展会规模与行业复苏势头 - 2025年伦敦世界旅游交易会展览面积增至2.5万平方米，较上届扩大25% [1] - 吸引180多个国家和地区的近5000家参展商、逾4.6万名专业观众参加，创下自1980年创办以来的多项纪录 [1] - 展会全方位展现全球旅游业复苏向好的强劲势头 [1] 中国展区表现与合作动态 - 中国展区总面积达402平方米，13个省区市携56家优秀旅游企业集体参展 [2] - 中国国际航空、南方航空、东方航空、海南航空等8家主流航司亮相，构建"文旅+航空"联动推广格局 [2] - 中国展区凭借独具匠心的设计理念与深厚的文化呈现，斩获"最佳展区设计大奖" [2] - 中国展区以"中国旅游：创新融合 绿色发展"为主题，凸显旅游业高质量发展方向 [3] - 展会期间中国展区精心组织30余场文旅推介会、文化展演、互动体验等活动 [2] 中国入境旅游与政策成效 - 今年三季度免签入境中国的外国游客超700万人次，占入境外国人总数的72.2%，同比增长48.3% [4] - 中国已成为全球最大客源国、主要旅游目的地，拥有全球规模最大的国内旅游市场 [4] - 中国政府通过免签政策扩围、离境退税优化、便捷支付普及和多语种服务完善等一系列便利化举措推动旅游业发展 [4] 中英旅游合作与市场数据 - 2025年上半年中英航线旅客总量同比增长约8%，直航运力已恢复至2019年的八成水平 [5] - 今年预计将有超52.2万人次中国游客访英，同比增长13%，将为英国带来约10亿英镑旅游收入 [5] - 双方正通过加密直航航线、深化区域合作、拓展文化影视交流项目等多种途径推动人员互访量持续增长 [5] 全球旅游业展望与趋势 - 2025年国际游客预计突破15亿人次，超越2019年前的峰值 [6] - 未来10年全球旅游业年均增长率预计达3.5%，将高于全球经济整体增速 [6] - 到2035年全球旅游业产值预计超16万亿美元，占全球经济总量近12% [6] - 亚太地区是拉动全球旅游业增长的重要引擎，未来5年全球新增1.5亿个具有稳定旅行消费能力的家庭中近1.1亿来自亚太地区，中国占比将达40% [6] - 可持续旅游成为行业硬性指标，77%的旅客愿意为低碳行程多支付约15%的费用 [6] - 生成式人工智能深度融入，推动"个性化服务+动态定价"成为行业常态，消费者旅行偏好从"频繁短途"转向"沉浸长途" [6]

展会概况与行业复苏势头 - 2025年伦敦世界旅游交易会创下自1980年创办以来的多项纪录，展览面积增至2.5万平方米，较上届扩大25% [1] - 展会吸引180多个国家和地区的近5000家参展商、逾4.6万名专业观众参加，展现全球旅游业复苏向好的强劲势头 [1] - 未来10年全球旅游业年均增长率预计达3.5%，将高于全球经济整体增速 [7] 中国展区表现与推广 - 中国展区总面积达402平方米，13个省区市携56家优秀旅游企业集体参展，8家主流航司亮相，构建“文旅+航空”联动推广格局 [2] - 中国展区凭借设计斩获“最佳展区设计大奖”，为亚洲地区唯一获此殊荣的国家展场，设计以竹子为主要材料，传递绿色发展理念 [2] - 中国展区以“中国旅游：创新融合绿色发展”为主题，展会期间精心组织30余场文旅推介会、文化展演、互动体验等活动 [2][3] 中国入境旅游与便利化措施 - 今年三季度免签入境中国的外国游客超700万人次，占入境外国人总数的72.2%，同比增长48.3% [4] - 中国已成为全球最大客源国、主要旅游目的地，拥有全球规模最大的国内旅游市场 [4] - 一系列便利化举措持续落地见效，包括免签政策扩围、离境退税优化、便捷支付普及和多语种服务完善 [4] 中英旅游合作与市场数据 - 2025年上半年中英航线旅客总量同比增长约8%，直航运力已恢复至2019年的八成水平 [4] - 今年预计将有超52.2万人次中国游客访英，同比增长13%，将为英国带来约10亿英镑旅游收入 [4] - 双方正通过加密直航航线、深化区域合作、拓展文化影视交流项目等多种途径推动人员互访量增长 [4] 全球旅游业展望与趋势 - 2025年国际游客预计突破15亿人次，超越2019年前的峰值；到2035年全球旅游业产值预计超16万亿美元，占全球经济总量近12% [7] - 亚太地区是拉动全球增长的重要引擎，未来5年全球预计新增1.5亿个有稳定旅行消费能力的家庭，其中近1.1亿来自亚太地区，中国占比将达40% [7] - 可持续旅游成为行业硬性指标，77%旅客愿意为低碳行程多支付约15%的费用；生成式人工智能深度融入，推动个性化服务与动态定价 [7] - 消费者旅行偏好从“频繁短途”转向“沉浸长途”，人工智能技术深度渗透各类数字旅游服务 [7]

进博会采购规模与特点 - 上海交易团国资分团达成意向采购订单113笔，意向采购金额27.76亿美元 [1] - 上汽集团等11家企业集团的12个项目集中签约，涉及交易金额约29.9亿元人民币 [1] - 各地交易团采购目标均为百亿元级起步 [1] 浙江省交易团采购活动 - 浙江交易团组织4.7万名专业采购商，重点采购目标包括饼干、糖果巧克力、日韩休闲食品等消费品 [2] - 浙江省交易团与14个国家和地区的24家供应商达成24项进口采购协议，签约金额145亿元人民币 [2] - 浙江省土产畜产进出口集团有限公司与老客户签署五千万美元订单，持续引进巴西肉类产品 [2] 人工智能与医疗采购 - 迪安诊断与罗氏诊断签订采购合同，重点引进AI医疗、多组学等领域的创新技术成果 [3] - 德勤报告显示76%的零售企业和85%的消费品企业仍处于AI早期探索阶段 [4] - 65%的受访企业已在电子商务领域应用生成式AI，59%的企业将其用于市场与品牌建设 [4][5] 福建省交易团采购情况 - 福建交易团意向采购金额超22亿美元，涵盖技术装备、医疗器械、航空发动机等领域 [5] - 福建专业观众注册数2912家，金融授信额度达959.34亿元，超过去年同期 [5] - 龙岩分团结合主导产业形成专项采购清单，进口采购意向金额已达1.2亿美元 [6] 其他地区交易团动态 - 深圳交易团采购意向金额预计远超上届，涵盖高科技产品、绿色能源、医疗健康等前沿领域 [7] - 安徽交易团注册单位超1900家，参会人数超6400人，意向采购金额有望超过往年 [8] - 河南省超1600家企业、6000余人注册报名，生物医疗、先进制造等领域的买手团开启采购模式 [8][9] 进博会的战略意义与企业出海 - 进博会被视为产业转型、对接全球前沿动态的重要窗口，用于优化进口结构并引进先进技术 [9][10] - 中国企业正将目光转向欧洲市场，今年中国对欧洲出口同比增长7% [10] - 传统出口模式面临瓶颈，中国企业需通过增强海外存在感和加快本地化布局来把握新机遇 [10]

美股科技股市场回调 - 以科技股为主的纳斯达克指数单周跌幅超过3%，为4月以来最差表现，标普500指数周内下跌1.6%，结束连续三周涨势 [2] - 八家与人工智能关联最密切的头部公司市值合计蒸发约8000亿美元，整个AI相关领域公司市值蒸发近1万亿美元 [2] - 英伟达股价本周跌超7%，市值缩水约3500亿美元，微软跌幅超4%，市值蒸发超1500亿美元，甲骨文跌近8%，市值损失超660亿美元 [2] - 其他AI概念股如多邻国跌超24%，Palantir跌超11%，博通跌超5%，Meta跌超4% [2] 人工智能行业风险与担忧 - 市场共识认为美国AI神话建立在“不确定性”之上，公司押注于构建通用人工智能，该模式耗资巨大但缺乏确定发展路径 [3] - 