11月26日，由搜狐科技主办的“2019搜狐科技AI峰会”在北京举行，为广大读者解读AI前沿新技术，探索行业新趋势。

在零售分论坛上，阿里巴巴集团新零售供应链算法总监邓玉明表示，供应链的创新其实跟新零售息息相关，持续的迭代和优化已经成为整个新零售探索非常重要的方向，某种程度上效率的提升和成本的控制已经成为新零售以及所有创业公司的关键致胜因素。

他认为，供应链本质上是连接上游B端的商家以及下游C端消费者，实现B端和C端强连接，形成高效运转的整个供应链体系核心的目标希望能够建设一整套开放、高效、协同的供应链体系。

以下为邓玉明演讲全文：

尊敬的朋友们大家下午好，首先请允许我对参加这次分享表示感谢，非常开心有机会介绍我们的工作。上午的几个演讲，包括阿里云、每日优鲜以及王先生刚刚讲的苏宁零售AI工作都谈到了供应链，我这部分沿着供应链的话题进一步做延展。我们供应链整个部门偏中后台部门，可能对于广大消费者来说平时电商购物感知不到我们的存在，我也想趁这个场合给大家做一些介绍。

我们先去看一下整个新零售的前世今生，缘起于2016年马老师在一次发布会上提出的，2016到现在可以看到在业界已经有很多的创业公司在各个角度进行探索，我们从一线实战里面看到一些特点，这里面列出来观察到的有特色的地方。首先前端的运营和营销上对人货场进行重构，后端角度来观察，很多的创业公司包括供应链里面创新的企业其实都是对供应链的模式进行突破和再造。比如上午聊到的每日优鲜，从供应链的视角来看，就是突破了原来B2C大仓履约的模式，建立了前置仓的微仓模式，从微仓进行履约，包括盒马也突破了生鲜品类上的B2C模式，实现了前店后仓一体化的线上线下模式进行创新。

从运营流量变现的方式转化成往更重运维货品的模式去走。另外一个方面，从线上简单的流量变现和流量营销到线上线下一体化管理，其中很重要的就是对库存的管理。所有这些不同的地方也使得我们新零售的整个探索其实越来越关注在效率的提升和成本的控制，某种程度上效率的提升和成本的控制已经成为新零售所有创业公司以及探索非常关键的致胜的因素。从我的视角来看，很多供应链的创新其实跟新零售息息相关，所有供应链的建设以及持续的迭代和优化已经成为整个新零售探索非常重要的方向。在我们集团内其实花了非常多的精力来打造整个供应链的平台体系。

供应链建设的目标是什么？之前几位演讲者讲到供应链的方方面面的内容，从我们的视角来看，供应链本质上是连接上游B端的商家以及下游C端消费者，一方面聚合C端需求，另一方面聚合B端供给，实现B端和C端强连接，形成高效运转的整个供应链体系。我们也从各个纬度去考察供应链建设情况，核心的目标是希望能够建设一整套开放、高效、协同的供应链体系。从各个视角去看的话，其实有很多方向进行度量，这也是我们一直在建设里面提出的自我要求。首先从厂家或者生产制造环节来看，广大的商家其实需要非常具有前瞻性的原材料采购计划和生产排产计划，这有助于他们降低库存的积压成本和资金流转成本。同时清楚知道商品的企划和品类结构，决定在整个供应链体系里面到底流通什么样的货品。从库存管理的角度来看，我们需要实现非常精准的销售预测和计划协同，同时实现非常高效的库存周转、有效控制库存周转天数、控制库存的健康程度。从消费者体验来看，需要不断去提升整个履约时效和体验，过去实现次日达，后来的当日达到现在的1小时达和半小时达，一直致力于追求更高的履约时效，打造20公里生活半径圈。

另外一个很大的命题，在所有前面的要求之下，我们如何同时非常好地控制供应链成本，实现较低的供应链运作成本。所有这些都是我们去推荐高效供应链建设里面的目标，在这个过程里面供应链的算法其实有非常大的驱动作用。在很多的线上电商数据沉淀以及现在开展的线下门店探索也积累了大量的线下门店数据，再加上库存、物流的数据，在这些数据的基础上通过机器学习、深度学习、计算机方针、运筹学，提升运行效率。一层在战略规划层面，整个供应链网络的结构到底是三层网络好还是四层网络好，以及整个供应链的仓网体系以及我应该在什么地方选址建仓、仓的大小是十万平米好还是五万平米好，以及包括整个仓的辐射区域和履约半径设置上，这些都需要经过运筹优化的调优试算。在战略层面上第二层的决策优化，包括如何实现高精准的预测和计划，如何实现调拨协同一体化，打造快速敏捷的履约体系，这些都是我们去致力追求实现高效供应链的重要抓手。

