大数跨境

AI 到底怎样在供应链里产生价值? || ACE链见 · 直播回顾 2026.11.12

AI 到底怎样在供应链里产生价值? || ACE链见 · 直播回顾 2026.11.12 BlueYonder供应链
2026-11-16
0
导读:【洞见AI 在供应链的应用与价值】支持7天内回放
ACE链见 · 直播回顾 / 2026.11.12

AI 不是锦上添花,是必需品

一场直播,两个视角,把「AI 在供应链的应用与价值」讲到了决策现场

ACE供应链创新· 链见系列直播 · 全文约 3500 字,含嘉宾 PPT 原片与直播现场截图

「芯片只够覆盖 60% 的订单,你先给哪个工厂?」

「供应商说下周能交货,你信吗?如果他交不了,你什么时候会知道?」

「突发风险来了,你有多久可以反应?」

这三个问题,不是课堂上的假设题,而是 11 月 12 日晚「链见」直播里被摆到台面上的真实业务场景。

当晚 19:30–20:30,联想集团供应链 AI 首席架构师 朱思语与 Blue Yonder 大中华区解决方案总监 陈亮,一个从超大规模制造企业的落地实践出发,一个从全球供应链软件厂商的能力框架出发,回答了同一个问题:AI 到底怎样在供应链里产生价值?

因为直播间听众过于热烈的交流及提问,预告的一小时,最终聊成了接近 100 分钟的完整分享与交流。这篇回顾把两位嘉宾的核心观点、关键数据和 PPT 原片整理出来——没赶上的同事,看这一篇,或者直接拉到文末回看。

直播主题
ACE链见直播 · 洞见AI 在供应链的应用与价值
时间
2026 年 11 月 12 日 19:30–20:30(完整回放约 104 分钟)
联合呈现
ACE供应链创新 × Blue Yonder × 联想
直播嘉宾
朱思语(联想集团 供应链 AI 首席架构师)
陈 亮(Blue Yonder 大中华区解决方案总监)
三个议题
AI 在供应链中的真实应用场景 · 联想的真实经验与实践 · Blue Yonder 的 AI 驱动供需计划

直播现场四连拍:开场议程、联想分享、Blue Yonder 分享与 Agent 场景演示
PART 01 · 联想 朱思语

4200 亿的供应链,为什么 AI 是必需品

从规模讲起,因为规模本身就是最难的那道题

朱思语先用一组数字把「供应链的复杂度」摆了出来:4200 亿年营收规模、600+ 产品家族、2000+ 全球供应商、5 大全球制造基地;再往下一层,是 500 万+ 订单行、10 万+ SKU、6 个月+ 关键部件交期、7 层+ 平均 BOM 层级。

这样的规模里,任何一个局部异常都会沿着 BOM 和供应网络层层放大。她的结论很直接:「AI 不是锦上添花,是必需品」「AI 不是工具,是数字大脑——它真正参与供应链的决策」。

嘉宾 PPT 原片|为什么 AI 最该进入供应链(联想)

规模即挑战,挑战即驱动力。

—— 联想分享中的一句话,也是整场「实践视角」的起点

MARS:把业务问题变成可计算的决策

联想把智能供应链里的 AI 应用收敛成一套叫 MARS的方法论:

M · Modeling 建模——把供应链业务问题转化为可计算的数学模型,定义决策变量、约束条件与优化目标;A · Algorithm 算法——根据问题类型选算法路径,「选对比用好更重要」;R · Reporting 报告——让 AI 的决策结果可解释、可追溯,计划员能看懂「AI 为什么这么说」;S · Simulation 模拟——在真实决策前模拟不同方案的结果与风险。

四步串起来,是「问题建模 → 算法求解 → 仿真验证 → 决策输出」的闭环。里面最值得记的一句是:把后悔留在决策前。

嘉宾 PPT 原片|联想智能供应链中的 AI 应用框架:MARS

三个场景,三组硬指标

方法论之后是落地。朱思语按「约束明确求最优 / 有规律做概率预判 / 场景开放做推理生成」三类问题,对应到运筹优化、机器学习、生成式 AI 三个真实场景:

