2025年值得关注的供应链技术的主要趋势

1技术进步将为供应链技术领导者和首席供应链官(CSCO)提供机遇，帮助他们实现数字化价值、提升员工生产力并创新运营模式。在这些新兴机遇中，有名的研究咨询公司Gartner于2025年2月发布了《2025年最重要的供应链技术趋势》的研究报告【1】。列出了2025年最重要的供应链技术趋势，旨在帮助领导者实现这些目标。Gartner在【1】已经确定了未来几年最具影响力的供应链技术趋势，这些趋势与供应链职能相关并跨越供应链职能。跟踪它们将有助于供应链技术领导者通过负责任的创新塑造组织的未来。Gartner供应链业务副总裁兼首席研究官ChristianTitze表示：“今年的趋势凸显了供应链中互联互通和智能化的变革潜力，使领导者能够提升运营效率和适应能力。通过评估和整合代理人工智能和智能仿真等先进技术，企业可以实现特定目标、促进创新并获得长期竞争优势。”本文首先概述Gartner2025年顶级战略性供应链技术趋势，然后逐一介绍和解读2025年及以后的顶级战略性供应链技术趋势。最后回顾了Gartner关于战略性供应链技术趋势的研究，并指出顶级供应链技术趋势的新特征。【1】指出供应链组织需要考虑以下新机会：l技术的进步为供应链技术领导者提供了支持首席供应链官（CSCO）优先事项的机会，包括数字和人工智能（AI）价值实现、员工生产力和员工对员工（E2E）运营模式战略制定。l要充分发挥供应链技术投资过去和未来的潜力，需要对“连接性”进行投资。l解决“智能”主题的技术为竞争差异化带来了更多机会。l网络安全供应链和整体可持续性是需要考虑的进一步趋势，因为它们解决了生态系统中多个维度的更广泛影响。供应链技术领导者和其他高管在制定供应链技术战略和选择以及创新的中长期计划时，必须：l根据明确映射到业务成果的需求和使用案例，识别和评估创新技术。l通过建立明确的治理流程来吸引利益相关者并验证机会，征求有关使用创新技术并确定其优先级以改善和转变供应链的建议。l通过不断评估和采用数字技术，例如环境隐形智能、增强的互联劳动力、多模式用户界面（UI）和多功能机器人，帮助扩展连接。2l确定培养“智能”的机会，其中对规模和效率和适应性有很大的需求。这包括代理AI、自主数据收集、决策智能（DI）和智能仿真。l默认情况下，通过使用严格的治理方法（包括将风险管理作为IT创新流程的一部分）来管理每个数字化转型计划的安全性和可持续性功能。供应链技术领导者处于独特的位置，可以制定路线图，展示技术投资如何帮助他们的企业在不确定性和压力下保持成功并推动竞争优势。供应链技术领导者和供应链业务领导者都必须评估战略技术趋势的影响和好处。鉴于技术创新的速度不断加快，这可能很困难。每年，Gartner都会为供应链高管确定最相关、最最新和最有影响力的技术趋势。这使我们能够确定哪些单一趋势或战略组合将对组织及其运营所在的生态系统产生最重大的影响。今年的主要趋势分为两大主题：l连接—在不同领域中发挥关键作用，推动创新、效率以及人机交互。正在进行的数字化转型以及对集成和协作的日益重视支撑了其重要性。l智能—集成先进技术以优化流程、提高成本效益、改进决策，并在快速变化的业务环境中创建更敏捷、适应性更强的供应链。Gartner对主要战略供应链技术趋势的描述并不是一个趋势比其他趋势更重要的排名列表（见图1）。相反，趋势是相互关联的，其重要性不仅因组织成熟度而异，还因行业、业务需求和先前制定的战略计划而异。图1：2025Gartner八大供应链技术趋势（来源：Gartner【1】）3根据组织的具体情况，检查和评估自身的的趋势潜力，包括组织成熟度、行业部门和风险文化。将它们纳入组织未来几年的战略规划中，并相应地调整业务模式和运营。组织可以将某些趋势用于特定目标，而可以将其它趋势用于多种用途。鉴于趋势本身之间的联系，它们所属的主题是重叠的。然而，定期评估技术趋势的供应链组织将会更好地准备随着时间的推移将其纳入其商业模式和战略，从而使他们能够在适当的时候抓住竞争优势。图1中的两大主题概况被列于下表(见图2)。图2：2025年Gartner八大供应链技术趋势的两大主题概况（来源：Gartner【1】）2025年的主题驱动因素是：l连通性：供应链领导者需要利用新兴技术来增强连通性。l智能化：利用促进智能的工具来推动竞争差异化和运营效率。本节基于Gartner的研究报告【1】，分两大主题介绍和讨论2025年及以后的8个顶级战略性供应链技术趋势（见图1-2）。该主题包括以下四个旨在利用新兴技术来增强连通性的趋势：环境隐形智能（AmbientInvisibleIntelligence）增强互联劳动力（AugmentedConnectedWorkforce(ACWF)）多模式用户界面（MultimodalUI）多功能机器人（PolyfunctionalRobots）技术趋势环境隐形智能分析师ChristianTitze和NickJones战略规划假设到2028年，环境隐形智能的早期示例将侧重于通过实现低成本的物品跟踪和传感、降低成本和/或提高效率来解决紧迫的问题。趋势基本描述环境隐形智能由超低成本的小型智能标签和传感器实现，将提供大规模、经济实惠的跟踪和传感。从长远来看，这将使传感和智能更深入地集成到供应链运营中。环境隐形智能由三项关键技术驱动：l低功耗无线l能量收集（尤其是来自环境射频能量）l低成本、低能耗的电子产品。4为何成为趋势2025年Gartner供应链技术用户需求调查列出了“数字化、跟踪和管理边缘资产”。它还包括利用技术来支持环境、社会和治理（ESG）以及可持续性，是前10名资助的供应链技术投资。此外，由于近年来产品质量的提高、安全意识的提高和政府法规的激增，可追溯性变得越来越重要。智能标签和传感器将有助于更实时地了解端到端供应链，从而更快地响应可能的偏差并能够避免中断，从而实现更高的质量和更及时的决策。部署将为产品认证、库存和资产可见性或货物跟踪提供值得信赖的嵌入式来源和身份—所有这些都以低廉的价格提供。此外，环境不可见智能将为分析和AI提供关键的新数据源，以改进产品和供应链流程。趋势基本影响l到2028年，环境隐形智能的早期示例将专注于通过实现对产品和资产的低成本跟踪和传感、降低成本和/或提高效率来解决紧迫的供应链问题。l短期机会包括零售店或仓库的自动库存检查、易腐货物的状态监测、实时货物跟踪或利用实时基础设施（RTI）的可重复使用的包装和运输物品——基于云的安全和API驱动的资源跟踪系统，并带有运营仪表板。l从长远来看，我们预计超低成本电子产品将在其整个生命周期内保留在物品中。接收Ambient消息的网关将成为互联供应链中的标准功能。新功能（例如相关对象和设备之间的协作）将不断发展。l但是，隐私挑战仍然存在，法规会影响某些用例或智能传感标签。他们的基础设施可能会带来新的网络安全和弹性挑战，例如，在受监管的行业中，外人无法接受知道事物的位置。行动建议l确定环境智能在2025年至2028年期间提供投资回报（ROI）的信息影子和早期用例，并试点最有前途的示例。将其视为某些当前或计划中的射频识别（RFID）用例的潜在替代品。l寻找由实时信息启用的新分析机会（例如，与对象的使用方式、存储方式和位置以及资产的位置和使用位置有关）。