“中国已经领先一步（already has a head start）。”

在本月的一篇科技报道中，美国消费者新闻与商业频道 （CNBC）这样写道。

在这家头部美国商业媒体看来，眼下不仅是关税问题在时刻提醒美国企业自己有多么依赖中国工厂；如今人工智能和机器人等新技术的入场，也在不断放大中国企业的优势。“随着越来越多的工厂转向人工智能（AI）和机器人等技术来削减成本和控制质量，中国供应链正在变得更有吸引力。”

“人工智能为中国供应链带来更大优势” 美国媒体报道截图

人工智能让中国制造和供应链更强大，已经成为很多人不约而同的共识。

初创公司Cybord首席执行官科恩（Oshri Cohen）表示，中国企业渴求新技术，该公司旗下基于AI开发的质量控制工具，将在中国找到大买家。在这位曾经的英伟达供应链副总裁看来，地缘政治压力将使供应链更加多元化，最终提升中国工厂的竞争力。“工厂将回归中国，”科恩说，“中国将成为高质量的典范。”

“当你深思数字化转型及制造业的自动化数字分析时，会发现中国企业是世界上一股真正的力量。”麦肯锡驻深圳高级合伙人埃洛特（Karel Eloot）感叹道。埃洛特提到，自2018年世界经济论坛和麦肯锡开始追踪工厂数字化进程以来，典型应用案例已经攀升至189个，其中41%位于中国。

“例如人们运用AI减少在低效会议上的时间，并用它引导下一班工人处理紧急问题。”

数字化工厂占比，中国遥遥领先 麦肯锡报告截图

今年5月，我商务部等8部门发布《加快数智供应链发展专项行动计划》。行动计划提出，到2030年，形成可复制推广的数智供应链建设和发展模式，在重要产业和关键领域基本建立深度嵌入、智慧高效、自主可控的数智供应链体系，培育100家左右全国数智供应链领军企业。

在CNBC看来，这份计划无疑彰显了中国进一步推动工厂数字化的壮志雄心。

事实上，制造业的巨变正在中国四处发生：宇乐磁铁在探迹制造业版输入“磁铁”两个字，AI系统便能推荐出全量需要采购磁铁的行业，并详细列出相关下游厂商及推荐理由；在广西柳钢集团的冷轧厂，钉钉数字人和智能交互平台，正在让整个生产线变成“透明玻璃房”，员工们通过手机就能实时查看生产进度、生产成本和设备状态……

当外国人还在讨论算力和算法的时候，人工智能可能正在改变中国工厂和中国工人。

传统供应链的“孤岛”状态，正在被人工智能打破

“我们以前服务过一家做塑胶原材料和化工原材料的企业。他们的老板从业30年，对行业非常了解，他认为客户主要是购买脚垫的。但后来，我们通过人工智能技术发现，它们家的材料还可以做鼠标垫——我们的人工智能工具可以将所有商品的制造成分入库并（数据）清洗，只要客户有需求，我们就能找到对应的成分。”

谈到自己“印象最深”的供应链案例，探迹科技合伙人、销售VP副总裁陈晓锋回忆道。

在陈晓锋看来，AI给中国供应链升级带来了一种“比客户更懂客户”的可能性。陈晓锋对观察者网表示，人类经验往往会有局限，行业专家也会受限于自身认知的边界，但AI具有超强的破壁能力——探迹SalesGPT 涵盖20亿商品数据、40万亿产品关系对，并将其拆解为“材料成分-功能-应用场景”关系网，从物理属性出发重新定义供需逻辑。

陈晓锋曾任阿里云华南生态合作负责人，扎根行业多年。在他看来，传统供应链供需对接如同“大海捞针”，供需信息散落在无数渠道（展会、黄页、扫楼拜访等），企业依赖人脉和经验筛选，效率低且易错失机会。传统供应链找客户或合作方，需要分别上官网、招聘软件、标讯公告等网站去查询，一个个“数据孤岛”的响应相对滞后，会导致协同成本高，效率低下。这是中国供应链供需对接时一个传统痛点。