运筹优化 · 关键料智能决策
3 天 → 10 min
综合成本节约 ¥700 万+/ 年
订单交付准确率 +5.4%
机器学习 · 供应商交付预测
85%~90%
预测准确率
需求满足率 99.8%,协同效率 +30%
生成式 AI · 风险预演
90% / 85%
风险识别准确率 / 风险量化评估准确率

最抓人的是第一个场景的业务设定:关键芯片只够覆盖 60% 的订单,多工厂、多策略、多维度约束,人工分析要 3 天。MARS 视角下,先做多工厂供需关系图谱化建模,再用运筹优化引擎在全部约束下求最优解,输出「最多出货 / 最公平分配 / 综合最优」三种模式并可做方案对比——决策时间被压到 10 分钟。

嘉宾 PPT 原片|运筹优化:关键料智能决策引擎与业务价值
直播现场截图|联想分享「运筹优化——关键料智能决策引擎」

第二个场景回答「供应商说下周能交货,你信吗」。做法是三层架构:多源特征工程(含外部风险事件标注与归因)、分品类模型集成、预测解释与模拟——不只给一个概率,还要拆开「延迟风险」来自产能、物流、质量还是意愿。

嘉宾 PPT 原片|机器学习:供应商承诺交付准确性预测

第三个场景是生成式 AI 做供应链模拟与风险预演:风险事件输入 → LLM 理解场景并推理 → 影响评估与缺口分析 → 应急方案推荐 → 输出评估报告。朱思语留给听众的问题是:「你的供应链里,有多少风险是你现在不知道、但三个月后会很痛的?」

嘉宾 PPT 原片|生成式 AI:供应链模拟与风险预演

从 AI 工具,到人机协作团队

分享的后半段,视角从「单点工具」抬到了「组织」:联想 iChain 的进化逻辑是 人类 + AI 助手 → 人类 + 智能体队友 → 人机协作团队,靠全域连接、全域认知、辅助决策、闭环执行四步,由 AI Master 编排任务、智能代理负责推理与方案模拟,最后仍通过人工审核与审批完成执行。

嘉宾 PPT 原片|iChain 的进化逻辑:从 AI 工具到人机协作团队

智能不是终点,人机协同才是。

—— 联想分享收尾页
PART 02 · Blue Yonder 陈亮

别把 AI 想窄了:它不等于大语言模型

如果说上半场回答「AI 能做出什么」,下半场回答的是「AI 到底有哪些能力」

陈亮开场先纠了一个很常见的认知偏差:AI 在供应链里应用已久,今天的新变化不是「旧一代被淘汰」,而是能力在叠加——规则 AI → 机器学习 → 深度学习 → 生成式 AI → 智能体 AI,五代能力同时在生产系统里各司其职。

直播现场截图|下半场开场,Blue Yonder「AI 在供应链的应用与价值」
嘉宾 PPT 原片|从规则 AI 到 Agentic AI:能力在叠加,并非前一代被淘汰

于是有了那句全场最值得划重点的话:AI ≠ 大语言模型。四类能力各有分工:

运筹优化 · Optimization

约束明确时,怎样做得最好?
排产 / 分配 / 路线 / 补货

机器学习 · Predictive AI

下一步可能发生什么?
需求预测 / ETA / 风险识别

生成式 AI · Generative AI

如何理解信息、解释结果?
知识检索 / 报告 / 交互

智能体 AI · Agentic AI

怎样协调工具与业务行动?
调查异常 / 调工具 / 工作流

嘉宾 PPT 原片|AI 不等于大语言模型:四类能力各有分工
这里有个很克制的提醒:Agent 不是新的优化器。它不会取代运筹优化或预测模型,而是让已有的预测、优化与业务流程更容易协同发挥作用。供应链 AI 的效果,来自成熟算法与新的理解、交互、任务协调能力结合。

理解 Agent,只需要四步

陈亮给了一个非常容易复用的框架:数据 → 识别 → 推理 → 行动。展开就是「数据与上下文(预测、订单、库存、主数据)→ 触发与检测(缺货风险、延误、SLA)→ 解释与推理(约束、缺口、根因与影响)→ 建议与行动(建议、审批或授权执行)」。

