美中供應鏈管理（北京）有限公司    高珉先生

　　公眾對于人工智能的接受程度各不相同，有些人對其提高生產力的潛力感到熱情，而有些人則對其對就業的影響甚至人類的終結感到恐懼。隨著人工智能進入汽車供應鏈，對于是否應該慶祝還是回避這一技術仍存在不確定性。然而，麻省理工學院工程系統教授、供應鏈管理創始主任Yossi Sheffi博士并不認為這項技術會帶來太多威脅，只要企業以正確的方式使用它。他剛剛出版了第九本書《魔法傳送帶》，研究了隨著人工智能的使用增加，它將如何影響供應鏈，并告訴記者關于這項技術的好處，以及它如何使這個行業更具競爭力。

　　麻省理工學院供應鏈管理創始主任Yossi Sheffi教授就人工智能對供應鏈的影響接受了記者的采訪：“在一些領域，采用人工智能將具備非常大的優勢。”

　　人工智能在物流中的優勢

　　Sheffi表示：“在汽車供應鏈中，人工智能有許多應用。它能夠非常好地執行重復性工作。它是自動化的，準確且快速，而且可以不停歇地運行。”

　　在過去幾年里，特別是自疫情爆發以來，供應鏈中的許多企業一直在尋求采用人工智能來提高效率和節約成本。許多企業也被迫實施技術來應對工人短缺的問題。原始設備制造商不僅在其制造過程中使用機器人和其他自動化工具，現在他們越來越希望將其應用于物流中，以便更快地做出更明智的決策，并已經開始進行試點項目。希望這樣做不僅能夠節省時間和成本，而且能夠使企業更具競爭力、生產力更高并帶來更多盈利。

　　Sheffi說：“其實每個人都在日常生活中使用著人工智能，只是并沒有意識到。當你打電話給客戶服務部門尋求幫助時，你很可能在與一個聊天機器人交流。人工智能可以聆聽你的問題，解讀你說的話，并試圖給出答案。”

　　他將這一現象與汽車行業進行了類比，他補充說：“你所做的就是讓機器來完成‘簡單’的工作，換句話說，那些可以被定義和需要被優化但大多數都是重復性的工作。”

　　比如，寶馬(BMW)自2019年起在奧地利的斯泰爾發動機工廠進行了人工智能在物流方面的測試。該汽車制造商利用基于人工智能的攝像頭軟件來加快流程，防止空集裝箱在傳送帶上不必要的運輸。自那時以來，寶馬通過其數據和人工智能計劃在整個價值鏈中實施了人工智能應用，并與美國軟件公司NVIDIA合作進行試點項目，為小型運輸機器人(STRs)配備了人工智能，并為其在整個業務中使用制定了道德準則。類似地，斯柯達在2020年使用了Optikon AI平臺來自動計算如何將托盤裝載到集裝箱中以最大化容量。“像這樣的領域，采用人工智能將會非常迅速，”Sheffi說道。“公司已經將人工智能應用到現有的軟件模型中，而你甚至都沒有意識到。這已經在發生了。”

　　人工智能究竟能有多聰明?

　　隨著技術每天都在不斷進步，物流行業正在努力弄清楚人工智能到底能有多聰明，以及除了重復自動化任務之外，它還能在哪些方面提供幫助。在供應鏈領域，一個具有巨大潛力的領域是預測，包括對客戶需求的預測，以及對生產和發貨的預測影響。

　　Sheffi說：“在供應鏈中，人工智能有許多應用，但人們希望它能使預測更加準確。許多人正在使用各種機器學習技術進行預測，這對于生產調度、需求計劃和與供應商打交道非常重要。”雖然這樣做更加困難，因為人工智能依賴于從過去的學習，但正在進行試驗，以使技術更好地預測(幾乎)不可預測的情況。秘訣在于大型人工智能模型的能力，它可以快速地以大規模整合來自多個來源的數據，包括數字、文本、視頻或語音數據。

　　JLR最近與預測洞察公司Everstream Analytics合作，將人工智能嵌入其供應鏈，并監控可能導致延誤的風險。

　　JLR正試圖通過與預測洞察公司Everstream Analytics合作，搶占這些發展的先機。在6月份，這家汽車制造商表示將使用Everstream的人工智能實時監控供應鏈，以防止可能導致延誤或停止裝運的潛在風險，如自然災害、罷工、數據泄露和出口問題。當時，JLR工業運營執行總監Barbara Bergmeier表示，人工智能將幫助公司“在造成中斷之前管理風險”，使公司更具韌性，并幫助其履行對客戶的承諾。

　　雷諾集團在物流管理中也在使用機器學習和人工智能取得了進展。該汽車制造商將來自物流提供商和供應商的信息與公共云中的信息結合起來，形成一個數字化的控制中心，以更好地對供應鏈的影響進行映射和預測。雷諾與谷歌云合作運行人工智能應用程序。

　　風險管理并不僅限于物理干擾，公司現在希望將其用于識別供應鏈中的財務風險。Sheffi解釋了這樣做的好處。“通常，確定供應商的潛在財務風險涉及查看財務報告，而這總是過去的信息，”他說。“如果你想獲得更及時的信息，就必須試圖從媒體，包括社交媒體，或其他任何可以提醒你供應商存在問題的地方獲取數據。你可以查看重要的高管是否在離職，供應鏈中的公司是否在抱怨拖欠已久的付款，或者供應商是否在合并或收購中遇到問題，或者與他們的銀行有問題。問題是這需要時間。”

　　他說，人工智能可以在這方面提供幫助，因為新的語言模型可以獲取非數值化的數據。“現在，你可以在同一時間范圍內以非常大的規模獲得以前無法獲得的信息，”Sheffi說道。