这项技术将加速“隐形分析”的趋势。l分析此技术的任何拟议用途对隐私、弹性和数据保护的影响。确保用户可以在必要时明确禁用它。环境隐形智能是一种利用新兴的隐形传传感器技术连接企业与环境的新兴技术。【2】指出，环境智能揭示您组织的盲点。传感器技术越来越便宜，越来越不显眼，从而能够从最隐蔽的流程中捕捉洞察。尽管组织收集的数据量大幅增加，但在信息获取成本高昂的领域或情况下，它们仍然存在盲点。这既带来了成本，也带来了风险。利用隐形技术克服不知道产品在哪里或如何存储的业务风险，隐形技术可以从价值链中以前隐藏的部分提供洞察。Gartner在其Gartner的《2025年顶级战略技术趋势》的研究报告中，环境隐形智能被列为十大顶级技术之一【3】，笔者在【3】中对其做了详细解读。图3列举了若干示例。5图3：环境隐形智能的示例（来源：Gartner【3】）从图3可见，这项技术与供应链密切相关，它将帮助供应链连接到它的复杂环境，发现其在运行环境中的盲点，从而改善供应链运营。因此Gartner将其列入2025年顶级的八大供应链技术趋势之一。技术趋势增强互联劳动力战略规划假设到2027年，一半的财富500强制造商将通过增强互联劳动力（ACWF）战略支持的新参与模式创造15%的新职位。分析师SimonJacobson趋势基本描述互联工厂工人利用数字工具和数据管理技术来改进和集成他们与物理和虚拟环境的交互。这提高了决策准确性，增加了知识并减少了可变性为何成为趋势当今的劳动力存在巨大的技能差距。以制造为中心的组织的需求正在迅速变化。增强互联劳动力的趋势由六个相辅相成的主题驱动：l技术服务、应用程序和设备被单独处理，在IT组织中造成孤岛，并给员工带来摩擦。此外，平台和服务也在不断发生变化，为实现类似的目标提供了多种解决方案。l所有工作类型的工作所需的新数字技能都在加速;然而，准备工作滞后。在Gartner的2023年智能制造实施趋势调查中，57%的受访者表示，员工难以将数字化融入日常工作中。近一半的受访者表示，由于缺乏熟练工人来支持其组织的数字化计划，他们受到限制。l智能应用程序和数字工具的机会已经出现，可以减少新员工的能力学习时间。l工作场所自动化和AI的进步使员工需要处理越来越复杂的问题。l新员工可能精通技术并采用新技术，但可能缺乏主题专业知识以及6获得最佳实践和专有技术的机会。终身员工拥有详细的流程知识，并且在工作环境之外可能精通数字技术;然而，即使工具不断发展，他们也难以完全采用新技术并利用它们来改变工作方式。l劳动力短缺是60%的供应链组织（例如消费品制造商）面临的最大挑战。尽管如此，三分之一的供应链组织缺乏有效的员工价值主张（EVP无法通过以人为本的工作设计来吸引、留住和聘用所需的人才。趋势基本影响ACWF计划可以缩短获得能力的时间，并提高运营和生产力方面的多技能。他们还可以在组织中为入门级人员提供职业道路，让他们无需离开去接受额外的教育或培训即可成长。在自动化或数字化方面加大投资的组织看到了对一线员工从事更熟练工作的巨大积极影响。例如，作为其智能制造计划的一部分，一家消费品制造商将21家工厂的关键标准作程序（SOP）以及维护和质量工作说明数字化。这代表着从手动和纸质流程到一线工作人员的手持和移动设备的全面转变，并提高了运营效率。整合工作流程自动化和改进对数据和分析的访问，以寻找有针对性的改进机会。这非常强调变革管理，同时提高了9,000多名工厂员工的技能。由于效率和数据访问的提高，一些网站缩短了新员工的入职时间，而其他网站则报告每月节省超过100个工时。ACWF广泛成功的举措不仅仅是技术。组织可能会从各种技术开始，使一线工作人员能够有针对性地更好地执行日常运营。这将带来财务投资回报率，但可能会缩短长期价值。从这些计划中获得长期价值的组织利用技术支持来促进更广泛的计划，这些计划更加以人为本并反映不断发展的EVP。行动建议l从简化开始，采用分阶段的方法，消除离线流程并减少人为错误。可衡量的回报将刺激对这些举措的需求，并揭示短期改进机会，为员工队伍转型开辟道路。l开始与HR、职能部门和业务领导者对话，了解在组织中启动增强型互联劳动力计划的简单方法。收集对技能、角色、方法差距和利益相关者优先事项的最新理解。l通过让员工参与设计他们的日常活动并激发创造力和独创性，提高员工敬业度和解决方案所有权。首先问：“技术如何改善您生活中的一天？通过在IT中使用以人为本的设计学科（例如旅程地图和角色）来确定特定于角色和上下文的需求，以便在工作任务级别进行增强，从而开始构建更好的数字化员工体验。在Gartner的2024年关键技术展望【4】中，首将“增强互联劳动力”确定为需要关注的重要趋势之一，并指出到2027年，25%的CIO将使用增强互联劳动力计划，将关键职位的能力培养时间缩短50%。接着Gartner将其列入2024并预测到2027年，全球一半的企业制造商将通过ACWF战略支持的新参与模式创造15%的新职位。笔者在【5】中还给出了ACWF的技术框架，市场发展趋趋，以及实现ACWF的关键技术。有兴趣的读者可参见【5】。要实现ACWF并非易事，因此Gartner在2025年的八大供应链顶级技术趋势的研究报告【1】中提出了更精准的预测。7技术趋势多模式用户界面分析师FedericaStufano战略规划假设到2028年，四分之三的公司将在选择新技术时将用户体验（UX）视为首要标准，在选择新技术时将仅次于功能，这迫使供应商专注于增强技术和功能能力的UX。趋势基本描述多模式UI是一种界面，使用户能够通过多种通信模式同时或互换地与系统进行交互。这些模式可以包括语音、触摸、手势、文本、视觉和其他感官输入的组合。多模式UI的目标是通过利用不同输入方法的优势并适应用户偏好和上下文，创建更自然、直观和高效的交互体验。为何成为趋势2025年Gartner供应链技术用户愿望和需求调查的洞察表明，除了功能和满足财务目标之外，可用性是影响供应链组织选择新兴技术的两个首要标准之一。多模式UI往往是供应链软件和硬件高级细分市场的默认界面。眼动追踪、手势、语音识别和生物传感技术的创新，以及它们在供应链解决方案中的采用，正在加速多模态UI的采用。趋势基本影响l多模式UI的使用引起了人们的兴趣，部署表明，与现有方法相比，工作人员的效率和积极性有所提高。l可以提供多模式用户界面培训，以便在更具活力和吸引力的环境中（例如，用于制造、维护、仓库运营或服务）中入职新员工。还可以通过令人愉悦的UX向员工提供引人入胜的分步说明。l在物流领域，有可能出现针对生产力、安全和人体工程学的解决方案，例如卡车和货车司机的虚拟AI助手或使用扫描、文本、交易和对话语音的多模式语音。行动建议l优先考虑多模式UI的价值，以提供更安全、更可靠、更愉快的工作、培训、入职和处理环境。l首先确定可以从多模式UI技术中受益的特定用例（例如，现场服务、物流、仓储、制造、维护或设计）。l部署、连接和改进数字计划，以提高用户信心、满意度、忠诚度和拥护度。多模式UI技术迅速兴起的主要驱动力包括以下几个方面:l多模式新兴技术，如复合Al，多模态LLM，多模态GenAl等正在兴起和被企业(如供应链组织)选择或釆用，而选择或成功釆用这些新兴技术的关键标准在于其用户体验(UX)。而多模式UI技术正是提高这些新兴技术用户体验的关链技术。