消費品供應鍊正在進入一個更難做“計劃”的階段。渠道越來越碎，訂單來得越來越快，平台履約規則持續壓縮，促銷節奏又不斷變化。過去依靠經驗就能覆蓋的大部分判斷，如今要同時面對SKU、倉庫、活動、經銷商和産能的聯動變化。
這也是為什麼，供應鍊AI不能被簡單理解為隻是一個預測模型。真正有價值的AI，要進入需求計劃、渠道協同、促銷計劃、庫存管理和排産履約流程，幫助業務把一次次判斷變得可計算、可驗證、可複盤。
聯合利華與觀遠數據從2018年開始合作。到2026年，這段合作已走過八年。放在觀遠數據成立十周年的時間線上看，聯合利華并不是一個孤立的項目，而是一條從需求預測、供應鍊協同到Agent落地的長期實踐路徑。它說明，消費品企業的AI落地，往往不是從一個大而全的平台開始，而是從一個個高頻、明确、可驗證的供應鍊判斷開始。
為什麼訂單越快，供應鍊越不能隻靠計劃員經驗?
快消行業的供應鍊壓力，往往來自大量細小但連續發生的決策判斷。一張經銷商訂單進入系統後，需要經曆審核、庫存匹配、倉網選擇、生産安排、物流履約等多個環節。聯合利華的供應鍊現場中，一張訂單可能涉及30到40個決策點，并經過10到15個人的信息傳遞。
雖然每一步看上去都隻是一個很小的局部動作，但疊加起來看，就是成本、速度和庫存的整體經營表現。如果補得太多，倉儲和資金壓力就會上升;補得太少，履約風險又會被放大;發得太慢，平台規則和消費者體驗都會受到影響。計劃員經驗固然重要，但當業務變量太多時，人工判斷就很難穩定覆蓋全部場景。
聯合利華的實踐，正是從這些具體預測相中逐步展開。其AI需求預測體系覆蓋AIDP、CPFR、AIDT、AIKC、DTC等多個場景，并逐步形成統一的 Demand Hub，也就是面向多渠道需求預測與協同的“需求中樞”。系統既要預測每個倉庫、每個SKU的出貨量，也要預測每個SKU的全國總量，預測周期從1周延伸到4個月。
當預測被放進真實流程，變化才會顯現出來。以AIDP(AI Demand Planning，AI需求計劃)為例，AI應用業務覆蓋率超過80%，預測準确率平均提升10%;在大賣場促銷賠額預測中，流程自動化從0提升至90%。對供應鍊團隊來說，這些數字背後不是簡單提效，而是庫存準備、生産節奏和人員分工都開始被重新組織。
從需求預測到F2C自動排産，AI如何進入履約現場?
如果說需求預測解決的是“未來可能發生什麼”，排産履約解決的就是“現在應該怎麼安排”。聯合利華切入的一個關鍵場景，就是F2C(Factory to Consumer，工廠直達消費者履約模式)自動排産。
F2C履約中心建在合肥工廠旁邊，直接面向電商消費者訂單。消費者在抖音等平台下單後，訂單實時進入系統，履約中心要識别SKU組合，完成揀選、打包、貼标和發貨。平台發貨要求從36小時壓縮到24小時，未來還有可能進一步縮短。
這類現場對傳統排産方式并不友好。因為計劃員需要同時考慮實時訂單、生産線狀态、手工線和自動線、交付時間、産能變化以及包裝組合。高峰期還要平衡訂單、庫存、産能與運力，異常分散在ERP、WMS、運輸、計劃和報表系統裡，人工很難實現實時掃描全局。
AI在這裡要做的，不是直接替代計劃員，而是複制計劃員的經驗。哪些規則是硬約束，哪些目标可以優化，哪些參數需要每周複盤，哪些異常需要回到業務側确認，過去需要靠人記、靠人傳的經驗，開始被還原成可計算、可驗證的邏輯。
在DTC(Direct to Consumer，品牌直接面向消費者)電商旗艦店預測場景中，業務人員可以圍繞活動等級、GMV目标、商品特征和優惠券信息創建活動，實現一鍵觸發預測。系統會根據活動屬性匹配不同模型，區分大促與普通活動、熱銷Link與非熱銷Link，讓預測更貼近真實經營節奏。
供應鍊Agent真正沉澱的，是經驗還是流程?
從2021年起，聯合利華與觀遠的合作從預測類項目延伸到DCOM控制塔、悟空1.0 F2C智能大腦等定制化場景;2025年起，雙方進入Agent賦能業務轉型階段，已落地倉庫會議智能體、智能排産智能體，并繼續共創動态庫存智能體、閑時補貨智能體等項目。
對消費品企業而言，供應鍊Agent的價值不僅僅是效率的提升。更關鍵的一個變化是，經驗不再隻留在少數人身上，也不再随着崗位流動而流失。系統能夠記錄判斷依據、比較參數效果、回看真實訂單，并在新的業務環境中繼續優化。
聯合利華用實踐印證了一點，供應鍊Agent适合從高頻、一線、單角色且價值明确的場景切入。第一階段，系統要做到不低于人工經驗;第二階段，可以通過沙盒複盤真實訂單，比較不同參數組合，再把更優方案部署回新環境。這樣的路徑，比一開始就追求全流程自動化更加務實、方便落地。
從行業發展看，這類實踐的意義在于，它讓“企業AI落地”變得具體。AI不是一句“改變供應鍊”的口号，而是發生在一次訂單為什麼這樣分配、一個參數為什麼需要調整、一周以後系統如何複盤的細節裡。
渠道、訂單、庫存、促銷和産能之間的關系越複雜，企業越需要把人的經驗變成系統可以理解的規則，再讓Agent在真實業務現場中持續學習和協同。
聯合利華的實踐給出的答案，是讓AI先進入具體流程，再通過持續複盤接近業務真實。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
