2024年LOG中国供应链物流创新科技发展报告.pdf

CONTENTS罗戈研究 LOGResearch2024 LOG中国供应链物流科技创新发展报告01供应链物流技术趋势与创新图谱I.全球供应链物流技术趋势II.2024 中国供应链物流创新科技认知框架III.2024 中国供应链物流创新科技图谱IV.中国供应链物流科技应迭代02智能化I.AI技术与应II.流程动化与超动化III.数字孪03数字化I.数字化管理II.双碳数字化III.仓储管理IV.数字货运V.数字化应技术发展04动化I.智慧仓储II.新能源III.动驾驶05趋势总结CONTENTS01供应链物流技术趋势与创新图谱I.全球供应链物流技术趋势II.2024年中国供应链物流创新科技认知框架III.2024年中国供应链物流创新科技图谱IV.中国供应链物流科技应迭代罗戈研究 LOGResearch2024 LOG中国供应链物流科技创新发展报告LOGResearchGartner：供应链战略成熟度曲线图（2023）资料来源：Gartner-Get Started on the Generative AI Journey In Your Supply Chain,2023全球供应链技术趋势对比2022年的变化，Gartner在2023年的供应链战略成熟度曲线图里，除了对GenAI、数据孪生等技术有持续关注之外，着重强调了绿色可持续供应链的重要性。2023年的曲线主要调整：4 4创新萌芽期膨胀顶峰期幻灭低期复苏光明期成熟期机器户生成式AI循环供应链敏捷组织数据认知态系统伙伴关系数字供应链孪客户的数字孪生智能AI客户体验管理供应链即服务供应链络安全混合作业供应链弹性供应链区块链多样性、公平和包容产品即服务供应链供应链成本优化机器学习可持续的供应链高级分析供应链险管理数字化供应链战略供应链细分成本-服务分析性能指标络设计卓越中新增新增生成式AI、客户数字孪生循环供应链、可持续的供应链加速加速成熟成熟数据认知、数字化供应链战略将在2-5年内走向成熟推迟推迟成熟成熟供应链细分：唯一推迟成熟的技术，同时也处在复苏光明期技术技术调整调整循环供应链（原“循环经济”）、产品即服务供应链（原“解决方案供应链”）高级分析（原“规范性分析”）、性能指标（原“指标”）LOGResearchGartner：2018-2023八大顶级战略性供应链技术趋势资料来源：Gartner过去三年的不确定性已经模糊了业务和技术战略之间的界限，以至于必须将它们放在一起考虑。Gartner VP/Simon Jacobson5 5趋势1:人工智能趋势2:高级分析趋势3:物联网趋势4:智能事物趋势5:会话系统趋势6:机器人过程自动化趋势7:沉浸式技术趋势8:区块链2018年趋势1:人工智能趋势2:高级分析趋势3:物联网趋势5:自主事物趋势4:机器人过程自动化趋势7:沉浸式技术趋势8:供应链中的区块链趋势6:数字供应链孪生2019年趋势6:人工智能趋势2:数字供应链孪生趋势1:超级自动化趋势5:边缘计算和分析趋势4:供应链治理与安全趋势7:5G网络趋势8:沉浸式体验趋势3:持续智能（CI）2020年趋势7:嵌入式人工智能和分析趋势2:数字供应链孪生趋势1:超级自动化趋势4:边缘生态系统趋势5:供应链安全趋势6:环境社会治理趋势3:沉浸式体验与应用趋势8:增强数据智能2021年趋势7:生态系统合作趋势4:数字供应链孪生趋势1:超级自动化2.0趋势2:下一代机器人趋势5:无处不在的分析趋势6:安全网络趋势3:自主事物趋势8：可持续发展工具2022年趋势7:网络弹性供应链趋势4:行业云平台趋势1：可操作的人工智能趋势2:智能运营趋势5:员工敬业度趋势6:组合应用架构趋势3:移动资产优化趋势8：供应链整合服务2023年年20232023年三大主题与目标年三大主题与目标优化优化OptimizeOptimize扩展扩展ScaleScale开拓开拓PioneerPioneer提高生产力和效率提高弹性、连续性、风险和安全性围绕新的运营模式和流程促进创新2023年供应链关键技术趋势特征：从关注单个技术，转向关注基于技术组合引入了很多新技术面孔人工智能：最接地气的新技术趋势弹性供应链：成为重要趋势之一全球供应链技术趋势LOGResearchKPMG：2024年供应链趋势数字化变革资料来源：KPMG,Supply Chain Trends 2024:The digital shake-upKPMG认为，随着人工智能等技术的发展，供应链管理正在出现新的范式，提供更大的供应链可见性，以更快响应日常、异常需求，主动解决问题，提供应对未来潜在冲击的能力。