朝鮮稱韓軍曾進行10餘次警告射擊 敦促韓方停止挑釁行為
2025-11-07 03:28 1,857次浏览前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
杭州8月13日電 題：人工智慧的全球對話是競爭還是共生？ ——專訪國際計算機協會傑出科學家、西湖大學教授齊國君 作者 林波 曹丹 孫琳茹 當前，人工智慧(AI)正以「技術突破—產業融合—社會重構」的鏈式反應重塑人類文明。從基礎研究到場景落地，從實驗室創新到全球治理，AI已從單一技術工具演變為驅動經濟、社會、文化變革的核心引擎。2025年3月，國際計算機協會傑出科學家齊國君從美國返回中國工作，在西湖大學新組建「MAPLE實驗室」。 如何解讀中外人工智慧科研生態差異？人工智慧未來發展將如何跨越技術與倫理的邊界？人工智慧的全球對話是競爭還是共生？齊國君近日接受「東西問」獨家專訪，對此作出解讀。 現將訪談實錄摘要如下： 記者：您為什麼選擇回中國？ 齊國君：主要是從個人職業發展、大環境兩點考量。 每個人不同的職業生涯周期和階段，對支持資源匹配以及能發揮的場景需求各有不同。結合自身經歷，我認為在AI領域，目前還有一些基礎問題需要解決，且隨著AI基礎模型發展迭代，更多重要成果和產權影響力將在商業場景方面產生。 結合在美國工業界和企業界的工作經歷，從個人發展以及產學結合角度考慮，我認為回中國發展更為合適。 另外，從全球角度看，中美兩國能為AI發展提供良好平臺，中國在市場規模、人口基數、生態環境等方面具有優勢，在應用場景、國家支持力度以及對於產生具有很大商業價值和潛力的產品方面有很多有利條件。 而美國頭部公司如微軟、Meta、Google等在生態中主導性強，馬太效應明顯，新企業或個人在其市場覆蓋下難以脫穎而出，競爭壓力大。 當地時間2022年11月9日，人們在位於美國加利福尼亞州門洛帕克的Meta總部拍照留念。 記者 劉關關 攝 記者：如何解讀中外人工智慧科研生態差異？ 齊國君：美國商業化導向明顯。美國在科研上更多以商業化組織為主導，尤其在AI領域，大公司投入比美國聯邦政府層面更多。聯邦政府雖有計劃和研發機構牽頭項目指導，但整體以商業化組織為主。 AI領域經歷多輪周期，從2012年到2022年這一輪，美國商業化組織從資助技術研究開始，逐步尋找商業化途徑。從技術研究到探索規模化，再到商業化與應用研究，美國企業在技術研究上投入較多。 特別是高校科研投入方面，除美國國家科學基金會有投入外，美國軍方投入更多。早期美國的網際網路建設就得到軍方資助，很多高校經費源於此類政府機構。此外，高校與企業合作，多在人才和技術研究層面。 尤為不同的是，美國風投，特別是矽谷風投，對早期AI項目資助力度大。儘管其目前處於飽和投資狀態，即便知道投100個項目可能只有幾個成功，投資人也願意投入。 在中國，頭部IT企業如阿里、騰訊、字節等在AI領域投入大。同時，國家層面給予諸多支持，包括目標設定、基礎設施建設等，有總體規劃。 中國國內也有風投投入，但受晶片和基礎算力制約，投入成本高，為此更多關注應用類、能快速產生商業閉環的投資，創新企業多聚焦應用環節。此外，中國在風投退出機制上，如回購等有效方式方面，與美國存在差異，需進一步完善。 2025年7月26日，2025世界人工智慧大會在上海開幕。大會集中展示3000餘項前沿展品及100餘款「全球首發」「中國首秀」新品，規模創歷屆之最。 圖為青龍機器人在演示物流分揀。 記者 田雨昊 攝 記者：人工智慧未來發展將如何跨越技術與倫理的邊界？ 齊國君：目前沒有任何充分證據或科學共識表明AI會覺醒並產生自我意識，這更多是基於科幻的猜測。不過，AI發展確實帶來新挑戰，但新技術發展通常都會面臨類似問題，如網際網路技術發展過程中的盜版、不良信息傳播等。 在我看來，AI技術發展對社會總體正面作用遠大於負面作用，在生產力發展、應用場景拓展、就業門類創造、產業結構優化等方面有很大價值，且已出現很多正面案例。 