——在2025年(第二十四次)中國物流學術年會上的演講(摘要)
北京理工大學特聘教授、管理科學與物流系主任 李 果
2025年11月29日 湖北·武漢

黨的十八大以來,以習近平同志為核心的黨中央高度重視供應鏈安全與現代化建設。習近平總書記多次強調,要把實施擴大內需戰(zhàn)略同深化供給側結構性改革有機結合起來,著力提升產業(yè)鏈供應鏈的韌性和安全水平。《“十五五”規(guī)劃建議》也明確作出重要部署,進一步為我們把握發(fā)展大勢、應對風險挑戰(zhàn)、提升供應鏈現代化水平提供了根本遵循和行動指南。
一、深刻認識供應鏈發(fā)展面臨的全新環(huán)境與嚴峻挑戰(zhàn)
當前,全球經貿格局正處于深刻變革時期,面對復雜多變的國際環(huán)境和諸多風險挑戰(zhàn),我國供應鏈韌性正面臨多重考驗。
一是外部環(huán)境的劇烈動蕩對供應鏈穩(wěn)定性構成沖擊。隨著逆全球化思潮抬頭和地緣政治博弈加劇,全球供應鏈體系正經歷深刻重構。首先,關稅壁壘與技術封鎖等貿易保護措施層出不窮,使得長期以來基于全球成本最優(yōu)原則構建的供應鏈網絡面臨重構壓力。其次,地緣沖突頻發(fā)與升級,使得供應鏈中斷從偶發(fā)性風險演變?yōu)轭l發(fā)性挑戰(zhàn)。此外,蘇伊士運河與巴拿馬運河作為全球關鍵航運通道,其潛在的阻塞風險進一步放大了跨區(qū)域供應鏈的脆弱性。這些不確定性的疊加,持續(xù)影響了國際物流供應鏈的穩(wěn)定運行。
二是需求端的波動與信息失真嚴重制約供需精準匹配。在數字化、個性化消費浪潮下,市場需求變化日趨劇烈。然而,在供需信息向產業(yè)鏈上游傳遞過程中,由于物流與商貿體系中企業(yè)存在“信息孤島”與“決策盲點”,導致生產計劃與市場需求脫節(jié)。一方面,上下游數據銜接不暢,信息不對稱問題突出,影響企業(yè)判斷與響應效率;另一方面,在面向消費終端的多渠道體系中,渠道內耗嚴重,庫存統籌與價格體系混亂。長鏈條、慢響應的既往傳統協同模式,在當今市場環(huán)境中已顯得力不從心。
三是降本增效的傳統路徑遭遇瓶頸,系統協同能力亟待突破。競爭日益激烈的市場環(huán)境中,企業(yè)在努力提升供需匹配精度的同時,始終還面臨巨大的成本壓力。加上現有物流網絡結構復雜、資源分散,傳統調度方式難以高效整合與實時響應。傳統路徑規(guī)劃也多依賴靜態(tài)方案,對動態(tài)突發(fā)變化應對不足,各環(huán)節(jié)信息互通不暢,從而制約了供應鏈整體協同效率的提升。
四是綠色低碳轉型的緊迫要求與短期盈利壓力的矛盾突出。一方面,在企業(yè)經營過程中,面對降本增效、綠色低碳轉型、履行社會責任等多重目標平衡的壓力,有的為節(jié)省成本傾向于優(yōu)先削減ESG及綠色供應鏈相關投入,以換取當期成本優(yōu)化。但這種片面追求短期利潤最大化行為,可能損害長期可持續(xù)發(fā)展能力,兩者的矛盾在一定程度上反映出短期利益與長期發(fā)展之間存在的取舍沖突。另一方面,在企業(yè)決策過程中,對運營效率的指標側重仍較為明顯。以物流運輸為例,盡管公路運輸碳排放強度較高,但因靈活性大、時效性強,目前仍為多數企業(yè)的首選方式。同時,供應鏈各環(huán)節(jié)的環(huán)保舉措往往局限于局部優(yōu)化,缺乏全鏈條協同。在應對國際綠色貿易壁壘方面,不少企業(yè)雖已嘗試依據Scope3標準開展碳核算,但由于數據基礎薄弱、核算口徑不一,結果準確性不足,導致在面向歐美等市場時頻繁遭遇合規(guī)障礙,影響貿易順暢開展。
二、準確把握智慧化變革帶來的歷史性機遇與發(fā)展方向
挑戰(zhàn)總是與困難并存,若想破解上述難題,關鍵在于我們要積極把握智慧化發(fā)展機遇,以智慧賦能系統推進信息匯集、規(guī)律研判、趨勢預測與精準調控,推動供應鏈管理從數字化向智能化全面躍升,更好應對VUCA環(huán)境帶來的挑戰(zhàn)。
一是智能化浪潮已成為供應鏈轉型升級的核心驅動力。數據證實,在當前的供應鏈發(fā)展中,AI與智能算法已成為推動變革的核心力量。從三項技術的演進趨勢來看,自動化、數字化、智能化三條路徑并行發(fā)展、相互融合。以機器人、物聯網和無人駕駛等為代表的自動化技術,其趨勢自2017年以來保持波動上升;以云計算、區(qū)塊鏈與數據技術等為依托的數字化技術,也在同期穩(wěn)步推進;而智能化技術則以數據、算法和算力為關鍵支撐,自2017年起進入實質發(fā)展期,尤其在2022年后,智能化步伐顯著加快,人工智能也真正意義上從理論走向產業(yè),廣泛滲透于供應鏈各個環(huán)節(jié)。這些都標志著我們已全面進入人工智能驅動的智慧時代,必須主動把握趨勢,積極擁抱變革。
