The Hidden Risk To AI Profitability (And How To Fix It) DATA CENTER MAINTENANCE COSTS: THE HIDDEN RISK TO AI PROFITABILITY (AND HOW TO FIX IT) The greatest threat to profitability in the AI business today isn't model performance. It's infrastructure cost. Hyperscalers have already built up a mountain of capital costs for data center construction that depreciates rapidly. But now, maintenance of AI data centers is a pressure point that they can no longer afford to overlook. That's because as the use of gener ...

报告行业投资评级 未提及 报告的核心观点 采购正处关键转折点，传统模式难应对复杂局面，人工智能成变革力量，将采购从战术职能转变为战略核心；领先调研机构认为人工智能可显著缩短周期时间、提升合规性、揭示新洞察并加强供应商协作，是下一代采购到支付功能的必要基础设施；报告探讨101个涵盖采购全生命周期的AI应用案例，为组织部署AI提供路线图，组织应从低至中等难度项目入手积累经验，随着自主型人工智能出现，采购将引领变革[2][314][315] 根据相关目录分别进行总结 执行摘要 - 采购传统模式依赖手动流程和碎片化数据，难以应对复杂局面，人工智能应运而生，被视为下一代采购到支付功能的必要基础设施 [2] - 报告探讨101个涵盖采购全生命周期的AI应用案例，为采购领导者提供灵感和战略清晰度 [2] 什么是自主型人工智能——它为何改变一切 - 自主型人工智能指能独立推理、规划和行动的自主AI系统，持续从数据中学习，适应新输入并主动执行任务 [5] - 在采购中可实时监控市场和供应商数据、自动化重复性工作流程、提供智能化建议、通过自然语言界面吸引用户，实现S2P生命周期中的智能协调 [6][7] 支出分析与品类管理（用例1–10） - AI解锁更深入消费模式及品类绩效洞察，赋能更智能策略、更快速分析和更精确决策 [10] - 涵盖自动化支出分类、预测性支出预测、支出异常检测等10个用例，各用例有具体描述和商业价值 [11][13][17] 采购与合同（用例11 - 20） - AI加速采购周期，强化供应商谈判，提升合同智能，使其更易获取价值、确保合规并适应市场变化 [37] - 包括自动化供应商发现、智能RFx生成、供应商投标评估等10个用例，各用例有具体描述和商业价值 [38][43][45] 供应商管理（用例21–30） - 人工智能提升组织评估、管理和与供应商协作的能力，帮助建立更具韧性、多元化和绩效导向的供应商生态系统 [71] - 包含供应商风险监控、供应商绩效评分、登陆文件验证等10个用例，各用例有具体描述和商业价值 [72][74][75] 购买与接收（用例31–40） - AI通过自动化、智能分拣和预测洞察简化采购流程，从申请到交付全面优化，提升合规性和终端用户满意度 [100] - 有指导性购买助手、采购申请分类、紧急需求的自动分诊等10个用例，各用例有具体描述和商业价值 [101][103][108] 开票与支付（用例41 - 50） - AI通过自动化匹配、识别差异和加速审批，减少发票处理和支付流程中的摩擦，改进现金流、准确性和控制 [128] - 涵盖智能发票数据采集、重复发票检测、发票与采购订单行匹配优化等10个用例，各用例有具体描述和商业价值 [129][134][136] 合规与ESG监测（用例51 - 60） - AI使合规工作从被动转为主动并保持持续性，揭示ESG风险、监控监管风险暴露度，支持平衡商业价值与伦理及环境目标的决策制定 [161] - 包括合同合规性违规检测、ESG风险扫描与供应商分类、利益冲突检测等10个用例，各用例有具体描述和商业价值 [162][164][169] 采购情报与规划（用例61–70） - 人工智能赋能采购团队从静态规划转向适应性战略，揭示洞察、测试场景并指导更明智决策，以应对市场和业务需求变化 [190] - 有类别支出预测建模、人工智能驱动的储蓄机会检测、供应商市场情报简报等10个用例，各用例有具体描述和商业价值 [191][197][199] 数据与分析（用例71–80） - AI增强数据质量、加速分析并揭示隐藏模式，将原始采购数据转化为可信、可操作的洞察力，支持S2P流程各环节 [225] - 包含采购数据质量评分引擎、主数据去重与清洗、合同和发票数据统一化等10个用例，各用例有具体描述和商业价值 [226][228][230] 聊天机器人/帮助台/协助（用例81–90） - 人工智能助手提升响应能力和效率，解决采购查询、指导用户完成任务，提供24/7全天候支持 [255] - 有采购政策助手、指导式采购聊天助手、合同查询机器人等10个用例，各用例有具体描述和商业价值 [256][258][264] 工作流编排与智能代理式AI（用例91–101） - 智能代理型AI实现以目标驱动的自动化，连接独立系统和流程，形成统一、智能且适应性强的采购生态系统 [285] - 包括跨系统采购代理、自主进气编排、异常管理代理等11个用例，各用例有具体描述和商业价值 [286][291][293] 总结与建议 - 人工智能是采购领域推动战略转型的当务之急，组织应从低至中等难度项目入手部署AI，积累经验 [314][315] - 数字化一流采购组织在流程成本上降低76%，在支出影响力上提升2.5倍，66%受访者认为未来12个月采购和决策中使用人工智能是首席采购官的高优先事项 [316][317]

报告行业投资评级 未提及 报告的核心观点 - 代理式人工智能为采购带来变革，能使采购系统实时适应并在条件变化时发挥主导作用，实现从自动化到自主化的转变，为采购各环节带来实际应用价值，采购领导者需关注相关重点并做好准备 [4][5][10] 根据相关目录分别进行总结 AI发展与采购变革 - 过去三年采购领域边界被重新划定，生成式AI价值有限，AI代理有帮助但仍具局限性，而代理式AI系统能解释目标、制定计划并行动，是企业系统运营方式的转变 [2][3][5] - 90%的首席采购官调查受访者表示未来6至12个月考虑使用AI代理优化采购运营 [3] 变革的促成因素 - 基础模型可处理多模态数据，能进行企业推理 [7] - AI代理获得自主性，可追求目标并自主开展工作 [8] - 采购角色范围扩大且面临更多挑战，需要实时适应的系统 [9] 采购系统的三代演变 | 能力 | 传统采购系统 | AI代理 | 代理式AI | | --- | --- | --- | --- | | 自主性 | 完全手动或基于规则的工作流程 | 按提示执行 | 按定义的目标行动 | | 规划 | 人类编码的分步工作流程 | 执行固定序列 | 跨多步骤规划和适应 | | 上下文感知 | 在孤立系统中运行 | 使用当前输入和定义的逻辑 | 纳入动态信号和历史记录 | | 协作 | 每一步都需要人工干预 | 响应指令 | 跨系统、团队和代理协调 | | 学习与记忆 | 