而对于新技术的投资和有效使用，需要企业以数据为重，密切关注数据管理、挖掘等技术。6 6Trend 1:Trend 1:Generative AI Generative AI inin operationsoperations运营中的生成式AIAITrend 2:Trend 2:AI enabled no AI enabled no touch/low touch/low touch planningtouch planningAIAI赋能无接触/低接触规划Trend 3:Trend 3:The critical role The critical role of dataof data数据为重Trend 4:Trend 4:Transparency Transparency and visibility and visibility beyond Tier 1 beyond Tier 1 and 2and 2深层次的可视化Trend 5:Trend 5:LowLow-code code platformsplatforms低代码平台Trend 6:Trend 6:ESG and ESG and Scope 3 Scope 3 emissionsemissionsESGESG和范围三排放Trend 7:Trend 7:Electric Electric vehicles,vehicles,transport and transport and logisticslogistics新能源/电气化到2024年，50%的供应链组织将投资于支持人工智能和高级分析能力的应用程序。以AI、DT等技术，消除供应链计划和执行之间的差距，提升写作能力、供应链可预测性。企业决策的关键，需提升数据的可用性、质量、一致性，并协同企业目标，持续管理。突破供应链环节，创建更深入的供应链生态系统视图，实现产品/服务流的可见性。超过2/3的企业已在其供应链中使用了低代码，以缩短系统开发周期，提升应对变化的能力。范围三是企业供应链排放的主要部分。企业需协同上下游合作伙伴，减少供应链整体排放。组织正加快物流运输链的电气化和自动化，并协同数智技术，支持企业的可持续发展目标。全球供应链技术趋势LOGResearchASCMs Top 10 Supply Chain Trends资料来源：ASCM在对2024年的十大趋势预测中，ASCM将“数字化”放到了第一位，并强调全球企业构建弹性供应链的重要性。而技术方面，以人工智能为核心的技术应用，将在端到端供应链的管理、协同、运作等方面提供赋能和有效改善。7 71.1.BigBig datadata andand analyticsanalytics 大数据和分析2.2.DigitalDigital supplysupply chainchain数字供应链3.3.SupplySupply riskrisk andand resilienceresilience供应链风险和韧性4.4.ArtificialArtificial intelligenceintelligence andand machinemachine learninglearning人工智能和机器学习5.5.RoboticsRobotics机器人6.6.DataData securitysecurity andand cybersecuritycybersecurity数据安全和网络安全7.7.CircularCircular andand sustainablesustainable supplysupply chainschains循环可持续供应链8.8.EssentialEssential goodsgoods supplysupply chainschains必需品供应链9.9.SmartSmart logisticslogistics andand thethe internetinternet ofof thingsthings智能物流和物联网10.10.LogisticsLogistics vulnerabilityvulnerability物流脆弱性20231.1.DigitizationDigitization数字化 更多的企业将加速数字化（及智能化）转型2.2.BigBig