场景难度：中更新于 2026-06-05
供应链：需求预测
典型业务问题
需求波动大，库存要么积压要么缺货，占用资金。
AI 可以怎么做
融合历史销量、季节与促销信号做需求预测，指导补货。
适合的企业
有较完整历史销量数据的企业
不适合的情况
销量极不稳定且无结构化记录的企业
数据与流程准备
需要历史销量、促销与节假日数据。
建议验证指标
- 预测误差
- 库存周转
- 缺货率
POC 建议
选一个品类做预测对比。
常见失败原因
- 忽略促销与外部冲击
- 数据口径不一致
预测模型的价值在持续迭代，而非一次性上线。
参考来源（1）
1. 某物流企业需求预测升级实践（示例）行业来源
延伸阅读
场景2026-05-25
生产：智能排产
综合订单与资源约束给出排产建议，由调度员确认。
案例2026-06-04
案例拆解：物流企业需求预测升级
示例案例：某物流企业升级需求预测模型后，库存与缺货指标改善。
场景2026-06-17
制造业：AI 视觉质检
用视觉模型识别表面缺陷，对可疑件标记复检，降低人工漏检。
案例2026-06-16
案例拆解：智能制造改造后的单位成本下降
示例案例：某制造企业智能产线改造后单位制造成本同比下降约 8%，主要来自质检与排产优化。
情报2026-05-28
智能制造改造后，单位制造成本开始下降
示例年报披露，某制造企业单位制造成本同比下降约 8%，主要来自质检与排产优化。
场景2026-05-21
财务：发票与对账自动化
自动抽取票面信息并做三单匹配，异常转人工复核。