一项调查表明美国95%采用生成式人工智能的公司未从该技术中盈利，基于叙事推动的泡沫已经产生 [3] - 与人工智能相关的支出对美国GDP增长的贡献已超过所有消费者支出的总和 [3] - “大空头”Michael Burry正在部署做空美国AI泡沫，暗示当前支出过度且回报过低将导致许多领先公司崩溃 [3] 中国AI产业的竞争与机遇 - 全球近半AI人才来自中国，中国借助人才优势有望在中美竞争中获胜 [4] - 与美国投资于不确定的AGI不同，中国AI走“产业应用驱动”路线，在竞争全球市场时拥有低成本和应用优势 [4] - 高盛与摩根士丹利预计全球（美国）股市因科技股泡沫可能在未来1-2年内出现10%到20%回调，但看好中国股市的人工智能、电动汽车和生物技术等领域 [4] 加密货币市场暴跌 - 加密货币市场在短短一个多月内几乎抹去了今年前10个月积累的全部涨幅，比特币一度失守10万美元关口 [5] - 截至11月9日，主要加密货币品种仍在下跌，近24小时内成交额骤降40%-50%，全市场超13万人被爆仓 [6] - 具体币种表现：比特币价格101863.2美元（-0.75%），成交额532.62亿美元（-46.97%），以太坊价格3413.16美元（-1.44%），成交额576.68亿美元（-40.73%） [7] - 数字资产对冲基金创始人指出，近七个月来机构对比特币的需求首次低于新币开采速度，表明大型买家可能正在退缩，市场呈现避险情绪 [8] 特定公司风险事件 - Meta被曝靠海量诈骗广告赚取巨额利润，其安全部门报告估算美国约三分之一的成功诈骗案件与Meta存在关联 [2]

近期市场回调性质 - 近期美股市场约5%的回调被视为AI周期中典型的年末季节性波动，而非涨势终结的信号 [1] - 市场自四月低点经历强劲反弹但整体并未过度 [1] - 普遍的谨慎情绪反而为指数在今年剩余35个交易日里大幅上涨创造可能性 [1] 年底前市场展望 - 在季节性因素、早期AI投资周期及较轻的机构仓位共同作用下，指数年底前仍有5-10%的上涨空间 [1] - 预计上涨将伴随广泛的市场参与 [1] - 宏观不确定性如联邦政府停摆风险被视为暂时性问题 [1] 人工智能投资周期 - 人工智能革命仍处于早期阶段，是支撑市场走高的核心逻辑 [2] - 机构投资者仓位尚未完全配置到人工智能主题中 [2] - 大型科技公司拥有稳健资产负债表、合理市盈率及超过20%的复合每股收益增长 [2] 当前市场与历史泡沫对比 - 当前上市公司估值基于自由现金流、资本回报率和利润率，与1999年无收入公司获高估值情况截然不同 [3] - 当今科技巨头能产生巨额自由现金流并进行股票回购和派息，这在1999年凤毛麟角 [3] - 当前资本市场活动远低于历史泡沫时期水平，IPO市场更加挑剔 [3] 人工智能投资规模分析 - 建设100至250吉瓦AI能源设施意味着4万亿至10万亿美元的数据中心支出 [4] - 过去12个月美国人工智能投资占GDP比重仍低于1%，而历史上基础设施投资峰值达GDP的2%至5% [5] - 生成式人工智能最终将为美国创造20万亿美元的GDP经济价值 [5] 估值与仓位支撑 - 目前纳斯达克100指数交易价格较互联网泡沫时期折让约46%，较低市盈率表明盈利为估值提供支撑 [6] - 当前市场仓位已进入轻仓位区域，意味着一旦情绪转向乐观将有大量资金等待入场 [6]