譬如，AI大量應用於客服行業，提高了勞動生產率，雖給就業帶來壓力，但也創造了如數據行業等薪酬更高的新職位；在數字人、動畫製作、美術製作等創意類行業領域，AI取代了90%以上的重複性勞動，廣告行業和數據處理相關行業也發生很大變化。 2024年3月29日，四川成都，第十一屆中國網絡視聽大會現場，虛擬數字人亮相展區。 記者 王磊 攝 展望未來，AI對所有行業的勞動生產率提高產生很大作用，類似網際網路發展第一階段先提高勞動生產率，未來可能過渡到以AI為生態的新企業出現階段。 我預計未來5年內會出現以AI為原生的大型企業，可能對未來二三十年的經濟產生重要影響。 記者：人工智慧的全球對話是競爭還是共生？ 齊國君：我認為未來人工智慧的全球對話，既有競爭又有共生，但共生大於競爭。 AI領域速度競爭和開放競爭至關重要。 速度競爭上，AI行業與網際網路行業有共通之處，技術交流頻繁，難以長期獨佔技術。真正形成優勢的是規模效應，比拼的是速度和開放程度。誰能跑得更快，就能吸引更多用戶，獲得更多數據，使模型迭代得更快更好，形成正面反饋，即飛輪效應。飛輪一旦轉動，規模和影響力會不斷擴大。 如果模型僅在小範圍內使用，無法吸引更多用戶形成商業閉環，數據和用戶就無法增長，也就難以理解更多用戶意圖、使用場景，模型也就無法做得更好。所以AI發展要走向更開放，吸引更多用戶使用，以形成正面反饋。這也是AI的開放競爭。 但在我看來，成功的網際網路和IT企業必然是全球化或至少具有跨國影響力，中美網際網路和IT企業皆是如此。在此過程中，各方相互促進，形成共生關係。 例如在數據治理、AI倫理規範等方面展開合作，且AI產生巨大影響力時會作用於實體經濟和日常生活，其正面影響會溢出到全球範圍，技術也會共享。 學術交流促進共生。AI行業極為開放，大量新技術通過學術論文發表在學術期刊、會議以及公開的預印網頁上。大家藉助學術交流，推動知識傳播，分享新的技術思路。 像今年，DeepSeek宣布開源MLA解碼核FlashMLA、DeepEP代碼庫等。其新思路和算法很快在網上傳播，美國企業也借鑑使用。(完) 受訪者簡介： 齊國君。 受訪者供圖 齊國君，2005年畢業於中國科學技術大學自動化專業；2009年獲中國科學技術大學自動化系博士學位；2013年再獲美國伊利諾伊大學香檳分校電子與計算機工程專業哲學博士學位。他曾任IBM T.J. Watson研究中心研究員、華為美國研究中心首席AI科學家，並在39歲時獲得國際電子電氣工程師協會會士(IEEE Fellow)和國際計算機協會傑出科學家(ACM Distinguished Scientist)稱號。
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
打开b站看直播
「活动」首次登录送新手大礼包
- 软件大小: 681.23MB
- 最后更新: 2025-11-07 03:28
- 最新版本: v12.19.15.18
- 文件格式: apk
- 应用分类:ios-Android 秀色直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 9.47以上
客服热线：138-2745-8364
榴莲视频类似软件
猜你喜欢
95
46835
95
2025-11-07 03:28
62531
68
2025-11-07 03:28
75613
19
2025-11-07 03:28
65382
17
2025-11-07 03:28
12973
42
2025-11-07 03:28
24165
84
2025-11-07 03:28
78341
43
2025-11-07 03:28
51723
48
2025-11-07 03:28
26348
58
2025-11-07 03:28
43189
62
2025-11-07 03:28
14957
75
2025-11-07 03:28
39
16259
56
75
58371
74951
57823
85
23965
56893
84326
26
62374
