





挑战打卡100场学术会议: 1. “AI+”如何重塑供应链网络
? 【一句话概括】 本场会议主要探讨了 AI Agent (智能体) 如何在供应链中落地,核心观点是将供应链AI的发展对标“自动驾驶”,目前正处于从 L2 向 L2.5 (半自动化) 迈进的关键阶段。
? 【推荐食用人群】
主攻 供应链管理 / 物流工程 方向的硕博生
对 LLM (大模型) 垂直领域落地 感兴趣的算法工程师
关注 多智能体协同 (Multi-agent) 的研究者
?️ 【本期分享团队】
Speaker: 业界资深算法团队(京东)及《数据科学理论与实践》作者团队
One Word 介绍: 实战派,真的把 AI 用在了理赔、调度一线,而不是只讲概念。
【我的思考】
1. 关于行业趋势我的思考:“互联网+”到“AI+”
2018-2024年这段时间,大家都在谈‘互联网+’,那时的核心是如何做好“连接”,即思考如何把线下的搬到线上。但听完庄博士的分享,我深刻意识到当前时代的“AI+”的核心变成了“决策”。当然,这里的决策并不是指AI代替使用者决策,更倾向于让模型基于已有经验以较低的成本给出决策的参考,供使用者进行筛选和决断。京东供应链的案例就是一个例子,AI不再只是一个用于检索的工具,而是利用Agent(智能体)进行标准化工作流程的学习,自主决断开始介入“核价定损”、“网络规划”这种核心业务流。未来的供应链竞争,不再是看谁连接得广,而是看谁的AI决策更准、更像“老专家’”。
2. 关于个人发展的思考:我们该如何自处?
讲座中最让我深思的一个概念是“L2.5 半托管”(类似于L2级的智能辅助驾驶)。在这个阶段,算法虽然强大,但依然需要人类介入。这给我未来的职业发展指了一条路: 未来的供应链人才,必须是“懂业务的算法教练”。基于过往的历史数据,LLM所提供的算法能跑出“理论最优解”,但往往不懂“装车必须满80方”这种无监督学习(未标注数据)的业务潜规则。我们作为研究者或从业者,价值在于利用RLHF (人类反馈)机制,去“教会”AI这些隐性知识。我们不会被AI替代,但会被“善用”AI进行人机协同的人替代。
#AI人工智能 #供应链管理 #产品经理 #大模型 #供应链管理 #RLHF #学术会议 #大模型落地 #agent #研究生日常生活
? 【一句话概括】 本场会议主要探讨了 AI Agent (智能体) 如何在供应链中落地,核心观点是将供应链AI的发展对标“自动驾驶”,目前正处于从 L2 向 L2.5 (半自动化) 迈进的关键阶段。
? 【推荐食用人群】
主攻 供应链管理 / 物流工程 方向的硕博生
对 LLM (大模型) 垂直领域落地 感兴趣的算法工程师
关注 多智能体协同 (Multi-agent) 的研究者
?️ 【本期分享团队】
Speaker: 业界资深算法团队(京东)及《数据科学理论与实践》作者团队
One Word 介绍: 实战派,真的把 AI 用在了理赔、调度一线,而不是只讲概念。
【我的思考】
1. 关于行业趋势我的思考:“互联网+”到“AI+”
2018-2024年这段时间,大家都在谈‘互联网+’,那时的核心是如何做好“连接”,即思考如何把线下的搬到线上。但听完庄博士的分享,我深刻意识到当前时代的“AI+”的核心变成了“决策”。当然,这里的决策并不是指AI代替使用者决策,更倾向于让模型基于已有经验以较低的成本给出决策的参考,供使用者进行筛选和决断。京东供应链的案例就是一个例子,AI不再只是一个用于检索的工具,而是利用Agent(智能体)进行标准化工作流程的学习,自主决断开始介入“核价定损”、“网络规划”这种核心业务流。未来的供应链竞争,不再是看谁连接得广,而是看谁的AI决策更准、更像“老专家’”。
2. 关于个人发展的思考:我们该如何自处?
讲座中最让我深思的一个概念是“L2.5 半托管”(类似于L2级的智能辅助驾驶)。在这个阶段,算法虽然强大,但依然需要人类介入。这给我未来的职业发展指了一条路: 未来的供应链人才,必须是“懂业务的算法教练”。基于过往的历史数据,LLM所提供的算法能跑出“理论最优解”,但往往不懂“装车必须满80方”这种无监督学习(未标注数据)的业务潜规则。我们作为研究者或从业者,价值在于利用RLHF (人类反馈)机制,去“教会”AI这些隐性知识。我们不会被AI替代,但会被“善用”AI进行人机协同的人替代。
#AI人工智能 #供应链管理 #产品经理 #大模型 #供应链管理 #RLHF #学术会议 #大模型落地 #agent #研究生日常生活