二是智慧賦能將為供應鏈能力帶來躍遷式提升。實踐證明,智慧賦能可以為供應鏈物流體系帶來系統性提升。我們進行過測算,企業(yè)若實現高水平的數智化供應鏈管理,可在多維度取得顯著成效:在庫存與成本優(yōu)化方面,庫存水平有望進一步降低;在敏捷響應與柔性制造方面,產品上市周期可縮短約15%至30%;在全鏈路可視化與風險管理方面,中斷事件的響應速度可提升50%;在物流效率與履約體驗方面,在不影響服務質量的前提下,包裝材料使用量可減少約15%。目前,已有一批優(yōu)秀企業(yè)通過實踐探索,為我們提供了寶貴的可借鑒經驗。
三是新形勢對供應鏈現代化提出了明確的“四新”要求。新時代新征程,我們需要以新的視野審視供應鏈發(fā)展,其內涵可以概括為“四新”:新形勢,即數據價值化加速、數字化進程深化,且產業(yè)鏈安全已成為高質量發(fā)展的基石,必須在發(fā)展中統籌安全與可持續(xù)的關系。新機遇,即科技革命與產業(yè)變革交匯,數字技術的創(chuàng)新與融合應用為全球供應鏈管理模式升級、數據要素驅動價值重塑打開了戰(zhàn)略窗口。新挑戰(zhàn),即必須應對更趨復雜的外部環(huán)境、技術實施與組織業(yè)務協同的復雜性、全球產業(yè)鏈“去中國化”傾向的抬頭以及企業(yè)數字化轉型中成本收益衡量的現實困惑。新要求,即必須構建以數據為核心的數字化協同平臺,加強技術儲備與全流程融合,并建立覆蓋全生命周期的轉型管理機制。
三、系統構建與實施“四維一體”智慧供應鏈管理決策體系
為系統性回應時代要求,將智慧化機遇轉化為企業(yè)競爭力,我們團隊提出了“智慧供應鏈管理決策體系”,下面我簡要向大家介紹。
一是頂層設計。我們這套體系戰(zhàn)略目標直接應對當前供應鏈的四大核心挑戰(zhàn),提出“穩(wěn)供-擴需-增效-提質”四維一體體系。“穩(wěn)供”旨在提升供應鏈韌性,保障基礎供應安全;“擴需”聚焦于打通需求信息屏障,實現精準的供需匹配與價值創(chuàng)造;“增效”核心是優(yōu)化復雜網絡資源配置,實現物流、商流、信息流的高效流通;“提質”則是將環(huán)境與社會責任內嵌于運營,推動高質量、可持續(xù)發(fā)展。
二是實施路徑。圍繞“穩(wěn)定供應、精準擴需、高效流通、綠色賦能”四個維度,我們開展了針對性地研究與實踐探索。在“穩(wěn)定供應”方面,針對韌性不足等問題,我們建立了可靠性技術提升的模型,構建了韌性提升的方法體系,設計了復雜情況下質量協同監(jiān)控與多維保障體系。在“精準擴需”方面,針對響應遲滯等問題,我們提出了需求信息共享與多渠道協同的決策機制,以及基于智能算法的客戶流失的管理方案。在“高效流通”方面,針對成本高企等問題,我們提出了需求信息共享與多渠道協同的決策機制,以及基于智能算法的客戶流失的管理方案。在“綠色賦能”方面,為調和短期成本與長期綠色投入的矛盾,我們提出了一套“綠色賦能”系統解決方案,能夠對企業(yè)實施綠色供應鏈管理有促進作用。
三是有關建議。我們研究發(fā)現,智慧供應鏈的建設是一項復雜的系統工程,需要企業(yè)、行業(yè)、政府等多方主體凝聚共識、協同發(fā)力,形成推進轉型的強大合力。企業(yè)層面,建議著力提升數據獲取、基礎設施建設能力,重點提升智能化運營決策能力,重構柔性化與協同化的運營流程,以及數智技術與組織能力的深度融合能力。行業(yè)層面,關鍵在于共建以數據為核心的智能決策中臺或行業(yè)云平臺,進一步發(fā)揮產業(yè)鏈“鏈主”企業(yè)的引領作用,在“穩(wěn)供、擴需、增效、提質”四個方面形成一體化流程。政府層面,建議要進一步加強數字基礎設施的建設,加快智能化標準體系建設,構建產業(yè)服務平臺和生態(tài),完善政策與法規(guī)保障。
四是未來展望。未來,智慧供應鏈的研究將聚焦于認知智能驅動的決策范式創(chuàng)新,例如探索類腦計算在復雜決策中的應用,推動供應鏈博弈從傳統人際決策向智能體自主協同演進。同時,應加強數字孿生反事實推演、多智能體協同機制等前沿方向的研究。此外,還應關注智能化技術向不同產業(yè)的遷移與融合,推動智慧供應鏈在賦能戰(zhàn)略性新興產業(yè)、護航企業(yè)“出海”、構建綠色智能供應鏈體系等方面發(fā)揮實效。
最后,我認為未來智慧供應鏈生態(tài)系統將從點對點企業(yè)關系,逐步演化為以智能平臺為核心的供應鏈生態(tài)系統,這個生態(tài)系統中包含物流平臺、公共服務平臺,工業(yè)互聯網平臺、B2B平臺和B2C平臺等。企業(yè)在這些平臺系統里扮演著不同的主體角色,未來智慧供應鏈發(fā)展也將成為平臺與平臺之間互聯互通的供應鏈生態(tài)系統。
我的報告就到這里,謝謝大家!
(根據速記整理,轉載請注明作者和來源中國物流學會。)