为了解决这个问题，探迹科技团队通过AI和大数据技术，构建起3亿+市场主体的全球商业知识图谱，深度整合海量供应链上下游数据，以动态、互联的“全局图谱”取代“静态信息拼图”。

陈晓锋表示，通过探迹的全球商业知识图谱，可以实现产业链多级上下游的智能识别。企业输入主营产品后，系统自动推荐匹配的潜在客户/供应商，并给出原料级、产品级的推荐依据（比如“某下游厂商需特定原料”），显著降低人工筛选成本；传统供应链依赖有限行业经验拓客，而探迹图谱可以整合工商、招投标、专利等动态数据，结合20亿商品数据、超过40万亿产品关系对，为企业提供跨行业、跨区域的供需线索。

人工智能的入场，解决的不仅是传统供应链“目标客户画像模糊”和“区域市场饱和”的难题，在消除数据孤岛，提升协同效率方面，AI也有优势——例如人工智能知识图谱可以整合不同源头的数据，给企业360°视图，资质、需求、合作网络一目了然，代替行业传统依赖Excel（电子表格）、邮件沟通的碎片化模式，解决协同效率低、数据不互通的问题。

此外，AI还可以实现动态响应市场变化。通过实时更新企业数据（如新增招标、产能变动），AI带来的数据图谱实现分钟级数据更新能力，确保供需信息时效性，应对“政策多变”“需求波动”等不确定性——这是传统的电子表格和电子邮件办公所无法实现的。

对不同规模的企业，AI对供应链的改造是否有区别呢？在陈晓锋看来，大型企业和中小微企业的痛点有明显差异：大型企业数据孤岛问题严重，他们在跨系统数据整合上有强烈需求；而中小微企业最头疼的是营销成本高和客户定位不准。不同的企业，它们运用AI升级供应链的路径也不尽相同。

陈晓锋认为，针对大型企业，主要是提供技术底座支撑，推动其智能化进程。在当前数字化转型浪潮下，大型央企和上市公司对私域大模型的需求日益凸显。这类企业普遍面临技术底座分散导致的系统效率低下难题。探迹的尝试是，通过旗下的太擎平台，利用半结构化大数据存储架构、多模态生成式大模型等业内前沿的技术，解决企业的系统数据孤岛、多软件开发效率低的难题，加速企业数字化、智能化的进程。

太擎平台官网截图

针对中小微企业，则可以用AI+大数据智能销售平台，助力它们降低数字化门槛与成本。陈晓锋介绍，一方面，基于海量数据源和精确的算法模型，快速定位采购偏好匹配的客户，替代传统“广撒网”模式，使营销成本显著降低，解决“预算有限却效果差”的困境。另一方面，通过“小型化、快速化”应用（如自动生成营销文案），应对“缺技术、缺人才”挑战，填补技术鸿沟。

这些实践，和学界的研判不谋而合。“数字化供应链的本质不在于某些具体技术的应用和某些特定任务的上线，而在于构建数字化端到端整合与创新的能力。”中欧国际工商学院京东运营及供应链管理学教席教授、中欧供应链创新研究院院长赵先德对国内媒体表示。

在赵先德看来，未来，供应链能力的提升依赖于更深度的数据整合与分析。一方面，需打通供应链全环节数据，从企业内部延伸至行业生态；另一方面，要融合运筹学模型与AI技术，前者用于结构化问题优化，后者助力非结构化问题转化。例如，AI在需求预测、物流优化等场景的应用，正推动供应链决策从经验驱动转向智能驱动。

一片巨大的市场，也在人们眼前展开。艾瑞咨询等机构数据显示，2024年中国制造业数字化转型市场规模达到1.55万亿元，预计2025年将增长至1.76万亿元，未来五年年均复合增长率约为14%。这一进程中，广东、江苏、浙江、山东等制造业大省成为数字化转型的先行区域，而离散制造业特别是高技术产业正成为最具潜力的转型领域。