量子计算行业前景 - 量子计算旨在通过使用可同时处于多种状态的量子比特取代传统比特 彻底提升计算机算力 [1] - 若技术成功 量子计算将能解决当前计算机需数百万年才能解决的问题 从而改变经济格局 [1] - 谷歌乐观估计 商业上可行的量子计算应用可能在五年内出现 但技术进入主流可能还需数十年时间 [2] Rigetti Computing公司分析 - 公司股价今年以来已上涨156% 引起市场特别注意 [3] - 公司采用"卖水"式商业模式 专注于为其他企业提供使用量子技术所需的基础设施 类似于英伟达在生成式AI行业中的角色 [3][4] - 公司通过位于加州弗里蒙特的Fab-1工厂自主制造芯片 这种垂直整合使其对供应链拥有巨大控制力 并减少对外国合作伙伴的依赖 [6] - 公司的"美国制造"方式可能吸引了政府关注 国防高级研究计划局在2020年向其提供了860万美元资助 [7] - 公司当前市值110亿美元 当日交易区间为30.62美元至33.81美元 年度交易区间为1.25美元至58.15美元 成交量为5800万股 [5][6] - 公司毛利率为-3999.37% 显示其仍处于高投入阶段 [6] D-Wave Quantum公司分析 - 公司股价今年以来上涨293% 过去12个月涨幅高达3200% [8] - 公司专注于量子退火技术 该技术用于优化问题 在物流和生成式AI等领域有天然应用场景 [9] - 公司在商业化方面取得早期进展 向研究机构出售其Advantage量子退火设备 第二季度收入同比增长42%至310万美元 [10] - 公司运营亏损为2650万美元 鉴于广泛商业可行性尚需数年 预计不会很快实现盈利 [10] - 公司当前市值100亿美元 当日交易区间为26.42美元至29.72美元 年度交易区间为1.42美元至46.75美元 成交量为5100万股 [10] - 公司毛利率为82.82% 显著优于同行 [10] 投资考量 - 两家公司均采用针对量子计算行业的"卖水"式商业模式 但投资者可能无需急于买入 [11] - 技术实现商业可行性可能还需数年时间 两家公司目前均在研发上投入大量资金以保持竞争力 [11] - 两家公司估值高昂 Rigetti和D-Wave的市销率分别高达1110倍和335倍 考虑到其面临的长期挑战 股价非常昂贵 [12]

进博会地方交易团采购规模与结构 - 上海交易团国资分团达成意向采购订单113笔，意向采购金额27.76亿美元 [1] - 上海交易团11家企业集团的12个项目集中签约，涉及交易金额约29.9亿元人民币 [1] - 福建交易团意向采购金额超过22亿美元，金融授信额度达到959.34亿元人民币 [8][9] - 浙江交易团与14个国家和地区的24家供应商达成24项进口采购协议，签约金额145亿元人民币 [5] - 各地交易团采购目标为百亿元级起步，采购范围从传统农副产品到高科技零部件、生物医药及人工智能技术 [4][5] 重点区域与企业采购动态 - 浙江“买手团”由4.7万名专业采购商组成，重点采购饼干、糖果巧克力、日韩休闲食品等消费品 [5] - 浙江省土产畜产进出口集团有限公司与老客户签署五千万美元订单，持续引进巴西肉类产品 [5] - 迪安诊断与罗氏诊断签订采购合同，重点引进AI医疗、多组学等领域的创新技术成果 [6] - 深圳交易团采购涵盖高科技产品、绿色能源、医疗健康、智能制造等多个前沿领域，意向采购金额预计远超上届 [10] - 龙岩分团结合主导产业形成专项采购清单，进口采购意向金额达1.2亿美元，助力产业升级 [9] 人工智能在行业中的应用趋势 - 德勤报告显示，76%的零售企业和85%的消费品企业处于生成式AI早期探索阶段 [8] - 65%的受访企业已在电子商务领域应用生成式AI，其中17%已实现广泛使用 [8] - 59%的企业将生成式AI用于市场与品牌建设，70%的消费品企业已在该领域应用 [8] - 超过50%的企业在客户服务和研发创新中采用生成式AI，以加速反馈闭环和测试概念 [8] 进博会作为全球化平台的功能 - 进博会展示461项新产品、新技术、新服务，为各地企业搭建一站式采购平台 [11] - 安徽交易团注册单位超1900家，参会人数超6400人，意向采购金额有望超往年 [12] - 河南省超1600家企业、6000余人注册报名，利用进博会推动产业转型和引进先进技术 [12] - 中国企业正将目光转向欧洲市场，今年对欧洲出口同比增长7%，加快本地化布局 [13]

