2021年9月某一天，加利福尼亚州洛杉矶港口的一艘货船升起飘扬的美国国旗。在供应链危机期间，创纪录的巨量货船被困在加州南部海岸南部逡巡和等待，而船上装载的，也许就是民众为圣诞节准备的礼物和玩具。随着货运量短期暴增、新冠疫情相关管控的收紧以及劳动力短缺等问题，这些货物明显得不到及时的装卸与加工。
当下，全球面临的“供应链”难题并不是一个完整且独立的问题，而是暗藏在整条供应链的几乎各个环节之上。更可怕的是，即使疫情过去，Kaiyun官方网站app登录 短缺与制造商的悲观情绪也将继续影响整个市场的运作态势。极端气候事件每月都在发生，新冠冲击造成种种直接或间接性的原材料短缺，这一切又反过来令运输成本急剧上升。钣金、电脑芯片以及食品配料等供应挑战已经成为现实，半导体行业、个人防护设备行业以及塑料行业纷纷曝出原材料告罄和工厂停工。而且由于一直招募不到充足的卡车司机，各个街区的超市里满是空荡荡的货架。雪上加霜的是，新近美国报告通货膨胀率高达5.4%，达成最近13年来的最高水平。
现在考虑一下，只有4%的供应链领导者认为自己的运营体系已经为未来的挑战做好准备。到底是翻开时代的新篇章还是彻底堕入黑暗与灾难，也许就取决于当下一搏。
已经有无数文章讨论过目前的困境究竟因何而起、从何而来。没错，反思问题很有必要，划分谁该负责也有意义；但更重要的是，我们要怎么解决掉当前的危机、并防范未来随时可能再度爆发的供应链灾难。
图：现代造船厂鸟瞰图与通信网络概念图：物流、工业4.0与工厂自动化。
AI正是解决之道
根据Infoholic Resaerch发布的预测，物流与供应链市场中的AI技术将在2017年至2023年之间保持42.9%的年均复合增长率，并于2023年达到65亿美元总值。在这场竞赛中，谁能运用AI技术，谁就能让自己的供应链体系发挥出最大潜能、克服当前危机。我们可以使用AI技术通过新的分销模式（包括直接面向消费者、点击取货和订购等）提升规模与效率，改善客户、合作伙伴及供应商间的互联，以利用整个供应链生态系统中的自动化元素。
认知自动化
认知自动化方面的创新强调“以低少人力实现更高产出”。认知自动化平台能够在一定的边界和业务规则背景之下，做出实时建议、预测结果并自主作出供应链决策，进而建立起先进的自主供应链技术体系。认知自动化有望将以往只能手动完成的重复性任务，转变为具有卓越性能的高水平自动化流程。作为一大特定应用领域，复杂、极易受人为错误影响的报关流程对人员的法规知识要求极高，而认知自动化也许正是解锁报关效率的关键。
流程优化预测
由预测性洞见驱动的企业预测、筹备与发现能力，有望彻底消除产品交付速度低下的问题，也能帮助企业通过流程调整防止业务中断。这类技术还提供先进的规则解决方案，能够更好地感知需求与供应变化、加快响应能力。此外，相关厂商还不断加强全球各供应链参与者之间的交互，借此预测交付路线，更高效地运送、提取并交付货物。除此之外，供应链中常被忽视的干扰因素也将被纳入掌控，例如预测机械磨损、提高整体设备效率指数并预测/优化车队燃料使用方式等。
供应链弹性
AI技术还有望勾勒出新的供应链冲击应对前景，例如建立起一套“自我修复”供应链数据集，利用AI技术帮助实时发现并纠正数据问题。以此为基础，整个供应链的敏捷性、灵活性及端到端控制能力都将有所提升，将供应链绩效、风险、机会与事件的实时可见性变为可能，最终帮助领导团队做出更明智的端到端决策。
AI帮助缓解技能短缺难题
