在供應(yīng)鏈危機(jī)期間，創(chuàng)紀(jì)錄的巨量貨船被困在加州南部海岸南部逡巡和等待，而船上裝載的也許就是民眾為圣誕節(jié)準(zhǔn)備的禮物和玩具。隨著貨運(yùn)量短期暴增、新冠疫情相關(guān)管控的收緊以及勞動(dòng)力短缺等問題，這些貨物明顯得不到及時(shí)的裝卸與加工（圖：Getty）

當(dāng)下，全球面臨的“供應(yīng)鏈”難題并不是一個(gè)完整且獨(dú)立的問題，而是體現(xiàn)在整條供應(yīng)鏈的幾乎各個(gè)環(huán)節(jié)之上。而且即使疫情過去，人才短缺與制造商的悲觀情緒也將繼續(xù)影響整個(gè)市場(chǎng)的運(yùn)作態(tài)勢(shì)。

極端氣候事件每月都在發(fā)生，新冠沖擊造成種種直接或間接性的原材料短缺，這一切又反過來令運(yùn)輸成本急劇上升。

鈑金、電腦芯片以及食品配料等供應(yīng)挑戰(zhàn)已經(jīng)成為現(xiàn)實(shí)，半導(dǎo)體行業(yè)、個(gè)人防護(hù)設(shè)備行業(yè)以及塑料行業(yè)紛紛曝出原材料告罄和工廠停工。而且由于一直招募不到充足的卡車司機(jī)，各個(gè)街區(qū)的超市里滿是空蕩蕩的貨架。雪上加霜的是，新近美國報(bào)告通貨膨脹率高達(dá)5.4%，達(dá)成最近13年來的最高水平。

現(xiàn)在考慮一下，只有4%的供應(yīng)鏈領(lǐng)導(dǎo)者認(rèn)為自己的運(yùn)營體系已經(jīng)為未來的挑戰(zhàn)做好準(zhǔn)備。到底是翻開時(shí)代的新篇章還是徹底墮入黑暗與災(zāi)難，也許就取決于當(dāng)下一搏。

已經(jīng)有無數(shù)文章討論過目前的困境究竟因何而起、從何而來。沒錯(cuò)，反思問題很有必要，劃分誰該負(fù)責(zé)也有意義；但更重要的是，我們要怎么解決掉當(dāng)前的危機(jī)、并防范未來隨時(shí)可能再度爆發(fā)的供應(yīng)鏈災(zāi)難。

現(xiàn)代造船廠鳥瞰圖與通信網(wǎng)絡(luò)概念圖：物流、工業(yè)4.0與工廠自動(dòng)化（圖：Getty）

AI正是解決之道

根據(jù)Infoholic Resaerch發(fā)布的預(yù)測(cè)，物流與供應(yīng)鏈?zhǔn)袌?chǎng)中的AI技術(shù)將在2017年至2023年之間保持42.9%的年均復(fù)合增長率，并于2023年達(dá)到65億美元總值。在這場(chǎng)競(jìng)賽中，誰能運(yùn)用AI技術(shù)，誰就能讓自己的供應(yīng)鏈體系發(fā)揮出最大潛能、克服當(dāng)前危機(jī)。我們可以使用AI技術(shù)通過新的分銷模式（包括直接面向消費(fèi)者、點(diǎn)擊取貨和訂購等）提升規(guī)模與效率，改善客戶、合作伙伴及供應(yīng)商間的互連以利用整個(gè)供應(yīng)鏈生態(tài)系統(tǒng)中的自動(dòng)化元素。

認(rèn)知自動(dòng)化

認(rèn)知自動(dòng)化方面的創(chuàng)新強(qiáng)調(diào)以低少人力實(shí)現(xiàn)更高產(chǎn)出。認(rèn)知自動(dòng)化平臺(tái)能夠在議定的邊界和業(yè)務(wù)規(guī)則背景之下做出實(shí)時(shí)建議、預(yù)測(cè)結(jié)果并自主作出供應(yīng)鏈決策，進(jìn)而建立起先進(jìn)的自主供應(yīng)鏈技術(shù)體系。因此，它有望將以往只能手動(dòng)完成的重復(fù)性任務(wù)轉(zhuǎn)變?yōu)榫哂凶吭叫阅艿母咚阶詣?dòng)化流程。