无记忆或学习能力 | 无状态、基于任务 | 记住结果并从反馈中学习 | [14] 代理式AI对采购的意义 - 70%的亚太地区组织预计代理式AI将在未来18个月内颠覆商业模式 [15] - 代理式AI已在部分组织中应用，能协调采购活动、评估供应商风险和优化奖励策略，其不同之处在于能跨系统协调决策 [16] 代理式AI的应用案例 - **自主采购与谈判**：能根据采购的价值和复杂性处理不同类型的采购，实现快速报价自动化和战略采购，带来端到端的数字采购层，可提高10%的生产力、质量和成本节约 [17][18][21] - **智能品类管理**：可实现动态和智能的品类管理，持续监控品类数据，在阈值或趋势变化时提供策略更新建议并执行调整 [23][24] - **实时合规**：使合规成为持续且可操作的过程，整合数据形成合规态势的实时视图，检测问题并建议纠正措施 [26][27] 代理式AI的技术栈 - 多模态AI核心：处理结构化、半结构化和非结构化输入 [29] - 采购调优智能：基于采购特定数据进行训练 [30] - 超级代理编排：协调各专业代理的活动 [31] - 连接数据层：获取企业各方面数据以提供全面决策视图 [32] - 治理和控制框架：确保透明度、可审计性和人工干预能力 [33] - 统一的源到支付平台：提供完整上下文，实现更快速、智能的决策 [34] 采购领导者的关注重点 - 到2028年，33%的企业软件应用将包含代理式AI，15%的日常工作决策将自主做出 [38] - 设定目标而非仅安排任务，明确业务最重要的成果并使系统、人员和指标与之对齐 [40][41] - 识别高影响用例，关注传统工具难以处理的领域 [42] - 了解数据状况，评估采购相关数据的可用性、准确性和及时性 [43] - 让团队适应与智能系统合作，从管理交易转向指导战略和验证结果 [44] 为代理式AI奠定基础的步骤 - 准备系统实现自主流程，消除决策过程中的摩擦，确保工具和团队间的无缝交接 [45] - 加强数据基础设施，使关键采购数据实时可用并格式可用 [46] - 设计透明和监督机制，确保代理行动可解释和可追溯 [47] - 留出迭代和学习空间，避免硬编码工作流程，建立检查点和测试环境 [48] - 使团队关注成果而非仅关注流程，调整组织结构、激励措施和关键绩效指标以反映业务目标 [49] 合适的技术平台和合作伙伴 - 通用代理式AI平台无法满足需求，采购领导者需要了解采购各方面情况并能在特定情境下行动的系统 [52] - 需要为采购构建的生态系统和了解采购工作的合作伙伴 [53] GEP相关信息 - GEP提供AI驱动的采购和供应链解决方案，帮助企业提升竞争力和价值 [57] - GEP SOFTWARE™、GEP STRATEGY™和GEP MANAGED SERVICES™共同提供大规模、高效的采购和供应链解决方案，拥有众多知名客户 [58] - GEP在多个Gartner魔力象限中处于领先地位，其云原生软件和数字业务平台获行业认可 [59] - GEP常被评为顶级采购和供应链咨询及战略公司和领先的托管服务提供商，总部位于美国新泽西州克拉克，在多地设有办事处 [60] - GEP SMART是AI驱动的云原生采购软件，提供全面的源到支付功能 [62] - GEP NEXXE是统一的供应链平台，基于大数据和AI等技术，帮助企业使供应链成为竞争优势 [63]

