在2026年百度世界大会的对谈现场,杨元庆聊起联想供应链的AI应用时,提到了一个很实在的变化:过去需求预测更多靠人“拍脑袋”,现在用数据和AI建模,准确率提升了不少。很多人可能会好奇,这个“不少”到底是多少?
其实不用纠结具体的百分比数字,不妨先想想供应链预测这件事的本质。联想的供应链覆盖全球市场,要同时考虑不同区域的消费偏好、元器件供应波动、节假日促销节奏,甚至突发的物流变化。以前靠资深从业者的经验判断,再辅以历史数据报表,已经能做到相对稳定的水平,但人脑能处理的变量终究有限,很多隐性的关联信号容易被漏掉。
AI介入之后,相当于把预测的维度一下子拓宽了。按照杨元庆的介绍,联想现在会把市场数据、用户需求、供应情况、过往交易记录这些信息全部整合进AI模型里。比如某个区域突然出现某类配置的搜索热度上升,或者上游某类元器件的交付周期出现波动,AI都能更快捕捉到这些信号和最终需求之间的关联,而不用等人工整理完报表再做调整。
这种变化带来的提升,不是简单的“从80分到90分”的线性增长,而是体现在很多过去容易出错的场景里。比如新品上市前的备货预估,以前可能要靠多次小范围测试慢慢调整,现在AI可以结合同类型产品的历史表现、当前的市场讨论热度,给出更贴近实际的参考。再比如大促期间的需求波动,AI能更精细地拆分不同渠道、不同区域的需求差异,减少“有的地方卖断货、有的地方压库存”的情况。
更重要的是,预测准确率的提升不是终点。杨元庆也提到,供应链是“牵一发而动全身”的系统,预测准了只是第一步,后端的采购、生产、物流能不能快速跟上调整,才是能不能真正把准确率转化为效率的关键。AI在需求预测环节的优化,其实是在给整个供应链的敏捷反应打基础——先把“准头”提上去,后面的联动调整才有明确的方向。
说到底,AI给供应链预测带来的提升,很难用一个单一的数字去概括。它更像是把过去依赖个人经验的“手艺活”,变成了有数据支撑、能持续迭代的“科学方法”。对于企业来说,这种从“凭经验”到“靠数据”的转变,本身就是比某个具体百分比更有价值的进步。
声明:本文由AI基于公开信息生成,不代表新浪财经立场或观点。
4001102288 欢迎批评指正
All Rights Reserved 新浪公司 版权所有