datadata andand analyticsanalytics大数据和分析 支撑企业敏捷、弹性供应链体系建立3.3.ArtificialArtificial intelligenceintelligence人工智能 全方位赋能供应链各环节的智慧化运作和管理4.4.InvestmentInvestment inin systemssystems andand peoplepeople投资系统和员工 供应链管理应用和员工新技能培训5.5.Visibility,Visibility,traceabilitytraceability andand locationlocation intelligenceintelligence可视、可追溯、智能定位 实现货物实时可视6.6.DisruptionDisruption andand riskrisk managementmanagement中断和风险管理 提升对外部环境的准备和应对能力7.7.AgilityAgility andand resilienceresilience敏捷、弹性 需嵌入供应链整体战略，服务以客户为中心的新商业模式8.8.CybersecurityCybersecurity网络安全 提升全球供应链稳定性9.9.GreenGreen andand circularcircular supplysupply chainschains绿色循环供应链 服务为企业的碳中和等可持续发展目标10.10.GeopoliticsGeopolitics andand thethe deglobalizationdeglobalization ofof supplysupply chainschains地缘政治和供应链去全球化2024全球供应链技术趋势LOGResearch2024 中国供应链物流创新科技应用框架以人工智能、数字孪生等为代表的智能技术，正在成为供应链物流领域重要的变革性力量，也带来数字化、自动化技术的创新升级。8 8AI数字孪生超自动化大数据云计算物联网机器人/自动化无人驾驶5G创新技术供应链控制塔AI智能决策执行管理WMS/LES/WESTMS数字货运平台绿色/智慧园区OMS仓储自动化物流IoT自动驾驶车/无人机车后服务物流园区仓/场站/码头绿色智能驾驶硬件/设施计划排程网络规划算法平台流程控制流程编排平台数字孪生平台RPA/APA协同运营供应链中台物流运营中台物流运营交易平台绿色双碳碳管理平台自动化数字化智能化LOGResearch2024 中国供应链物流创新科技图谱9 9供应链控制塔智能决策（计划排程规划算法）数字孪生流程自动化流程编排供应链中台物流中台碳管理平台智慧仓储管理（WMSWMSLESLESWESWES）智慧运输管理（TMSTMS）数字货运仓储自动化自动驾驶车无人机新能源车设施设备（园区车后IoTIoT）智能化数字化自动化LOGResearch中国供应链物流科技应用迭代中国供应链在近30年时间里，伴随数字经济、技术的快速发展，供应链物流的数字化、自动化，以及智能化应用也经历着不同程度的周期性迭代。101019952010201320152017201920212023数字化自动化智能化技术演进路径科技应用迭代云计算物联网大数据AI智能算法区块链自动化+物联网无人驾驶5G高级自动驾驶柔性自动化智能算法流程编排生成式AI数字孪生视觉技术CONTENTS02智能化I.AI技术与应II.流程动化与超动化III.数字孪罗戈研究 LOGResearch2024 LOG中国供应链物流科技创新发展报告19952010201320152017201920212023LOGResearch中国供应链物流科技应用迭代：智能化智能化应用，从早期依托智能算法技术的RAP、自动化控制，伴随流程编排等技术的发展，延伸至智能流程管理与决策，并在2022-2023年随着生成式AI、数字孪生等技术的发展，推动物流领域真正意义上开始迈进数实相融的智能化大门，带来行业创新变革的想象空间。