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)
北京8月8日電 題:徐泓緬懷老師許倬云:中國、中華民族在他心中格外大 記者 楊程晨 著名歷史學家許倬雲於當地時間8月3日在美國匹茲堡逝世。作為許倬雲任臺灣大學歷史學系任主任時期的學生,臺大歷史學系前主任徐泓第一時間在社交平臺發文:「我們的老師許倬雲先生走了,享年九十五歲。」 接受「東西問」專訪,徐泓回憶了不同時期與許倬雲的交往。談及家國情感的升華,徐泓坦言,許先生是有些自我矛盾的,他一方面非常愛國;一方面又不同意僅以中國為中心研究中國史。到晚年,中國、中華民族在他心中的地位不斷加強。這也是他在受訪時談到「但悲不見九州同」有那麼大情緒波動的原因。 現將訪談實錄摘要如下: 記者:您最近一次和許先生見面是什麼時候? 徐泓:大約是十年前,他回臺,在(臺灣)政治大學作講座教授,主持一個重新解釋中國歷史的研究計劃,請我幫忙參與一部分。這是我們線下見的最後一面,也是工作場合,只是簡單敘舊。 後來他身體一直不太好,不良於行,不能頻繁回來。雖很多年沒見面,但我們有郵件往來。我近期有一篇關於明代國號研究的文章,還去信諮詢過許先生的意見。 許倬雲肖像。許倬雲個人微博 記者:許先生20世紀60年代中後期擔任臺大歷史學系主任,這和您在臺大歷史學系的求學時期高度重合。可以談談他對您治學等方面的影響嗎? 徐泓:老師是30多歲從芝加哥大學返臺任教,那時剛剛拿到博士學位。1964年,他開了一門中國上古史的課,我們這些學生都去選。後來他擔任系主任、所長,一直做到1970年,他開的課我基本都去上過。 他儘量利用考古研究材料和文獻來授課,每次課分三個課時,前兩個課時會請「中央研究院」的專家來上課,考古學家李濟之(李濟)先生來講了大部分,談過很多安陽考古的事。剩下一個課時許先生會進行總結整理,並把他自己的想法講給我們。國民黨當局來臺後,封禁大陸的很多老期刊、書籍,不讓我們看,我們上課一般是聽老師講、抄筆記,許先生指導我們讀期刊論文。 臺灣過去也有人開過中國上古史,但像他這樣系統運用社會科學的理論和方法治史,教大家寫現代的期刊論文,是沒有的。他那時還編了一本《中國上古史論文選輯》,教我們用新方法學歷史。 那些年,許先生對我的影響,還有精神層面。他不良於行,但上課不會一味坐著,有時會拄拐站起身子。後來他在臺大改裝了一輛摩託三輪車,方便行動。許先生堅韌不拔的精神讓我們很敬佩,所有的困難他都想克服,學生要幫他,他不肯。在家時,他還洗碗,即便摔了還堅持洗。 許先生一輩子就是這麼一個性格,在我看來是了不起的。更了不起的,是他的夫人(孫曼麗女士),一輩子幫他、包容他。她和芝芝(徐泓夫人、世界史學者王芝芝)是同班同學,這也加深了一層我們的關係。 記者:1970年,許先生去了美國。之後就一直留在美國匹茲堡大學任教。在有這麼大影響力的時候卻選擇赴美,當年他做這個決定的原因是什麼? 徐泓:這和當時臺灣教育界發生的幾件事有一定關係。首先是當了快20年臺大校長的錢思亮在1970年卸任,學校氛圍出現變化,許先生覺得自己格格不入。另外,由於「中研院」近代史研究所受美國福特基金會資助,一些人指責臺灣史學界被美國控制,由臺大和「中研院」合聘的許倬雲是被重點批評的對象之一。 許先生當時仍參與了臺灣很多的文化、學術方面的公共事務,到美國後也經常在《中國時報》《聯合報》上發表文章。蔣經國去世後成立的蔣經國國際學術交流基金會,許是創始會員之一,資助了美國多所研究機構設立中國研究教職、提拔年輕學者。許先生不僅在史學界影響大,在社會層面影響也大。 許倬雲在網絡節目《十三邀》中感慨「但悲不見九州同」。《十三邀》視頻截圖 記者:去美國後,直到去世,許先生對於兩岸關係的看法以及對大陸的觀感是否發生了變化? 徐泓:許先生一直堅定反對「臺獨」。對大陸,許先生前後態度是有變化的。尤其是改革開放以後的大陸,他跟許多從大陸去美國讀書、工作的學者接觸,也看了很多新聞,慢慢對大陸的看法改觀,後來也去香港、去大陸。 但對於中國史研究的視角問題,他一直沒變。許先生主張將中國史放入世界史視野做研究,晚年出版的《萬古江河:中國歷史文化的轉折與開展》對這一觀點有系統性闡釋,許先生要尋找世界主義的中國。這與他的老師、同鄉錢賓四(錢穆)先生等人以中國為中心研究中國史的態度相左。 所以,許先生是有些自我矛盾的:一方面他非常愛國;另一方面他不同意僅以中國為中心看中國史,認為要以更大的歷史格局研究中國。到了晚年,可能是看到美國在發展過程中不斷暴露弊端,在他心中,中國、中華民族的地位不斷加強,這一塊的「面積」格外大了。我想這也是他之前在受訪時談到「但悲不見九州同」有那麼大情緒波動的原因。 許倬雲先生在江蘇無錫為自己準備的墓。受訪者供圖 另外,他在青少年時期經歷過抗日戰爭,見過中國人遭遇到的摧殘和磨難。另一位史學家何炳棣先生曾說,在抗戰中成長的中國人沒有不愛國的。