报告行业投资评级 未提及 报告的核心观点 - 行业优先级正从绝对性能转向经济和运营可持续性，企业需重新评估直接控制的基础设施与从合作伙伴处获取的资源，战略外包正塑造AI下一阶段的增长 [23] - 应采用投资组合方法优化数据中心集群，混合内部和第三方解决方案，以适应不断变化的AI需求 [54] 根据相关目录分别进行总结 AI行业现状 - 过去几年AI行业处于高风险基础设施军备竞赛，大量资金涌入，美国5000亿美元的Stargate项目表明AI规模化竞赛关乎国家战略 [3][4] - 为维持竞赛，形成庞大、高度专业化且僵化的实体供应链，即“AI供应链”，涵盖数据中心、发电、光纤网络和高性能冷却系统等 [4] AI行业面临的问题 - 基础设施缺乏灵活性和成本效益，垂直整合模式面临挑战，需重新思考更外部化、模块化的供应链 [5] - 计算成本失控，代理消费使资源需求呈指数级增长，难以预测基础设施成本 [16] - ChatGPT用户激增，AI推理需求远超预期，推理成本需在营收范围内保持可持续 [19] - 新AI产品冲击现有定价模式，企业利润空间被压缩，美国科技巨头免费推出AI功能，盈利策略不确定 [19] AI供应链的核心与隐藏元素 - 核心元素包括AI人才、模型、训练数据和芯片 [9][11] - 隐藏元素有数据中心建设、基础设施设备、计算硬件、发电、房地产和电信基础设施，这些元素面临诸多挑战，如美国数据中心预计到2030年将消耗全国9.1%的电力 [9][10] AI部署指标的变化 - 过去五年，AI部署竞赛由原始性能和部署速度驱动，推动企业垂直整合 [13] - 2025年起，成本爆炸、推理瓶颈和营收压力使企业重新思考优先级，敏捷性和成本效益成为新的关键指标 [14][16][19] 战略外包选项 数据中心建设 - 可选择租赁数据中心、交钥匙建设、定制建设或定制建设并使用内部库存等方式，过去企业倾向定制建设以提高性能和速度，如今租赁因灵活性和成本效益受到关注 [25][26] 数据中心基础设施设备 - 可选择租赁、购买或提前购买并储存硬件组件，标准化设备有规模经济优势，但定制化可提高性能，不过会增加供应链脆弱性 [27][28][29] 计算硬件 - 企业越来越多地将计算能力外包给第三方云服务和托管服务提供商，虽可避免采购时间长和资本支出大的问题，但会失去定制化带来的性能优势 [32][33][34] 发电 - 可再生能源合作伙伴关系和电力购买协议对稳定成本和实现可持续发展目标至关重要，但清洁能源部署滞后，且数据中心对冗余电源的需求给电网带来压力 [36][37] 房地产 - 租赁AI特定基础设施可避免巨额资本支出，提供地理灵活性，选址需考虑连接性、税收优惠、能源成本、劳动力和监管环境等因素，建议将市场研究外包给专业公司 [38][40][42] 电信基础设施 - 多数企业选择外包电信基础设施，虽可减轻负担，但会增加对少数电信巨头的依赖，随着AI模型分布式部署，控制带宽和路由将变得关键 [45][46][48] AI基础设施策略 - 不能采用一刀切的模式，需根据AI计算需求、能源成本和监管环境的变化进行调整 [50][51] - 采用投资组合方法优化数据中心集群，训练工作负载需要专用设施，推理工作负载可在自有和租赁的数据中心混合运行 [54][55]

报告行业投资评级 未提及相关内容 报告的核心观点 - 体育旅游如今推动海湾合作委员会（GCC）国家的外国直接投资、全球品牌建设和基础设施发展，采购在这一转变中发挥关键作用，能助力高效支出、战略伙伴关系和可持续增长 [3] - 即将到来的体育赛事为GCC国家带来全球品牌建设、旅游增长和经济多元化的机会，采购对确保赛事成功至关重要 [37][38] 根据相关目录分别进行总结 GCC的体育经济概况 - 沙特阿拉伯、卡塔尔、阿联酋等GCC国家在体育赛事举办和体育经济发展上各有特点，如沙特将举办多项大型赛事，卡塔尔举办2022年世界杯花费220亿美元，吸引120万游客和50亿全球观众，阿联酋举办多项体育赛事且体育是其愿景规划的关键部分 [8][9] 大型体育赛事在GCC国家的生命周期 - 