121219952010201320152017201920212023智能算法流程编排生成式AI数字孪生视觉技术流程自动化机器人自动化决策智慧化智能化决策中台：蓝幸成立计划与决策平台：悠桦林成立算法平台：杉树科技、逗号科技成立RPA：弘玑成立圆通推出智能在线机器人客服菜鸟全面启动物流IoT战略京东智能网络规划系统正式投入应用视觉自主机器人（灵动科技）机器人AIoT操作系统：旷视科技发布“河图”（HETU）即时配送AI调度系统：美团新一代超脑即时配送系统数字货舱：G7发布智能挂车“数字货舱”V9版极智嘉发布第五代机器人管理系统菜鸟“天机”准时达 JusAI京东物流超脑百度地图推出物流大模型 Beta版上海港推出自动化码头数字孪生系统基于大模型的数智化供应链产品物流领域首个大规模应用的数字孪生实践：顺丰数字孪生中转场京东物流推出AIoT数字孪生平台杉树科技推出智能决策平台“数弈”LOGResearch生成式AI与大模型：促进AI应用落地，加速通用人工智能(AGI)时代的来临资料参考：由 ChatGPT 反思大语言模型(LLM)的技术精要，Beyond the imitation game:Quantifying and extrapolating the capabilities of language models商汤、沙利文整理技术追踪生成式AIAGI（Artificial General Intelligence，通用人工智能），是指在任何任务上，AI都可以像人类一样表现出高度适应性和灵活性，高效率地完成指定任务。AI 大模型是人工智能预训练大模型的简称，包含了“预训练”和“大模型”两层含义，二者结合产生了新的人工智能 模式，即模型在大规模数据集上完成预训练后，仅需少量数据的微调甚至无需微调，就能直接支撑各类应用，是人工智能迈向通用人工智能的里程碑技术。1313Transformer、GAN、CNN、RNN等架构通过海量数据进行预训练微调以应用于不同的场景解决各种复杂任务泛化性对新数据的适应能力模型在从未见过的数据上能表现出良好的性能能力通用性实用性解决多个任务的能力模型能应用于不同的数据集或任务应用时的可用性和效率模型能以合理的时间和资源快速处理数据并做出决策(以CatGPT为 例：ChatGPT是LLM与RLHF技术融合革新的生成式AI代表性产品，推动语言模型与人类意图的一致性，是从弱人工智能向强人工智能迈出的坚实一步)生成式AI:基于现有数据生成全新原创内容的模型大模型：基于大规模参数的人工智能预训练模型LLM:基于深度学习的自然语言处理技术ChatGPT:2022 年11 月 OpenAI 公司发布的基于LLM 研发的人工智能聊天机器人AIAI大模型的内涵与特征大模型的内涵与特征LOGResearch大模型加速AI的“智能化”演进资料参考：由 ChatGPT 反思大语言模型(LLM)的技术精要，Beyond the imitation game:Quantifying and extrapolating the capabilities of language models商汤、沙利文整理技术追踪生成式AI1414大模型加速大模型加速AIAI的“智能化”演进的“智能化”演进大模型将由数据飞轮向智慧飞轮升级演进1.解锁更多技能2.Align with Human智慧内容的生成智慧内容：生成式AI，AI Generated Content智慧飞轮基模型数据飞轮数据算法模型循环互动降低开发门槛提高模型精度增强模型泛化能力提高内容生产质量和效率增强生态繁荣度大模型五大基本价值大模型五大基本价值LOGResearch生成式AI发展展望：大模型生态加速形成资料参考：未尽研究-看DAO 2024技术追踪生成式AI未竞研究在看DAO 2024中提出，2024 年，优化训练和部署大模型仍然非常重要，大模型的生态加速形成，应用开始在一些领域大规模展开，主要表现在以下领域：1515智能体作为任务助理进入更多应用场景和业务流程操作系统集成下一代大模型，成为下一代操作系统人形机器人开始量产，自学习与环境互动能力进一步强化终端设备加载 AI 模型，推动换代升级下一代闭源大模型推出，开始出现胜任人类水平的AGI“火花”，但规模边际效应递减数据来源的深度和广度进一步开拓，进一步规范，更多合成数据与自然数据结合用于大模型训练小模型结合软硬件应用，新物种涌现基于大模型的下一代操作系统基于大模型的下一代操作系统LOGResearch生成式AI发展展望：下一代多模态闭源大模型推出，并应用于更多场景资料参考：未尽研究-看DAO2024技术追踪生成式AIOpenAI 与微软将推出 GPT-5，谷歌将推出 Gemini Ultra，亚马逊也在训练数万亿参数的大模型。下一代大模型将是多模态的、使用更多合成数据的、混合专家系统的，会消除一些幻觉、增加上下文长度、信息更加准确和及时、基础数学水平有所提升，等等。