2024中国供应链物流科技创新发展报告

CONTENTS 罗 戈 研 究LOGResearch 04 02 05 03 01 供应链物流技术趋势与创新图谱 趋势总结 智能化 I.AI技术与应⽤II.流程⾃动化与超⾃动化III.数字孪⽣ I.数字化管理II.双碳数字化III.仓储管理IV.数字货运V.数字化应⽤技术发展 I.智慧仓储II.新能源⻋III.⾃动驾驶 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⽤迭代 CONTENTS 罗 戈 研 究LOGResearch 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⽤迭代 Gartner：供应链战略成熟度曲线图（2023） 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： Gartner：2018-2023八大顶级战略性供应链技术趋势 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 Jacobson 全球供应链技术趋势 KPMG：2024年供应链趋势——数字化变革 KPMG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。 Trend 6:ESG andScope 3emissions Trend 5:Low-codeplatforms Trend 7:Electricvehicles,transport andlogistics新能源/电气化 Trend 3:The critical roleof data Trend 4:Transparencyand visibilitybeyond Tier 1and 2 Trend 2:AI enabled notouch / lowtouch planning Trend 1:Generative AIinoperations 运营中的生成式AI ESG和范围三排放 低代码平台 AI赋能无接触/低接触规划 数据为重 深层次的可视化 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。 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。 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。 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。 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。 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。 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。 ASCM’s Top 10 Supply Chain Trends 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。 2024 2023 1.Bigdataandanalytics大数据和分析2.Digitalsupplychain数字供应链3.Supplyriskandresilience供应链风险和韧性4.Artificialintelligenceandmachinelearning人工智能和机器学习5.Robotics机器人6.Datasecurityandcybersecurity数据安全和网络安全7.Circularandsustainablesupplychains循环可持续供应链8.Essentialgoodssupplychains必需品供应链9.Smartlogisticsandtheinternetofthings智能物流和物联网10.Logisticsvulnerability物流脆弱性 1.Digitization数字化更多的企业将加速数字化（及智能化）转型2.Bigdataandanalytics大数据和分析支撑企业敏捷、弹性供应链体系建立3.Artificialintelligence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.Investmentinsystemsandpeople投资系统和员工供应链管理应用和员工新技能培训5.Visibility,traceabilityandlocationintelligence可视、可追溯、智能定位实现货物实时可视6.Disruptionandriskmanagement中断和风险管理提升对外部环境的准备和应对能力7.Agilityandresilience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.Cybersecurity网络安全提升全球供应链稳定性9.Greenandcircularsupplychains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.Geopoliticsandthedeglobalizationofsupplychains地缘政治和供应链去全球化 2024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。 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。 CONTENTS 罗 戈 研 究LOGResearch 02 智能化 I.AI技术与应⽤II.流程⾃动化与超⾃动化III.数字孪⽣ 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。 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 AGI（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。 AI大模型的内涵与特征 Transformer、GAN、CNN、RNN等架构 泛化性 实用性 通用性 应用时的可用性和效率 对新数据的适应能力 解决多个任务的能力 模型在从未见过的数据上能表现出良好的性能能力 模型能以合理的时间和资源快速处理数据并做出决策 模型能应用于不同的数据集或任务 通过海量数据进行预训练 生成式AI:基于现有数据生成全新原创内容的模型 (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) 大模型：基于大规模参数的人工智能预训练模型 微调以应用于不同的场景 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 大模型加速AI的“智能化”演进 生成式AI发展展望：大模型生态加速形成 未竞研究在《看DAO2024》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： 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 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 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 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 小模型结合软硬件应用，新物种涌现 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 OpenAI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。 AI在供应链中的应用趋势图谱 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。 AI在供应链物流领域的应用 大模型在供应链物流的应用场景 需求计划 生产 安全 运输 •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：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。•以自动驾驶为代表的无人化运输•大规模实时路径优化 •不确定环境下物流与供应链计划与调度：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。 •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。 •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：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。 •工厂物流系统的重构•物流与生产的协同 仓储 •不同商业场景融合下的需求管理•极端事件下的需求管理 •库存盘点与补货计划•动态仓库布局调整•智能化设备 IDC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 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。 Q：AI在供应链领域扮演着什么样的角色？ Q：AI及生成式AI对供应链，尤其是计划有何影响？ 企业现况 AI对供应链的必要性