羅戈研究：2024年供應鏈技術趨勢和新質生產力報告

羅戈研究院副院長中國數字化學會特聘終身顧問廣州捷世通物流股份有限公司戰(zhàn)略副總湖南大學計算機信息工程學院兼職敎授唐隆基博士1引言 21.2024年頂級戰(zhàn)略性供應鏈技術趨勢概述 31.1供應鏈組織的新機會 31.2Gartner對供應鏈領導的建議 31.32024頂級供應鏈技術的趨勢和主題 42.2023年及以后的頂級戰(zhàn)略性供應鏈技術趨勢 72.1控制與保護（ControlandProtect）主題 72.1.1網絡勒索（CyberExtortion） 72.1.2供應鏈數據治理（SupplyChainDataGovernance） 132.1.3端到端可持續(xù)供應鏈（End-to-endSustainableSupplyChains） 162.2人類和機器（HumansandMachines）主題 212.2.1人工智能的視覺系統(tǒng)（AI-EnabledVisionSystems） 212.2.2增強互聯(lián)的勞動力（Augmented-ConnectedWorkforce=ACWF） 252.2.3復合人工智能（CompositeAI） 332.2.4下一代人形工作機器人（Next-GenerationHumanoidWorkingRobots） 382.2.5機器客戶（MachineCustomers） 453.高德納頂級戰(zhàn)略性供應鏈技術趨勢/主題的研究回顧 564.總結 575.參考文獻 58羅戈研究 612引言隨著企業(yè)尋求更深入地了解供應鏈各個層面以及創(chuàng)新和新機遇，技術在企業(yè)的成功中發(fā)揮著越來越重要的作用。有名的研究咨詢公司Gartner表示，技術進步可以增強戰(zhàn)略決策、提高效率并促進生態(tài)系統(tǒng)協(xié)作。通過這些新興機會，Gartner確定了2024年八項戰(zhàn)略供應鏈技術趨勢將幫助領導者實現(xiàn)這些目標【1】。八個趨勢將有助于2024年增強和自動化決策。Gartner供應鏈實踐副總裁分析師ChristianTitze等在【2】中對其進行了全面分析。Gartner供應鏈實踐副總裁分析師ChristianTitze表示：“今年的趨勢是由鼓勵供應鏈技術領導者確保其基礎能夠支持過去和未來投資的主題推動的，同時也展望新的差異化機會”?！癆I（人工智能）變體繼續(xù)既是機器人技術等趨勢的驅動力，也是趨勢本身，今年以‘復合人工智能’為代表?！盙artner表示，今年的趨勢可分為兩個主題：(1)控制與保護：利用新興技術來管理業(yè)務(2)人類和機器：整合人與機器以提高競爭力本文首先概述Gartner2024年頂級戰(zhàn)略性供應鏈技術趨勢，然后逐一介紹和解讀2024年及以后的頂級戰(zhàn)略性供應鏈技術趨勢。之后回顧了高德納關于戰(zhàn)略性供應鏈技術趨勢的研究，并指出頂級供應鏈技術趨勢的新特征，最后揭示了最新供應鏈技術趨勢和新質生產力之間的關系。31.2024年頂級戰(zhàn)略性供應鏈技術趨勢概述【2】指出供應鏈組織需要考慮以下新機會：.技術進步為供應鏈技術領導者和其他高管提供了支持新業(yè)務模式、增強和自動化決策以及促進生態(tài)系統(tǒng)協(xié)作的機會。.充分發(fā)揮供應鏈技術投資過去和未來的潛力需要在“控制和保護”方面進行投資。.“人與機器”的主題帶來了競爭差異化的額外機會。.不同類型的人工智能——整合在復合人工智能這一更廣泛的主題中——提供了新的機遇并推動了多種趨勢，例如機器人技術或決策智能領域。供應鏈技術領導者和其他高管在制定供應鏈技術戰(zhàn)略和選擇以及創(chuàng)新的中長期計劃時，必須：.通過建立明確的治理流程來吸引不同利益相關者并驗證機會，征求有關使用和優(yōu)先考慮創(chuàng)新技術的建議，以改善和改造供應鏈。.通過不斷評估和采用供應鏈數據治理、網絡勒索等先進的數字技術以及滿足可持續(xù)發(fā)展合規(guī)要求的解決方案，幫助控制和保護您的業(yè)務。.通過使用機器客戶、“第二代”人形機器人、人工智能視覺系統(tǒng)、增強互聯(lián)勞動力和復合人工智能來維護和優(yōu)化供應鏈運營。.默認情況下，通過使用嚴格的治理方法（包括將風險管理作為IT創(chuàng)新流程的一部分）來管理每個數字化轉型計劃中的不同AI功能。42024年Gartner的頂級供應鏈技術的趨勢和主題（見圖1）展示了技術可以在哪些方面幫助供應鏈組織應對日益增長的不確定性并蓬勃發(fā)展?！?】指出：Gartner的戰(zhàn)略供應鏈技術趨勢是相輔相成的，而不是孤立發(fā)生的。結合這些技術將幫助您實現(xiàn)2024年及以后的關鍵任務優(yōu)先事項的執(zhí)行目標，包括：.實現(xiàn)您的各種環(huán)境、社會和治理(ESG)目標5圖1：2024Gartner八大供應鏈技術趨勢（來源：Gartner【1-2】）圖1中的兩大主題被列于下表(見圖2)。圖2：2024高德納八大供應鏈技術趨勢的兩大主題（來源：Gartner【2】）2024年的主題驅動因素是：.供應鏈的不確定性：預計將出現(xiàn)進一步的經濟不穩(wěn)定和地緣政治挑戰(zhàn)，同時氣候危機繼續(xù)展開，技術發(fā)展動搖世界各地的社會。網絡犯罪和勒索軟件攻擊有所增加，互聯(lián)勞動力已6成為新常態(tài)。.AI掀起的生產力革命:供應鏈面臨的生產力壓力增加了對某些稀缺專業(yè)人員的需求。各種規(guī)模的組織都感受到了這種影響。72.2024年及以后的頂級戰(zhàn)略性供應鏈技術趨勢本節(jié)基于Gartner的研究報告【2】，分兩大主題介紹和討論2024年及以后的8個頂級戰(zhàn)略性供應鏈技術趨勢（見圖1-2）。該主題包括以下三個旨在應對供應鏈的不確定性和提高端到端可持續(xù)的趨勢：網絡勒索，供應鏈數據治理，和端到端可持續(xù)供應鏈。技術趨勢網絡勒索戰(zhàn)略規(guī)劃假設到2027年，超過30%的有組織網絡犯罪集團將使用人工智能生成的網絡漏洞工具來攻擊供應鏈。趨勢基本描述網絡犯罪分子在執(zhí)行勒索軟件攻擊以從供應鏈組織勒索資金方面非常成功。大多數勒索軟件攻擊是通過竊取密碼（憑據）或包含惡意軟件鏈接的網絡釣魚電子郵件發(fā)起的。在網絡釣魚電子郵件的情況下，毫無戒心的用戶被誘騙點擊鏈接，從而無意中為攻擊者提供了系統(tǒng)的后門訪問權限。然后，攻擊者使用一組漏洞利用工具在受害者的系統(tǒng)中進行旋轉，以直接訪問關鍵數據（知識產權和運營數據）。攻擊者首先竊取數據的副本，然后在受害者的系統(tǒng)上就地加密相同的數據?，F(xiàn)在，該組織無法訪問自己的數據，這對運營、收入和利潤產生了直接和毀滅性的影響。此外，攻擊者還威脅稱，如果不及時支付贖金，他們將公布被盜數據（例如戰(zhàn)略計劃、商業(yè)秘8密、專有配方、產品設計和令人尷尬的高管電子郵件）。隨著時間的推移，攻擊者會施加最大壓力，勒索組織快速付款。數據被劫持的時間越長，組織無法恢復業(yè)務運營的時間就越長。為何成為趨勢網絡勒索非常有效且回報豐厚。這種持續(xù)不斷的成功使得網絡犯罪集團變得高度組織化，成為現(xiàn)在復雜的網絡勒索行業(yè)。這些組織在一些國家境內運作幾乎不受懲罰，并在“暗網”（即地下互聯(lián)網）中自由開展業(yè)務。在這個網絡中，犯罪分子已經發(fā)展了專門的角色（例如利用工具制造商、系統(tǒng)訪問專家和談判者）并買賣勒索軟件即服務工具市場。更重要的是，他們利用暗網通過匿名且無法追蹤的加密貨幣（例如比特幣）交換來洗錢贖金。根據行業(yè)報告，到2022年，全球至少66%的企業(yè)受到勒索軟件攻擊的影響。從石油管道到醫(yī)療保健、制造和政府組織，沒有哪個行業(yè)不受影響。對于年收入超過50億美元的公司，平均恢復成本接近500萬美元，84%受到勒索軟件攻擊的私營部門組織表示，此次攻擊因失去商業(yè)機會而造成重大收入損失。網絡犯罪分子非常具有創(chuàng)新性，他們的網絡工具、技術和程序(TTP)的復雜程度通常遠遠領先于網絡防御者。因此，他們極有可能利用人工智能的力量，制造出先進的攻擊工具，讓他們的攻擊更加有效。趨勢基本影響網絡勒索的頻率和成本不斷增加，而且沒有結束的跡象。