l智能手机、智能手表、智能电视和可穿戴设备等智能设备的广泛使用，推动了对更复杂交互方式的需求。多模态用户界面满足了消费者日益增长的对无缝直观的设备交互体验的期望。人们越来越希望能够通过语音命令、触摸屏和手势的组合来控制设备。l多模态用户界面(UI)正在改变人类与科技的交互方式，它能够通过多种输入方式（包括语音、触控、手势和视线追踪）实现无缝沟通。与传统的单模态用户界面不同，多模态界面允许用户根据自身情况选择最直观的交互方式，从而增强了可访问性、适应性和用户参与度。人们对免提和非接触式交互的需求日益增长，推动了多模态用户界面在智能设备、车载信息娱乐系统和工业应用中的应用。8推动多模态UI行业发展的最重要趋势之一是AI与NLP技术的融合。AI算法使设备能够实时理解和解读来自语音和手势等多种输入源的复杂数据。这一趋势在声控虚拟助手和智能家居系统中尤为突出。自然语言处理(NLP)可以更准确地处理语音命令，而人工智能(AI)则提升了设备从用户交互中学习的能力，使界面随着时间的推移更加灵敏和个性化。人工智能与多模式用户界面(UI)的融合正在提升用户体验，并为医疗保健、教育和汽车系统等领域的创新创造机会。2023年，全球多模态用户界面市场规模达195亿美元，预计2024年至2032年的复合年增长率将达到16.5%（见图4）。人工智能(AI)和机器学习(ML)技术的兴起已成为市场变革的动力。这些先进的算法可以分析和处理来自语音、触觉、手势甚至面部识别等多种模态的数据。AI模型使设备能够更准确地解读人类行为，从而实现更流畅、更直观的交互【7】列举了7个新兴生成式AI用户界面，并指出这些新兴用户界面如何改变交互：1.聊天机器人：聊天机器人彻底改变了人类与人工智能的互动方式。它们是旨在仿真人类互动的对话代理。例如ChatGPT、Claude和Perplexity。这些聊天机器人可以执行各种任务，从回答问题、提供建议到生成创意内容和协助客户服务。它们能够理解和生成人类语言，使其成为个人和专业用途的宝贵工具。聊天机器人的对话特性允许直观的用户交互，使复杂的任务更易于管理。2.增强型浏览器：增强型浏览器将人工智能功能直接集成到网络浏览器中，通过智能功能提升浏览体验。谷歌、ARC和必应等知名浏览器均利用人工智能提供个性化搜索结果、预测性文本和内容摘要。它们还可以根据用户行为和偏好提供上下文信息和推荐。将人工智能集成到浏览器中，可以帮助用户更高效地浏览海量在线信息，将网络变成一个更加个性化、更易于访问的空间。3.AI工作区：AI工作区旨在通过将AI工具集成到日常工作环境中来提高生产力。例如DevinAI、GitHubCopilotEnterprise和CustomGPTBuilder。这些平台可协助AI驱动的编码、项目管理和内容创建。它们可以自动执行重复性任务，提供智能建议，并促进团队成员之间的协作。通过将AI直接嵌入到工作流程中，这些工作区使用户能够更智能、更高效地工作，最终提高整体生产力和创新能力。4.AI工作簿：AI工作簿将AI的强大功能与传统的数据分析和管理工具相结合。例如9V7Go、ElicitWorkbooks、Sheets或ExcelAPI集成。这些平台增强了数据处理能力，使用户能够自动输入数据、执行复杂计算并从海量数据集中获取洞察。AI工作簿还可以提供数据可视化建议和预测分析，使用户能够更轻松地解读数据并采取行动。将AI集成到数据管理工具中，可以改变企业和个人处理信息的方式，从而提高决策能力和效率。5.通用界面：通用界面代表了人工智能交互的新范式，它提供了一个集成多种人工智能功能的统一的平台。ProjectAstra就是这种方法的典范。它提供了一个统一的界面，用户可以访问各种人工智能工具和服务，从自然语言处理到计算机视觉。这种无缝集成简化了用户体验，使用户与人工智能技术的交互更加流畅高效。通用界面旨在打破不同人工智能应用程序之间的壁垒，创建一个更全面、更易于访问的人工智能生态系统。6.AI表单：AI表单利用生成式AI来简化和增强表单填写流程。例如UpworkJobPosts和TypeformAI。这些表单使用AI根据用户输入和偏好自动生成和填充字段，从而减少填写所需的时间和精力。AI表单还可以提供智能建议，确保输入的信息准确且相关。这种自动化流程改善了用户体验，并提高了数据收集和处理的效率。7.无面容工作流程：无面容工作流程代表着工作流程向更自动化、更隐形的AI集成的转变。这种方法涉及将AI功能直接嵌入后端流程，从而允许无需用户直接交互即可完成任务。AI驱动的自动化可以处理从调度和资源分配到监控和维护的所有事务。通过消除对传统用户界面的需求，无面容工作流程实现了无缝高效的操作，使用户可以专注于更具战略性和创造性的任务。总而言之，这七种新兴的生成式人工智能用户界面改变了人们与科技的互动方式。从聊器人、增强型浏览器到人工智能工作空间和通用界面，这些创新使人工智能更易于访问、更直观，并更容易融入日常生活。随着人工智能的发展，这些界面将在塑造人机交互方面发挥关键作用，推动各个领域的生产力、创造力和效率的提升。现代供应链和物流本身就是多模式的，它釆用多模式的技术和管理系统，处理多模式数据，特别是许多供应链组织己经或正在釆用人工智能和智能机器人技术，因此釆用新兴的多模式UI技术将有助于改善供应链的人机交互方式及用户体验，提高生产力，创造力和效率。技术趋势多功能机器人分析师DwightKlappich战略规划假设到2030年，80%的人类每天将与智能机器人互动，这与目前的不到10%相比有了显着增长。趋势基本描述多功能机器人是能够承担多项任务并遵循人类指令或示例的机器，无需明确的编程或硬件修改。为何成为趋势尽管对多用途机器人的吸引力和愿望并不新鲜，但有几个障碍使它们无法生存;然而，这些障碍正在减少。一些障碍和趋势是：l硬编码与自适应智能。传统机器人成本高昂且缺乏灵活性，并且无法适应新任务。视觉AI、AI/机器学习（ML）和新物理设计的进步现在使机器人技术的适应性更强。l多任务分配、沟通和集成。传统机器人面临的集成挑战限制了他们在工作流程中的任务灵活性。生成式AI（GenAI）和ML现在支持新的交互模型和双向通信，使机器人能够适应和响应人类的口头l命令。价格和总拥有成本（TCO）。由于成本显著降低，多功能机器人现在的价格与人工相比具有竞争力。它们日益增长的灵活性和适应性，加上较低的价格，使它们成为传统劳动力的可行替代品。趋势基本影响lll工业机器人通常针对单个任务进行硬编码，需要大量干预才能进行更改。这导致公司维护着庞大的异构机器人队列，每个机器人都是为特定任务而设计的，这与可以接受多种角色训练的人类不同。多功能机器人甚至可以作为灵活的劳动力，自主适应各种任务。由于新颖的外形和智能软件。他们可以在一天中扮演多个角色，并最终在初始编程之外自学新任务。多功能机器人必须在人类环境中安全运行，在非传统机器人设计的空间内导航。这需要新颖的外形尺寸，并注重故障安全作安全，以适应不同的环境，包括有人的环境。行动建议llll尽管多功能机器人的潜力很诱人，但具有大批量、可预测和一致流程的供应链运营不应在等待这项技术成熟时延迟对机器人的投资。公司需要开始映射其功能流程，以确定哪些流程（如果有）可以用当前几代机器人来解决，哪些将从多功能中心设计中受益最大。