规划阶段需使赛事目标与经济多元化目标一致，确定预算并确保融资，协调利益相关者 [12] - 基础设施开发阶段要设计和建设体育场馆及相关基础设施，从可持续性和气候角度收集基础设施设计意见 [12] - 运营准备阶段要确保基础设施、系统和服务为赛事做好运营准备 [12] - 赛事执行阶段要提供无缝体验，实时监控赛事并采取纠正措施 [12] - 赛后遗产阶段要对资产进行重新利用或维护以确保持续效用 [12] 采购在赛事生命周期中的影响 - 采购可通过专门的任务组提供战略指导和实施支持，必要时借助咨询公司的专业知识和咨询支持 [13] - 在基础设施开发方面，采购在为专业体育基础设施采购合适供应商方面发挥关键作用，平衡本地产业发展和世界级场馆需求 [15] - 在运营交付方面，采购合适的设施管理、酒店和住宿服务以及IT系统对确保运营准备和赛事顺利执行至关重要，使用数字技术可提高效率和优化供应商绩效 [16][17] 卡塔尔2022年世界杯采购案例 - 为弥补基础设施建设差距，卡塔尔采购团队与国际公司合作，如Bechtel、AECOM等负责体育场设计和建设，Mitsubishi交付多哈地铁系统等 [18] 2012年伦敦奥运会采购案例 - 组委会通过采购解决基础设施、可持续性和技术集成问题，采用竞争性对话方式与投标人早期合作，由专门交付伙伴监督90亿英镑建设项目，确保按时和经济高效完成 [22][23] - 采购政策注重赛后遗产，确保场馆用于社区用途，振兴东伦敦并鼓励中小企业参与 [24] 采购面临的挑战及解决方案 - 面临预算超支、监管合规、利益相关者不一致等挑战，解决方案包括使用准确成本估算模型、寻找有交付记录的供应商、采用可持续解决方案等 [33] 采购如何促进GCC经济增长 - 即将到来的体育赛事为GCC国家带来经济多元化机会，采购通过提供世界级基础设施、弥补国内能力差距、管理预算和时间表等确保赛事成功，促进经济增长 [37][38]

报告行业投资评级 未提及 报告的核心观点 - 企业可持续发展报告指令（CSRD）是企业可持续发展的重大转变，企业需将ESG纳入核心战略，应对其带来的挑战需借助技术工具，选择合适工具并正确实施可将合规转化为竞争优势 [3][6][27] 根据相关目录分别进行总结 CSRD介绍 - CSRD强调环境、社会和治理（ESG）事项的透明度，2025年2月欧盟委员会提出修订提案，4月欧洲议会投票决定推迟两年实施 [3] - CSRD要求进行详细的双重重要性评估，引入欧洲可持续发展报告标准（ESRS），企业需对可持续发展声明进行有限保证 [5][7] 面临挑战 - 数据收集和准确性方面，企业难捕捉和验证非财务数据，尤其在复杂供应链中 [11] - 理解和应用ESRS标准有挑战，需深入的可持续发展专业知识 [11] - 新报告要求与现有财务和运营系统对齐是技术和程序难题 [11] - 确保领导和运营团队理解CSRD合规重要性有困难 [11] 合规路线图 - 确保内部支持和专业知识，需公司全员协作，教育利益相关者，组建跨职能任务组，聘请外部专家 [12] - 建立强大的数据治理，实施结构化数据收集流程，利用AI分析识别数据差距 [13] - 投资合适工具，选择能提供自动化数据收集、定制模板、系统集成和高级分析的工具 [14] 合适工具的关键特性 - 具备整体报告框架，简化ESRS标准，提供内置更新，能随企业可持续发展需求增长 [17] - 能聚合多源数据，消除冗余，提供自动验证检查，确保数据完整性和准确性 [18] - 优先考虑用户体验，有可定制仪表盘和引导式工作流程，适应不同技术水平用户 [19] - 能与现有IT基础设施无缝集成，避免数据不匹配和合规瓶颈 [20] - 具备可扩展架构，提供ESG管理选项，支持企业长期可持续发展 [21] - 