已成定局的是，問題不在于您的組織是否會受到勒索軟件攻擊，而在于何時受到攻擊。不幸的是，很難完全量化網絡勒索的財務影響，因為許多攻擊沒有被供應鏈組織報告，因為擔心這會損害他們的聲譽或對其股價產生負面影響。通過去年有關勒索軟件攻擊的機密供應鏈客戶詢問討論，Gartner分析師發(fā)現(xiàn)，9大約一半的客戶勒索軟件攻擊沒有報告。由于美國證券交易委員會(SEC)新的網絡漏洞報告規(guī)則（2023年12月18日生效勒索軟件攻擊的漏報情況可能會發(fā)生巨大變化。這些要求上市組織在四天內公開報告被確定對股票投資者“重大”的網絡事件。根據新規(guī)則，“材料”的定義是寬松的，并且隨著時間的推移，無疑將通過基于組織少報網絡攻擊的訴訟和潛在的集體訴訟來定義。行動建議與CIO和首席信息安全官(CISO)合作：.確認勒索軟件攻擊場景包含在企業(yè)風險管理流程、業(yè)務影響分析和業(yè)務連續(xù)性計劃中。.制定詳細的勒索軟件事件響應手冊，以確保定義所有角色和資源.預先確定您的組織是否愿意支付贖金并建立適當的流程。.考慮聘請一家勒索軟件事件響應公司，該公司配備專業(yè)律師、談判人員、已建立的加密貨幣賬戶和系統(tǒng)恢復專家。.利用高速技術（基于云的存儲即服務副磁帶）實施高保真、加密（防止攻擊者破壞備份）和頻繁備份，以實現(xiàn)快速系統(tǒng)恢復。.執(zhí)行桌面勒索軟件攻擊練習，對劇本進行壓力測試、培訓人員（包括關鍵供應鏈合作伙伴）并測試系統(tǒng)備份恢復有效性。很明顯，網絡勒索是許多行業(yè)特別供應鏈面臨的一種數字網絡時代的邪惡技術，圖3描述了美國有關的數據，它正在嚴重威脅大公司和中小企業(yè)。據ReliaQuest2023年度網絡威脅報告【4】，勒索威脅迫在眉睫：自雙重勒索（對文件進行加密，同時也過濾敏感數據，并威脅除非支付贖金，否則將發(fā)布數據）和大規(guī)模狩獵（威脅活動側重于少數高價值目標，以最大限度地提高潛在利潤，并將被安全研究人員觀察或發(fā)現(xiàn)的風險降至最低）開始以來，網絡勒索對組織構成了非常高的威脅。隨著眾多出于經濟動機的威脅行為者進入利潤豐厚的勒索軟件業(yè)務，這種威脅不斷增加。2022年，據估計這些威脅行為者從贖金支付中賺取了超過5億美元。同一來源對2023年的預測表明，勒索軟件的利潤可能接近驚人的9億美元：增長80%。AAG最近發(fā)布了一份網絡犯罪的統(tǒng)計報告【5】，下面是全球網絡犯罪統(tǒng)計數據頭條：.一年內就有近10億封電子郵件被泄露，影響了五分之一的互聯(lián)網用戶。.2022年，數據泄露給企業(yè)造成的平均損失為435萬美元。.2022年上半年，全球發(fā)生了約2.361億次勒索軟件攻擊。.2021年，二分之一的美國互聯(lián)網用戶的帳戶遭到泄露。.39%的英國企業(yè)報告稱2022年遭受過網絡攻擊。.大約十分之一的美國組織沒有針對網絡攻擊的保險。.2022年上半年，5335萬美國公民受到網絡犯罪的影響。.2022年，網絡犯罪平均給英國企業(yè)造成4200英鎊的損失。.2020年，惡意軟件攻擊較2019年增加了358%。.企業(yè)和個人面臨的最常見的網絡威脅是網絡釣魚。供應鏈由于其復雜性和脆弱性，已成為網絡犯罪，特別是網絡勒索的主要攻擊對象之一。該報告指出了網絡犯罪對供應鏈的攻擊：隨著技術的進步，供應鏈變得越來越相互關聯(lián)和復雜。然而，如果鏈條中的企業(yè)沒有得到充分的保護，這種聯(lián)系就會帶來風險。一項業(yè)務中的安全漏洞可能會暴露與其相關的合作伙伴。網絡犯罪分子瞄準了這些漏洞，目前高達40%的網絡威脅是通過供應鏈間接發(fā)生的。研究強調，隨著數字連接的增加需要更多的時間，網絡安全領導者已經精疲力竭，處于“永遠在線”的狀態(tài)。網絡犯罪分子正在利用這種疲勞為自己謀利。一項研究顯示，只有23%的安全領導者實時監(jiān)控其合作伙伴和供應商的網絡安全風險。這些組織還將第三方覆蓋范圍限制為其直接供應商和供應商。這不包括由客戶、業(yè)務合作伙伴、投資者和其他人組成的更廣泛的生態(tài)系統(tǒng)。.2022年網絡漏洞的平均成本為435萬美元。.60%的高管認為供應鏈攻擊是最有可能影響其業(yè)務的網絡威脅類型。最近的研究還凸顯了高管層對供應鏈脆弱性的擔憂。當900家公司被問及他們認為其業(yè)務最有可能遭受的網絡攻擊類型時，60%的公司回答是供應鏈攻擊。DDoS攻擊被認為同樣有可能發(fā)生，排在網絡間諜攻擊(59%)和APT(57%)之前，但低于勒索軟件和數據盜竊(66%)。Atlassian（阿特拉斯軟件公司）展示了供應鏈內的風險。Atlassian產品被83%的財富500強公司使用，在全球范圍內廣受歡迎，在190多個國家/地區(qū)擁有180,000名客戶。然而，網絡犯罪分子于2022年6月暴露了AtlassianConfluence的嚴重漏洞。如上所述，Atlassian產品被世界上一些最大的組織使用；數據泄露的后果可能是嚴重的。研究發(fā)現(xiàn)，近200,000家公司依賴于可能受到該漏洞影響的組織。該報告還列舉了若干網絡犯罪分子利用供應鏈的漏洞進行攻擊的例子，如.現(xiàn)代供應鏈，特別是物流正在釆用更多的物聯(lián)網設備，然而，這些設備是網絡犯罪的主要目標。GPS跟蹤器、“智能”可穿戴設備和其他物聯(lián)網設備可以保存有價值的數據，但通常沒有強大的安全軟件。MiCODUSMV720GPS跟蹤器是一款流行的汽車跟蹤設備，旨在幫助車輛管理。它被硬連線到車輛中，實現(xiàn)防盜、燃油切斷、地理圍欄和遠程控制功能。MiCODUS產品在169個國家/地區(qū)被公眾、政府機構、軍隊、執(zhí)法部門和企業(yè)使用。MV720中發(fā)現(xiàn)6個嚴重漏洞。利用這些漏洞意味著攻擊者可以跟蹤貨運、減少緊急車輛的燃料或通過禁用車隊來勒索贖金。.JBS是世界上最大的肉類加工公司。2021年5月30日，網絡犯罪分子利用勒索軟件侵入了JBS網絡，擾亂了美國、加拿大和澳大利亞的工廠。JBS在美國擁有的所有牛肉加工廠都暫時停產。影響包括美國農業(yè)部暫時無法提供牛肉和豬肉的批發(fā)價格，并凸顯了肉類加工供應鏈的脆弱性。6月9日，JBS向網絡犯罪分子支付了1100萬美元的贖金，以防止進一步的破壞和敏感數據的潛在泄露。JBS表示，其每年在IT方面的支出超過2億美元，并在全球雇用了850多名IT專業(yè)人員。綜上，Gartner之所以將網絡勒索作為2024年八項戰(zhàn)略供應鏈技術趨勢之一，是由于網絡勒索已經成為供應鏈安全的大敵，供應鏈的領導者必須將加強供應鏈網絡的安全性和應對網絡勒索攻擊列入到供應鏈的技術戰(zhàn)略，投資創(chuàng)新網絡安全技術，從而保護供應鏈網絡和其業(yè)務的可持續(xù)性。2.1.2供應鏈數據治理（Suppl技術趨勢供應鏈數據治理戰(zhàn)略規(guī)劃假設到2027年，50%的大型和超大型供應鏈組織將重新審視其數據治理成熟度，以評估其管理復雜的跨組織數據驅動用例和技術的能力。趨勢基本描述供應鏈數據治理是決策權和問責框架的規(guī)范，以確保對供應鏈組織至關重要的數據的評估、創(chuàng)建、消費和控制中的適當行為。它包括確保有效且高效地使用數據和分析來幫助組織實現(xiàn)其目標的流程、角色、政策、標準和指標。為何成為趨勢用于高級分析和人工智能技術的強大工具的出現(xiàn)正在大規(guī)模擴展跨職能可視性、決策智能、場景建模和模擬以及決策自動化的能力。2023年Gartner供應鏈用戶需求調查將機器學習(ML)、人工智能、對話系統(tǒng)和高級分析/大數據等數據驅動技術列為對供應鏈組織重要、破壞性或非破壞性的技術。隨著這些技術越來越多地被采用，保持高水平數據質量的重要性正成為業(yè)務任務的關鍵。趨勢基本影響旨在將其能力提升到超越孤立管理或職能規(guī)模、跨職能集成并擴展到外部協(xié)作的供應鏈組織將越來越依賴復雜的數據驅動技術來支持其業(yè)務流程。許多組織尚未投資于評估、建立或提升其數據治理能力，以滿足日益增長的數據質量要求。然而，提供跨職能高級分析和決策智能功能、為未來供應鏈建立競爭優(yōu)勢的技術舉措能否成功，將取決于對數據基礎質量的投資。