——在2024年（第二十三次）中国物流学术年会上的演讲（摘要）

SAP中国首席数字官、副总裁、博士 彭俊松

2024年11月16日 河北·廊坊

尊敬的各位领导、嘉宾：

大家早上好！非常荣幸能够受到会议主办方的邀请，有机会在物流行业最高水平的物流学术年会上发言，我感到非常荣幸。我分享的题目是《企业智能化转型：AI技术定义物流和供应链的未来》。

经过几十年的发展，企业已经进入到“三化叠加”的复合转型阶段，转型的幅度和节奏明显加快。第一阶段，自1970年至2010年，以业务流程信息化的执行和分析实现数据统计驱动信息化的阶段。第二阶段，2010年至2020年，以大数据的采集、分析、预测等传统AI技术驱动的数字化阶段。第三阶段，从2020年开始，通过大语言模型和创造内容的能力等以生成式AI驱动的智能化阶段。

每个阶段为企业创造的价值各不相同。第一阶段大约提升了企业生产效率的20%，第二阶段这一比例跃升至40%，而到了第三阶段，增长幅度更是惊人地达到了70%。目前，我们恰好处在这一高速成长的阶段。因此，我预测在未来的12个月内，我们将见证更多深刻影响企业商业运作的创新性AI应用的出现。

在物流和供应链领域，在前两个阶段，通过信息系统的建设和传统AI技术得应用，企业取得了显著的效益。物流行业的业务流程相对标准化和紧凑，数据采集也更为直观便捷。很多企业凭借建立的信息系统，结合机器视觉技术、优化算法等传统AI技术，大幅提升了生产效率，取得了显著的效益。

就当前全球经济及所处行业的发展阶段而言，我们正步入一个数据海量爆发的新阶段。全球数据年增长率高达20%以上，远超GDP增速。其中，约20%-30%的数据源自物流与供应链领域。如此复杂庞大的数据使得全球供应链愈发复杂，远远超出了人类大脑的处理能力。

举个例子来说明，三年前苏伊士运河因船舶故障发生堵船事件。从事件发生到全球IT系统向货代、供应商、客户发出警报，仅用了30分钟。这意味着全球物流网络系统必须能在短时间内从海量数据中迅速识别此类异常情况，并针对可能带来百亿美元损失的灾难性事件提出解决方案。此过程所需处理的数据量、算法构建及算力需求，均达到了前所未有的量级。

因此，面对如此庞大的数据量，传统的信息系统和数字化手段已难以应对。值得一提的是，中国每年贡献的数据增长量约占全球的25%，在全球数据生成中占很大比例。对于中国企业而言，这既是机遇，也是挑战。

在处理大规模复杂业务场景时，传统AI应用存在以下三个主要缺陷：一是关注在特定的、明确的任务或场景，相互之间孤立而缺少联系；二是高度依赖于历史数据和特定的输入/输出模式；三是缺乏交互和解释能力，侧重于任务的执行而非交互的流畅。

因此，从数字化的角度来看，针对下一阶段的物流与供应链发展提出了更高的要求。这意味着AI系统需要具备更强大的算力、更高效的算法以及处理更大规模数据的能力，主要体现在以下四个方面：一是跨整个产品生命周期的复杂生态系统和合作关系；二是将人员、流程和技术对接，以推动收入和股东价值；三是大量的数据需要高效的方法来收集、分析并提取有价值的洞察；四是优化流程，以实现自动化质量管理和高效的现场技术支持，确保同步和高效。

生成式AI恰好补上了智能物流和供应链“缺失的一环”。它擅长深入分析非结构化数据，而当将其与以往侧重于结构化数据执行分析的能力相结合时，能够显著提升企业的预测与决策能力。

据咨询公司统计，整个端到端供应链的工作时间中，有高达43%可用于获取基于上下文理解的洞察，这一洞察结合了非结构化数据与结构化数据的综合分析。此外，借助生成式AI的强大对话能力，能够实现29%的供应链时间自动化。最后，通过其生成内容的能力，还能改善14%的供应链时间管理。生成式AI带来的这些新能力，有望全面填补物流供应链上的缺失环节。

生成式AI有望将过去难以实现自动化的流程实现自动化，将极大地推动企业的智能化转型进程。目前来看，主要有三种应用模式：内嵌模式、Copilot（副驾驶）模式和Agent模式。

大约半年前，OpenAI发布了最新成果，仅用13天便打造出一个具象智能机器人，能够响应人类指令完成任务，并出色地实现人机交互。这标志着当前的生成式AI在人与物的系统互动中，已达到Agent（代理）模式的水平。这一成果的发布，预示着企业智能化转型即将进入飞速发展的阶段，不仅在机器人技术领域，在企业管理领域也将迎来同样的变革。

举个例子，我们在过去一年与国外多家大型企业在供应链领域合作创新的案例。在这个案例中，AI能够自动从外部环境捕捉信息，发出供应链预警信号，随后自主收集、分析和整理与这些预警相关的更多细节。基于企业的IT系统能力，AI会生成多个解决方案，并详细列出每个方案的成本、交货时间以及对产品质量的影响等。同时，能够自动转化为具体的业务流程执行指令。