确定需要高度灵活性和适应性的流程，并专注于了解人力如何执行这些任务，以了解多功能机器人需要支持的能力。由于目前还没有完全有能力的多功能机器人，因此公司必须开发一种结构化的方法，以便在未来几年内这些功能发展时进行有效的概据【8】，目前，工业企业拥有近四百万台单功能机器人。它们已经解决了劳动力短缺问题，降低了成本，并提高了效率。随着能够执行多种功能的机器人的不断发展，企业可以提升这些机器的价值。与单一功能机器人相比，多用途机器人可以更快地带来投资回报。它们通过以下方式实现：l更灵活的劳动力。多功能机器人可以完成各种不同的任务，从而打造一支能够适应当前需求的灵活劳动力队伍。l更高的机器人效用。当企业可以使用同一机器人完成多项任务时，该组织不仅可以更多地使用机器人，还可以利用它们来完成最重要、价值最高的活动。l更强大的人机协作。这些机器人专为在人类环境中运行而设计，并使用专为人类接触而设计和定位的设备。这与那些可能在划定空间或笼子内运行以保护附近人类的单一功能机器人不同。随着多功能机器人能够通过步进或执行反水平任务在人类空间中穿行，这项技术将推动制造商探索新的外形尺寸、形状和尺寸。Gartner将多功能机器人列为2025年及以后的十大主要战略技术趋势之一【3】。笔者在【3】中对多功能机器人的特征，架构有较详细解读，有兴趣者可参看【3】。下面是多功能机器人的几个案例。l亚马逊全自主的移动机器人Proteus：2012年，亚马逊收购了机器人公司Kiva，该公司率先研发了名为“驱动单元”的仓库机器人。十年过去，亚马逊如今拥有超过52万个机器人驱动单元。同样在2022年，该公司推出了Proteus（见图5这是一款完全自主的移动机器人，旨在安全地融入亚马逊员工工作的同一物理空间。Proteus利用先进的安全、感知和导航功能，完全自主地在仓库中移动。Proteus是一款自主移动机器人，可以在亚马逊配送中心拾取、运输和放下集装箱。该机器人设计用于在与人类工人共享的空间内安全运行，并利用光、声音甚至物理运动来帮助附近的人了解其状态和意图。l据【10】，Ocado的自动化履行中心使用多功能机器人快速处理订单，效率提高400%以l人形多功能机器人（见图6人形机器人旨在模仿人类的动作和认知能力。它们应用于客户服务、医疗保健和研究领域。人形机器人具备语音识别、自然语言处理和先进的移动能力，可以协助完成从护理到互动式客户支持等各种任务。将多功能机器人融入全球供应链，彻底改变了传统的物流和制造流程。这些机器人提高了订单履行的准确性，缩短了交货时间，并使企业能够快速响应市场需求。通过自动化重复性任务，并促进供应链内部的创新和敏捷性，企业可以将人力资源重新分配到更具战略性的角色。据DataIntelo预测【12】，全球多功能机器人市场规模将从2023年的约80亿美元增长至2032年的210亿美元，复合年增长率(CAGR)为11.5%。该主题包括以下五个旨在提高生产力，推动增长，加速数字化业务的趋势：代理人工智能（AgenticAI）自主数据收集（AutonomousDataCollection）决策智能（DecisionIntelligence(DI)）智能仿真（IntelligentSimulation）技术趋势代理人工智能分析师LeonardAmmerer和TomCoshow战略规划假设到2030年，50%的跨职能供应链管理（SCM）解决方案将使用智能代理在生态系统中自主执行决策。趋势基本描述代理AI系统有望建立AI代理的虚拟劳动力，这些代理可以协助、卸载和增强人类工作或传统应用程序。代理AI系统承诺提供适应性更强的软件，能够完成未在域中明确编程的各种任务，而不仅仅是那些设计到软件中的任务（参见AI和生成式AI案例研究快照）。这些系统可以根据其环境进行规划、行动和调整，以满足复杂环境中的目标，从而显著提高AI对运营环境执行的潜力。这基于在SupplyChainPlanning（SCP）或其他SCM环境中创建的行动建议。为何成为趋势迄今为止，旨在缩小规划和执行之间技术差距的跨职能SCM解决方案令人失望（请参阅供应链简报：不断发展的指挥中心决策技术框架）。为此目的实施的传统技术（例如集成技术和工作流引擎）通常反映了供应链环境的复杂性，并且与保持供应链技术堆栈的灵活性背道而驰。AgenticAI能够缩小决策与执行的差距，从而解决对AI的一些不切实际的期望。它可以被授权采取果断的行动，使其能够解决需要采取行动的问题，而不仅仅是内容生成。这一进步将增加可以自动化的供应链任务和工作流程的数量。趋势基本影响l例如，与机器人流程自动化（RPA）相比，AI代理代表了不同级别的复杂程度和功能。AI代理是一种更先进的系统，不仅可以自动执行任务，而且还具有一定程度的“代理”。这意味着它可以自主运行，根据处理的数据做出决策，并最终从其经验中学习。l凭借其多样化的功能和适应性，AI代理已准备好彻底改变供应链决策中的众多工作流程。他们学习、预测和自主决策的能力将推动跨领域的效率、创新和转型，从而影响我们的工作和运营方式。l通过处理每个功能的不同采用率，负责任和有效地从AI代理中获益还需要护栏，包括法规、政策、可追溯性和治理，以保证可解释性和适当的风险管理。行动建议l确定将代理AI添加到对规模和效率有巨大需求且需要适应性的工作流中的机会。从仅自动化的角度重新思考跨孤岛的整个工作流程，并在战略点将人员重新添加到新的工作流程中。从可访问高质量数据、行为可验证且ROI高或足以证明投资合理的使用案例开始。l将AI代理视为您委派工作的第1层数字同事。重新思考协作模型、工作流程和团队策略，以最大限度地发挥AI代理的优势，这些代理可以发现人类团队成员可能没有注意到的衍生事件并采取行动。l设置防护机制，以确保代理AI被限制在定义的角色和一组功能中。这样做可以防止它采取可能导致损坏的错误行动。2024年10月代理人工智能（AgenticAI）首次被列为Gartner2025年顶级战略技术趋势之一【3】。接着2025年2月它被确立为Gartner2025年最重要的供应链技术趋势之一。笔者在【3】中详细讨论了代理人工智能的概念，特征，应用分类等。可供读者参考。本文将继续介绍的新的概念，应用进展等。l代理人工智能是一类人工智能实践：Gartner在其2025年元月的一个网络研讨会的演讲《人工智能代理：人工智能的下一个大事件》【13】中有趣地将人工智能分为两个大类:人工智能技术–【13】从认知系统的视角给出了如下的人工智能的定义。人工智能是一门计算机工程学科：一系列基于数学或逻辑的技术，用于仿真认知过程。人工智能技术主要包含的内容被描写在图7中。图7：人工智能技术（来源：Gartner【13】）人工智能实践–目前已有的在图8中的大类包括复合AI，生成式AI，决策智能，自适应AI，数据科学，代理式AI，…。最新的代理式AI被定义如下:AgenticAI是一种利用AI代理风格的软件实现的AI实践，其中AI代理是自主或半自主的软件实体，它们使用AI技术在数字或物理环境中感知、做出决策、采取行动并实现lAgent，AIAgent与AgenticAI的比较最近看到北京大学发布的《AI+Agent与Agentic+AI的原理和应用洞察与未来展望》研究报告【14】，该报告深入剖析AI+Agent与Agentic+AI的原理、应用及未来发展趋势，为读者呈现一个全面而详细的知识图景。