將數據治理、主數據管理和數據質量管理嵌入到由先進數據管理技術支持的供應鏈組織中，將降低成本并確保支持復雜數據驅動用例的實施和運營技術的業(yè)務價值貢獻。行動建議.暴露數據質量差造成的痛苦。除非了解數據治理對實現(xiàn)特定業(yè)務成果的影響，否則沒有理由或動機為了提高數據質量而建立數據治理。因此，第一步是向企業(yè)領導者提出他們都認可并“擁有”的問題陳述。.創(chuàng)建一個故事，展示如何利用數據治理投資來解決其他業(yè)務挑戰(zhàn)。您的關鍵決策者必須了解，數據質量改進不是一次性項目，需要開展工作和投資來解決需要更好數據質量的其他業(yè)務問題。.首先關注優(yōu)先的業(yè)務成果，并使用它來識別需要治理的數據。一旦有工作要做，就建立數據治理機構和管理者，并在資源和利益相關者支持可用后宣傳您的初步成功，以將數據治理擴展到初始范圍之外。在數字時代，數據已經成為企業(yè)的戰(zhàn)略資源，好的數據能幫助企業(yè)做出正確決策并創(chuàng)造商業(yè)價值，而壞的數據則會給企業(yè)帶來破壞和損失。特別是以數據驅動的企業(yè)，則數據是其生命線。如今人工智能正在改變一切，尤其是它使得企業(yè)能夠利用數據智能自動化決策和執(zhí)行流程，推動新的生產力。然而數據對于企業(yè)的數字系統(tǒng)來說是“垃圾進，則垃圾出“，特別對于AI的應用，Gartner在【6】中指出:“到2027年，由于道德治理框架不連貫，60%的組織將無法實現(xiàn)人工智能用例的預期價值。傳統(tǒng)的數據和分析治理方法無法提供數字業(yè)務所需的價值、規(guī)模和速度。“，因此提升和變革數據治理變得越來越重要。Gartner在【7】中提出了現(xiàn)代數據和分析治理的7個關鍵基礎（見圖4并指出：如果沒有良好的治理，他們在數據和分析方面的投資將無法滿足關鍵的組織需求，例如收入增長、成本優(yōu)化和更好的客戶體驗。圖4：現(xiàn)代數據和分析治理的7個關鍵基礎（來源：Gartner【7】）然而當今企業(yè)在數據和分析方面的治理的成熟度還很不理想。圖5描述了企業(yè)在數據和分析治理方面的現(xiàn)狀和愿景。圖5：數據和分析治理：基礎和未來（來源：Gartner【8】）眾所周知，數據對于數字化供應鏈，特別是數據驅動的供應鏈組織是其命根子，然而大多數供應鏈組織的數據治理的成熟度仍然較低，部分供應鏈組織缺乏現(xiàn)代的數據治理能力。這樣數據不僅不能產生其應有的價值，而且網絡犯罪份子還可能利用供應鏈數據的安全漏洞，而對供應鏈施行網絡攻擊，如網絡勒索。這就是為什么Gartner把數據治理作為2024年的八項戰(zhàn)略供應鏈技術趨勢之一的重要原因。因此供應鏈組織應當審視其數據治理的成熟度，提高現(xiàn)代數據治理的能力，讓供應鏈數據創(chuàng)造其商業(yè)價值。2.1.3端到端可持續(xù)供應鏈（End-to-endSustainableSupply技術趨勢端到端可持續(xù)供應鏈戰(zhàn)略規(guī)劃假設到2027年，范圍3排放數據的可用性和質量將繼續(xù)嚴重限制供應鏈減排計劃的有效性。趨勢基本描述可持續(xù)供應鏈力求在提供商業(yè)價值的同時最大限度地減少對環(huán)境的負面影響并尊重參與運營的各方的人權之間取得平衡。整個供應鏈正在采用各種軟件解決方案來實現(xiàn)這種平衡。例如，一系列可持續(xù)發(fā)展專用解決方案，以及越來越多的集成可持續(xù)發(fā)展能力的功能解決方案，使供應鏈不僅能夠測量溫室氣體排放（GHG而且還將其納入關鍵運營決策中。為何成為趨勢全球范圍內與可持續(xù)發(fā)展相關的立法不斷增多，并推動了從自愿合規(guī)向監(jiān)管合規(guī)的轉變。因此，可持續(xù)發(fā)展數據的準確性需要從指標提升到投資級別，以滿足利益相關者的要求，同時也推動內部決策。其中許多法規(guī)側重于供應鏈運營，要求對人權和環(huán)境管理、原材料的可追溯性進行盡職調查，甚至對特定商品的進口征收碳稅，正如我們在歐盟所看到的那樣。此外，來自客戶和投資者等各種其他外部來源的壓力也越來越大，即使對于沒有明確可持續(xù)發(fā)展目標的公司來說，也加速了減排的需要。如果不利用數字技術，就無法有效滿足可持續(xù)性要求。根據CDP的一份報告，組織的供應鏈通常占其溫室氣體排放量的90%或更多。隨著公司越來越多地制定雄心勃勃的減排目標（例如凈零排放供應鏈正在轉型以變得更加可持續(xù)。這意味著將可持續(xù)發(fā)展要求納入核心計劃、來源、制定和交付決策中。趨勢基本影響供應鏈更加可持續(xù)的需求迫使企業(yè)重新考慮其戰(zhàn)略方法。旨在影響供應鏈活動以改變方向的補充舉措仍然具有其價值，但不斷發(fā)展的內置方法會帶來系統(tǒng)性運營變革。例子包括將排放直接整合到運輸解決方案中，以測量和通知路線或模式決策，以及采購解決方案，以確定原材料的來源并告知消費者他們購買的產品的道德勞工標準。隨著越來越多的可持續(xù)發(fā)展能力被整合到供應鏈解決方案中，實現(xiàn)可持續(xù)發(fā)展目標和目標的努力可以被納入決策中。行動建議.確定公司的可持續(xù)發(fā)展雄心和目標，以評估整個供應鏈的重要性。影響最大的地方在哪里？采購？運輸？包裝？優(yōu)先考慮實質性和可行性能提供最大價值的領域。法規(guī)可能會強制優(yōu)先考慮眼前的需求，但要考慮實現(xiàn)投資最大化的長期戰(zhàn)略機會。.評估并盤點現(xiàn)有數據需求和相應的數字能力，以全面確定在何處投資以彌補差距?？沙掷m(xù)發(fā)展軟件格局正在迅速發(fā)展，是小型初創(chuàng)企業(yè)和成熟企業(yè)參與者的混合體。對具有可持續(xù)發(fā)展能力的初創(chuàng)公司進行短期投資可以帶來紅利，以推進運營并積累經驗。您還可能發(fā)現(xiàn)與現(xiàn)有解決方案提供商進行創(chuàng)新的機會。.使供應鏈變得更加可持續(xù)需要軟件解決方案之外的變革。必須考慮員工教育、角色定義和組織設計、指標調整和擴大的供應鏈合作伙伴關系。例如，確保流程通過一致的減排行動計劃不斷發(fā)展，包括與外部合作伙伴（例如您首選的第三方物流(3PL)提供商）合作?？沙掷m(xù)性原是供應鏈的一個經典話題，二十年前，可持續(xù)發(fā)展一詞幾乎完全是生態(tài)友好的代名詞。今天，隨著供應鏈的數字化變革，它已是一個更加全面的術語。綠色、透明、循環(huán)的供應鏈是現(xiàn)代可持續(xù)供應鏈的組成部分。近幾年來，由于地球氣候危機，可持續(xù)性中的綠色已不夠了，脫碳/零碳被突出地成為可持續(xù)供應鏈的組成部分，并成為一種戰(zhàn)略性技術趨勢【9-10】。Gartner將"可持續(xù)供應鏈″的前面加上"端到端″，而使其成為新的戰(zhàn)略性技術趨勢。這是因為現(xiàn)代供應鏈不再是線性的，而是供應鏈網絡，甚至供應鏈生態(tài)，因此可持續(xù)發(fā)展是端到端的，特別是供應鏈的碳足跡遍布在核心企業(yè)與其相關的上游下游企業(yè)的整個供應鏈。計算和披露，減少本企業(yè)內部的碳排放，也就是范圍1和范圍2的碳排放己是標準的可持續(xù)供應鏈組織的強制性要求，而供應鏈上下游的間接排放，即范圍3排放，它實際上占企業(yè)供應鏈總排放的70+%，然而其計算，披露和減排至今還沒有完全成為可持性的強制性要求，但從2024年開始，已開始成為對某些組織的強制性要求，并且“全球范圍內與可持續(xù)發(fā)展相關的立法不斷增多，并推動了從自愿合規(guī)向監(jiān)管合規(guī)的轉變。因此，可持續(xù)發(fā)展數據的準確性需要從指標提升到投資級別，以滿足利益相關者的要求，同時也推動內部決策?！睆奶寂欧藕蜌夂騿栴}的可持性要求來看，只考慮和遵循范圍1和2的要求，只能是供應鏈網絡節(jié)點上的可持續(xù)，只有考慮和遵循范圍1~3，特別是實現(xiàn)范圍3的供應鏈整體減排才能實現(xiàn)端到端的可持續(xù)供應鏈。有興趣的讀者可參看筆者新近的研究報告【11-12】。一個供應鏈的核心企業(yè)，或鏈主企業(yè)，或供應鏈網絡的主導者或生態(tài)的生態(tài)主，本身有可持續(xù)的供應鏈戰(zhàn)略，也有減排綠色等的實際行動，然而它的上游和下游卻沒有可持續(xù)性，如沒有減排等措施，很難想象這樣的供應鏈/網絡/生態(tài)是可持續(xù)的。