更多更好的数据、更强的算力、更顺的搜索，依然是产生智能的根本因素。加上 RAG（检索增强生成）补充非参数化的知识，闭源大模型会应用于更多的场景。1616LOGResearchAI在供应链中的应用趋势图谱资料参考：唐隆基人工智能重塑数字化供应链AI在供应链物流领域的应用AI与数字孪生、IoT、区块链等技术的结合，将带来供应链物流领域的更多新价值创造可能。1717文字图像识别新价值创造AI+认知计算AI+自主技术AI+数字供应链孪生自主供应链AI+RPAAI+IoT+分析AI+持续数据分析AI+OR（运筹学）AI+大数据AI+区块链AI+控制塔认知供应链自然语言处理NLP机器学习(ML)监督学习回归降维无监督学习RPAAMR聚类无人机无人车无人仓人工智能AI深度学习逆向供应链回收物分类强化学习实时决策技能习得学习任务机器人导航游戏AI特征消除结构发现意义的压缩大数据可视化分类选择供应商客户留存图像分类识别检测诊断广告人气预测天气预测需求市场预测人口增长预测供应链计划寿命期望估计物流自动化无人供应链、无接触供应链推荐系统客户细分目标市场机器人自动化自主机器人电商自动化超级自动化智能供应链区块链发现商业新价值第四代供应链控制塔持续智能供应链智能优化供应链洞察决策及优化供应链数字计划供应链管理洞察力进出口商品分类供应链文档自动生成商品检索处理自动化流程自主计划自我修复智能客服智能运营认知采购智能制造供应链风险洞察AI+工作流供应链弹性边缘AI嵌入式AI智能边缘设备实时分析报告优化运营AI算法算法供应链优化供应链算法SCPLOGResearch大模型在供应链物流的应用场景AI在供应链物流领域的应用1818需求计划基于大模型的复杂物流预测基于大模型的复杂物流预测：大模型可以用于预测物流需求、货物交付时间、运输成本等方面，进而帮助物流公司合理分配资源，并预测运输线路和交通状况。不确定性物料需求计划不确定性物料需求计划：SAP的物料需求预测应用采用了大模型技术，通过对历史销售数据、库存状况、生产计划等数据的分析，计算出物料需求的预测值。这有助于企业更好地管理库存，减少库存积压和浪费，并确保物料供应与生产计划相匹配。生产不确定环境下物流与供应链计划不确定环境下物流与供应链计划与调度与调度：大模型可以用于计划供应链网络、仓库分布和货物调度。通过模拟运输需求、货物量和交通情况可以优化物流运输规划，以提高整体效益和客户满意度。运输大规模复杂运输规划大规模复杂运输规划：第三方物流服务商利用大模型进行运输规划，提供高效、准确的物流解决方案。货物跟踪货物跟踪：基于大模型，为客户提供准确的货物状态信息和预计到达时间，提高物流透明度和客户满意度。仓储 库存盘点与补货计划 动态仓库布局调整 智能化设备 以自动驾驶为代表的无人化运输 大规模实时路径优化 不同商业场景融合下的需求管理 极端事件下的需求管理 工厂物流系统的重构 物流与生产的协同安全供应链风险预测供应链风险预测：面对供应链中存在多种可能导致供应链中断的风险，如供应商倒闭、交通中断、自然灾害等，大模型通过收集和分析大量的供应链数据，构建供应链风险预测模型，评估潜在风险和事件发生的可能性，提前预测供应链中的风险，并制定相应的风险应对措施。供应链异常检测供应链异常检测：供应链中可能导致产品质量问题、客户投诉和品牌声誉受损的异常事件，如假货、被盗、灌水等，大模型通过监控供应链数据，并与历史数据进行比对，识别并预测供应链中的异常事件，提前发现和响应，减少不良影响。通过实时监测供应链的数据流，并将其与模型进行比对，可以及时发现异常事件，快速采取措施，保障供应链的安全性。LOGResearchIDC关于AI在供应链计划领域的应用调研：AI技术的应用仍处在探索早期资料参考：IDC，The Utility of Al in Supply chain Planning；SAP翻译AI在供应链物流领域的应用2023年9月，IDC发布了一项AI在供应链计划领域的应用调研和总结，整体来看，供应链的复杂性，愈加凸显AI技术在智能决策领域的重要性，企业也在积极布局，但具体的应用仍处在早期。1919 全球供应链近年来复杂度激增，生成和接收的数据量十分庞大，已超过人类的处理能力 为了提高处理速度，消除延迟和减少浪费，企业必须即刻实现决策自动化，整合数据，并获取深入的洞察AI对供应链的必要性 需求计划和预测优化方面：需求预测高度以数据为中心 协调供需：利用 AI 来确保用户充分考虑所有可能影响订单履行的数据集，并将这些数据集纳入决策和预期AI在供应链领域的发展 嵌入式 AI：由于供应链数据通常处于边缘位置，因此位于边缘的嵌入式,AI 能够更好地发挥效能。