当算法撞上码头：重新理解供应链管理技术的真问题
9月23号在南京龙潭港待了三天，跟着码头调度跑了两个晚班。亲眼见同一个泊位，上周还堵着三十多辆集卡等位，这周空出接近一半泊位。不是到港船量减了，是调度系统换了一套新的路径匹配算法，把集卡等泊时间平均压了快40%。站在堆场的风里看卡车按点跑，挺有意思的。原来很多时候不是流程走不动，是工具用不对。
港口集装箱供应链调度算法界面实拍
我跟那个建材老板聊，他说当时厂商拍胸脯说能解决库存积压，最后要求所有供应商都按统一标准报数据，那些做散货的小供应商根本做不到，为了上系统，他硬生生换掉了三个合作十年的老供应商，反而成本涨了十个点，得不偿失。很多人鼓吹技术的时候，都不会跟你说，任何技术都有它的适用边界。适合大规模标准化生产的技术，解决不了小批量多品种的定制化需求；依赖历史数据的预测技术，应对不了突发的黑天鹅事件。这个道理，往往要企业交完几百万的学费才懂。
服装行业分布式供应链节点数据看板
我认识浙江宁波一家做户外服装的外贸厂，原来他们是总部集中预测，按季度给各个工厂下单，经常出现某个款爆单了，面料不够要等一个月，另一个款卖不动，几十万件压在仓库。去年他们改了分布式的节点系统，把每个面料商、每个代工厂、每个海外经销商都做成独立节点，所有库存和订单数据实时同步，决策权限下放到每个节点，哪个经销商加单，附近的代工厂直接就能调面料生产，不用等总部审批，现在补单的交付周期从原来的28天压到了7天，库存周转快了一倍多。反例也有，去年有家头部家电企业，非要把所有区域的决策都收回到总部，用大模型统一做库存调配，结果西南区域某个核心零件缺货，区域申请调货走了三天总部审批，生产线停了五天，直接亏了大几百万，对吧？技术没有对错，逻辑错了，再贵的工具也没用。
看不见的风险，藏在数据链接里
现在大家都在说全链路可视，核心企业要求一级二级甚至三级供应商都接入自己的系统，所有数据都要开放，看起来效率高了，风险也藏在里面。最常见的就是数据黑箱，很多三级四级供应商都是小工厂，要么没有能力接入系统，要么不愿意开放自己的核心数据，核心企业的系统看到二级供应商就断了，你以为全链路可视，其实三级工厂停电、原料断供，你要好几天才能发现，去年某手机品牌的供应链停产事件，就是这个原因，三级代工厂出问题，品牌的系统三天后才拿到消息，错过最佳调整时间。
不过话说回来，更隐蔽的风险是博弈不平等。核心企业要求供应商开放所有成本、产能、客户数据，等于把供应商的底全摸透了，压价的时候供应商连一点谈判空间都没有，很多小供应商不上系统就拿不到订单，上了系统就是死路一条，慢慢被榨干利润淘汰。还有数据训练的偏差，现在很多用大模型做需求预测，训练数据都是过去三五年的，过去三五年需求波动本身就不符合常理，训练出来的模型偏差特别大，今年不少做消费电子的企业，按大模型预测备的货，最后卖不出去烂在库里，硬生生把利润亏没了。
那天在龙潭港，调度组长跟我说，他们现在哪怕用了新算法，也留了人工干预的全权限，遇到台风、突发船期调整，还是干了三十年的老调度拍板，算法只出选项，不做最终决策。这话比我看过的所有行业白皮书都透彻。技术从来不是用来颠覆什么，也不是用来解决所有问题的，它只是个工具，找对自己的问题，摸清楚技术的边界，才能真的用上力。
被放大的效率，被忽略的边界
现在圈内不管开会还是写报告，张嘴就是数字化，好像只要上了新系统，所有问题都能解决。我见过一个做建材贸易的老板，前年花了近八百万上全链路管控系统，现在拉出来看，九成功能都是锁着的，全公司只有财务用来对一对供应商账单，剩下的可视化、预测模块，全摆在那当样板，应付参观用。说实话，绝大多数技术从实验室走到产业落地的时候，都主动切掉了最麻烦的部分——非标准化的不确定性。厂家给你演示的时候，全是顺风顺水的理想场景，供应商按时交货，需求没有大波动，没有突发疫情，没有航道堵船，真到企业用的时候，但凡出一点计划外的事，系统直接宕机，还是得靠老员工拍板。港口集装箱供应链调度算法界面实拍