再举个例子，这是沃尔玛的一个海外实践案例。沃尔玛已成功将生成式AI的三种应用模式融入企业运营的各个环节。其中，嵌入式的AI能力使得顾客能依据购买目的搜索商品。此外，沃尔玛还构建了与上游供应商互动的元宇宙平台，配有自动进行对多个商品需求预测和补货的互动机器人。同时，还开发了具备完全自主能力的谈判机器人，能与供应商进行供应链价格谈判及合同签署，显著提升了企业的采购效率。如今在国外，不仅是大型采购商倾向于使用机器人进行谈判，供应商也希望利用此类机器人进行价格协商。这意味着双方的数字化与自动化能力已经达到很高水平。

物流行业在迎接信息化、数字化与智能化的新浪潮过程中，供应链将迎来重大的转型机遇。生成式AI技术的兴起，赋予了我们前所未有的内容创造能力，不仅能够总结分析更多以往依赖结构化数据难以触及的场景，还能生成以往无法获取的数据，解锁那些曾经无法洞察的领域。因此，在物流行业的计划、采购、生产、运输及客户服务等关键环节，将迎来非常大的变革。

今年4月，我带一个客户考察团前往汉诺威工业博览会，见证了国外在人工智能应用领域的全面布局。从数据采集到SaaS化的云端应用，再到AI在各场景下的自动化应用，每个领域都涌现出了众多有深度的创新成果。我们可以清晰地预见，未来的时代将是供应链竞争主导的时代。如果我们能敏锐地洞察到供应链五层次的变化，就如同下棋时能预见五步棋局，相较于只能看到两步的对手，一定能取得胜利。因此，AI将成为企业在未来物流与供应链领域竞争中不可或缺的利器。

很多物流企业已将开始由人机交互机器人领域转向生成式人工智能领域。DHL已经将其与客户交互的门户网站全面自动化，不仅实现了人机自然语言之间的互动，更代表着它的数字技术能够从后台有效支持前端智能系统发出的各类指令，已经成功构建了一个自动化的循环与闭环系统。

我们必须要认识到，建立企业级AI和在手机里体验ChatGPT是完全不同的，建立企业级AI有三个要求：一是要相关，在业务流程背景下提供最相关的AI；二是要可靠，基于行业数据训练出来的独特可靠的AI；三是要负责，基于伦理和数据隐私标准构建的AI。因此，要基于3R（Relevant、Reliable、Responsible）原则来构建企业级AI。相较于传统的ChatGPT，虽然可以处理抽取关键词、描述图片内容，但面对具体的企业应用场景时，往往无法直接给出满意的答案。

因此，我们当前的任务是将ChatGPT的内容生成能力与企业的结构化数据通用模型相融合。正如我在演讲开始时所展示的那样，企业在进行智能化转型时，不应仅仅局限于利用ChatGPT进行内容生成。而是应该结合以往的信息化和数字化能力，将这三个阶段的“三化”进行深度融合。只有通过这种融合，才能充分发挥ChatGPT的生成能力和通用模型的潜力，真正帮助企业解答业务中的具体问题

如今，众多企业正积极投身于ChatGPT及人工智能应用的探索中。当前仍处于转型的初级阶段，而人工智能具备彻底重塑企业的巨大潜力。我们不能仅仅满足于创建聊天机器人或生成客户营销内容。事实上，AI能够革新企业端到端的每一个环节，从重塑客户营销历程到重新定义产品研发，再到优化产品交互过程，其影响力无处不在。

在推进AI的过程中，企业应从价值维度出发，确保AI的应用紧密围绕业务痛点及连续的业务流程进行改造。这意味着，我们不能仅仅局限于在各个领域实施零散、不连贯的场景应用，而应聚焦于某个关键业务场景进行深度挖掘。唯有如此，结合AI技术的力量，才能有效避免无用和无效的重复工作，实现真正的转型价值。

AI的应用前景广阔，我们的目标是让蚊子不断地聚集起来，让每个业务环节中的AI应用不断累积，最终迎来价值的爆发，实现从蚊子变成大象。然而，实现这一目标的关键在于如何引领组织变革。智能化转型不仅局限于单一业务流程的优化，而是触及企业内部组织结构、商业模式及业务环节的深层次变革。因此，在改造流程的同时，需要更加关注企业上下游合作的协同、人机分工的清晰化。更要保持开放的心态，即便可能面临风险、遭遇失败，我们依然要保持理性，以探索可能性的艺术姿态，勇敢地推动企业AI应用的进程。

AI并非万能钥匙，它需要与人类的洞察力、战略规划和持续创新相结合。在AI的加持下，物流和供应链将不再是企业运营中的后勤支持，而是转变为前沿的竞争力。一个由数据驱动、预测性分析和自动化决策支撑的新时代正在到来!

谢谢大家！

（根据速记整理，未经本人审阅，转载请注明作者和来源中国物流学会。）