自第一波互联网繁荣期以来,供应链管理的发展速度就迎来了前所未有的大爆发。如今,人们又开始热烈讨论AI对规划、制造和物流行业的影响。遗憾的是,寻源采购似乎被排除在了考量范围之外。
智能寻源采购是一种系统功能,强调在企业的整个生命周期内实现供应商价值的最大化。尽管首席采购官(CPO)们早已充分意识到这种采购方法的协作属性,但受到大量过时系统的拖累,无数精明的采购人员仍被迫将大量时间和精力消耗在价格谈判、合同签订和供应商审计等偶发性工作上,而很少能专注帮助其他企业部门作出更好的采购决策。
浪费头脑是种巨大的损失
工程领域有句老话,认为80%的生命周期成本在产品设计阶段就已经锁定。但在实践层面,大多数人明显还没吃透这句金玉良言。问题的实质不在于人们不理解这句话,而是擅长跟供应商一同创造价值的采购专业人士忙于处理日常事务,根本无法在制定设计决策时充分发挥自己的专业知识。因固件短缺导致交付延误的波音787梦想飞机就是典型案例,凸显出采购水平可能给业务带来的巨大财务冲击。
在最近的采访中,一位首席采购官指出了这个核心问题:“我不知道技术是不是真的带来了它所承诺的好处”——包括解放采购团队,让专业人士处理更多增值工作。从实际合作经历来看,大部分企业的采购部门仍然苦于争取预算,努力想要跟上规划、物流和电子商务方面的发展速度。
但波音787梦想飞机延误毕竟属于小概率事件,要想在实际运营中争取到资金预算,还是要看采购部门能帮企业省下多少真金白银。更可悲的是,总有些人认为采购的要义就是“拣便宜的买”。这种忽视采购专业知识的行为往往令本就话语权有限的采购部门更加雪上加霜。
AI前来支援
“智能寻源采购”的理念始于2020年,这段时间业务流程涌入了大量涉及各零件编程和材料规格的相关数据。第一波冲击是环境、社会和公司治理(ESG)问责制对企业提出的材料采购与排放控制压力;之后,全球贸易紧张局势给采购平台来了一番大洗牌,企业必须对原产国可追溯性等风险管理指标做更精准的追踪。
再有,社交媒体(特别是TikTok)的力量增加了对各品牌的采购决策风险,彻底扭转了以往只需要做简单成本效益计算的局面。如今各种数据集之间相互关联、错综复杂,大多处于非结构化格式,而且总体规模仍在快速扩张。但好消息是,AI技术正在出手帮助厘清各种数据类型。
AI对于机器人流程自动化(RPA)和动态供应商门户同样至关重要。宝洁等领先企业已经建立起这类门户以帮助采购团队简化工作流程,并为供应商合作伙伴提供更好的自助服务工具。沃尔玛也使用AI与长尾供应商进行价格谈判,借此腾出更多时间与主要供应商开展更加密切的战略合作。
对于希望帮助企业做出更佳采购决策的开明首席采购官,智能寻源采购无疑是一股值得关注的潮流,其本质是从ERP样式的表格数据结构和工作流应用、逐步向AI时代的新形态过渡。如果能够成功落地,这种方法将在问责制和协作水平方面带来突破性成效,充分满足理想采购模式中的这两大基本价值指标。
不止于此
即使还没有部署完整的技术支持系统,部分企业也已经在运用智能寻源采购的概念,突破以往单纯强调“质优价廉”的原材料和设备采购思路。例如,施耐德电气已经与其前1000家供应商合作,计划在2025年将运营碳排放量减半。General Mills则开展投资分析以指导农民供应农作物,预计到2030年在100万英亩土地上发展出可再生农业。宜家也从2015年开始努力,终于实现了棉花供应中的100%可再生比例。
供应管理所关注的不仅仅是成本,智能寻源采购能够激发出由首席采购官主导的驱动力,实现从概念规划到业务完成的全生命周期价值回馈。
而AI,正是开启这座宝藏的钥匙。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。