因此作為供應鏈/網絡/生態(tài)的領導者除發(fā)展本身的可持續(xù)性外，還需要求和幫助其上下游制定可持續(xù)發(fā)展的戰(zhàn)略并實施其戰(zhàn)略。這才真正實現(xiàn)了供應鏈的端到端可持續(xù)性?！?1】指出：參加CDP披露的會員都是具有一定規(guī)模的全球企業(yè)，其中許多企業(yè)都是世界上有名的企業(yè)，如美國谷歌、微軟、思科、特斯拉等，中國的阿里、華為、聯(lián)想等巨頭。2022年通過CDP披露的全球市值超過一半的公司有18700+之多。范圍1，2和3的排放量披露現(xiàn)狀是：.71%的披露公司報告了范圍1和/或2的排放.2022年，只有41%的披露公司報告了一個或多個范圍3類別的排放量，盡管這些排放量平均是運營排放量的11.4倍。公司正在錯失一個創(chuàng)造影響力的巨大機會。這種差異是由于與測量和披露范圍3排放量相關的挑戰(zhàn)：在測量和報告范圍3排放量時，一個關鍵挑戰(zhàn)是獲得準確和高質量的排放數據，因為這些數據不受報告組織的直接控制。標準的多樣性、有限的利益相關者參與、資源限制以及范圍3見解與業(yè)務決策的有限整合使這一挑戰(zhàn)更加復雜。數據不足會導致評估不準確，從而更難確定排放熱點、設定有意義的減排目標或有效報告進展情況。Deloitte在其研究報告【13】中概述了五種類型的挑戰(zhàn)（見圖6）。這些挑戰(zhàn)不是離散的，而是錯綜復雜的，因此需要一種綜合方法來有效應對這些挑戰(zhàn)，并為實現(xiàn)雄心勃勃的氣候目標鋪平道路。圖6：測量和報告范圍3排放的五種類型的挑戰(zhàn)（來源：Deloitte【13】）范圍3排放數據的可用性和質量是其中最大的挑戰(zhàn)，這是因為大多數組織無法訪問主要的范圍3排放數據，因此通過內部和外部數據源的組合來估計其范圍3排放量。因此，他們的范圍3排放數據和報告不如他們測量和報告的其他可持續(xù)性因素穩(wěn)健。其他公司，通常是較小的公司，尚未測量和報告其排放量，導致參與有限，因此對范圍3數據的訪問有限。如果組織希望提供準確和全面的排放披露，并管理其實現(xiàn)減排目標的進展，則必須解決數據質量和可用性問題。總之端到端可持續(xù)供應鏈是一個極具挑戰(zhàn)性的戰(zhàn)略性趨勢，它需要供應鏈在其網絡上的協(xié)同和透明，還需要創(chuàng)新技術。2.2人類和機器（HumansandMachines）主題該主題包括以下五個旨在提高生產力，推動增長，加速數字化業(yè)務的趨勢：人工智能的視覺系統(tǒng)，增強互聯(lián)的勞動力，復合人工智能，下一代人形工作機器人，和機器客戶。2.2.1人工智能的視覺系統(tǒng)（AI-EnabledVis技術趨勢人工智能的視覺系統(tǒng)戰(zhàn)略規(guī)劃假設到2027年，50%擁有倉庫運營的公司將利用人工智能視覺系統(tǒng)來取代傳統(tǒng)的基于掃描的周期盤點流程。趨勢基本描述AI的視覺系統(tǒng)是新穎的超自動化解決方案，結合了工業(yè)3D相機、計算機視覺軟件和先進的AI模式識別技術。這些解決方案利用高分辨率視覺系統(tǒng)與人工智能的先進模式識別功能和機器學習(ML)相結合，從根本上改變某些流程的執(zhí)行方式。這些解決方案可以根據視覺系統(tǒng)實時看到的非結構化圖像自主捕獲、解釋和做出推理。這些信息可以支持許多操作流程，這些流程過去必須由人工在鍵盤上鍵入數據或手動掃描條形碼等內容直接執(zhí)行。然后，人工智能模型可以解釋這些信息，并針對公司的運營數據庫運行它，以更新系統(tǒng)并識別不一致之處。最近，這些系統(tǒng)還被用來實時監(jiān)控流程的執(zhí)行情況，以識別問題、安全問題或流程執(zhí)行偏差。這是為了確定這些流程是否正確執(zhí)行，或者人體工程學問題是否使它們無法達到預期。為何成為趨勢雖然計算機視覺系統(tǒng)和人工智能的使用并不新鮮，但它們在供應鏈運營中的綜合使用才剛剛起步，通常被認為是“前沿技術”。然而，在2023年Gartner供應鏈用戶需求調查中，近20%的受訪者表示他們已經采用了支持AI的視覺系統(tǒng)，近50%的人表示這些是高度顛覆性的技術。4隨著不斷提高運營流程績效的運營壓力越來越大，傳統(tǒng)解決方案已不再足夠好，許多公司正在尋求能夠實現(xiàn)歷史上依賴人力的流程自動化的新穎解決方案。這促使公司考慮將先進視覺系統(tǒng)和人工智能相結合，將新興但日趨成熟的技術用于庫存管理或流程監(jiān)控等領域。例如，對于大多數公司來說，周期盤點是一個人員密集、成本高昂、重要但不增值的過程。公司必須這樣做，但它占用了本來可以用來完成更有價值任務的寶貴資源。在這個領域，人工智能視覺系統(tǒng)已經展示了其價值，它可以使用無人機或機器人安裝的攝像頭在過道上來回走動，計算和定位庫存，并在無需人工干預的情況下識別差異。趨勢基本影響支持人工智能的視覺系統(tǒng)已經被部署來補充或取代傳統(tǒng)的基于掃描的系統(tǒng)。由于簡單的價值主張，這些解決方案將很快傳播。相機的成本和性能日益提高，隨著解決方案變得更加封裝和強大，人工智能模型的模式識別能力也在提高。這種組合將使這些解決方案對公司非常有吸引力，這些公司支持人工智能的視覺系統(tǒng)的成本優(yōu)勢將遠遠超過類似活動的傳統(tǒng)方法。行動建議.在可預見的未來，不會有任何一家供應商或一種解決方案能夠適合所有可能的用例。然而，這些解決方案的價值主張可能非常好，以至于公司可以以低風險和低成本嘗試多種替代方案。.從簡單的流程開始，例如周期盤點，這些流程是為支持人工智能的視覺系統(tǒng)量身定制的。利用早期計劃的經驗教訓來幫助確定未來的其他用例。.擁有良好的手動流程（例如建立勞動力管理）的更成熟的公司應該開始尋找更先進的解決方案，例如流程人體工程學監(jiān)控。Gartner在此定義:”AI的視覺系統(tǒng)是新穎的超自動化解決方案，結合了工業(yè)3D相機、計算機視覺軟件和先進的AI模式識別技術。”雖然計算機視覺系統(tǒng)和人工智能的使用并不新鮮，但它們在供應鏈運營中的綜合使用才剛剛起步，通常被認為是“前沿技術”。然而該技術在不同行業(yè)，包括供應鏈和物流中的應用發(fā)展迅速，【14】預計其全球市場將從2023年的172億美元增長到2028年的457億美元，其復合增長率在預報期間達到21.5%（見圖7）。圖7：人工智能的視覺系統(tǒng)全球市場預報（來源：MarketsandMarkes【14】）DHL副總裁、創(chuàng)新與趨勢研究主管KlausDohrmann博士在其趨勢研究報告【15】中闡述了該技術對物流的重要性，該技術與其它物流技術趨勢的關系（見圖8和挑戰(zhàn)。最后該報告列舉了該技術在非供應鏈物流的應用，重點介紹了該技術在物流中的應用。圖8：人工智能驅動的計算機視覺與其它物流技術趨勢的關系（來源：DHL【15】）圖9展示了人工智能驅動的計算機視覺在物流中的部分應用：圖9：人工智能驅動的計算機視覺在物流中的部分應用（來源：DHL【15】）2.2.2增強互聯(lián)的勞動力（Augme技術趨勢增強互聯(lián)的勞動力戰(zhàn)略規(guī)劃假設到2027年，全球一半的企業(yè)制造商將通過ACWF戰(zhàn)略支持的新參與模式創(chuàng)造15%的新職位。趨勢基本描述ACWF推動業(yè)務成果，例如縮短獲得能力的時間（即員工入職后充分發(fā)揮生產力所需的時間）并改進決策。ACWF是一項通過建立結締組織來優(yōu)化人類工人價值的戰(zhàn)略，該結締組織可優(yōu)化智能技術、勞動力分析和技能增強的使用。它將這些能力視為一個統(tǒng)一、有凝聚力的戰(zhàn)略，以加速和擴展人才。ACWF使用人工智能、高級分析和精心設計的工具，為員工的經驗、福祉和發(fā)展自身技能的能力提供指導和支持。這些數字化舉措必須與涵蓋知識管理、學習和發(fā)展以及組織設計的正式勞動力和人才戰(zhàn)略相結合。為何成為趨勢當今勞動力的技能和組織快速變化的需求之間存在巨大差距。增強互聯(lián)勞動力的趨勢是由六個相互強化的主題驅動的：.