哪一种类型的AI技术适合供应链Q：AI在供应链领域扮演着什么样的角色？在供应链领域扮演着什么样的角色？供应链计划人员和建模人员仍然极其稀缺 有远见的企业正在考虑采用混合方法。他们在培养资深老员工的同时，积极招聘经验不足的新员工，并投资决策自动化技术 利用 AI 培训新员工，这些人通常缺乏工作经验。IDC 称之为“加速培养专业技能”AI还被用来执行任务或增强计划人员的能力 计划人员仍然是高技能角色，员工仍发挥着至关重要的作用。技术并未取代他们的工作而是帮助他们完成更多的工作企业现况 生成式 AI仍处于早期阶段，主要用于初步试点和流程映射 是利用这项技术自动创建和编辑文档 数字助理生成式AI的应用Q：AI及生成式及生成式AI对供应链，尤其是计划有何影响？对供应链，尤其是计划有何影响？LOGResearchIDC关于AI在供应链计划领域的应用调研：AI技术对供应链计划的改善最为显著资料参考：IDC，The Utility of Al in Supply chain Planning；SAP翻译AI在供应链物流领域的应用企业在不同程度尝到AI技术应用带来的改善成果，其中供应链计划是反应收益最大的领域。对于AI技术应用前景，企业希望真正实现供应链与运营的有效打通。2020 利用 AI 工具优化供需协调 IDC 还发现，一些企业利用 AI大大缩短了完成新计划周期所需的时间。AI技术目前使用情况 企业正在利用基于 AI的需求感知系统推进可持续发展工作，同时减少总体浪费 另一个常见的用例是优化不同系统的集成优化不同系统的集成 在 2023 年 IDC 供应链调查 中，被问及 AI 技术给企业带来的最大收益时，回答最多的是改进了供应链计划供应链计划 目前的数据量和数据产生速度均已超过人类的处理能力。技术并不会取代计划人员，而是让他们的工作更富有成效。AI的用例Q：AI在供应链物流领域的应用成果如何？在供应链物流领域的应用成果如何？AI要想真正推动生产力提升，必须应用于能带来显著成效的领域，帮助企业提高员工能力并提升数据管理水平 AI技术与供应链和运营部门的关键目标高度契合AI的应用目标 供应链目前还只是触及了 AI潜能的皮毛，尤其是新兴的生成式 AI借助借助AI技术，企业还能够无缝连接供应链计划与制造和物技术，企业还能够无缝连接供应链计划与制造和物流流程流流程 利用 AI 优化码头调度计划 动态部署仓库工人/拣选工，从而优化劳动力的使用未来AI在供应链物流领域的应用Q：AI在供应链中的应用前景如何？在供应链中的应用前景如何？LOGResearchIBM：IBM Sterling智能供应链套件AI技术应用供应链控制塔IBM Sterling供应链智能套件是一个基于人工智能的优化和自动化解决方案，可提高供应链的弹性和透明度，同时展示在公共可持续发展承诺方面取得的有意义的进展。供应链智能套件依托应用程序生成器，提供供应链优化、AI驱动的应用程序、控制塔等产品。技术应用：AI、区块链、IoT等技术为支撑AI驱动的应用组件：包括控制塔、透明供应、履约、供应风险、库存计划等应用产品应用生成器：包括电子表格生成器、看板生成器、工作序列生成器、规则生成器等。系统亮点：常态感知可操作的工作流可见性实施可持续发展目标2121LOGResearchIBM：下一代供应链控制塔AI技术应用供应链控制塔通过端到端可见性、高级分析和可操作的工作流程，辅助接受过供应链语言培训的人工智能技术，更快地识别和解决关键供应链问题。扩展流程智能和执行，使供应链更具适应性、响应性和弹性。2222异常&趋势外部影响因素跨组织可见性权威的供应链数据模型端到端系统整合多企业解决方案采取行动优先级推荐AI学习分析分析处理处理感知感知更智能的集成更智能的集成使用集成模式连接所有现有的供应链系统和服务。协同供应链利益相关者立即采取行动解决问题轻松部署、可集成和扩展异常管理异常管理实时检测、显示工作任务并确定其优先级，可快速感知问题并做出反应，同时主动管理供应链中的风险和中断可操作的工作流程可操作的工作流程可以定制工作流程以满足在源事务系统内自动化操作所需的独特要求和流程步骤。