先进封装聚合物材料市场规模与增长 - 预计2024年市场规模达到16亿美元，五年内将增长至约33亿美元，复合年增长率为13.2%[3] - 移动和消费电子领域在销量和收入方面领先市场，但电信和基础设施领域增长最快，主要受高性能计算和生成式人工智能驱动[3] - 系统级封装是聚合物材料主导平台，而2.5D和3D封装是增长最快细分市场，2024至2030年销量复合年增长率达35%，收入复合年增长率达28%[3] 技术趋势与材料要求 - 数据中心人工智能浪潮推动对更高计算能力、更快I/O、更高能效和更优异散热管理的需求[7] - 材料需具备更佳机械性能和可靠性、高导热性、热稳定性、与更大芯片/小芯片兼容性、更严格翘曲控制、更精细光刻图案化以及更高密度互连[7] - 核心挑战之一是降低热膨胀系数不匹配，解决方案是针对特定应用开发配方以平衡性能权衡[7] 市场竞争格局 - 市场供应链多元化但高度集中，前五大厂商合计占据全球超过50%收入[10] - 日本主导市场，在介电材料、模塑化合物等领域占据约80%总收入；德国市场份额约10%，美国约5%，中国约4%[10] - 供应商正调整产品组合以适应人工智能/高性能计算驱动的封装需求，同时满足对不含PFAS材料的要求[10]

公司声明 - 伯克希尔-哈撒韦公司紧急澄清优兔平台上传播的关于巴菲特的评论视频是人工智能伪造的欺诈性视频 [1] - 视频配有伪造图像或人工智能生成的图像 模仿者声音单调 并非巴菲特本人声音 [1] - 巴菲特担心这类欺诈性视频正在成为一种蔓延的病毒 可能误导不熟悉他的人 [1] - 自5月伯克希尔股东大会以来 巴菲特很少公开发表评论 [1] 行业趋势 - 利用生成式人工智能制造的虚假图片、音频和视频信息等深度伪造内容正在快速传播 [3] - 深度伪造内容被用来骚扰他人、诈骗金钱 甚至干扰选举 [3] - 如何预防和阻止深度伪造内容误导大众 已成为各国政府和科技巨头面临的难题 [3] 监管动态 - 美国目前在联邦层面没有旨在控制人工智能风险的法规 [3] - 上个月加州州长纽森签署一项监管人工智能聊天机器人的法案 要求运营商提供关键保护措施 [3] - 法案要求确保聊天机器人不与未成年人或其他弱势群体谈论自杀等话题 [3]

人工智能术语框架 - 人工智能是一个广泛领域，专注于创造能执行需要类似人类智能任务的机器，如学习、推理或决策[4] - 机器学习是人工智能的一个分支，使计算机无需显式编程即可从数据中学习，能够识别模式并基于历史信息做出预测[4] - 深度学习是更高级的机器学习形式，使用多层人工神经网络，擅长处理复杂的高维数据，如图像、视频和自然语言[4] - 生成式人工智能旨在根据从大型数据集中学习到的模式创建新内容，包括文本、图像、音频甚至代码[4] 人工智能的商业重要性 - 人工智能正以前所未有的速度被广泛应用，因其直接关联企业的效率、盈利能力和竞争力，公司正积极将其融入日常运营以实现大规模快速决策[6] - 人工智能的真正影响力在于能够将预测转化为自动行动，如触发警报、推荐补货数量、优先选择配送路线或在供应风险演变成中断之前发出预警[6] - 人工智能在数据量庞大、决策可重复、信号嘈杂或快速变化的环境中尤其强大，非常适合市场营销和供应链运营[6] - 最有效的人工智能系统是在人工监督下运行的决策系统，旨在增强而非取代判断，需使用MAPE、MAE等传统统计精度指标进行持续评估[6] 人工智能在市场营销中的应用 - 