技術服務、應用程序和設備被分開處理，在IT組織中造成了孤島，并給員工帶來了摩擦。此外，平臺和服務也在不斷變化，并提供了多種解決方案來實現(xiàn)類似的目標。.所有工作類型所需的新（數字）技能都在加速增長。.智能應用程序和數字工具有機會縮短新員工獲得能力的時間。.工作場所自動化和人工智能的進步使員工需要處理更加復雜的問題。.新員工可能精通新技術，但他們缺乏主題專業(yè)知識以及獲得最佳實踐和專業(yè)知識的機會。終身員工擁有詳細的流程知識，并且可能在工作環(huán)境之外精通數字技術。然而，即使工具不斷發(fā)展，他們仍難以在工作場所充分采用新技術并利用它們來改變工作方式。.根據2022年Gartner供應鏈未來調查，勞動力短缺是60%受訪供應鏈組織面臨的首要挑戰(zhàn)。然而，三分之一的供應鏈組織缺乏有效的員工價值主張，無法通過以人為本的工作設計來吸引、保留和聘用所需人才。趨勢基本影響ACWF舉措可以縮短獲得能力的時間并提高運營中的多種技能。從廣義上講，他們還可以在組織內提供更多的職業(yè)道路，讓入門級資源得以成長，而無需離開并接受額外的教育或培訓。2022年Gartner一線員工體驗重塑調查發(fā)現(xiàn)，增加自動化或數字化投資的組織對一線員工晉升到更高技能的工作產生了顯著的積極影響。行動建議.首先采取分階段的方法進行簡化，首先消除離線流程并減少人為錯誤。可衡量的回報將刺激對這些舉措的需求，并將揭示短期改進機會，為勞動力轉型開辟道路。.與人力資源、職能和業(yè)務領導者展開對話，了解在組織中啟動增強互聯(lián)勞動力計劃的簡單方法。收集當前對當前方法和利益相關者優(yōu)先事項中的技能、角色和差距的理解。.通過讓員工參與設計日?；顒硬⒓ぐl(fā)創(chuàng)造力和獨創(chuàng)性，提高員工敬業(yè)度和解決方案所有權。首先問“技術如何改善你的生活？?.通過在IT內使用以人為本的設計原則（例如旅程映射和角色開始構建更好的數字化員工體驗，以確定角色和環(huán)境特定的需求，以在工作任務級別進行增強。2023年年底，Gartner列出了2024年10大戰(zhàn)略技術趨勢（見圖10）。其中一個會引起企業(yè)極大興趣的是“增強互聯(lián)勞動力”或ACWF（AugmentedConnectedWorkerforce）。我們正處在技術和人類創(chuàng)造力比以往任何時候都更加交叉的時代，正如Gartner所說，這種“優(yōu)化人類工人的價值”的戰(zhàn)略可以被視為未來工作的藍圖。圖10：Gartner2024年十大戰(zhàn)略技術趨勢（來源：Gartner【16】）據Gartner稱，到2027年，25%的CIO將使用ACWF計劃，將獲得能力的時間縮短50%。想象一個工作場所，人工智能(AI)不會取代人類，而是會增強人類的能力，虛擬現(xiàn)實(VR)和增強現(xiàn)實(AR)超越物理空間的界限將團隊聚集在一起，物聯(lián)網(IoT）確保設備和人之間的無縫通信。ACWF證明了我們在將技術融入日常工作生活方面取得了多大進展。它是利用兩全其美——人類的直覺和創(chuàng)造力與機器的精度和速度相結合——創(chuàng)造一個更高效、協(xié)作、創(chuàng)新和適應性更強的工作場所。Gartner認為ACWF是“通過建立一個結締組織來優(yōu)化智能技術、勞動力分析和技能提升的使用，以加速和擴大人才建設，從而優(yōu)化員工提供價值的戰(zhàn)略?！盙artner在其2024年十大戰(zhàn)略技術趨勢詳細指南中給出了一個ACWF的技術框架（見圖11）。圖11：ACWF的技術框架（來源：Gartner【16】）增強互聯(lián)勞動力市場規(guī)模2024-2029年全球預測：紐約布魯克林，2024年2月6日(GLOBENEWSWIRE)根據GlobalMarketEstimates發(fā)布的新市場研究報告【17】，預計2024年至2029年全球增強互聯(lián)勞動力市場復合年增長率為24.3%。主要市場洞察包括.根據組件前景，硬件細分市場預計將成為2024年至2029年全球增強互聯(lián)勞動力市場的最大細分市場.根據最終用戶前景，2024年至2029年，制造業(yè)預計將成為全球增強互聯(lián)勞動力市場的最大細分市場.亞太地區(qū)被分析為市場增長最快的地區(qū).預計在2024年至2029年的預測期內，北美將占據最大的市場份額.3M公司、埃森哲、安富利公司、富士通有限公司、霍尼韋爾國際公司、甲骨文公司、SmartTrackSRL、TataConsultancyServices、TELUS、VandricoSolutionsInc、WearableTechnologyLimited和ZebraTechnologies等是全球增強互聯(lián)勞動力市場的主要參與者。增強互聯(lián)勞動力背后的關鍵技術：1.人工智能(AI)的集成：人工智能通過自動化任務、分析大量數據集以獲得有價值的見解以及支持機器學習算法來增強決策過程而占據中心地位。2.通過物聯(lián)網(IoT)連接：設備的集成建立了互連傳感器網絡，實現(xiàn)了從源頭實時收集數據。這種連接提高了效率并提供了寶貴的見解。3.先進的協(xié)作平臺：最先進的協(xié)作平臺促進溝通、文檔共享和項目管理。這些平臺促進團隊合作并加強地理分散的團隊之間的聯(lián)系。4.利用增強現(xiàn)實(AR)的應用程序：AR技術通過提供實時信息疊加和可視化來提供體驗。他們提供免提操作任務和在職培訓。5.個性化和自適應界面：增強互聯(lián)勞動力強調個性化，根據個人喜好定制界面。自適應界面改善了用戶體驗。有助于提高生產力。6.邊緣計算：邊緣計算涉及在源頭（例如設備）處理數據，而不是僅僅依賴集中式服務器。這種方法可以減少延遲，提高數據處理速度，對于增強勞動力中的實時應用程序尤其重要。7.自然語言處理（NLPNLP使機器能夠理解語言并與語言交互。它在增強互聯(lián)勞動力中創(chuàng)建人類和人工智能之間自然、直觀的交互。除此之外，計算機視覺、外骨骼、智能可穿戴設備和物聯(lián)網也正在幫助創(chuàng)建增強和互聯(lián)的勞動力隊伍。增強互聯(lián)勞動力的優(yōu)勢和實例：1.提高生產力：通過人工智能實現(xiàn)任務自動化并提供對數據的實時訪問，員工可以更加專注于其角色的創(chuàng)造性方面，而人工智能則負責日常功能。例如，寶馬在裝配線中使用協(xié)作機器人提高了生產流程的效率，使工人能夠專注于更復雜的任務。2.增強決策能力：擁有人工智能驅動的實時數據和見解可以幫助決策者做出選擇。這種靈活性對于適應業(yè)務環(huán)境至關重要。例如，UPS使用先進的分析來優(yōu)化配送路線，節(jié)省數百萬加侖的燃料并縮短配送時間。3.改善協(xié)作和溝通：協(xié)作平臺促進遠程或全球工作環(huán)境中的溝通和團隊合作。這種連通性確保團隊無論邊界如何都能保持聯(lián)系和一致。例如，團隊可以在數字白板上實時集思廣益，立即共享文件，甚至感覺就像在同一個房間里進行VR會議。MicrosoftTeams和Slack已成為許多組織的必備工具，可實現(xiàn)不同地點的無縫通信和協(xié)作。4.敏捷響應變化：增強互聯(lián)勞動力的適應性使組織能夠快速響應市場條件、技術或內部流程的變化。這種敏捷性對于在當今不斷變化的商業(yè)環(huán)境中保持競爭力至關重要?，F(xiàn)有技術的優(yōu)點和局限性：實施勞動力增強技術為組織及其員工帶來了眾多好處。然而，這些進步也有其自身的局限性和挑戰(zhàn)，需要應對。自動執(zhí)行重復且耗時的任務使員工能夠專注于更具戰(zhàn)略性、創(chuàng)造性和影響力的工作。AR和物聯(lián)網可穿戴設備等技術可以提供有關潛在危險的實時數據和見解，從而顯著減少工作場所事故。人工智能和機器學習提供預測分析和數據驅動的見解，有助于更準確、更及時的決策。數字技術使組織能夠快速擴展運營以滿足需求，而無需線性增加人力資源。先進的網絡和通信技術促進無縫遠程工作和全球協(xié)作，打破地理障礙。技術的初始投資以及持續(xù)的維護、更新和培訓成本可能會很高。隨著對數字素養(yǎng)和專業(yè)知識的需求增加，技能差距越來越大，需要在培訓和教育方面進行大量投資。