我想這句話在許先生身上也是體現得淋漓盡致,尤其越到晚年對他的影響越大。許先生和何先生都是美國籍,但二人在晚年都表達過,百年之後希望將自己的墓地移回大陸老家,落葉歸根。據我所知,許先生生前已在無錫找好了墓園的地方。(完) 受訪者簡介: 徐泓。記者 楊程晨 攝 徐泓,現任臺灣暨南國際大學榮譽教授,曾任該校代理校長、臺灣大學歷史學系教授兼主任、香港科技大學人文社會科學學院講座教授兼人文學部部長,2016年始先後在南開大學、廈門大學、浙江大學任職教書。徐泓專註明清社會史研究,在明清鹽業、社會風氣、婚姻與家庭、人口遷徙、城市發展等議題上著作等身,包括《明清社會史論集》《二十世紀中國的明史研究》《明代的私鹽》《明北京行部考》《明代社會風氣的變遷》。他還曾任「中國明代研究學會」理事長,在臺灣發起明代典籍研讀會活動。
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。
45381
48
2025-10-24 17:12
49526
98
2025-10-24 17:12
64235
26
2025-10-24 17:12
62435
38
2025-10-24 17:12
37814
49
2025-10-24 17:12
78651
48
2025-10-24 17:12
17694
69
2025-10-24 17:12
51634
53
2025-10-24 17:12
85412
83
2025-10-24 17:12
25473
97
2025-10-24 17:12
65197
38
2025-10-24 17:12
62145
25
2025-10-24 17:12
17382
84
2025-10-24 17:12
38467
96
2025-10-24 17:12
89125
76
2025-10-24 17:12
85321
71
2025-10-24 17:12
37249
74
2025-10-24 17:12
27684
36
2025-10-24 17:12
54172
96
2025-10-24 17:12
54983
82
2025-10-24 17:12
62543
38
2025-10-24 17:12
57841
63
2025-10-24 17:12
87691
17
2025-10-24 17:12
46259
56
2025-10-24 17:12
89567
23
2025-10-24 17:12
23475
96
2025-10-24 17:12
19583
79
2025-10-24 17:12
83421
17
2025-10-24 17:12
32195
97
2025-10-24 17:12
51863
36
2025-10-24 17:12
17658
26
2025-10-24 17:12
53867
98
2025-10-24 17:12
36719
71
2025-10-24 17:12
32951
47
2025-10-24 17:12
62318
27
2025-10-24 17:12
93621
54
2025-10-24 17:12
47629
18
2025-10-24 17:12
42378
18
2025-10-24 17:12
75638
97
2025-10-24 17:12
86473
91
2025-10-24 17:12
98746
96
2025-10-24 17:12
91356
31
2025-10-24 17:12
18769
72
2025-10-24 17:12
12745
34
2025-10-24 17:12
65294
86
2025-10-24 17:12
67195
86
2025-10-24 17:12
26985
81
2025-10-24 17:12
36421
18
2025-10-24 17:12
82741
92
2025-10-24 17:12
59643
62
2025-10-24 17:12
18593
39
2025-10-24 17:12
| 月夜直播在线观看 | 尖叫之夜免费直播 |
| 鲍鱼直播 | |
| 贵妃直播 | 直播黄台app凤蝶 |
| 桃鹿直播 | |
| 蜘蛛直播 | 莲花直播 |
| 魅影5.3直播 | |
| 曼城直播 | 莲花直播 |
| 午夜直播 | |
| 优直播 | 河豚直播 |
| 美女直播app | |
| 小草莓直播 | 香蕉直播 |
| 奇秀直播 | |
| 美女直播app | 大鱼直播 |
| 比心直播 | |
| 香蕉直播 | 伊人直播 |
| 春雨app直播免费看 | |
| 打开b站看直播 | 莲花直播 |
| 黑白直播 | |
| 绿茵直播 | 糖果直播 |
| 妲己直播 | |