图9源于该报告，对Agent，AIAgent与AgenticAI作了一个简单的比较。更深入的内容请参看原文【14】。图9：Agent，AIAgent与AgenticAI的比较（来源：北京大学【14】）此外，【15】指出，虽然人工智能代理代表了人工智能能力的重大飞跃，特别是在自动化狭义任务方面。AgenticAI系统代表了一类新兴的智能架构，其中多个专门的Agent协同工作以实现复杂的高级目标。这些系统由模块化代理组成，每个代理都负责一个更广泛目标的不同子组件，并通过集中式编排器或分散式协议进行协调（见图10）。l应用AgenticAI的十大供应链公司供应链正在经历一场深刻的变革。这场变革的核心是代理型人工智能(AgenticAI)，这是一种新一代智能代理，能够自主行动、实时调整，并在无需持续人工干预的情况下提供有意义的业务成果。与传统自动化甚至基础人工智能模型不同，代理型人工智能不仅支持决策，更驱动决策。美国供应链数字化(SupplyChainDigital)杂志考察了代理人工智能及其在供应链中的应用方面处于领先地位的十家公司（见下表）。排名公司名代理AI的应用成就1Coupa（美国）Coupa在代理AI领域处于领先地位，最近推出了多代理AI解决方案组合。该解决方案套件充满了新的创新，可以增强决策能力、简化流程并提高生产力——让团队有更多时间进行战略工作——同时提供更快的洞察力和更好的结果。该公司首席产品和技术官SalvatoreLombardo表示：“Coupa正在利用多智能体AI功能动态、自主地匹配买家和供应商的需求，从而改变全球贸易。”“AgenticAI将重新定义我们的用户体验，释放洞察力并带来令人惊叹的客户成果。”2BlueYonder（美国）BlueYonder刚刚推出了五个人工智能代理作为其新认知解决方案的一部分，具体如下：库存操作代理货架运营代理物流运营代理仓库运营代理网络运营代理首席执行官DuncanAngove在田纳西州纳什维尔举行的ICON2025上宣布，这些代理旨在帮助企业更快地做出决策、更精确地运营，并在持续的全球不确定性面前提高适应力。它们建立在二十多年的人工智能和机器学习研究的基础上。3Zycus（美国）Zycus处于代理AI进步的前沿，将其嵌入整个采购到付款生命周期并彻底改变采购团队的运作方式。Zycus创始人兼首席执行官AatishDedhia称代理AI是“改变游戏规则的因素，将采购转变为释放真正价值的战略推动因素”。从构建最早的人工智能驱动的采购解决方案之一到创建完全集成的Merlinagentic人工智能S2P套件，Zycus的历程始终保持领先地位并满足客户的动态需求。4Kinaxis（美国）Kinaxis对其旗舰平台Maestro的最新更新引入了人工智能代理，旨在帮助企业实时监控、预测和应对供应链挑战。这些人工智能驱动的工具可以自动化库存管理和中断缓解等关键流程，减少人工工作量并提高决策速度。Kinaxis还推出了一个代理AI框架，允许公司在Maestro内开发定制的AI代理，从而使组织无需大量技术专业知识即可将AI集成到其供应链流程中。5FourKites（美国）FourKites正通过其开创性的数字劳动力利用代理人工智能的力量，有望弥合仿真数字鸿沟。与传统的人工智能代理不同，这些专业的数字同事深刻了解业务运营并与现有团队一起工作。FourKites产品、技术和运营总裁PriyaRajagopalan解释说：“这些人工智能系统的作用远不止聊天机器人或自动化工具。它们可以自动解决诸如扣留问题和供应商延误等挑战。”6SAP（德国）SAPSapphire刚刚发布，SAP扩大了其AI代理Joule的范围，将其定位为超越传统应用领域的普及助手。此外，这家科技巨头还扩展了其人工智能代理套件，每个代理都旨在跨各种系统和业务流程运行。在供应链领域，预计将于2025年第四季度发布三种代理：使用实时洞察调整维护计划的维护计划代理；响应生产问题的车间主管代理；以及改善服务订单调度的现场服务调度代理。7Tonkean（美国）当采购领导者驾驭代理AI炒作时，Tonkean凭借其针对企业运营的代理编排功能脱颖而出。TonkeanAgenticOrchestration将自主、协作、创造性的人工智能与确定性基于规则的自动化结合起来——将最好的人工智能模型整合到企业的后台流程中。其结果是最佳的用户体验、具有200多个预建集成的动态互操作性以及强大的治理框架，该框架可使流程与政策保持一致并在关键时刻保持人类的控制。8埃森哲（爱尔兰）为了帮助企业加速采用代理功能并重新构想功能和行业流程，埃森哲最近推出了AI代理构建器，扩展了其AIRefinery平台。这意味着业务用户可以快速构建和定制代理，实现前所未有的灵活性。在NVIDIA的帮助下，埃森哲也在不断扩大其预配置行业代理解决方案集合，以帮助客户快速扩展整个企业的AI代理网络。9Globality（美国）Globality的Glo是“采购领域最先进的人工智能代理”，代表着采购团队在定价和提案评估方式上的重大飞跃。Glo提供了直观、实时分析的基础层，这意味着采购专业人员可以在几秒钟内创建交互式仪表板、可视化效果和趋势报告，确保在购买过程的每一步做出更明智的决策。德勤（英国）ZoraAI是德勤的数字化劳动力，基于NVIDIA的AI构建。借助不断增长的专业人工智能代理组合，它可以帮助组织简化企业运营、提高生产力和效率，并推动更自信的决策，从而释放商业价值。这些代理通过广泛的领域特定智能、灵活的技术架构和内置透明度来增强人力资源，以自主执行和分析复杂的业务流程。技术趋势自主数据收集分析师SimonTunstall和DwightKlappich战略规划假设到2027年，50%的仓库运营将用自主数据收集平台取代一些以人为中心的数据收集。趋势基本描述自主数据收集利用室内飞行无人机和移动机器人等技术来自主捕获数据。这些解决方案使用支持AI的视觉或射频识别（RFID）等技术来支持库存管理、检查和监控等使用案例。解决方案通常包括移动平台，例如飞行无人机或移动机器人;板载摄像头或其他传感器;以及用于导航的基于AI的高级软件。较新的解决方案正在从无人机转向使用安装了传感器阵列的自主移动平台，提供更长的电池寿命和更强大的相机和传感器，因为重量限制很少。为何成为趋势供应链运营，尤其是物流和制造，会产生大量必须捕获和处理的数据。大多数公司已经不再在纸上手动记录数据，现在使用某种形式的技术（例如移动设备或扫描仪）来捕获大多数数据。然而，尽管这些技术比纸和笔更好，但仍然需要人工参与，并且通常是耗时且附加值低的功能。趋势基本影响l自主数据收集平台使用摄像头、RFID阅读器和无人机等技术连续捕获数据，从而提高生产率并减少劳动力。高级AI/ML支持对数字图像进行智能解释，通过降低成本和提高流程效率来提供显著的业务优势。l库存管理中的周期盘点非常耗时且存在安全风险，使其成为自动化的主要领域。带有摄像头的移动机器人正在成为有效的解决方案，可能会加速对飞行无人机的采用。l使用无人机或其他技术进行检查或监视可以取代仓库和工厂中通常很危险的人工检查或监视流程。