一句话概括差别:过去系统主要显示信息;新一代 Agent 开始协助判断「下一步应该做什么」。

嘉宾 PPT 原片|理解 Agent 应用的简单四步框架:数据 → 识别 → 推理 → 行动

四个场景,背后是同一种工作方式的改变

Planning Agent(供应链计划)、Logistics Ops Agent(运输异常处理)、Warehouse Ops Agent(仓库运营)、Control Tower(把局部异常放回端到端网络)——四个演示场景,改变的是同一件事:

供应链计划从「分散分析」到「更快协同计划」;运输管理从「人工排查」到「主动处理例外」;仓库运营从「查找报表」到「聚焦行动重点」;控制塔从「局部可见」到「跨网络协同」。核心挑战从来不是缺少报表,而是让信息能够支持贯通网络的决策。

直播现场截图|Warehouse Ops Agent 场景演示


嘉宾 PPT 原片|四个场景,背后是同一种工作方式的改变

AI 的价值,是缩短从发现问题、理解问题,到真正采取行动的距离。

—— Blue Yonder 分享总结页
PART 03 · 一个共识

两位嘉宾,其实在说同一件事

一个从企业内部往外讲,一个从能力框架往内讲,落点却完全一致

联想 · 实践视角

把决策从「靠人算」变成可计算、可解释、可追溯;把后悔留在决策前;最终走向人机协作团队,人仍在审核与审批回路里。

Blue Yonder · 方法视角

把系统从「显示信息」升级为「协助判断下一步」;Agent 不是替代优化器,而是让预测、优化与业务流程协同起来。

共同点很清楚:AI 在供应链里的价值,不是再多一张报表、再一个分析页面,而是缩短从发现问题到采取行动的距离;同时,人始终在决策回路里——计划员判断、经理决定、人工审核审批,一步都没省。

这场直播,最该带走的 5 句话

  1. AI 不是锦上添花,是必需品。
  2. 把后悔留在决策前。
  3. Agent 不是新的优化器,它让已有的预测、优化与业务流程更容易协同。
  4. 核心挑战不是缺少报表,而是让信息能够支持贯通网络的决策。
  5. AI 的价值,是缩短从发现问题、理解问题,到真正采取行动的距离。
附 · 直播福利回顾

当晚还留下了什么

7 天内可回看

没赶上直播?现在还来得及

回看链接与直播观看链接为同一个入口,完整回放约 104 分钟,包含两位嘉宾的全部分享与交流环节。微信内打开体验最佳;公众号正文不便跳转外链,可复制下方链接,或点击文末「阅读原文」。

https://vy8sa.xetlk.com/sl/15Lv6Y

扫码直接进入直播页回看
与直播预约为同一二维码

建议把这篇转给没赶上的同事,一起补齐这一场。
⏰ 回看有效期:直播结束后 7 天内(11 月 12 日起,建议 11 月 19 日前完成观看)

写在最后:这一晚最有价值的,不是某个模型或某个数字,而是两位嘉宾都不约而同地把 AI 放回业务里讲——从「芯片只够覆盖 60% 订单先给谁」这样的具体问题出发,到「人始终在决策回路里」这样清醒的边界。技术热闹,供应链要的却是可解释、可追溯、能落地。

ACE供应链创新 · 链见系列直播,下一场见。
觉得有用,欢迎点「在看」并转发给团队里做计划、做采购、做物流的同事。



关注我们, 同频供应链前沿



高科技 | 汽车业 | 零售业 |  物流业

全球数字化供应链解决方案领导者

人工智能嵌入式、可互操作的供应链解决方案 




【声明】内容源于网络
0
0
BlueYonder供应链
在当今不确定性大增的全球环境中,时间就是效益。Blue Yonder 端到端的数字化交付平台专注于为全球领先的优秀企业提供无缝的商业体验,帮助他们以智能化方式服务客户,主动、迅捷地预测、管理各类突发事件。
内容 492
粉丝 0
BlueYonder供应链 在当今不确定性大增的全球环境中,时间就是效益。Blue Yonder 端到端的数字化交付平台专注于为全球领先的优秀企业提供无缝的商业体验,帮助他们以智能化方式服务客户,主动、迅捷地预测、管理各类突发事件。
总阅读3.7k
粉丝0
内容492