隨著對數字技術的日益依賴，組織面臨著與數據泄露、隱私和網絡安全相關的更大風過度依賴技術可能會導致漏洞，特別是在系統(tǒng)出現(xiàn)故障或受到損害的情況下。人工智能和自動化的部署引發(fā)了有關工作取代、監(jiān)視和工作場所非人化的道德問題。由于該技術對提高生產力有無限的潛力，一些領頭的企業(yè)已開始嘗試，并取得了很好的效果。例如西門子是全球電子和電氣工程巨頭，在德國安貝格運營著世界上最先進的數字工廠之一。該工廠生產可編程邏輯控制器(PLC)，這是各行業(yè)自動化機械的關鍵組件。西門子安貝格工廠通過廣泛使用自動化生產線、工業(yè)物聯(lián)網、數字孿生等數字技術，體現(xiàn)了增強互聯(lián)勞動力的概念。結果呢？安貝格的這家數字工廠的缺陷率低于0.001%。多年來，它顯著提高了生產力，同時保持了靈活且反應靈敏的生產線，能夠根據個別客戶的要求定制產品。安貝格工廠證明了制造業(yè)中增強互聯(lián)勞動力的潛力。想象一個世界，您的技能不僅是您自己的，而且還得到一群數字天才的增強！增強互聯(lián)的勞動力正在將這一愿景變?yōu)楝F(xiàn)實。當我們站在這個變革時代的邊緣時，增強的互聯(lián)勞動力讓我們得以一睹未來技術增強而不是取代人類能力的未來。這個未來需要仔細考慮和戰(zhàn)略規(guī)劃，但它有望重塑行業(yè)并重新定義工作的本質。2.2.3復合人工智能（Composit技術趨勢復合人工智能戰(zhàn)略規(guī)劃假設到2027，建立AI工程最佳實踐的20%的企業(yè)將從其AI工作中產生的價值至少是80%未建立的企業(yè)的三倍。趨勢基本描述復合人工智能是多種人工智能技術的組合應用，提高學習的效率和準確性，拓寬知識表示的層次，最終解決各種業(yè)務問題，推動供應鏈績效的提升。相關術語包括混合人工智能、神經符號人工智能和因果人工智能。為何成為趨勢根據2022年Gartner供應鏈未來調查，總計79%的供應鏈組織計劃在未來五年內在其平均用例中實現(xiàn)實時決策或實時決策執(zhí)行能力。獲得這些能力需要對人工智能增強或支持的技術進行投資。依賴單一人工智能和機器學習技術的供應鏈組織將承受效率較低（即計算成本較高）的解決方案的負擔，這些解決方案無法提供現(xiàn)實世界（和供應鏈）條件的最佳表示。在組合多種技術時，可以組合不同的人工智能技術來提供分析捷徑，利用諸如用于供應鏈應用導航的窄范圍人工智能、用于市場狀況分析的寬范圍通用（即“生成”）人工智能和符號人工智能等功能，例如機器視覺，用于實時分析現(xiàn)場情況。通過結合這些方法的特定優(yōu)勢，領導者可以優(yōu)化其技術使用，以在決策中實現(xiàn)效率（例如，最小的云計算成本）和準確性（例如，改進的供應鏈性能）的最佳平衡。趨勢基本影響近年來，隨著數據可用性、計算能力的提高和深度學習的進步，機器學習已經超越了早期使用的基于規(guī)則的人工智能（以前稱為“專家系統(tǒng)”）。但事實證明，無論是數據驅動的還是符號的人工智能方法都不是理想的。機器學習有其局限性，即數據匱乏、精力和時間效率低下，并且透明度有限。更何況，邏輯和推理很難融合，而且可能對人類知識一無所知。與此同時，符號人工智能還有其他局限性，例如依賴現(xiàn)有的人類專業(yè)知識，并且可能難以形式化。復合人工智能認識到沒有任何一種人工智能技術能夠包治百病。根據特定用例的上下文，不同的人工智能技術，或者更常見的是技術的組合，將比依賴機器學習作為“一刀切”的方法更有意義。行動建議.首先考慮機器學習支持的類似人工智能的基礎功能。隨著組織內技術成熟度和采用率的允許，擴展到多種技術。通過識別以前被認為不可行的項目，擴展人工智能的適用性及其價值創(chuàng)造潛力，因為完全數據驅動的、僅機器學習的方法效率低下、成本高昂或不合適。尋求了解其他人工智能技術如何提高可行性。.利用領域知識和人類專業(yè)知識為數據驅動的見解提供背景并補充數據驅動的見解。這可以通過應用業(yè)務規(guī)則、知識圖、優(yōu)化算法、物理模型或其他現(xiàn)有和新興的人工智能技術以及機器學習來實現(xiàn)。.擴展ML專家的技能，或招募/提升其他AI專家的技能，以涵蓋圖形分析、優(yōu)化、知識獲取以及知識和提示工程或復合AI所需的其他技術。復合人工智能最早出現(xiàn)在Gartner2020年人工智能技術成熟度曲線上，Gartner將復合人工智能作為其年度人工智能技術成熟度曲線中的五個新創(chuàng)新解決方案之一，并將該術語定義為“不同人工智能技術的組合以實現(xiàn)最佳結果”。它通過協(xié)同不同類型的人工智能——機器學習、傳統(tǒng)的基于規(guī)則的系統(tǒng)、優(yōu)化技術、自然語言處理和圖形技術——來實現(xiàn)這一點，以提高人工智能系統(tǒng)的學習效率和“常識”水平以及解決廣泛業(yè)務問題的能力。圖12：Gartner2020年人工智能技術成熟度曲線（來源：Gartner【18】）【18】指出：雖然有五種新的人工智能解決方案進入了2020年的人工智能成熟度曲線，但人工智能的民主化和人工智能的工業(yè)化大趨勢將主導2020年的人工智能格局。其實，復合人工智能就是人工智能的工業(yè)化大趨勢主導下的一個新趨勢。從圖12可見，當時它處于創(chuàng)新爬坡的初期，主流釆用時間是2-5年。正如Gartner當時預言的“人工智能正在開始發(fā)揮其潛力，其為企業(yè)帶來的好處正在成為現(xiàn)實”。復合人工智能繼續(xù)出現(xiàn)在Gartner2023年的人工智能成熟度曲線上（見【19】并向曲線頂峰前進了一大步，它仍然是最具變革性的人工智能技術之一。Gartner在2024的新興技術影響雷達：人工智能中，將其繼續(xù)定義為高價值的AI技術，并將其釆用時間從2021年的3~6年提升到1~3圖13：Gartner2024年新興技術影響雷達：人工智能（來源：Gartner【20】）復合人工智能是一種新興的變革性的方法，它將多種人工智能技術，其它技術（如決策智能和/或模型（如LLM）結合起來，創(chuàng)建一個全面且強大的人工智能系統(tǒng)。與依賴單一算法或模型的傳統(tǒng)人工智能系統(tǒng)不同，復合人工智能集成了各種人工智能組件，例如機器學習，自然語言處理，計算機視覺和機器人過程自動化，以解決復雜的問題或任務。通過利用不同人工智能的優(yōu)勢，復合人工智能能提供更準確的預測，更好的決策能力，并提高跨不同領域和應用程序的自動化程度。隨著2022年生成式人工智能之ChatGPT的興起，至2023年GPT-4等各式LLM的一路狂飆，不僅把生成式人工智能推到了其巔峰，而且也大力推動了復合人工智能的發(fā)展，因為ChatGPT從技術結構上就是一個絕妙的復合人工智能，因為它結合了多種人工智能技術和系統(tǒng)來實現(xiàn)特定目標。另一方面，由于工業(yè)（智能制造，供應鏈等）數字化進一步深入發(fā)展，工業(yè)智能決策系統(tǒng)加上智能執(zhí)行系統(tǒng)融合的需求也推動了復合人工智能的快速發(fā)展。據【21】報告：2023年復合人工智能市場規(guī)模為9.7億美元，預計到2030年將達到81.6億美元，2024-2030年復合年增長率為36.4%。Gartner預計復合人工智能的商業(yè)效益將具有潛在的變革性，并在兩到五年內成為主流，支持跨行業(yè)開展業(yè)務的各種新方式，從而徹底改變商業(yè)格局。今年，Gartner將其作為供應鏈的八大戰(zhàn)略性技術之一更是具有深意。供應鏈現(xiàn)在變得越來越復雜，網狀及生態(tài)涉及到跨行業(yè)，跨國界，并且面臨各種不確定性挑戰(zhàn)，供應鏈的未來需要采用復合人工智能來構建其復雜的具有人工智能高級分析能力的決策系統(tǒng)（供應鏈大腦:預測未來，預測風險，制定計劃等）和具有智能實時/及時響應的可執(zhí)行人工智能系統(tǒng)的高度融合，例如建造這種具有復合人工智能的能力的供應鏈控制塔，以應當不確定的環(huán)境和提高供應鏈的生產力。下面是一家復合人工智能公司DataRobot利用復合人工智能于制造業(yè)供應鏈管理帶來的好處【22】：.預測需求：利用一系列歷史數據源來了解未來的需求水平，制造商在許多情況下能夠將可用性提高5%以上，減少浪費8%以上，并減少因沖銷而造成的損失。.