使用供应链虚拟助手做出明智的决策，使用自然语言搜索，并根据企业供应链数据，进行问题响应真正的端到端可见性真正的端到端可见性通过标准化数据平台消除数据孤岛并在全球供应链中建立实时可见性通过个性化仪表板将数据转化为可行的见解，提供 KPI 和重要供应链事件的 360 度视图LOGResearchSAP：人工智能驱动的供应链计划体系AI技术应用供应链计划2323资料来源：SAP-AI在供应链物流领域的应用LOGResearchSAP IBP需求计划中的机器学习AI技术应用供应链计划2424资料来源：SAP-AI在供应链物流领域的应用LOGResearchSAP：机器学习实现智能主数据一致性管理，提高供应链计划结果AI技术应用供应链计划2525资料来源：SAP-AI在供应链物流领域的应用LOGResearchBlue Yonder：端到端SaaS解决方案AI技术应用供应链计划2626LOGResearchBlue Yonder：下一代供应链计划AI技术应用供应链计划表面上看，“新常态”给所有供应链都造成了显著压力。未来的领导企业将拥有强大的数字化供应链，能轻松预测市场信号和挑战，并高效作出响应，将挑战转变为前所未有的机会。如同巧妙利用强风推动自身前进的游艇，自主式供应链也能利用市场干扰，创造自己的竞争优势。2727BY下一代供应链计划解决不确定性AI/ML赋能供需感知（以食品饮料行业为例）LOGResearchBlue Yonder：集成性供需计划AI技术应用供应链计划Luminate 计划可协助弥合组织筒仓和计划时间框架内的差异，实现供需计划的完全闭环。2828LOGResearchBlue Yonder：制造供应链数字化解决方案AI技术应用供应链计划2929制造业供应链计划解决方案制造供应链功能流程图制造业智能交付解决方案LOGResearch悠桦林：智能供应链计划与排程解决方案AI技术应用供应链计划悠桦林是一家以运筹学、强化学习、大数据分析等智能决策技术为核心驱动，聚焦制造业场景需求，为企业提供行业+AI+OR的智能决策整体解决方案的科技公司。悠桦林智能供应链计划与排程解决方案，基于自研Deloris算法平台，将大数据、人工智能、运筹学等技术通过宏观到微观的多层级计划产品体系将AI智能决策真正落地，切实解决企业在供应链计划层面遇到的问题。3030LOGResearch悠桦林：不同层级计划的组合应用AI技术应用供应链计划3131LOGResearch欧睿数据：端到端计划管控平台AI技术应用供应链计划欧睿是一家专注于用数字化技术开发和应用驱动商业科学决策的高新技术企业，面向鞋服、快消等行业，提供基于商品战略下的端 到端计划管控系统，助力企业重塑增长曲线以及复杂渠道与客群下的精细化运营，陪伴品牌商实现 全渠道、数字化、供应链生态的跨越式发展。3232战略落地到策略+预算落地到计划=品牌企业真正意义的管控LOGResearch欧睿数据：供应链战略与业务模型的联动AI技术应用供应链计划3333LOGResearch欧睿数据：基于战略的端到端计划体系打造AI技术应用供应链计划3434LOGResearch欧睿数据：某女装品牌案例-有效支撑快反场景下的商品供应链蓝图AI技术应用供应链计划3535LOGResearch欧睿数据：某女装品牌案例-有效支撑快反场景下的商品供应链蓝图AI技术应用供应链计划3636LOGResearch蓝幸：供应链网络优化和计划产品解决方案矩阵AI技术应用供应链计划蓝幸是国内领先的供应链网络优化与计划产品解决方案服务商，是中国唯一一家被全球知名机构Gartner认可的软件供应商。3737库存策略优化和库存水位计划AI驱动-补货计划和优化售后备件建储计划和库存优化物流/供应/端到端网络规划选址决策优化售后备件&逆向供应链网络优化AI驱动 未来需求预测AI驱动 促销和补贴方案AI驱动 定价策略优化运输路径优化资源和车辆优化发运计划中长期产能规划主生产计划齐套率优化年度产销预算计划物料采购计划优化月周产销平衡计划LOGResearch蓝幸：标准化的平台产品，解锁供应链价值的核心AI技术应用供应链计划与网络规划3838平台集成多种算法适配99%的业务场景多场景配置化系统架构客户成功标准的数据表结构 80多张输入表 5000个浓缩后的表头（供应链元素）助力企业有效整理庞大繁杂的数据快速的系统配置 无需二次开发 快速实施，项目周期短，风险可控业务人员简单上手 标准的产品手册 灵活的参数调节窗口适应企业长期发展变革 动态适配业务发展，扩展简单，快速迭代 全局功能开放更低的维护成本 