生成式 AI 对供应链计划到底做了什么
现在每一家计划软件供应商都推出了 AI 副驾驶。在看了十四年能力被重新命名、重新包装出售之后，这篇文章讲清楚这项技术真正改变了什么，以及它没有改变什么。
十四年来，我在供应链技术领域看到的都是同一种套路：某项能力被重新命名、重新包装、重新卖一遍。"需求感知"变成了"AI 预测"，又变成了"ML 驱动的计划"，现在则是"生成式"或"智能体式"AI。供应商的 PPT 换得比底层的优化数学快得多。
所以我一开始做这篇文章的研究时是个怀疑论者。做完之后，我成了一个有保留的怀疑论者。计划领域的生成式 AI 是真实的，它已经在生产环境中落地，而且是二十年来计划软件可用性上最真实的一次进步。但它真正捕获的价值比主题演讲承诺的要窄，也更平淡。它主要是省下了计划员花在分析和解释上的时间。它不是更好的计划，也不是自主的供应链。
以下是这个区别，以及它为什么关系到你 2026 年该把钱花在哪。
剥掉营销话术之后，它到底在做什么
把话术剥掉，生成式 AI 在今天的生产计划环境中做的是七件具体的事。没有一件是"生成更好的预测"。
第一件是对计划数据做自然语言分析。SAP 在 2025 年第二季度的 IBP 发布中加入了一个插件，让计划员可以用大白话在 Microsoft Excel 里生成 IBP 公式。带来的好处是学习曲线更短，而不是数字更准。
第二件是异常和中断的摘要总结。SAP 后续 2025 年的分析能力将复杂的优化、库存和预测结果摘要出来，把繁复的计算翻译成清晰的自然语言。计划本身没变，变的是解释它的速度更快了。
第三件是用自然语言生成场景，描述一个中断情形（"我们的主要钢材供应商停产三周"），不用手工搭建场景就能得到下游影响分析。
第四件是计划员副驾驶，或者叫"数字同事"。Kinaxis 推出了 Maestro Agents，时间是 2025 年 10 月，定位是嵌入实时计划环境中的、具备上下文感知能力的助手。
第五件是跨系统检索、推理、执行的复合多步智能体。o9 用生成式 AI 驱动的复合智能体升级了其 Digital Brain 平台，构建在其企业知识图谱之上。
第六件和第七件，用于冷启动预测的合成数据，以及从非结构化文档中感知供应商风险，成熟度还早，但是真实存在的。Blue Yonder 在 2025 年 5 月的 ICON 2025 大会上推出了新的 AI 智能体和供应链知识图谱，结合了预测式、生成式和智能体式方法。
生成式 AI 明显没有在任何可信的生产部署中做的事：替代优化引擎、独立生成经得起推敲的数字预测、或者做出可问责的计划提交决策。每一家认真的供应商都保留了人在环中的机制，并强调"可解释性"，这不是出于营销考虑，而是因为受监管的行业无法把计划提交决策交给一个说不清自己是怎么算出来的模型。
供应商成绩单
这场军备竞赛是真实的，而且发生得很快。以下是真正已经发布的东西，而不是只是演示过的东西。
| 供应商 | 产品 | 发布时间 | 官方宣称的核心卖点 |
|---|---|---|---|
| SAP | Joule + Joule Agents，集成于 IBP | 2024–25 | 到 2025 年第四季度已有 350 项 AI 功能、2,400+ 个 Joule 技能 |
| Kinaxis | Maestro Agents | 2025年10月 | 库存风险排查步骤从 40 次点击降到 4 次（制药行业） |
| o9 | Specialized AI Agents | 2025年6月 | 首个生成式 AI 试点进入生产环境 |
| Blue Yonder | Cognitive Solutions + 5 个智能体 | 2025年5月 | 基于 20 亿美元 AI 投资打造；有知识图谱支撑 |
| Anaplan | CoPlanner for Demand Planning | 2024年9月 | 计划中具备上下文感知能力的生成式 AI |
| OMP | UnisonIQ | 2025年10月 | 编排框架 + 常驻生成式 AI 助手 |
| Microsoft | Copilot in Dynamics 365 SCM | 2025 | 需求洞察 + 单元格级别可解释性 |
所有这些产品的共同模式一模一样：AI 坐在界面和编排层。它帮计划员提问、读取结果、触发工作流。而生成数字的预测引擎和底层的优化器，基本上还是三年前那套确定性数学。
诚实地看待这些数字
这里正是知识诚实把分析和抄写区分开来的地方。整个这个类别里被引用最多的一个统计数字，AI 能把预测误差降低 20% 到 50%，出自麦肯锡的一篇文章。麦肯锡发现 AI 驱动的预测可以降低误差，仓储成本能下降 5% 到 10%，行政成本能下降 25% 到 40%。这个区间是真实的，但它被反复循环用在供应商的 PPT 里、分析师的幻灯片里，还有贸易媒体上，往往已经脱离了原始语境。把它当作一个示意性的上限，而不是你应该期待达到的基准。
2025 年的案例研究层面更具体，但几乎全部来自供应商自己的说法：
- Kinaxis × 全球前十制药企业之一： 计划员生产力提升最高达 10 倍，库存风险识别从 40 次点击降到 4 次。
- SAP IBP × Joule： 分析预测运行结果的计划员生产力，据供应商引述提升了 25%。
- SAP Digital Manufacturing： 误差分析时间最高减少 25%。
仔细读这些数字。"计划员生产力提升 10 倍"和"从 40 次点击降到 4 次"其实是同一个说法讲了两遍，它们描述的是点击次数的减少，而不是预测质量。这是一个真实且值得肯定的生产力提升。但它跟更好的计划不是一回事。
市场有多大，走得有多快
这个类别里的市场规模测算，除非你先搞清楚是谁在数、怎么定义这个类别，否则基本没什么用。以下是站得住脚的锚点：