室内无人机对于危险区域或高空的检查特别有价值。与库存管理不同，这些将是非作性的，并且会根据需要定期使用。但是，这些无人机用例可能会与其他仓库审计和检查工具以及移动应用程序集成，以促进检查作。l尽管移动数据收集平台受到广泛关注，但也有许多固定式数据收集解决方案的有力例子。这些应用范围从捕捉安全事件的吊顶式摄像头，到可以在产品装载到卡车上时自主验证产品的码头门旁的塔式，再到监控堆场中车辆移动和状况的摄像头。行动建议l如果您的货物是托盘化的，尤其是如果它们是收缩包装的，请驾驶飞行无人机进行库存管理和周期盘点。在一个站点进行测试，如果业务案例已得到证实，则迅速推广到其他站点。l就像使用其他检查使用案例一样，使用无人机来补充已经以其他方式进行检查的熟练劳动力。l在可预见的未来，专注于电池寿命和其他考虑因素更重要的用例的自主移动机器人。在变革性技术和战略调整的推动下，全球供应链正在经历一场巨变。一场无处不在、加速发展的数字化转型正在悄然进行，其核心是人工智能(AI)和自动化。【16】指出，供应链将比你预期更快地实现自主化。图11：供应链自主化之路（来源：Gartner【16】）为了实现这一目标，首席供应链管理顾问需要设计一种新的供应链运营模式，该模式以实时数据可用性和人员赋能为导向，从而实现更优的决策。数字化是关键的推动因素，不仅因为它能够帮助自动化原本需要人工判断或行动的任务，还因为它能够帮助释放员工被困的才能，将他们的时间从非增值任务中解放出来，并增强他们的决策能力。领先的供应链已在路上。供应链自主化必然要求供应链数据的收集自主化。这是推动自主数据收集技术发展的重要动力之一。另外仓库自动化技术也促进了这一技术的发展。该技术首次被列入2024年Gartner移动机器人和无人机技术的成熟度曲线（Gartnerhypecycleformobilerobotsanddronestechnologies见图12）和2024年供应链执行技术的成熟度曲线（见图13）。图12：2024年Gartner移动机器人和无人机技术的成熟度曲线（来源：Gartner【17】）图13：2024年Gartner供应链执行技术的成熟度曲线（来源：Gartner【18】）【17-18】将“室内飞行无人机”重新命名为“自主数据收集和检查”，因为飞行无人机虽然很有趣，但并不是自主数据收集的唯一用例，其中还包括使用移动机器人。【18】对该技术做了详细分析，并定义了这个技术趋势。定义：自主数据收集和检查使用各种技术，例如室内飞行无人机和移动机器人来自主捕获数据。这些解决方案使用人工智能视觉或RFID等技术来支持库存管理、检查和监视等用例。解决方案通常包括移动平台（例如飞行无人机或移动机器人）、机载摄像头或其他传感器，以及用于导航的先进人工智能软件。为什么这很重要：诸如周期盘点之类的库存管理任务既耗时又低效，而且将人员举到高空盘点库存存在安全隐患。通过使用自主数据收集和检查平台实现此过程的自动化可以带来显著的业务效益。它允许以更快的速度更频繁、更安全地执行流程，同时降低成本并减少对业务的影响。2025年Gartner首次将自主数据收集列为八大顶级供应链技术趋势之一【1】，将其概念和市场，及应用扩展到整个供应链。【19】指出，利用传感器、摄像头和其他技术自动收集数据，提高准确性并减少人工工作量。它对库存准确性和劳动力节省的影响巨大。一家全球航运组织报告称，通过使用机器人和摄像头自动进行循环盘点，每周节省了40个小时，并实现了100%的库存准确率。技术趋势决策智能分析师ChristianTitze和DavidPidsley战略规划假设到2028年，25%的首席数据和分析官愿景声明将变得“以决策为中心”，超越“数据驱动”的口号，明确针对人类决策行为以提高数据和分析（D&A）价值。趋势基本描述DI是一门实用学科，它通过明确理解和设计决策的制定方式，以及如何通过反馈评估、管理和改进结果来推进决策。DI结合了决策建模、AI、分析和相关功能，以支持、增强和自动化决策并推动业务成果。它用于设计以决策为中心的解决方案、显式建模决策、编排决策执行流、评估和管理决策以及审计其结果。为何成为趋势今年组织投资供应链技术的两个激励因素之一（参见2025年Gartner供应链技术用户愿望和需求调查）是决策过程变得更快、更智能和质量更高。与此同时，当前围绕自动化决策和增强智能的炒作，在包括GenAI在内的各种决策中的AI技术的推动下，进一步推动了人们对DI的兴趣。最近的危机显然揭示了业务流程的脆弱性。重新设计决策以使其更具弹性、适应性和灵活性，将需要各种方法和技术的纪律。由AI加速平台提供支持的快速崛起的DI平台市场开始为供应链决策者提供弹性解决方案。趋势基本影响lDI可以通过使决策模型对供应链用户明确和透明，从而实现更好、更及时和优化的决策。它通过对业务环境进行建模来减少决策结果的不可预测性。lDI减少了技术债务并提高了可见性。它通过实质性增强决策模型的一致性，基于其相关性和透明度的质量，使决策透明且可审计，从而改善供应链流程的影响。l挑战仍然存在，尤其是从组织的角度来看。无法公正地重新考虑部门内部和部门之间的关键决策会降低初始DI采用工作的有效性。先进技术方面的组织结构不足，例如缺乏AI卓越中心（COE也可能损害DI的进展。l许多组织仍然缺乏对决策建模和AI技术的了解。当涉及AI时，AI素养差可能会减慢DI项目的发展。此外，在几乎完全关注技术技能的组织中，人类决策的其他关键部分——心理、行为、社会、经济和组织因素——没有得到解决。行动建议l培养传统和新兴决策增强和决策自动化技术方面的DI技能和员工专业知识，包括应用预测性和规范性（即优化、仿真和基于业务规则的逻辑）分析。将业务分析师的技能提升为决策分析师，并培养新的角色，例如决策工程师、决策科学家和决策管家。l通过包括来自IT和业务部门的不同利益相关者，根据每个决策情况的特定要求定制决策技术的组成，以促进在供应链中不同决策上下文的使用案例的要求方面的协作。l通过为DI平台仔细选择购买、构建或合作伙伴模式，优化DI解决方案的有效性和实施效率，并最大限度地提高业务价值，这些模式支持从决策支持增强到自动化的一系列风格。l通过鼓励使用GenAI进行实验并加快部署带来基于规则的逻辑护栏的复合AI解决方案，加速DI功能的开发。所有的人类活动都围绕着做作出选择或决策。在当今复杂的商业世界中，在正确的时间及时做出正确的决策具有至关重要的意义。然而传统的决策技术既不能保证决策的正确性也缺乏决策的敏捷性。笔者在【20，21】中介绍了Gartner提出的超越传统决策技术的决策智能（DI）概念，技术框架，技术和市场发展趋势，以及决策智能平台(DIP)的兴起和若干案例。其中也包括决策智能在供应链中的应用和案例。特别在【22】中介绍了决策智能在供应链计划技术中的应用，以及新兴的以决策为中心的计划技术。图14指出了决策智能是供应链计划技术演进高级阶段。有兴趣的读者可参看【20-22】。最近Gartner的高级分析师DavidPidsley在《利用决策智能趋势连接人工智能和业务成果》【23】中指出，数据本身并不能推动有意义的变革，真正产生影响的是基于数据做出的决策。