基于统一的数据标准和框架，数据互通、易于维护 安全性和高可靠性设计成熟的客户成功体系 成熟的项目方法论 全球积累最丰富的供应链决策最佳实践 持续的陪伴式保障用户能力培养 用户培训：供应链与软件基础、虚拟项目、游戏比赛 售后支持：软件技术、持续学习资源、行业分享调拨计划模拟仿真库存优化产能分配订单分配串点运输需求预测仓网优化LOGResearch蓝幸：产品架构AI技术应用供应链计划与网络规划3939数据源定时事务人工触发一体化流程化定时事务人工触发零代码云协同标准数据结构全面完整的标准化数据输入模板灵活的参数设定可以通过配置的方式实现99%的业务诉求场景管理GIS地图配置数据自动化能力：通过可视化工作流的方式搭建数据流程灵活的场景编辑器，构建不同业务场景模型求解配置算法库输出结果订单系统运输系统仓储系统与计划系统/执行系统的衔接：决策数据中台表格自定义视图BI图表地图丰富的结果展现可配置的地图，支持多图层、自定义LOGResearch蓝幸：某家电品牌需求预测与补货计划案例AI技术应用供应链计划与网络规划4040LOGResearch菜鸟：生成式AI在物流全链路中的应用资料来源：AI大模型与物流供应链未来应用高层论坛，菜鸟-领域大模型在物流全链路的应用价值探讨AI技术应用物流全链路优化4141地理感知类 POI/AOI表征 轨迹挖掘 地址解析与空间映射状态识别类 图像/视频识别 关务的商品分类消费者/客户体验类AI4Data NL2Data、Nl2KnowledgeEDA、经营分析管理Copilot 运营小二/客服小二/快递员Agent AIGC+RPA仓储决策 AGV调度 拣选单生成、打包、补货运输&干线路由决策 车辆调度 订单履约分配末端决策 快递员分单决策/片区决策人/车-相关预测 配送时效配送路径区域-相关预测 包裹量/需求量线路-相关预测 重量/流量预测人/车-行为仿真 快递员配送行为 司机驾驶行为物流仿真场景生成 分拨/中转中心 网络/线路/网点规划 工作片区规划仿真包裹流/订单流生成生成式AIVEA、GAN、DiffusionModel PTMs、GPTs物流感知物流预测物流仿真物流决策物流管理LOGResearch菜鸟：生成式AI for 物流感知资料来源：AI大模型与物流供应链未来应用高层论坛、第九届虹桥论剑，菜鸟物流时空大模型和LLMs的应用研究探讨AI技术应用物流全链路优化菜鸟关于大模型在物流运转方面的应用，重点围绕“地理”展开，包括基于路径规划、任务分配、时空预测等。4242LOGResearch菜鸟：关于物流运转优化效率的AI探索资料来源：第九届虹桥论剑，菜鸟物流时空大模型和LLMs的应用研究探讨AI技术应用物流全链路优化菜鸟于2020年提出的DeepMARK算法，对于派件、揽件ETA预测，有很好的效果。4343LOGResearch菜鸟：生成式AI for 物流感知-全自研地理预训练大模型G2PTL资料来源：第九届虹桥论剑，菜鸟物流时空大模型和LLMs的应用研究探讨AI技术应用物流全链路优化菜鸟时空大模型G2PTL，基于大量的物流数据，得到地址与地址件的关系，作为大模型的数据基础，并基于Transformer，叠加地理的任务，获得时效性预测等方面更好的表现。4444G2PTL的的chat化化LOGResearch菜鸟：生成式AI for 物流管理资料来源：AI大模型与物流供应链未来应用高层论坛AI技术应用物流全链路优化4545LOGResearch菜鸟：生成式AI for 物流仿真资料来源：AI大模型与物流供应链未来应用高层论坛AI技术应用物流全链路优化4646LOGResearch准时达JusAI：动态ETAAI技术应用智能预测准时达与宁创学院合作，借助机器学习、人工神经网络等先进技术进行建模，深度探索在国际领域进行国际海运集装箱动态ETA的智能预测。此预测模型，有助于改善港口运营规划，有效管理多式联运中的航运风险，提升海运贸易分析准确性。同时船舶预计目的地和ETA有效预测有助于有效规划和调度港口作业。一方面，工作人员可以对航行中的船舶提前干预，减少在港口等待时间甚至避免港口拥堵。另一方面，船舶和卡车的周转时间会减少，码头装卸作业 效率提高，同时也避免了闲置泊位，减少资源浪费。4747LOGResearch准时达JusAI：动态库存管理AI技术应用库存管理利用AI模型和历史数据来对未来的需求量进行预测，叠加准时达JusLink动态库存管理工具，通过AI模型提供实时补货及出货建议，