，自我修复的供应链最终将能够补救特定的问题，例如需求突然出现意外激增、供应商的特定订单延迟交付，甚至包括飓风和海啸等宏观事件。

SHSC的承诺在于提高用于生成供应链计划的数据质量，以及随后这些计划质量的改进。对于经验丰富的供应链专业人士来说，这一机会并不令人意外。数据质量问题一直困扰着供应链计划和执行：当供应链计划系统接收到低质量的数据时，垃圾输入和垃圾输出是一个恰当的描述。数据质量问题是SHSC概念的一个关键方面。通过使用SHSC的AI和ML功能来解决数据质量问题，可以解决通过AI/ML半自主运营供应链的更广泛问题。

为了进一步推动以客户为中心的供应链，需要新形式的数据的一个重要方面（见图14）。因此，SHSC所需的数据既存在于公司内部，也存在于公司外部。这些数据可以是高度结构化的，比如ERP数据，也可以是高度非结构化的，比如物联网设备数据、天气数据和客户情绪数据等等。将所有这些数据从其无数的来源中收集起来，本身就需要一些重大的技术突破，而这样做是人工智能所需的一个重要的基础要素。SHSC必须通过数据管理和治理来不断完善自我，让人工智能发挥其关键作用。

图14：自愈供应链的潜在数据源【16】

4 小结

人工智能供应链的时代已经开启，尽管人工智能的机遇和风险并存，人工智能是供应链数字化重塑的战略武器。本文要点是:

• 市场力量正在创造新的需求，其关键绩效指标是实际订单与预测订单和实际产量与计划产量的比率，人工智能帮助供应链满足市场和客户新的需求。

• 弄清人类和计算机如何相互扮演彼此的优势以创造新型的人机（人+AI）竞争优势至关重要。在人工智能时代，公司要利用AI+传统优势（人）的综合优势或由AI改进的传统优势来创造新型的人机（人+AI）竞争优势。

• 三个因素决定对AI的投资将上升到公司战略决策（而不仅是运营决策）的层面:

  必须存在战略困境或两难的权衡。

  某个问题可以通过减少不确定性来解决。 

         公司需要一台能够降低不确定性，改变战略两难平衡的预测机器（AI）。

• 人工智能在供应链中取得成功的8个关键要素

• 人工智能和其它自主技术造就自主和近乎自主供应链。