12月1日消息，在2023亿邦产业互联网年会上，齐心集团CTO于斌平发表了题为《AI赋能的数字供应链实践分享》的演讲。他指出，AI正在快速改变世界和商业模式，为传统供应链带来新的解决方案。同时，他倡议产业供应链领域同行们一起构建行业商品大模型，降低产业链成本。
随着AI的出现，尤其是近几年生成式AI的出现，快速地改变着全世界和我们的生活方式，甚至是商业模式。AI具有一些非常好的解决方案，能解决传统供应链甚至传统数字供应链没有办法解决的问题。今天我想借此机会与大家伙儿一起来分享一下齐心集团在这方面的实践经验，并与大家共同讨论。
首先，请允许我介绍一下齐心集团。齐心集团成立于1991年，2009年上市，是B2B集采领域解决方案的提供商和云视频解决方案的提供商。经过创始期、拓展期、加快速度进行发展期、服务转型期等，我们现在正在经历数字化转型期，通过客户服务平台为客户提供服务。
今天的主题是产业互联网，我想简单分享一下消费互联网和产业互联网的对比。过去的十几年、二十年，消费互联网非常兴盛，侧重于消费者体验，只要商品便宜、体验好就可以了，但是消费互联网的市场格局已形成。相比之下，产业互联网的格局才起步，主要涉及的主体是企业，注重的是降本增效。
我们对产业互联网的特点进行了总结，它有几个特点，包括服务实体企业、底层逻辑是供应链管理等。现在产业供应链运营有三种主要模式：第一，联盟运营，撮合交易，核心是数字化超级运营平台；第二，共享经济；第三，以自营模式为主，挖掘价值，核心是数字化供应链，齐心集团致力于在这样的领域中发展。
我们理解的数字化供应链的核心有几个方面：连接、服务、数字化和数智化。简单来说，我们给供应链上所有公司可以提供价值，无论是服务商、生产商、品牌商、供应商还是客户。以前我们是通过产品和服务提升价值。现在通过大数据和人工智能的技术赋能，能够更好地满足他们的需求。
齐心数字供应链的模型是以齐心客户服务平台为核心，连接两端：一端是供应商，包括生产商、品牌商和服务商等；另一端是客户，我们主要服务央国企和中大规模的公司。在供应链的需求、寻源、采购、履约、验收、结算、售后和数据等方面，我们过去主要是通过业务服务实现，现在全方面转型为以智能化和数字化为主的数智化服务。我们总结这一模式为数字驱动、AI赋能。
我想通过这张图来展示齐心的数字供应链全景图。刚才提到的数字化转型的核心是为公司可以提供服务，我们有各种各样的客户，每个客户的需求都不同，每个客户使用的系统和应用数据格式也不同。那我们如何更好地服务和连接他们呢？我们是通过客户服务前台。这个服务前台是一个逻辑化的、自动适配的平台，能够很好的满足企业和供应商的各种需求，无论是系统、数据格式还是其他要求，只需要很少的工作量就能够适配他们的需求。
举个例子，我们大家可以在10个工作日内，为客户提供一套很复杂的、从合同到订单、再到履约和结算的全套服务解决方案，完成与客户的对接。另外，我们的SaaS商城可以在三天内完成企业个性化的服务商城搭建。之所以可提供如此个性化、多样化的适配能力，是因为我们有齐心的能力中后台，包括业务中台、大数据平台和管控后台等等。
谈到AI赋能，就不能离开大数据。齐心的大数据平台和通常所说的大数据平台有什么不一样呢。我们的大数据平台将行业相关的数据集中起来，许多企业建设数据平台的目的是制作报表，没办法发挥数据的实际价值。而齐心则将大数据平台作为AI训练的输入源，采用AI技术进行供应链优化、商品推荐、订单和物流等方面的训练，从而建立了一个大数据智能服务平台。我们有了这样一个大数据服务平台，才能说AI给供应链赋能。
第一，订单的智能调配。我们在做供应链的（企业）大家都清楚，由于客户遍布全国甚至全世界，最理想的服务方式是在每个地方建仓，这样才可以为客户提供最快速的服务。然而，这在现实中是不可能的。同时，最好的方案是将所有商品都备足库存，显然在To B行业中这也不可行，因为多余的货物会导致资金过多积压。因此，商品的补货预测、采购、库存分布、甚至供应链线条上的补货等都需要系统来进行计算，以往都是基于人工经验和简单规则，现在使用基于AI深度学习技术的计算方法。
第二，社会化供应链中的算法。在供应链线条上，企业除了自有仓库，还有社会化仓库比如供应商的仓库。根据算法的计算结果，可以决定例如货物是从自有仓库中提取还是从供应商的仓库中提取，以及选择怎样的方式来进行运输，是拆分运输还是整合进行运输等。AI算法会结合客户真正的需求的履约时间、成本、毛利、质量等因素，综合决策货物的送货来源、出货地点以及运输方式等。
供应链自动推荐模型分为三个阶段：首先将所有数据输入到大数据仓库中并进行标记（打标签）；接着进行特征和模型计算，最后预测并自动输出结果。结果影响供应商选择、商品质量选择、库存选择、订单选择以及路线规划等。