个性化功能利用机器学习技术根据用户过去的行为定制内容，分析点击、购买记录、滚动模式和会话行为等信号以确定最可能促成转化的信息或产品[12] - 视觉推荐无需用户明确要求即可优化显示内容，利用余弦相似度等方法将用户与相似内容进行匹配，应用于亚马逊的产品轮播和Netflix的推荐板块[12] - 由生成式人工智能驱动的聊天机器人已成为标准客户触点，可回答问题、推荐后续步骤并全天候完成交易，必要时转接人工客服[12] - 预测分析利用机器学习模型在客户流失或营销活动效果等结果发生之前进行预测，通过比较线性回归和XGBoost等模型确定预测销售结果的最佳模型[12] 市场营销与供应链的协同 - 营销活动会引发需求冲击，成功的广告宣传、促销或产品发布可立即刺激需求，人工智能应帮助预测需求并自动标记其对供应链的影响[15] - 将市场营销和供应链联系起来的是共享数据，双方必须在SKU标识符、地理区域、销售渠道、日历和促销元数据方面保持一致[15] - 市场营销关注点击率和订单量，供应链关注订单满足率和准时足量交付率，当两者对绩效的看法不一致时会导致客户不满和运营效率低下[15] - 供应链漏斗是销售漏斗的运作镜像，始于市场营销活动产生的需求信号，经供应计划、生产或采购、物流配送，最终到达客户服务和交付绩效[16] 现代供应链挑战及人工智能应用场景 - 现代供应链面临复杂性、不确定性、速度和可持续发展四项普遍挑战，复杂性源于管理多层级网络、漫长交付周期及日益增多的限制因素[19] - 不确定性由促销需求激增、天气干扰、季节性变化及牛鞭效应等因素造成，需求的微小变化会在上游被放大[19] - 企业越来越依赖人工智能来更准确地预测需求并在问题发生之前采取积极主动措施，人工智能在预测和需求规划中发挥关键作用[19] 人工智能在预测和需求规划中的应用 - 现代人工智能预测模型通常将ARIMA或ETS等时间序列方法与XGBoost或神经网络等机器学习技术相结合，时间序列模型分析历史需求数据检测季节性和周期性模式[22] - 为评估模型可靠性，需使用平均绝对百分比误差以百分比形式衡量预测值与实际值的偏差，平均绝对误差以数据本身相同单位表示平均预测误差[22] - 偏差衡量预测是否持续高估或低估需求，长期高估导致库存过剩，低估导致缺货，F1分数在预测客户流失等事件时平衡精确率和召回率[22] - 企业通常先进行更高层次预测如全国总需求，再细化到特定地区、渠道或SKU，人工智能能够随新数据流入实时更新预测结果[23] 人工智能在库存优化中的应用 - 人工智能可根据产品重要性、周转率或利润贡献对其进行分类，自动确定合适的服务水平目标，并根据预测误差和交货周期波动计算安全库存[26] - 通过多级优化降低系统总库存，人工智能评估整个网络找出存放库存最佳位置，这种系统级视角可降低整体库存成本同时提高服务一致性[26] - 人工智能可根据最新需求数据、供应状况和绩效结果每周甚至每天自动更新补货点和订货量，消除人工库存盘点的滞后性和猜测性[26] - 人工智能模型可模拟不同场景，确定库存持有成本与缺货风险之间的理想平衡点，使领导者能够充分了解财务影响后再做决策[26] 人工智能在物流和运输领域的应用 - 具有时间窗口和实时重新规划功能的路径规划意味着人工智能可根据交付时间承诺不断解决车辆路径问题，并在途中出现交通、天气或新订单时立即重新优化路线[29] - 预计到达时间预测利用人工智能结合实时交通状况和历史驾驶员表现，比依赖通用估计更准确地预测到达时间[29] - 预测性维护可监控车队和物料搬运设备，在故障发生之前检测到故障，减少停机时间并防止意外故障[29] - 码头动态调度功能使人工智能能够根据当前拥堵情况、货运量和紧急程度，自动将卡车分配到最有效的装卸位置以保持作业顺利进行[29] 人工智能在供应商和风险管理中的应用 - 