根据Gartner2024年CDAO议程调查，三分之一的组织已经实施了决策智能(DI)。DI通过理解和设计决策流程，并通过反馈改进结果来增强决策能力。虽然DI不仅仅是用于决策的人工智能，但Gartner预测，到2027年，50%的业务决策将由使用决策智能的人工智能代理进行增强或自动化。DI仍然是一种以决策为中心、与技术无关（对于特定问题，没有“一刀切”的解决方案。）的实践，它弥合了洞察力与行动之间的差距。图15显示了快速成长的DI平台市场：不断成长的代表性供应商。其中也包括了中国的第四范式决策智能平台。负责DI平台的市场研究的DavidPidsley于2025年2月14日宣布，Gartner计划于2025年12月3日首次发布新的DI平台魔力象限，这将是Gartner《决策智能平台市场指南》的升级版。新版将取代2024年7月18日发布的Gartner市场指南【20】，该指南将不再更新。这一宣布预示着DI平台已开始向成熟产品迈进的重要一步。技术趋势智能仿真分析师SimonTunstall战略规划假设到2028年，15%的物流和制造组织将在其应用程序中嵌入智能仿真，以帮助管理其运营的复杂性。趋势基本描述智能仿真是指将AI、ML和高级分析等先进技术集成到传统仿真模型中，以提高其准确性、效率和预测能力。这种方法支持更复杂的动态和自适应仿真，可以更好地仿真真实场景，并为决策提供更深入的见解。为何成为趋势在2025年Gartner供应链技术用户愿望和需求调查中，超过一半的参与者表示，高级分析/仿真/ML是极具颠覆性的技术，28%的参与者表示他们至少有一项技术投入生产。智能仿真是这些技术的融合。供应链运营，尤其是物流、制造和运输，涉及大量变量，这些变量会显著影响其绩效、运营成本和资本支出（capex）。智能仿真可以优化更多的传统仿真和分析，用于规划路线;选择、测试和部署合适的物料搬运设备;以及规划和重新确定内部物流工作流程的优先级。趋势基本影响l智能仿真可以帮助从被动资源部署转变为主动资源部署，使运营能够处理更大的数量和波动性。l仿真和仿真解决方案已普遍用于仓库控制系统，以便在部署之前对自动化物料搬运设备进行规划和压力测试，并在部署后对设备进行监控和控制。增强对智能仿真的使用可能有助于优化此用例。l一些运输提供商开始在以前被忽视的领域部署仿真功能，例如多承运人包裹管理。这些支持跨订单和配送作的路线安排和合并说明。它们还支持基于概率（而不是传统的确定性特征集）的承运商/配送决策。l机器人提供商，尤其是仓库拣选/作机器人提供商，正在使用合成数据来训练他们的系统进行对象识别。这是在此环境中使用的早期示例。合成数据可以是仿真的输入，也可以是仿真的输出。这可以加快机器人系统的培训和采用。l智能仿真有助于仓库数字孪生的演变，从2D/3D可视化发展到算法流程仿真和资源的虚拟作。行动建议l对跨作的当前仿真使用情况、正在使用的应用程序以及用于哪些场景进行编目。确定这些用例的不足之处，并评估采用智能仿真来补充这些活动的准备情况。l向供应商提出挑战，要求供应商了解在其应用程序中嵌入或扩展智能仿真的使用或路线图、可衡量的业务成果或财务预测。l评估运营的当前和近期预期复杂性，以确定是否需要智能仿真以及何时需要智能仿真。检查更传统的分析和仿真是否适合您当前的需l要获得更有针对性的方法，请研究专业技术，例如仓库仿真和建模，以及仓库资源规划和优化。Gartner首次将“仓库仿真与建模”列入2019年的供应链执行技术的成熟度曲线，接着它又将“仓库中的数字孪生”增加到2020年的供应链执行技术的成熟度曲线，从此开启了物流利用数字孪生技术的高级仿真。经过多年的实践和研究（这两项技术都保持在2021~2024年Gartner的供应链执行技术的成熟度曲线上，并逐渐成熟隨着人工智能技术的发展，物流逐渐向智能仿真的方向发展。在2024年SCE技术成熟度曲线【18】中，五项新技术被添加（见图13l物流中的生成式人工智能l人形作业机器人l物流中的游戏化l内部物流智能机器人l人工智能视觉系统【18】在“仓库仿真与建模”技术的分析中指出，“仓库仿真和建模工具通过使用先进的数学方法、可视化、仿真和各种其他软件技术来分析和解决复杂的物流问题，从而改进流程和决策。”，“最全面的解决方案提供先进的决策支持技术来改善仓库运营，例如3D可视化、仓库设计、物料搬运自动化设计、季节性仓库重组、仓库工作流程优化、劳动力规划和瓶颈分析。这些解决方案将仓库数字孪生的元素与先进的仿真和建模相结合。”领先的供应链组织已帅先釆用先进的数字技术，如数字孪生，人工智能等，进行物流仿真和建模，为供应链提供了最优决策，大大提高了供应链的效率并降低了成本。例如中国的物流领先企业顺丰。该公司在2021年前，主要聚焦在传统的规划仿真，2021年开始系统研究数字孪生，并在物流业务场景中实现了落地。2023-2024年顺丰以数字孪生为核心的智能仿真技术落地场景包括中转场和物流网络两个方面。图16描绘了顺丰单一物流设施/场所数字孪生智能仿真技术架构：图16：顺丰单一物流设施/场所数字孪生智能仿真技术架构（来源：【24】）顺丰已将数字孪生技术部署于全国上百个中转场，为实际运作过程缩短10%以上的分拣时长，平均提升8%以上的产能；并通过数字孪生技术优化车辆路线规划，平均每一城市每月可节省500条以上的线路。顺丰的这一创新实质上是数字孪生基的智能仿真技术在配送中心的应用。其中结合人工智能的智能仿真和建模是其核心技术。图17描绘了数字孪生智能仿真技术架构关于物流数字孪生和顺丰数字孪生智能仿真技术的案例，读者可详见于笔者主持编写的【24】。Gartner的《2025年供应链技术主要趋势》报告【1】中预测，到2028年，15%的物流和制造公司将在运营中嵌入智能仿真。并且l指出了智能仿真是一个核心能力：代理人工智能、自主数据收集和决策智能等技术都依赖于动态模型来实现真正的价值。而智能仿真正是这一基础。l证实了一个重大转变：企业正在将智能仿真视为一项战略必需品。随着供应链面临日益增长的复杂性和波动性，仿真技术能够帮助领导者从被动决策转向主动的情景规划和系统级优化。各行各业的领导者都在努力应对复杂且快速变化的环境。专注于可视性和报告的传统工具已不再足够。Gartner概述了企业向能够实时仿真、预测和响应的系统进行的根本性转变。l传达了一个明确的信息：供应链管理的未来不仅在于数字化，还在于智能化、自适应化和仿真驱动化。下面将介绍两个值得关注的供应链智能仿真软件技术的案例:anyLogistix是一款独特的供应链和物流仿真软件（见图18）。作为目前唯一一款用于供应链优化、网络设计和分析的多方法软件，它将传统的分析优化方法与AnyLogic开发的创新智能仿真技术相结合。图18：AnyLogic的供应链仿真软件智能仿真技术框架（来源：【25】）该框架分为三大块，l分析优化方法（左上块供应链被建模为一系列公式和方程式。这种方法可以快速得出结果，但无法展现全部内容。l智能仿真方法（右上块让用户能够考量供应链要素的所有细节和具体特征。用户不仅可以直观地了解网络运营，还能追踪其中的每个流程。l供应链仿真软件核心--anyLogistix：它将传统的分析优化方法与数字孪生+AI为基础的智能仿真相结合的应用人工智能的仿真平台。仿真与人工智能(AI)的交叉使技术本身受益，并为企业提供新的见解和决策支持。