有内置的ESRS合规更新和法规变更自动提醒，确保长期可用性 [23] 构建投资理由 - 投资专用CSRD工具的风险远低于数据收集混乱和理解ESRS要求的成本，能提升企业ESG绩效 [24] - 积极进行ESG报告的企业长期财务表现更好，选择合适工具能展示企业对可持续发展的承诺 [25] 实施最佳实践 - 全面部署前进行试点测试，确保工具准确性和可用性 [29] - 为团队提供实践培训，确保各部门顺利采用 [29] - 持续监控、优化和调整流程，提高效率并适应法规变化 [29] 案例研究 - 某全球科技公司采用先进ESG报告工具，建立跨职能团队，加强供应链透明度，简化报告流程，增强利益相关者信心 [26] 合规的竞争优势 - CSRD重塑企业可持续发展报告，有前瞻性的企业可通过投资合适工具将合规转化为竞争优势 [27]

报告行业投资评级 未提及 报告的核心观点 物流脱碳是欧盟企业优先事项，技术进步和策略提供多种脱碳途径，企业可通过优化运输、采用替代能源、嵌入可持续采购和供应商管理实现减排，绿色物流转型更易实现且能带来可持续改善 [3][11][41] 根据相关目录分别进行总结 行业现状 - 欧盟企业因法规收紧、消费者期望上升和企业可持续发展目标，优先考虑物流脱碳，绿色物流市场显著增长，预计2022 - 2032年从1.3万亿美元增至2.9万亿美元，复合年增长率8.3% [3] - 物流部门排放量大，是减排重点领域，脱碳相对其他ESG举措易实施、有明确衡量指标、可外包简化，且有监管支持 [6][7][9] 脱碳机会 网络优化 - 减少行程次数、使用高效路线或缩短距离可优化网络，建议每五年或供应链重大变化后进行全面网络优化，可降低约20%运输和存储成本 [12] 负载优化 - 优化车辆负载可减少运输频率和排放，交叉对接可提高效率，但对减少零担货运的影响取决于需求预测和运输计划 [13][14] 路线优化 - 利用人工智能需求预测工具和运输管理系统可自动化和改进路线规划，长期可降低运输成本和碳足迹 [15] 位置优化 - 战略搬迁配送站点可减少行驶距离、行程次数和空驶里程，是长期解决方案，需利用人工智能和机器学习 [16] 替代能源 - 采用电池或可再生能源车辆可显著减少排放，如氢动力卡车和电动汽车适用于特定场景 [18] 多式联运 - 整合清洁能源与多式联运可优化供应链排放，利用铁路和海运可降低气候影响，长距离运输效果更佳 [22][23][24] 供应商采购与合作 - 采购团队应将环境选择标准纳入采购策略，与供应商共同投资，选择提供多式联运或电动车队的供应商 [26][29] 智能仓储能源 - 绿色仓储可通过节能照明、电动设备、自动化和人工智能驱动的库存管理等措施减少碳排放 [35][36][37] 最佳实践 - 数据收集方面，创建标准化模板并自动化收集，展示分析结果 [28] - 可持续采购方面，转变供应商选择方式，整合环境标准 [28] - 供应商合作方面，与现有和潜在合作伙伴合作，设定关键绩效指标，跟踪二氧化碳排放 [28] 自动化供应商选择 - 根据选定标准进行自动化供应商选择，深入分析范围和情景，进行基线比较以支持决策 [32] 供应商排放排名 - 建立长期协议和合同，跟踪排放绩效，实施奖惩制度，激励供应商提升社区影响 [34]