前面分享的是供应链案例，接下来分享的是商品标准库的建立：上午丁总详细的介绍了京东墨卡托体系，做的非常好。对于To B行业而言，商品标准库的建立非常困难。
首先，To B行业的商品种类非常之多，不同企业的商品需求也各不相同，单个企业建立起这个商品目录十分艰难。同时，商品的来源各异，有客户、企业自己、上游供应链以及整个行业。这样的多样性导致了很多企业都有自己的商品数据筛选库，但系统无法自动识别这些库中的商品。过去，一些企业采取的做法是加入人工识别的环节，后来又加入了一些技术逻辑，但这些手段已经不能够满足需求。许多商品描述中还包含定语和广告词，这为商品标准库的建立增加了许多干扰因素。目前我们结合AI技术比如语义搜索、意图识别等，商品标准库的建立已取得了明显成果，同时我们也在尝试用大模型技术来更快速地解决这一个问题。
接下来是招投标报价场景。在To B行业中，客户通常会发送一份报价单，可能包含几千条甚至几万条数据。传统的做法是人工筛选和匹配，查看库存中是否有相应商品，需要人工进行匹配，这样的工作量和复杂度非常大。而我们通过AI系统，可以自动寻找相似或相同的商品，自动匹配相应的SKU，并通过成本、质量和模型匹配价格，快速报给客户。所以AI实现降本增效是实实在在的，简化了客户和企业的操作流程。
还有就是智能仓储场景。自动化仓储对于大家来说并不陌生，过去的仓储以工控机、单片机、微电脑控制为主，主要使用在于工业领域。我在2018年去西雅图和亚马逊交流的时候得知，他们的仓库作业有70%到80%是由机器学习为主的自动化操作完成的。他们的系统能自动识别货物品类和包装大小，并自动匹配包装箱，他们有专门的数据科学家研究计算货物与包装箱的尺寸匹配问题。当时我感觉到很惊讶，也意识到我们的技术差距很大。
但令我欣慰的是，这方面国内也已经取得了进展，齐心集团核心的仓库有跺码机、AGV机器人和四向车，这些设备大部分已经采用了最新的AI视觉识别技术，摄像头可以自动识别箱子的尺寸、所属类别和应该放置的位置，还能够规划车辆的行进路线。与传统的工控完全不同，这样的形式可以大大提高效率和准确率。我们已在核心仓库进行了应用，在仓库利用率、拣货的准确性、拣货效率提升上效果很好。
再接下来分享一下RPA。过去，RPA和人工智能没太多关联，它们主要使用爬虫技术和页面抓取技术。但现在RPA和AI的结合更加深入，RPA在抓取信息之后会进行很多自动化处理。今天参会嘉宾以企业老板和高管为主，实际上一线操作人员的工作复杂度和难度很高，RPA解决的就是这样一些问题。目前我们已应用了100多个RPA，效果很好。主要的应用场景包括财务、人力资源、采购、客服和信息技术等领域。
举个例子，对账单和银行单据的下载，下载之后自动进行收入和收款匹配，同时还与发票进行勾稽处理等。在RPA中加入一些AI算法进行自动匹配，最终得出结果。其他的还有一些客服和一些系统应用。所以，通过RPA可以十分便捷地实现数据的交互。
最后，我想和大家伙儿一起来分享一下AIGC（生成式人工智能）以及我们在大模型领域的一些应用。首先，让我们的角度来看一下这位名叫“心心”的数字人（播放视频）。这一个数字人是我们与百度合作开发的，它的内容由文心一言生成，核心特点是内容、表情和口型完全贴合，跟真人一样。
我们主要将其应用在电商直播、商品介绍、客服领域。我想主要分享的是我们运用大模型技术，对数字人进行了公司所有规章制度和流程的训练。员工可能经常遇到公司有很多不同的规章制度，需要咨询财务、人力资源、行政等部门，他们可能给出不同的答案，还需要查阅资料，很复杂。利用大模型训练，这一个数字人能回答任何规章制度相关问题。
GPT4.0的功能比较强大，它真的改善了人类的工作。举个例子，对于某个表格的分解，有时候需要人工判断，但是这一个数字人可以用语言告诉你正确答案。这就是个人会使用AIGC和大模型的应用领域。
我们正在进行的一个项目是训练商品大模型。刚才提到的标准库和客户报价单，我们都已经应用了一些大模型技术。但面临的难题是如何利用AIGC开发出一个针对B端行业的商品大模型。使用AIGC的好处是，原本需要查询和咨询的商品信息，通过AIGC可以直接得到结果，提高了企业的运营和客户服务效率。
AIGC和大模型技术真的在颠覆人类工作方式，大家必须要相信AIGC的价值。以前的AI技术已被称为AI1.0或传统人工智能，AIGC是AI 2.0，它正在改变我们商业模式和生活模式。
在构建商品大模型的过程中，我们遇到了几个挑战：一是商品种类非常之多，一个企业没办法独立完成；二是商品的标准和规范各不相同，AI有必要了解不同数据规范和使用规范；三是单一企业的应用效率有限。
因此，我提出一个倡议。我呼吁同行一起构建产业供应链和产业互联网领域的行业商品大模型，真正地服务于客户和企业自身，共同降低社会供应链成本。