作為一大特定應(yīng)用領(lǐng)域，復(fù)雜、極易受人為錯(cuò)誤影響的報(bào)關(guān)流程對(duì)人員的法規(guī)知識(shí)要求極高，而認(rèn)知自動(dòng)化也許正是解鎖報(bào)關(guān)效率的關(guān)鍵。

流程優(yōu)化預(yù)測(cè)

由預(yù)測(cè)性洞見驅(qū)動(dòng)的企業(yè)預(yù)測(cè)、籌備與發(fā)現(xiàn)能力，有望徹底消除產(chǎn)品交付速度低下的問題，也能幫助企業(yè)通過流程調(diào)整防止業(yè)務(wù)中斷。這類技術(shù)還提供先進(jìn)的規(guī)則解決方案，能夠更好地感知需求與供應(yīng)變化、加快響應(yīng)能力。

此外，相關(guān)廠商還不斷加強(qiáng)全球各供應(yīng)鏈參與者之間的交互，借此預(yù)測(cè)交付路線，更高效地運(yùn)送、提取并交付貨物。除此之外，供應(yīng)鏈中常被忽視的干擾因素也將被納入掌控，例如預(yù)測(cè)機(jī)械磨損、提高整體設(shè)備效率指數(shù)并預(yù)測(cè)/優(yōu)化車隊(duì)燃料使用方式等。

供應(yīng)鏈彈性

AI技術(shù)還有望勾勒出新的供應(yīng)鏈沖擊應(yīng)對(duì)前景，例如建立起一套“自我修復(fù)”供應(yīng)鏈數(shù)據(jù)集，利用AI技術(shù)幫助實(shí)時(shí)發(fā)現(xiàn)并糾正數(shù)據(jù)問題。以此為基礎(chǔ)，整個(gè)供應(yīng)鏈的敏捷性、靈活性及端到端控制能力都將有所提升，將供應(yīng)鏈績效、風(fēng)險(xiǎn)、機(jī)會(huì)與事件的實(shí)時(shí)可見性變?yōu)榭赡?，最終幫助領(lǐng)導(dǎo)團(tuán)隊(duì)做出更明智的端到端決策。

AI幫助緩解技能短缺難題

未來，機(jī)器將與人類密切合作，在生產(chǎn)流程中的各個(gè)階段提供協(xié)助，全面覆蓋從原料/零件質(zhì)量監(jiān)控到產(chǎn)品組裝、再到最終消費(fèi)者交付等環(huán)節(jié)。有人認(rèn)為，目前全球供應(yīng)鏈中的“最薄弱一環(huán)”在于卡車司機(jī)短缺。雖然全自動(dòng)化駕駛短期內(nèi)恐怕還無法實(shí)現(xiàn)，但AI方案至少能在一定程度上實(shí)現(xiàn)人類卡車司機(jī)求職者的招聘與審查自動(dòng)化，從而在未來數(shù)月、甚至數(shù)周之內(nèi)有效緩解這一技能短缺難題。

八大監(jiān)控與建模案例

• 沃爾瑪攜手福特

沃爾瑪福特與Argo AI已經(jīng)在嘗試使用自動(dòng)駕駛汽車將貨物運(yùn)送至客戶家中。最初的試點(diǎn)項(xiàng)目將在華盛頓特區(qū)、邁阿密以及奧斯汀展開，并在成功之后進(jìn)一步擴(kuò)大應(yīng)用規(guī)模。

• DHL建立基于機(jī)器學(xué)習(xí)的空運(yùn)延誤預(yù)測(cè)工具

機(jī)器能夠分析58個(gè)不同數(shù)據(jù)點(diǎn)，并提前一周預(yù)測(cè)每日延遲或提前到達(dá)情況，同時(shí)查明造成延遲的主要原因。

• 聯(lián)邦快遞發(fā)布SameDay Bot當(dāng)日達(dá)機(jī)器人

SameDay Bot搭載有激光雷達(dá)與標(biāo)準(zhǔn)攝像頭，能夠?qū)\(yùn)送至最后一英里。經(jīng)過測(cè)試與證明，這些機(jī)器人能夠有效避免碰撞并提高 配送效率。