报告行业投资评级 未提及 报告的核心观点 物联网和人工智能正在改变设施管理行业，为企业提供价值并帮助其在动态环境中保持竞争力，虽然需要投资但长期来看能带来成本和价值方面的显著回报 [4][5][43] 根据相关目录分别进行总结 1. 严格监管下改善ESG报告 - 2025年设施管理的主要驱动力之一是监管机构和客户对企业ESG绩效提出更高标准的压力，ESG报告与实现目标同样重要 [7][8] - 物联网支持的设施管理可通过提供精确且可操作的数据，帮助企业遵守日益严格的建筑法规，具体方式包括准确的数据收集和实时监控、自动化资源管理、减少排放以及提高透明度和问责制 [9][10][11] 2. 预测性和预防性维护以节省成本 - 物联网技术可帮助设施管理人员将维护成本降低多达20%，减少50%的意外停机时间，并将资产使用寿命延长25%，还能提高舒适度、安全性和生产力 [13] - 维护方式从传统的被动维护转变为预防性维护，再到预测性维护，预测性维护可利用传感器、物联网和人工智能实时监控设备性能，预测可能的故障并推荐服务计划 [14][15] - 企业需投资智能设备和传感器，并将物联网数据与设施管理软件平台集成，同时增强现实（AR）和虚拟现实（VR）技术可提高维护效率、准确性和安全性 [18][19][20] 3. 智能安全设备保障安全与效率 - 将物联网集成到设施安全系统中，可通过实时监控、智能警报和先进的访问控制增强安全性，同时通过自动化手动检查、简化流程和提供决策数据提高运营效率 [25] - 物联网在安全方面的应用包括智能摄像头、运动传感器、智能锁、RFID标签和智能货架，可提供实时监控、减少误报、管理访问、跟踪库存等功能 [26][27][28] 4. 集成人工智能和数据以优化决策 - 将物联网与人工智能集成进行高级分析，可使设施管理团队获得可操作的见解，增强决策能力和运营效率，包括检测趋势、预测设备故障、优化资源分配等 [32][33][34] - 物联网数据与人工智能驱动的分析相结合，可实现日常任务自动化，使设施管理人员能够专注于战略优先事项，促进持续改进 [34][35] 用例：利用占用跟踪优化空间利用 - 物联网设备可提供空间使用和占用情况的实时数据，帮助设施管理人员优化运营和提高能源效率，包括识别未充分利用的空间、优化房间预订、监控容量、提高舒适度、降低能源消耗和预测需求等 [38][39][42] - 向数据驱动的决策过渡面临数据隐私和集成不同数据源的挑战，解决方案包括采用集成工作场所管理系统（IWMS）和实施强大的数据治理策略 [40] 人工智能和物联网：设施管理的未来 - 设施管理需要不断适应和创新，2025年采用物联网技术和利用人工智能将有助于设施管理人员应对新挑战和机遇，虽然需要投资但长期来看能为企业带来显著价值 [43] 借助GEP为设施找到合适的物联网解决方案 - GEP可通过需求评估、供应商选择和管理、数据分析和洞察、绩效监控和报告以及持续改进等方面支持物联网在设施管理中的集成 [45][46][47] - GEP提供AI驱动的采购和供应链解决方案，包括GEP SMART和GEP NEXXE软件平台，帮助全球企业提高竞争力和盈利能力 [48][54][55]

报告行业投资评级 未提及 报告的核心观点 - AI竞赛不仅关乎技术优势，供应链才是关键战场，掌握供应链的企业将主宰人工智能的未来 [3][29][30] 根据相关目录分别进行总结 AI竞赛现状 - 2024年初微软搁置两个大型AI数据中心项目，原因是电力短缺、供应链瓶颈和芯片成本飙升；英伟达GPU溢价销售，云服务提供商难以满足需求；微软推出自研AI芯片和加速器以摆脱英伟达硬件束缚 [2] AI大规模部署的关键要素 - 核心要素包括AI人才、AI模型、AI芯片和AI训练数据 [9] - 隐藏要素包括计算硬件、数据中心建设、数据中心基础设施设备、发电、房地产和电信基础设施 [9][10] 隐藏要素分析 - **数据中心建设**：AI模型需要大量计算力，数据中心是关键，但空间、电力和冷却成为主要限制因素；科技巨头正寻找新地点并探索新设计以提高效率 [12][13] - **数据中心基础设施设备**：AI数据中心扩展面临专业人才短缺、成本高、安全挑战和可扩展性要求等问题，掌握这些挑战的企业将在AI竞赛中占据优势 [14][15][17] - **计算硬件**：AI芯片需高性能计算生态系统支持，先进计算集群需求飙升，但供应链中断导致延迟，成本也是扩展AI计划的障碍；整合组件到现有IT基础设施增加复杂性，掌握这些要素的企业可大规模部署AI [19][20] - **发电**：AI能耗大，国际能源署预测到2026年AI和数据中心电力消耗将翻倍；科技公司投资可再生能源和电网基础设施，但若无大规模电力基础设施扩展，AI增长将受限 [21][22] - **房地产**：AI基础设施需要物理空间，合适地点稀缺，受能源、气候和人口密度等因素影响；企业战略收购土地，但寻找合适地点困难，靠近电源和光纤网络的企业在扩展AI业务上有优势 [23][24][25] - **电信基础设施**：AI需要快速移动大量数据，电信基础设施成为AI供应链关键部分；低延迟、高带宽网络对AI应用至关重要，亚马逊、谷歌和Meta等公司投资建设相关网络，电信提供商成为AI竞赛关键参与者 [27][28]

报告核心观点 - 采购已从单纯的成本中心转变为战略职能 有效管理尾支是企业优化成本和提高运营效率的潜在机会 报告探讨尾支管理挑战并提出创新策略和技术干预措施 以帮助企业释放潜在价值[6][7][8] 分组1：尾支管理的重要性 - 尾支管理常被讨论但很少被优化 尾支占总交易量可达80% 主要是低价值、一次性或不频繁的采购[11] - 尾支可分为隐藏尾、尾头、尾中和尾尾四个部分 各部分有不同特点[14] - 尾支采购存在诸多组织挑战 如违规、价值侵蚀、数据质量和可见性差、内部利益相关者满意度低等 直接尾支管理还存在额外复杂性[15][18][20] 分组2：现代采购设计原则 - 许多组织为解决尾支挑战采取了一些举措 但效果不佳 领先组织正采用现代尾支管理策略 嵌入合规性到工作流程 采用现代购买渠道等[21][22][24] - B2B市场是电子商务平台 提供类似亚马逊的体验 连接买家和多个供应商 管理整个采购过程 确保透明度和可见性[25] - 支出聚合商模型将采购整合到单个供应商下 该供应商管理多个供应商的采购过程 企业可节省成本并专注核心运营[26][30] 分组3：技术在尾支管理中的价值 - ERP和S2P平台处理尾支存在局限性 领先组织正采用先进解决方案 包括数据管理、高级分析、传统AI/ML、生成式AI等[31][33][34] - 数据管理需实施强大系统和策略 数字化手动采购 整合系统 确保数据质量 以利用新兴技术[35][36] - 高级分析可分析尾支数据 提供供应商、类别等方面的见解 帮助优化成本和降低风险[37][38] - 传统AI/ML可提供支出模式的深入见解 增强决策和预测能力 优化供应商选择和工作流程[39][40][41] - 生成式AI可用于自动文档创建、虚拟协助和决策支持等 提高尾支管理效率[42][43] - 最佳实践组织采用生成式AI驱动的IVA和自主采购工具 IVA可简化采购流程 协助沟通和成本控制 自主采购工具可帮助企业与最佳供应商合作[48][49][52] 分组4：成功尾支计划的关键因素 - 组织在选择尾支管理方案时需考虑业务目标 制定深思熟虑的采用计划 明确范围、角色和责任 简化流程 促进协作和用户参与[57][58] - 成功的尾支管理计划包括明确支出分类、确保政策和流程合规、采用多种购买渠道策略、提高数字成熟度和加强协作等措施[61][62] 分组5：结论 - 尾支管理因分散性和决策分散而具有挑战性 但现代组织策略和新兴技术为其带来变革机会 可提供成本节省之外的更多好处[63][64] - 采购技术的快速发展提供了多种解决方案 组织需根据自身成熟度和运营准备情况选择和集成合适的技术 以实现尾支管理的价值最大化[65][66]