供应商评分卡使人工智能能够追踪多个供应商的准时交付率、百万分之质量缺陷率和交货周期差异，持续评估数据并自动标记问题[33] - 预警系统利用人工智能技术监测新闻、天气预报、港口活动和地缘政治数据，在潜在干扰影响运营之前发现并应对，使企业能够提前制定备选方案[33] - 自然语言处理可以读取供应商合同，提取重要条款如交货周期、违约金条款或排他性限制，并提醒决策者当前绩效是否偏离约定范围[33] 人工智能在仓储和自动化领域的应用 - 计算机视觉利用摄像头和人工智能技术实时检测错拣商品、损坏商品或库存数量错误，在商品到达顾客手中之前减少错误，比人工盘点有显著进步[37] - 任务编排通过根据当前需求和可用产能自动协调人类工人和自主机器人，来确定谁应该做什么以及何时做[37] - 任务优化通过分配优先级、管理队列以及优化任务在设施内的执行地点来改善工作流程，仿真软件可利用机器学习模拟不同优化方案[37] - 货位优化根据ABC周转率对库存进行排序，人工智能将周转率最高的商品放置在靠近包装或装货区的位置，以减少运输时间并提高吞吐量[37] 人工智能在可持续发展和ESG中的应用 - 按发货或SKU进行碳核算可以让人工智能计算每次产品运输对环境的影响，并在做出决策之前评估减少燃料排放的替代路线[40] - 减少浪费利用人工智能对退货进行分类，优先考虑哪些产品可以重新入库、回收或翻新，还可根据保质期预测重新订购易腐烂商品[40] - 循环流程使人工智能能够推荐维修、翻新或再利用方案，而不是默认丢弃，有助于向循环供应链转型使产品重新循环利用[40] 机器学习技术分类 - 监督学习在预期结果已知时使用，人工智能通过对已标记示例进行训练并学习预测未来值，常用于需求预测、预计到达时间预测和质量评分[44] - 无监督学习不需要预先标记结果，人工智能自行寻找数据中的结构，如将相似门店或SKU聚类在一起或检测设备传感器数据中的异常情况[44] - 强化学习通过反复试错做出决策，并随时间从行动结果中学习，在不确定性较高环境中如动态定价或调整库存策略时尤其有用[44] 机器学习模型演进 - 线性回归是应用最广泛、最基础的机器学习模型之一，根据过去行为预测未来结果，速度快、易于解释，广泛应用于高管仪表盘和财务建模[47] - 决策树根据简单决策规则将数据划分为多个分支，具有很强的可解释性，适用于预测和表格形式的业务数据[50] - XGBoost是一种先进集成方法，构建多个小型决策树并将它们组合提高准确率，擅长处理结构化供应链和营销数据中多种输入因素的交互作用[50] - 神经网络在识别复杂模式方面非常强大，适用于非结构化数据或基于传感器的数据，如图像、音频或实时物联网数据流[50] 大型语言模型与迁移学习 - 大型语言模型利用海量公共文本数据进行训练，学习人类语言结构和含义，能够理解并回应从未见过的句子，具有泛化能力[56] - 迁移学习利用规模较小、特定于业务的数据集对预训练的语言学习模型进行微调，使人工智能在保留广泛语言理解能力的同时针对特定领域进行专门化训练[56] - 检索增强生成技术使人工智能不仅依赖于训练期间学到的知识，还会主动从可信来源实时检索外部知识后再生成响应[59] 人工智能统一视角与新兴趋势 - 分层模型中，营销需求信号如点击率、营销活动效果、网站流量和预购意向被实时捕捉为意向信号，输入到人工智能需求预测层[63] - 数字孪生是真实供应链的虚拟副本，可模拟港口关闭、供应商延迟或需求激增等中断情况，在实际发生任何事件之前测试应对措施[66] - 生成式人工智能智能体能够更主动地进行规划工作，如总结风险、制定采购建议，并根据运营数据创建标准操作流程，自主运行监控实时数据[66] - 大型语言模型副驾驶允许规划人员以对话方式与供应链系统进行交互，获得清晰易懂且基于公司内部数据的答案[67]