时间关系，我没法一一展开面面俱到去做一些介绍，在下面的几个章节里面我会对一些核心关键点做简明扼要的阐述。在生产制造环节，我列举两个案例，第一个偏标品，第二个偏非标品。在标品上，像3C电子商家的生产成本和库存的管理成本是比较高的，生产周期也较长，原材料锁定期比较长，资金的积压较严重。在这里面我们提供一个解决方案，将阿里大数据进行结构化解剖，以协同预测CPFR的模式输送给源头商家，帮助他们更好进行精益化的原材料采购和排产，有效控制库存周转，从而可以大大降低商家的资金积压成本。非标品上尤其以服饰为例，流行趋势的预测是面临很大的决策问题，依托阿里大数据，我们能够对商品进行解构，能够识别出其中的关键属性，包括颜色、材质、布料、款式这些关键的属性进行识别并且进行组合，能够在细分市场上进行预判，帮助我们的商家进行更好的设计样衣的打版、制造和市售阶段，从而大大提高爆款打造的概率。

供给策略方面对于库存来说我们追求五者之间的平衡，这其实是多目标的优化问题，包括库存的周转天数希望能够控制在较低的天数，不同的品类合理的库存周转区间是不一样的，同时我们希望能够维持非常高的在价率，保证一定的库存健康，控制物流成本以及保障时效性，保障消费者体验。这几个目标某种程度上是相互关联，并且存在着对立统一的关系。如何在这之间采用各种AI和运筹优化的方式来寻找多者之间的平衡，这是一个将来面向的问题。在履约方式方面，面对复杂的网络体系，往往是多层次的供应链网络，包括中心仓、前置仓、微仓，现在门店的探索还有门店履约，立体式的多层次履约方式前提下，我们如何选择最好的履约方式，既保证时效又保证成本的控制，这也是正在研究的很大问题。

在门店方面以盒马为例，努力推动门店数据化的改造，门店的选址、门店的布局，包括动线、货架的陈列，以及电商一体化从卸货上架到店内操作和仓内操作一体化运营，以及人员调度方面都进行大量的工作，也非常大的改善了盒马的坪效和人效。

在销售环节有几个重要的工作，首先品类的规划上，我们基于大数据AI的驱动能够很好地进行品类结构的优化以及预判未来的流行趋势，对整个生命周期进行管理，尤其对非标以及生鲜品类的短周期和季节性效期特别明显的商品进行管理，从而形成非常强有力的商品力矩阵。在需求预测层面上，我们也形成了一整套以时间序列机器学习深度学习模型为基础的预测模型体系，保证了需求预测。定价策略方面也通过机器学习的方式能够很好地拟合需求和价格之间的弹性关系，这就是所谓的价格弹性曲线，以及在这个曲线之上所做的最优决策。

这一切的工作都有助于去实现我们在销售端智慧化的建设。以上几个环节是我们在实战过程中非常重视的几个环节，包括生产供给策略和销售策略，整个供应链的高效运转其实是这三个方面的协同才能够达到的最终状态。在面向未来我们也有非常多的命题需要去开拓，我们自己也进行了很多思考。相信随着进一步的开拓探索，越来越多的问题被解决之后，我们打造的供应链体系会更加高效敏捷。

我今天的演讲就到这儿，谢谢大家！

实际上，AI与各行各业的结合已经深入肌理，传统行业都在面临着前所未有的变革窗口期。借助AI实现企业的转型升级，已经从以往的锦上添花变成了如今迫在眉睫。AI将如何重塑行业，行业需求又如何倒逼AI技术的发展，成为了值得探讨的问题。

大会上午的主论坛共分为“AI重点相关技术”与“AI重点场景应用”两大板块，除了邀请中国工程院院士邬贺铨、搜狗公司CEO王小川、三星电子中国研究院院长张代君为我们解读AI发展的最新进展外，还邀请了来自IoT、零售、自动驾驶、金融、医疗五个领域的知名大咖来分享AI与行业的结合。而下午的分论坛则更为聚焦，深入探究AI如何改造零售、教育这两个关乎国计民生的行业。

除本篇外，搜狐科技还针对此次大会进行了全方位的报道，敬请关注本次峰会专题！