預測退貨：通過預測將退回多少庫存，零售商需要從供應商那里采購更少的庫存，從而最大限度地降低整個供應鏈庫存過剩的風險。.減少缺貨：通過更好的預測，零售商可以依靠更好的粒度來減少缺貨。.新產品預測：機器學習可以預測新產品在最初幾周和幾個月內的可能銷量。.價格優(yōu)化：綜合分析競爭對手、競品、品牌、品類、地點等多重因素，給出最優(yōu)價格點，從而優(yōu)化供需平衡。2.2.4下一代人形工作機器人（Next-GenerationHumanoidWorking技術趨勢下一代人形工作機器人戰(zhàn)略規(guī)劃假設到2027年，銷售的新型內部物流智能機器人中的10%將是下一代人形工作機器人。趨勢基本描述人形機器人的設計和制造在形狀、功能和運動方面都與人體相似并模仿。下一代人形工作機器人將把感官意識與移動操縱和動態(tài)運動相結合，以執(zhí)行以前屬于生物人類的生產性工作。人形機器人通常模仿人體，頭部帶有用于感知環(huán)境的傳感器和攝像頭，身體容納動力和機械裝置，手臂和手/夾具用于抓取、操縱和攜帶物品，腿部用于動態(tài)運動。為何成為趨勢供應鏈對機器人的需求仍然非常高。在2023年Gartner供應鏈用戶需求調查中，51%的受訪者表示，他們認為機器人是高度顛覆性的技術，大約60%的受訪者還表示，他們認為這些對他們的業(yè)務非常重要。雖然有許多使用輪子的高生產率移動機器人的例子，但提供移動操縱（即四處移動、拾取和搬運東西）并且能夠處理變化或不可預測地形的機器人的成功例子卻很少。直到最近，還沒有使用腿和手臂來導航、拾取和操縱物品的人形機器人的成功例子。下一代人形工作機器人將接近人類的適應性水平，這將使機器人無需編程即可用于許多不同的活動。這將使公司員工的工作分配具有流動性。已經上市的下一代人形機器人將與類似功能的勞動力成本競爭，并將提供比人類勞動力更高的可用性和可靠性。這一代人形機器人正在接近人類勞動力的適應性，機器人可以通過動態(tài)地從一個流程移動到另一個流程并在無需特殊編程的情況下承擔新的活動來靈活地支持業(yè)務需求。趨勢基本影響考慮到倉庫中所需的移動性和不同類型的工作，傳統(tǒng)工業(yè)機器人的固定、不靈活和可編程的單一活動架構的局限性太大。如今，機器人主要用于處理可重復的任務，并且活動之間的差異最小，或者用于將物品從一個位置移動到另一個位置。移動并拾取不同尺寸、形狀和方向的單個物品對于機器人來說很困難，但對于人類來說卻很容易。因此，人形機器人將在未來幾年內不斷發(fā)展，以解決前幾代自動化的局限性，并將提供必要的成本、靈活性、適應性、可擴展性、實用性和智能。行動建議.雖然人形機器人的潛力很誘人，但具有大批量、可預測和一致流程的供應鏈運營不應推遲對機器人的投資。這些組織應考慮使用當前幾代內部物流智能機器人來增強或補充其勞動力。.在開發(fā)仿人機器人之前，公司必須開始繪制其功能流程，以確定這些流程中的哪些（如果有的話）可以用當前幾代機器人來解決，以及哪些將從以人為本的設計中受益最多。確定那些需要高度靈活性和適應性的流程，并專注于了解人類勞動力如何執(zhí)行這些任務，以了解人形機器人需要支持哪些功能。.由于下一代人形工作機器人尚處于萌芽階段，公司必須開發(fā)一種結構化方法來進行有效的概念驗證。領先的公司正在建立機器人能力和協(xié)作中心（RCCC）來承擔這些角色。AI人形機器人行業(yè)發(fā)展及技術藍皮書【23】對智能機器人，特別是人形/仿人工作機器人行業(yè)發(fā)展及技術趨勢做了全面的分析和解讀。圖14展示了一般智能機器人應用場景譜系分析，但并沒有包括下一代人形工作機器人,因為它是最新的智能機器人的發(fā)展。人形機器人的設計和制造在形狀、功能和運動方面都與人體相似并模仿。下一代人形工作機器人將把感官意識與移動操縱和動態(tài)運動相結合，以執(zhí)行以前屬于生物人類的生產性工作。人形機器人，也稱為仿人機器人，是一種旨在模仿人類外觀和行為的機器人，具有類人的外觀、感知、決策、行為和交互能力。它們通常具有與人類相似的身體結構和功能，例如可以行走、說話、感知環(huán)境、做出決策和與人類交互等。人形機器人是智能機器人發(fā)展的最高階段，其研究和開發(fā)已經進行了半個世紀，其發(fā)展歷程分四個階段如圖15所示?！?3】詳細描述了人形機器人發(fā)展歷程，在此不贅述。人形機器人應該是爆發(fā)期的新作，還正在發(fā)展中。IEEESpectrum在其《2024年頂尖科技：來年期待什么（TopTech2024：Whattowatchforintheyearahead）》特別報告中的專文“人形機器人開始工作：AgilityRobotics和其他七家公司的類人機器人爭奪工作崗位（HUMANOIDROBOTSAREGETTINGTOWORKHumanoidsfromAgilityRoboticsandsevenothercompaniesvieforjobs）”【24】闡述了下一代人形工作機器人的最新發(fā)展，并指出了其應用前景。圖16展示了2024三種新型人形機器人。圖16：上圖--2024三種新型人形機器人（來源：IEEE【24】）|下圖--2024各國出臺的人形機器人（來源:https://lifearchitect.ai/humanoids/）據【24】，第一家對Digit進行測試的公司作為其工業(yè)創(chuàng)新基金的一部分，去年年底，亞馬遜開始在華盛頓州西雅圖附近的機器人研發(fā)基地測試Digit。Digit在亞馬遜并不孤單——該公司目前擁有超過75萬個機器人其倉庫中部署的機器人，包括在封閉區(qū)域運行的遺留系統(tǒng)，以及具有必要自主性以與人進行更協(xié)作工作的更現(xiàn)代的機器人。這些新型機器人包括像Proteus這樣的自主移動機器人基地，它可以在倉庫周圍移動推車，以及像Sparrow和Cardinal這樣的固定機器人手臂，可以在結構化環(huán)境中處理庫存或客戶訂單。但有腿的機器人將是新事物。Agility機器人公司的Digit將一個空手提包搬運到亞馬遜研發(fā)倉庫的輸送機上。另一個令人興奮的Digit用例是空手提袋回收。正如【24】指出的，對于人形機器人，除了一些技術上的挑戰(zhàn)外，幾十年來，兩條腿在哪里有意義一直是機器人技術中一個持續(xù)存在的問題。顯然，在一個主要為人類設計的世界中，具有人形外形的機器人將是理想的選擇。但對于機器人來說，兩條腿動態(tài)保持平衡仍然很困難，特別是當這些機器人搬運重物并且預計要以人類的速度工作數萬小時時。什么時候值得使用雙足機器人而不是更簡單的機器人？盡管人形機器人技術還不夠成熟，但它是一個未來發(fā)展的趨勢。正如【23】指出的，由于人口老齡化、勞動力人口下降和人力成本上升等問題，推動機器換人的需求增加。人形是最適合人類社會所有場景的形態(tài)，無需改變場景來適應機器。同時，人形機器人能夠發(fā)揮類人能力，用類人的感知、決策、運動和執(zhí)行能力來幫助人們面對生活中的各種問題。隨著通用人工智能、感知和動力系統(tǒng)等方面取得了巨大進步，人形機器人性能得到極大提升，成本逐漸下降，部署步伐加快，相關應用場景也不斷擴展，從最初的制造業(yè)到醫(yī)療、救援、服務業(yè)等各個領域。MarketsandMarkets預計，2023-2028年人形機器人市場規(guī)模將從18億美元增長到138億美元，年復合增長率（CAGR）為50.2%，如圖21所示。高盛預計未來10至15年內，人形機器人市場規(guī)模將增至60億美元以上規(guī)模。樂觀估計，2035年市場規(guī)?？赡苓_到1540億美元。隨著資本的驅動，人形機器人產業(yè)正掀起一股投資并購的熱潮?？萍季揞^們紛紛加入這個新興的領域，爭相布局人形機器人賽道，以搶占先機。亞馬遜投資Digit人形機器人；英偉達領投美國MachinaLabs；OpenAI領投1XTechnologies；PVC領投初創(chuàng)公司Figure；三星電子投資韓國RainbowRobotics。在這場激烈的競爭中，企業(yè)間的合作與競爭也日益加劇，推動了人形機器人技術的快速發(fā)展。龐大的市場需求催動多類主體競相入局賽道，中國人形機器人市場規(guī)模持續(xù)擴增活力逐漸顯現(xiàn)。