未来，机器将与人类密切合作，在生产流程中的各个阶段提供协助，全面覆盖从原料/零件质量监控到产品组装、再到最终消费者交付等环节。有人认为，目前全球供应链中的“最薄弱一环”在于卡车司机短缺。虽然全自动化驾驶短期内恐怕还无法实现，但AI方案至少能在一定程度上实现人类卡车司机求职者的招聘与审查自动化，从而在未来数月、甚至数周之内有效缓解这一技能短缺难题。
八大监控与建模案例
沃尔玛携手福特
沃尔玛福特与Argo AI已经在尝试使用自动驾驶汽车将货物运送至客户家中。最初的试点项目将在华盛顿特区、迈阿密以及奥斯汀展开，并在成功之后进一步扩大应用规模。
DHL建立基于机器学习的空运延误预测工具
机器能够分析58个不同数据点，并提前一周预测每日延迟或提前到达情况，同时查明造成延迟的主要原因。
联邦快递发布SameDay Bot当日达机器人
SameDay Bot搭载有激光雷达与标准摄像头，能够将包裹运送至最后一英里。经过测试与证明，这些机器人能够有效避免碰撞并提高 配送效率。
Fizyr开发出可在恶劣物流环境下自动拣选并放置货品的软件
Fizyr的软件能够与任何摄像头、机器人及终端执行器相集成，帮助企业随意选择最适合自身需求的形式。借助算法，其每秒可完成100多个抓取姿势，并按照不同分类对目标物体执行搬运操作。
Nuro送货机器人
Nuro制造的R-1机器人能够将产品运送到轮船或卡车上、穿过人行道甚至爬上楼梯送货。它们非常轻巧，因此相较于其他传统机器人要更加安全。
Robby Technologies自动驾驶汽车
在先进AI技术的支持下，他们的车辆能够在包含道路、人行道、行人及铁路交叉口等元素的复杂路况下行进，同时提供对话式AI方案以改善人机交互体验。
DigitalGlobe拼车用卫星影像
这些卫星影像能够作为输入素材建立起高级地图工具，从而提高接人、导航及送人等环节的精度。他们的卫星会以街区为单位检测出新的路面标记、国道信息及交通模式等变化。
Alloy.ai销售点预测方案
Aooly.ai设计出一套机器学习平台，能够持续监控来自销售点及其他多个来源的传入数据，并利用这些数据绘制出全面的销售情况以更好地预测未来需求。以此为基础，企业客户能够更好地提前规划自身需求与最优决策，从而减少瓶颈、缓解货物短缺问题。
用AI预测下一场疫情
上述解决方案对缓解我们当前面对的供应链问题、提升运营效率都很有价值。但是，引发这场危机的根源仍然是COVID-19的全球大流行。虽然很多人觉得这样的意外灾难“根本无法预测”，但事实未必如此。
格拉斯哥大学的研究人员们使用病毒加人类基因组可信来源序列特征，共同开发出一套机器学习模型。这套模型能够预测动物病毒略过人体、不产生实际危害的可能性。这样一种强大的预测能力将给全世界带来重大影响。如果科学家和政府能够提前预知哪些病毒有必要跟踪，就能在爆发感染之前着手研究并阻止其传播。
德国目前就在建立一处新的全球数据中心，以检测新出现的流行病威胁。这处世卫组织疫情与流行病情报中心将快速分析数据以预测、预防、检测、准备并应对全球风险。来自格拉斯哥大学等地的研究成果将被输入至这处中心，确保：1）我们能够提前预防全球健康危机；2）避免这类突发灾难演变成全球经济危机；3）避免削弱全球供应能力；4）避免社会秩序的破坏进一步延长疫情流行周期。
全球疫情将推动美国更多企业探索将AI添加至供应链管理平台。此举将帮助各类公司建立起更具弹性、更加敏捷的供应链，确保在一切业务条件下始终保持蓬勃发展。为了帮助全球供应链各个环节内的每一家参与企业，充分利用AI的力量已经刻不容缓。