anyLogistix将网络优化分析工具与独特的动态仿真引擎相结合。通过结合这些技术，它可以提供更准确、更透明的决策支持模型，从而实现更高效的分析。通过优化定义网络结构，然后通过模拟分析所有细节——检查供应链的每一个方面。anyLogistix仿真基于业界领先的仿真软件工具AnyLogic®,并结合了IBMILOGCPLEX®著名的优化功能。下面列举了该软件应用案例中的两个:1)供应链建模每个供应链都是独一无二的，具有其自身特定的特性。动态仿真允许您捕捉任意细节级别的网络特性。anyLogistix标准策略、行为和位置特性可以使用AnyLogic仿真软件进行定制，以代表您供应链的独特特性。您可以描述供应链运营的约束和规则，以获得准确的、非平均的结果。2)不确定性和风险分析anyLogistix可以检查供应链中的随机性如何影响系统：ALX的内置仿真模型考虑了操作时间和值的概率。通过仿真，您可以分析与现实生活中的不确定性相关的风险，包括交货时间、需求波动、资源可用性和其他变化参数（见图20）。图20：通过智能仿真，来分析不确定性和风险（来源：【26】）CosmoTech（一家法国的供应链技术提供商）的人工智能仿真平台（见图21）能够构建复杂系统（工厂、物流网络或全球供应链）的整体数字孪生，并利用它们探索数千种可能的未来。这意味着企业不仅可以监控中断，还能切实做好准备。CosmoTech的目标不仅仅是韧性，更是准备就绪。Cosmo-Tech面向未来的决策三角框架（见图21）正在采取综合方法--AI仿真导航器来管理对整个价值链的全方位环境、社会和经济影响。这种整体模型旨在通过这些关键维度的复杂相互作用来指导供应链领导者，确保每一个决策都有助于制定有弹性、盈利和可持续的战略。Cosmo-Tech人工智能仿真为实现供应链决策智能提供了一个软件工具。下面简介Cosmo-Tech人工智能仿真平台的功能和要素:l构建用户的生态系统的数字孪生：以实现用户的业务目标l目标寻求仿真：从可能的未来中发现最佳路径l平台即服务：高可扩展性、无缝集成和与云服务的互操作性l应对业务挑战：面对不确定性做出复杂决策，了解决策的影响及其未来结果，与现实世界的问题保持同步。图23从以下两个维度表明了不同分析和决策产生的整体价值。n垂直维度--系统复杂性（从单资源流程到整个系统）n横向维度--分析和决策的不同阶段l一个平台-无限制的用例：可用于从实时操作控制到战术战略用例的分析和决策。下面简介Cosmo-Tech人工智能仿真平台的用户体验和绩效【28】l釆用CosmotechAI仿真技术的公司的好处n快速应对不断变化的环境和不可预见的事件。n降低风险和不确定性n通过优化资产绩效增加收入l釆用CosmotechAI仿真技术的绩效n供应链弹性与战略采购优化方面：u增加+5%利润u减少60%的运输成本u节省物流成本1000万欧元n可持续性驱动的资产管理方面：u每年减少7.6%的温室气体排放n生产计划与控制方面：u在相同资源能力下的产能增加10%综上，基于数字孪生，人工智能驱动的智能仿真是未来供应链技术的前沿，它将给供应链提供更明智的决策，从而实现供应链数据的最大价值。在研究报告【1】分析了2025年最重要的8大供应链技术趋势之后，提及以下值得注意的另外两大供应链技术趋势。网络攻击继续对各行各业的企业构成持续不断、不断发展的威胁。供应链在组织中具有多个职能交接，以及庞大的合作伙伴生态系统，对不良行为者来说是一个巨大而有吸引力的目标。供应链的数字化程度越高，网络威胁就越大。我们的研究继续将网络攻击确定为供应链负责人面临的最大挑战。在Gartner的2024年“影响供应链的地缘政治风险”调查中，59%的受访者表示，在过去12个月中，网络攻击对其供应链绩效产生了中度、高度或非常高的影响。鉴于供应链IT和网络物理系统部署的广度需要在企业中得到保护，供应链的网络安全风险范围很大。合作伙伴生态系统的广度和多层性质大大增加了这种复杂性。在许多组织内部，在识别和管理供应链网络安全风险方面缺乏与所有权和预算相关的明确性。威胁扩张的速度使网络安全和供应链团队更难跟上系统、产品和第三方关系的保护。在创建网络安全供应链时，组织可以：l与首席信息安全官（CISO）合作，将供应链纳入整体企业网络安全治理。这包括与CISO和企业风险团队建立关键联系点，并在供应链中建立联络人角色，使其成为主要联系人l将网络风险纳入其整体供应链风险管理框架，因为许多方法（如业务连续性管理（BCM）、热图、分段、可见性和记分卡）也可用于帮助管理网络风险。l要求通过评估、审计和工具进行第三方网络风险验证，并将其应用于端到端供应链，包括上游供应商、合同制造合作伙伴和物流合作伙伴。此类活动应在合同完成/续签之前、期间和之后进行。他们应该在很大程度上依赖于业务影响和网络安全关键性。l成为保护信息物理资产的团队的一员，尤其是在运营技术（OT）、物联网（IoT）以及制造和物流中的其他自动化方面。l在供应链中培养网络安全人才—在许多情况下，将目光投向金融服务和公共部门等领域的制造业之外。注:在这方面有兴趣的读者可参看笔者的研究报告【29】。供应链不具备应对日益复杂和苛刻的可持续发展法规所需的信息、技能和能力。数据保真度、可用性和质量是可能导致过度依赖基于假设的计算的痛点。然而，它们并不总是满足监管要求——例如，欧盟碳边境调整机制（EUCBAM）需要2025年的实际数据。准确性要求不断提高，监管部门对保证和财务影响的期望与测量挂钩。领先的组织通过实施数据驱动的可持续发展战略来取得成功，这些战略使他们能够监控可持续发展并将其嵌入其决策和运营流程中。法规正在加速可持续性数据的成熟度，同时部署AI来改进数据管理和计算活动。强制性披露变得越来越细化，范围也越来越大：欧盟企业可持续发展报告指令（EUCSRD）有1,000多个参数（定性和定量）。从2025年起，欧盟CBAM等法规将要求对产品层面的碳排放量进行实际值。许多公司还没有为这种粒度级别做好准备。数据可追溯性和审计是许多此类法规的要求，并且选定的方法适用于需要为特定法规计算和报告某些指标的方式。所有这些因素都促使公司愿意投资解决方案，以实现更准确的可持续性参数测量。为了满足对保真度和效率日益增长的需求，SaaS解决方案提供商开始应用AI和改进的数据管理功能。示例包括：l使用AI自动识别排放因子并将其分配给运营活动，以计算产品的碳足迹l在应用程序内生成数据置信度评级，以轻松监控热点l作为尽职调查评估的一部分，访问各种公共和付费数据库，以计算供应链合作伙伴的固有风险水平l从基于支出的计算迁移到活动和主要数据，以显著提高碳排放计算的准确性，从而为战略目标提供信息注:在这方面有兴趣的读者可参看笔者的唐博士专栏中的关于供应链可持续性的多篇研究本文作者在【29，31-35】中介绍和分析了从2018到2025年连续8年中所公布的八大供应链技术趋势。今年是Gartner发布八大供应链技术趋势的第8个年头。图24描述了高德纳连续8年关于供应链八项顶级技术趋势和主题的对照。图24：高德纳八大供应链技术趋势/主题的研究（来源：Gartner）l高德纳从2021年开始，8大供应链技术趋势已经不再是只关注单个的技术，而是聚焦在集成的技术趋势上。