　　對于汽車制造商和物流公司來說，一個意外的好處是成本，或者說幾乎沒有成本。汽車制造商無疑希望定制適合自己的人工智能軟件。Sheffi說：“他們希望按照自己的方式來做這個，他們想使用他們公司的經過驗證的流程，并將其嵌入到人工智能中。”

　　然而，由于像谷歌、微軟等跨國科技公司和其他投資者正在向OpenAI及其ChatGPT平臺這樣的軟件開發者投入數十億美元，所需的基本代碼已經存在，這意味著大部分開發成本和不確定性已經脫離了汽車制造商的掌控。

　　Sheffi解釋說：“想象一下微軟的Excel。你可以在電子表格上構建表格或模型，但電子表格的基本機制已經存在。同樣，使用優化軟件，你已經有了可以指定處理手頭問題的軟件包。這不會花費過高的費用，因為大部分開發成本都由風險投資家承擔，他們為所有這些初創公司提供資金，而那些正在開發人工智能的大公司。沒有人會從頭開始建設。”此外，這些公司將能夠向許多行業銷售產品，同時在激烈競爭中，隨著時間的推移，使用這些平臺的價格將下降。

　　當然，不管怎樣，成本總是會出現。為了能夠充分利用汽車供應鏈中的人工智能，必須花費金錢培訓員工如何正確高效地使用它。幸運的是，這不會像科技巨頭花費的數十億美元那樣多。但這將耗費時間。

　　Sheffi說：“現在你開始看到為什么這需要很長時間了。人工智能將是一個有用的工具，但那些能夠花時間培訓他們的員工使用它的公司將能夠從中受益。他們需要培訓他們的員工并改變流程-將人與機器整合在一個無休止的工作流程中，以充分利用它。”

　　這個過程可能需要很長時間，甚至可能需要幾十年。Sheffi舉了MIT教授Robert Solow的例子，當時正值技術革命。他說：“革命始于1950年代，但到1987年，他說計算機時代無處不在，只有生產率數字除外。”Sheffi說：“直到1990年代末，所謂的‘Solow悖論’被解決，當時技術、零售和批發業加速了美國的生產率。其他行業也加入，生產率開始加速。延遲的原因是人們需要一段時間去學習使用新技術，逐漸適應它，不再害怕，并將其納入到流暢的工作流程中。”

　　即使一家公司可以花費時間和金錢來培訓員工使用新軟件，對未知事物的自然恐懼可能成為生產力的障礙。Sheffi說：“有些人會試圖破壞它，因為他們害怕失去工作，有些工會也會反對。然后還有政府監管。歐盟、美國、中國、日本和韓國等主要國家都在制定關于生成式人工智能的監管框架。美國的討論是要成立一個人工智能機構，以確保軟件的安全使用，并追究人工智能公司的責任。這將減緩開發過程，盡管人工智能正在迅速發展，但它不會很快普及。與此同時，經過審查且不威脅就業的應用可能會更快地被采用。”

　　人性因素

　　雖然人工智能在使物流世界更高效方面有著未知的、尚未充分發揮的能力，但它卻缺少一些它無法學會的東西-人性。“根據其本質，工作和業務中有些方面人類比任何算法都要好得多，”Sheffi說。因為機器學習是通過從過去學習來工作的，所以在緊急物流方面，人工智能可能并不是很有用，因此在危機時期，人仍然是供應鏈保持運轉的必要條件。

　　“如果情況發生變化，突然陷入衰退，或者發生戰爭、疫情或其他導致人們改變購買習慣的重大變化，人工智能無法理解更大的背景，并且在預測上不會準確，”他說。“而人類可以看到并理解更大的背景，并能接管工作。人類能更好地發現變化，因為機器相對僵化，一切都是基于它們訓練過的數據。如果某些事情不在過去的數據中，它也不會成為輸出的一部分。”

　　Sheffi補充說：“人們有道德準則，會做正確的事情。人類能夠更快地適應，有創造力，并能提出新的想法和流程。而且人類有同情心。”

　　他說，在疫情期間，公司基于CEO之間的電話通話調動了數以萬計的工人和卡車，這是很難想象能夠自動完成的。“這是基于人際關系和同情心，”他說。“供應鏈是由人組成的，它們基本上是社交網絡。”

　　工人們重新回到了位于德國辛德爾芬根的奔馳(MercedesBenz)價值7.3億歐元(8120萬美元)的56號工廠，因為人類能夠處理更加復雜的生產線。

　　Sheffi認為，物流的人性因素將無法被取代或復制。他以奔馳在德國辛德爾芬根的價值7.3億歐元(8120萬美元)的56號工廠為例，該工廠生產S級車型，并致力于零排放生產。他說：“一開始，奔馳將所有工作都自動化，然后他們回過頭來，取消了很多自動化，重新引進更多的工人。為什么呢?因為生產線上的車型選擇太復雜了。他們發現人類比人工智能處理得更好。”

　　當像寶馬和雷諾這樣的原始設備制造商將更多的人工智能應用程序整合到他們的控制中心時，物流領導者傾向于強調重要的決策仍然由人類做出，但他們能夠更快地獲得更多信息和建議。例如，在雷諾集團，該汽車制造商能夠在幾小時內使用人工智能算法了解土耳其今年2月份的地震將如何影響該地區的供應商，幫助物料控制人員采取措施減輕干擾，這在以前可能需要幾天甚至幾周來規劃。“這有助于我們將決策權交給人們，” Jean-Francois Salles說道。他在今年夏天之前是雷諾全球供應鏈副總裁，建議，未來人工智能將邁出下一步，自動采取對策，例如訂購高級貨運或從備選供應商那里取消物料訂單。