我跟那个建材老板聊，他说当时厂商拍胸脯说能解决库存积压，最后要求所有供应商都按统一标准报数据，那些做散货的小供应商根本做不到，为了上系统，他硬生生换掉了三个合作十年的老供应商，反而成本涨了十个点，得不偿失。很多人鼓吹技术的时候，都不会跟你说，任何技术都有它的适用边界。适合大规模标准化生产的技术，解决不了小批量多品种的定制化需求；依赖历史数据的预测技术，应对不了突发的黑天鹅事件。这个道理，往往要企业交完几百万的学费才懂。
从“预测”到“适应”，底层逻辑转了个弯
前十年的技术，核心逻辑都是“预测”。预测需求波动，预测库存周转，预测船期到港，把所有不确定都变成可计算的确定，再优化效率。这几年不对劲了，从疫情开始，苏伊士运河堵船，欧洲能源危机，再到去年红海航道遇袭，不确定性变成了常态，再准的预测，也猜不到下个月哪里会封港，哪个原料厂会起火。新的技术逻辑慢慢变了，从追求“预测准确”变成了追求“快速适应”。服装行业分布式供应链节点数据看板
我认识浙江宁波一家做户外服装的外贸厂，原来他们是总部集中预测，按季度给各个工厂下单，经常出现某个款爆单了，面料不够要等一个月，另一个款卖不动，几十万件压在仓库。去年他们改了分布式的节点系统，把每个面料商、每个代工厂、每个海外经销商都做成独立节点，所有库存和订单数据实时同步，决策权限下放到每个节点，哪个经销商加单，附近的代工厂直接就能调面料生产，不用等总部审批，现在补单的交付周期从原来的28天压到了7天，库存周转快了一倍多。反例也有，去年有家头部家电企业，非要把所有区域的决策都收回到总部，用大模型统一做库存调配，结果西南区域某个核心零件缺货，区域申请调货走了三天总部审批，生产线停了五天，直接亏了大几百万，对吧？技术没有对错，逻辑错了，再贵的工具也没用。
看不见的风险，藏在数据链接里
看不见的风险，藏在数据链接里
现在大家都在说全链路可视，核心企业要求一级二级甚至三级供应商都接入自己的系统，所有数据都要开放，看起来效率高了，风险也藏在里面。最常见的就是数据黑箱，很多三级四级供应商都是小工厂，要么没有能力接入系统，要么不愿意开放自己的核心数据，核心企业的系统看到二级供应商就断了，你以为全链路可视，其实三级工厂停电、原料断供，你要好几天才能发现，去年某手机品牌的供应链停产事件，就是这个原因，三级代工厂出问题，品牌的系统三天后才拿到消息，错过最佳调整时间。
不过话说回来，更隐蔽的风险是博弈不平等。核心企业要求供应商开放所有成本、产能、客户数据，等于把供应商的底全摸透了，压价的时候供应商连一点谈判空间都没有，很多小供应商不上系统就拿不到订单，上了系统就是死路一条，慢慢被榨干利润淘汰。还有数据训练的偏差，现在很多用大模型做需求预测，训练数据都是过去三五年的，过去三五年需求波动本身就不符合常理，训练出来的模型偏差特别大，今年不少做消费电子的企业，按大模型预测备的货，最后卖不出去烂在库里，硬生生把利润亏没了。
那天在龙潭港，调度组长跟我说，他们现在哪怕用了新算法，也留了人工干预的全权限，遇到台风、突发船期调整，还是干了三十年的老调度拍板，算法只出选项，不做最终决策。这话比我看过的所有行业白皮书都透彻。技术从来不是用来颠覆什么，也不是用来解决所有问题的，它只是个工具，找对自己的问题，摸清楚技术的边界，才能真的用上力。