• Fizyr開發(fā)出可在惡劣物流環(huán)境下自動(dòng)揀選并放置貨品的軟件

Fizyr的軟件能夠與任何攝像頭、機(jī)器人及終端執(zhí)行器相集成，幫助企業(yè)隨意選擇最適合自身需求的形式。借助算法，其每秒可完成100多個(gè)抓取姿勢(shì)，并按照不同分類對(duì)目標(biāo)物體執(zhí)行搬運(yùn)操作。

• Nuro送貨機(jī)器人

Nuro制造的R-1機(jī)器人能夠?qū)a(chǎn)品運(yùn)送到輪船或卡車上、穿過人行道甚至爬上樓梯送貨。它們非常輕巧，因此相較于其他傳統(tǒng)機(jī)器人要更加安全。

• Robby Technologies自動(dòng)駕駛汽車

在先進(jìn)AI技術(shù)的支持下，他們的車輛能夠在包含道路、人行道、行人及鐵路交叉口等元素的復(fù)雜路況下行進(jìn)，同時(shí)提供對(duì)話式AI方案以改善人機(jī)交互體驗(yàn)。

• DigitalGlobe拼車用衛(wèi)星影像

這些衛(wèi)星影像能夠作為輸入素材建立起高級(jí)地圖工具，從而提高接人、導(dǎo)航及送人等環(huán)節(jié)的精度。他們的衛(wèi)星會(huì)以街區(qū)為單位檢測(cè)出新的路面標(biāo)記、國道信息及交通模式等變化。

• Alloy.ai銷售點(diǎn)預(yù)測(cè)方案

Aooly.ai設(shè)計(jì)出一套機(jī)器學(xué)習(xí)平臺(tái)，能夠持續(xù)監(jiān)控來自銷售點(diǎn)及其他多個(gè)來源的傳入數(shù)據(jù)，并利用這些數(shù)據(jù)繪制出全面的銷售情況以更好地預(yù)測(cè)未來需求。以此為基礎(chǔ)，企業(yè)客戶能夠更好地提前規(guī)劃自身需求與最優(yōu)決策，從而減少瓶頸、緩解貨物短缺問題。

用AI預(yù)測(cè)下一場(chǎng)疫情

上述解決方案對(duì)緩解我們當(dāng)前面對(duì)的供應(yīng)鏈問題、提升運(yùn)營效率都很有價(jià)值。但是，引發(fā)這場(chǎng)危機(jī)的根源仍然是COVID-19的全球大流行。雖然很多人覺得這樣的意外災(zāi)難“根本無法預(yù)測(cè)”，但事實(shí)未必如此。

格拉斯哥大學(xué)的研究人員們使用病毒加人類基因組可信來源序列特征，共同開發(fā)出一套機(jī)器學(xué)習(xí)模型。這套模型能夠預(yù)測(cè)動(dòng)物病毒略過人體、不產(chǎn)生實(shí)際危害的可能性。這樣一種強(qiáng)大的預(yù)測(cè)能力將給全世界帶來重大影響。如果科學(xué)家和政府能夠提前預(yù)知哪些病毒有必要跟蹤，就能在爆發(fā)感染之前著手研究并阻止其傳播。

德國目前就在建立一處新的全球數(shù)據(jù)中心，以檢測(cè)新出現(xiàn)的流行病威脅。這處世衛(wèi)組織疫情與流行病情報(bào)中心將快速分析數(shù)據(jù)以預(yù)測(cè)、預(yù)防、檢測(cè)、準(zhǔn)備并應(yīng)對(duì)全球風(fēng)險(xiǎn)。來自格拉斯哥大學(xué)等地的研究成果將被輸入至這處中心，確保：1）我們能夠提前預(yù)防全球健康危機(jī)；2）避免這類突發(fā)災(zāi)難演變成全球經(jīng)濟(jì)危機(jī)；3）避免削弱全球供應(yīng)能力；4）避免社會(huì)秩序的破壞進(jìn)一步延長疫情流行周期。

全球疫情將推動(dòng)美國各的更多企業(yè)探索將AI添加至供應(yīng)鏈管理平臺(tái)。此舉將幫助各類公司建立起更具彈性、更加敏捷的供應(yīng)鏈，確保在一切業(yè)務(wù)條件下始終保持蓬勃發(fā)展。

為了幫助全球供應(yīng)鏈各個(gè)環(huán)節(jié)內(nèi)的每一家參與企業(yè)，充分利用AI的力量已經(jīng)刻不容緩！