據中商產業(yè)研究院測算，2023—2030年，中國人形機器人市場規(guī)模增速將達到30%，預計突破8700億元。在人形機器人組成部件中，我國傳統(tǒng)機器人廠商遨博加快攻關人形機器人所需電機、驅動器等核心零部件，推動國產化進程。國內人形機器人發(fā)展態(tài)勢詳見研究報告【23】。2.2.5機器客戶（MachineCus技術趨勢機器客戶戰(zhàn)略規(guī)劃假設到2027，30%的大公司將擁有專門的業(yè)務部門或銷售渠道，以進入快速增長的“機器客戶”市場。趨勢基本描述機器客戶是非人類經濟參與者，通過支付來獲取商品或服務。示例包括：獨立于人類命令下訂單的物聯(lián)網（IoT）連接設備或資產、維持消耗品可用性的智能補貨算法以及向消費者建議交易的智能助手。為何成為趨勢根據2022年Gartner首席執(zhí)行官和高級業(yè)務主管調查，受訪首席執(zhí)行官認為，到2030年，他們公司的收入平均有15%到20%將來自機器客戶。到2028年，將有150億個互聯(lián)產品存在，它們有可能充當客戶，為自己及其所有者購買服務和用品。機器客戶已經在我們之中。機器正在獲得購買、銷售和請求服務的能力。例如：.HPInc.的HPInstantInk使連接的打印機能夠在耗材不足時自動訂購自己的墨水。.AmazonDash補貨服務使用家庭或辦公室的智能貨架，一旦達到特定的使用閾值，就會觸發(fā)消耗品的重新訂購。.沃爾瑪部署了人工智能驅動的談判聊天機器人，與“非轉售商品”的供應商建立聯(lián)系，這些商品的類別包括車隊服務、手推車和零售店使用的其他設備。.特斯拉汽車可以診斷自己的問題，預訂維修零件并提示用戶安排維修預約。.勞斯萊斯噴氣發(fā)動機配備了物聯(lián)網并由人工智能進行解釋，足夠聰明，可以幫助工程師做出關鍵決策。這些決定包括需要動員服務團隊，并在飛機降落在世界任何地方時提供替換零件。趨勢基本影響預計機器客戶訂購的加速將要求首席供應鏈官(CSCO)建立新的供應鏈運營模式，以有效應對這一新的需求渠道。我們期望機器客戶具有以下特定需求特征：.機器客戶根據實時數據和預測算法進行購買，以確定購買什么、何時以及購買多少。當預計實際需要該產品時，他們傾向于“及時”購買。因此，與人類相比，他們的購買頻率更高、數量更少、速度更快。.機器客戶的需求預測將更加可靠和可預測，因為它將完全基于算法決策。然而，機器客戶也將能夠更好地快速找到替代產品和供應商，這些產品和供應商可能更方便購買，或者交付更可靠。行動建議.重新設計您的供應鏈戰(zhàn)略重點，包括與新興機器客戶一起成長的長期計劃。反思您當前的業(yè)務模式、產品組合和供應鏈運營模式，以確定創(chuàng)造您自己的機器客戶的機會。.設計一個提供更高水平的敏捷性和彈性的供應鏈運營模型。這將包括在細分供應鏈中建立特定的制造和物流能力，顛覆需求預測和供應鏈規(guī)劃能力，自動化流程和決策，以及通過整合合作伙伴生態(tài)系統(tǒng)來擴展可見性。.加速發(fā)揮供應鏈作為客戶體驗平臺的作用。有了機器客戶，供應鏈將完全適應其客戶。CSCO應加快新客戶體驗角色的設計。Gartner的機器客戶（MachineCustomers）技術趨勢最早出現(xiàn)在2021年的Gartner人工智能技術成熟度曲線上【25】，并將機器客戶定位在創(chuàng)新觸發(fā)階段，成熟期大于10年。經過進一步研究后，2022年初，Gartner發(fā)表了研究筒報《機器客戶將決定誰能獲得數萬億美元的業(yè)務。是你嗎？》【26】，該報告發(fā)現(xiàn)“事實上，機器客戶時代已經來臨。如今，地球上有潛力充當買家的機器比人類還多。目前有超過70億部手機、平板電腦、個人電腦、智能手表、智能揚聲器以及聯(lián)網的個人和商業(yè)打印機。他們每個人分析信息和做出決策的能力都在穩(wěn)步提高?！保撐闹赋觯簷C器客戶代表了這十年來最大的新增長機會，但他們并不像人類那樣做出決策。隨著越來越多的智能設備連接到互聯(lián)網，以及越來越多的人使用Siri和Cortana等智能虛擬助手，商業(yè)可能性是驚人的。數萬億美元將逐漸落入非人類手中——或者我們應該說是處理器——手中。CEO們期望機器客戶變得重要的時間是2030年，49%的419位被調查的高管們相信，到2030年，至少25%的消費者采購和業(yè)務補貨請求將大量委托給機器。到2030年，機器客戶的平均收入將占總收入的圖18：CEO們期望機器客戶變得重要的時間（來源：【26】）接著2022年7月發(fā)表的Gartner人工智能技術成熟度曲線上，機器客戶被移去。本文作者認為，這意味著這個技術趨勢已經不按原來曲線的規(guī)律發(fā)展了?！?5】指出了如圖19所示的機器客戶進化的三個階段：.如今，HPInstantInk、AmazonDashReplenishment和特斯拉汽車等服務可以作為“共同客戶”代表車主自動執(zhí)行有限的功能。人們制定規(guī)則，機器在特定的規(guī)定生態(tài)系統(tǒng)中執(zhí)行這些規(guī)則。因此，這些機器是“綁定客戶”，它們代表了三個階段演變中的第一個。.在第二個新興階段（到2026年人們仍然將機器設定為“適應性強的客戶”，盡管人工智能技術可以代表人類進行選擇和行動，而對選定任務的干預最少。例子包括機器人交易、StaplesEasySystem和金融“機器人顧問”，如Betterment、Free2Spend和Wealthfront。谷歌、特斯拉和豐田的自動駕駛汽車系統(tǒng)也適合這里。.在最后階段（到2030年這些新的經濟參與者是“自主客戶”。他們有足夠的智能來代表人類獨立行動，具有高度的自由裁量權，并擁有與交易相關的大部分流程步驟。這不是一臺有感知的機器，但它也有自己的需求需要滿足，例如維護和軟件更新，它將自行解決。據公司工程師介紹，Aidyia是一家支持人工智能的自動化對沖基金，可以完全自主運作，不受人為干預，是自主機器客戶的一個例子。Aidyia閱讀新聞，分析大量經濟數據，識別晦澀的模式，對市場趨勢進行預測并進行相應的投資。每個階段的機器客戶的共同點是，他們會在三個方面做出與人類不同的決策。這些差異具有重大的商業(yè)和運營影響：.在某種程度上，它們是透明的。不同于人們在購買過程中常常隱藏自己的意圖，機器是基于邏輯和規(guī)則的。他們的動機是解決問題。他們的假設將在他們的規(guī)則和查詢以及他們做出的決策中可見。.他們可以處理大量信息來做出決定。有了這種能力，他們就會仔細收集和權衡數據，從而做出明智的選擇，而不會受到情緒的影響。.他們不需要感到高興。機器專注于高效完成任務。你不能通過給機器喝酒和吃飯來贏得它的忠誠度，你也不需要這樣做。如果銷售和履行流程順利并且滿足服務水平協(xié)議的要求，那么更有可能選擇供應商。進而，Gartner建議.首先，發(fā)展公司戰(zhàn)略和業(yè)務模式以適應機器客戶.為機器客戶將如何改變您的運營做好準備.數據和分析必須提供高質量的情報來支持機器交互Gartner供應鏈的副總裁分析師PierManenti于2022年7月15日寫了一篇專文“供應鏈打造自己的機器客戶”【27】討論了機器客戶對供應鏈的影響及其應對策略。該文指出：企業(yè)領導者對未來幾年能夠從機器客戶那里獲得多少業(yè)務抱有很大期望。在我們的年度CEO調查中，61%的CEO認為，到2030年，機器客戶的需求將在他們的行業(yè)中變得巨大。具體來說，他們預計到那時機器客戶將平均貢獻21%的收入。數據表明，市場轉變的速度是電子商務到來速度的兩倍以上。最終，價值數萬億美元的購買力將掌握在非人類客戶的手中或數字大腦中。鑒于機器客戶的預計收入，CSCO必須加緊努力制定適當的戰(zhàn)略，為其供應鏈做好準備。圖20描述了為機器客戶做好準備的供應鏈應釆取的兩大類六項戰(zhàn)略行動：.數字基礎：數字基礎由三項行動組成，這是支持機器客戶所必需的。目的是整合合作伙伴生態(tài)系統(tǒng)，利用整個端到端供應鏈的數據，并使流程和決策自動化。.運營模式：其他三項戰(zhàn)略行動旨在釋放一種運營模式，重點是通過提高敏捷性水平、吸引和留住數字化適應性人才以及創(chuàng)造機器客戶體驗來快速響應機器客戶的需求。圖20：為機器客戶做好準備的供應鏈應釆取的六項戰(zhàn)略行動（來源：【27】）2023年元月Gartner杰出副總裁分析師兼Gartn