Gartner 预测，具备智能体式 AI 能力的供应链管理软件支出将从 2025 年的不到 20 亿美元，增长到 2030 年的 530 亿美元。另外，据 MarketsandMarkets 测算，更广义的"供应链 AI"市场规模在 2025 年约为 139 亿美元，到 2032 年将升至 504 亿美元，北美占据最大份额。
在采用率方面，麦肯锡 2025 年 AI 现状调查发现，88% 的组织现在至少在一个业务职能中使用 AI，高于前一年的 78%。但同一份调查里也有一个能让你保持清醒的细节：目前只有少数组织能把任何可衡量的利润影响归因于它。采用几乎已经普及；价值捕获还没有。
我目前还不会部署它的地方
预测领域的文献对生成式 AI 的弱点异常坦诚，而这种坦诚来自那些没有理由把它说得比实际差的人。最发人深省的一个数据点是：在 M5 零售预测竞赛中，这是该领域最严格的公开基准测试，获胜的方法不是某个大模型，而是梯度提升树的等权重组合，提交者是一名本科生。这个结果应该让任何关于大语言模型能提升预测准确度的说法都冷静一下。它们提升的是预测的解释能力。
我认为在 2025–26 年的部署中，有五种失败模式是真实存在、值得认真对待的：
- **数值推理上的幻觉。**大语言模型不擅长算术和约束优化。供应商的缓解办法是把数学运算路由给确定性引擎，但一旦模型开始叙述结果，它就可能偏离结果本身。
- **对数据质量的依赖。**试点在经过精心整理的数据上能成功，一到生产环境碰上底层混乱的主数据就死掉。上游那些辛苦的工作，治理、主数据，是前提条件，不是事后补救。
- **问责缺口。**这就是为什么每一家供应商都强调可解释性。受监管的计划员没法提交一个自己在审计中无法辩护的计划。
- 从试点到生产的悬崖。Gartner 预测，到 2027 年底将有超过 40% 的智能体式 AI 项目被取消，原因包括成本不断攀升、价值不明确、风险控制不足。
- 赋能的幻觉，买了这项能力，却没有准备好使用它所需要的员工队伍或数据。
这个让人不太舒服的结论
生成式 AI 是二十年来计划软件在可用性上最好的一次进步。一个计划员能问"上周这个配送中心的预测为什么变了？"并在三十秒内得到一个说得通的答案，这确实提升了生产力，而且这种提升会在整个团队里累积放大。
但同一个计划员并不会因此自动产出更准确的预测，或者更好的供应计划。生成这个数字的引擎并没有变。模型只是解释得更快了，让你能用大白话去追问它。
所以 2026 年的采购逻辑很直接。为生产力买单，这是真实的，而且你现有的供应商就能提供，不需要什么大跃进式的赌注。不要为"自主性"买单，因为被当作自主性来卖的东西，大多是穿了件更贵外衣的点击次数减少。先做那些不光鲜的数据治理工作，因为这才是真正决定这一切能不能在生产环境中活下来的变量。
这项技术是真实的。这场变革比主题演讲讲的要平淡得多。这两件事同时成立。
Sources
- SAP News Center. (2025). SAP Business AI: Release Highlights Q2 2025; Q4 2025. news.sap.com
- Kinaxis. (2025). Kinaxis Accelerates Agentic Era for Supply Chain Orchestration with the Launch of Maestro Agents. kinaxis.com
- o9 Solutions. (2024–2025). Composite Agents; Specialized AI Agents for Planning and Execution. o9solutions.com
- Blue Yonder / Business Wire. (2025). Blue Yonder Transforms Supply Chain Management With New AI Agents at ICON 2025. businesswire.com
- Anaplan. (2024). Anaplan CoPlanner for Demand Planning. anaplan.com
- OMP. (2025). OMP Unveils UnisonIQ. omp.com
- Microsoft Learn. (2025). Dynamics 365 Supply Chain Management 2025 Release Wave 1. learn.microsoft.com
- McKinsey & Company. (2021). AI-driven operations forecasting in data-light environments. mckinsey.com
- McKinsey & Company. (2025). The State of AI in 2025: Agents, Innovation, and Transformation. mckinsey.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2026). Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030. gartner.com
- MarketsandMarkets. (2026). AI in Supply Chain Market. marketsandmarkets.com
- Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). The M5 Accuracy Competition: Results, Findings and Conclusions. International Journal of Forecasting.