《生成式人工智能与大/小语言模型在供应链管理决策优化与可持续性提升中的作用评估》最新51页

本论文探讨生成式人工智能（GENAI）——特别是大语言模型（LLMs）与小语言模型（SLMs）——对供应链管理（SCM）决策制定的革命性影响。传统AI工具通常通过结构化预测分析支持SCM，而GENAI为构建更敏捷稳健的供应链（SC）引入了动态场景生成、实时优化及非结构化数据解析等新能力。本研究通过系统文献综述（SLR）识别GENAI在SCM整合中的当前应用、实施挑战与研究缺口。一方面，SLMs在特定领域低资源需求任务中展现巨大潜力，尤其契合中小企业需求；另一方面，LLMs擅长需求预测与环境社会治理（ESG）合规等数据密集型战略任务。为助力企业应用GENAI，本研究构建五步实施框架，支持不同数字化水平组织在SCM运营中部署GENAI。研究强调SLMs在SCM中的关键价值，揭示其作为促进全球供应链数字化转型与可持续变革加速器的可能性。为确保技术进步与负责任创新同步，本研究深入剖析AI实施的社会、环境及伦理影响，致力于通过提供适配不同数字背景企业的定制化框架，为多元SCM场景的AI应用贡献理论与实践价值。

1.1 背景与动因

企业供应链（SC）是由采购、生产、物流与分销等相互关联活动构成的复杂系统。传统运营依赖基于历史数据的规则系统与确定性模型进行协调执行，确保货物流与服务流从源头至终端的效率。尽管近年数字化技术广泛应用，现代供应链日趋复杂多变，多数企业仍固守僵化的传统企业系统（Spanaki等，2025）。

人工智能在SCM中的应用日益广泛，旨在提升预测精度、自动化常规任务及支持优化决策。然而传统AI系统存在显著局限——处理实时数据与非结构化信息能力不足。相较之下，涵盖LLMs与SLMs的GENAI技术带来全新能力：通过模拟现实场景、解析自然语言指令及整合多源数据，实现自主适应性决策（Dubey等，2024；Richey等，2023）。Jackson等（2024）指出，GENAI可跨多供应链领域提供主动决策支持，突破传统AI仅限于预测性活动的局限。

全球供应链网络对可持续性、敏捷性与韧性的迫切需求驱动本研究。地缘政治动荡、供应短缺、需求波动及环境问题等中断事件的频发与加剧，持续挑战现代供应链体系（Sunmola & Baryannis，2024）。企业亟需在提升运营效率的同时，具备风险预判与实时响应能力。这构成GENAI有望解决的核心命题：GENAI虽为增强供应链智能、提升响应能力及推动数据驱动决策创造重大机遇，但其在供应链场景的实施面临严峻障碍（Dubey等，2024），包括高昂算力成本、强数字基建需求、隐私隐患、模型偏见及AI结果过度依赖风险（Jackson等，2024）。组织间（尤其大型企业与中小企业）数字成熟度差异进一步加剧技术可用性与可扩展性担忧。本研究旨在识别GENAI整合入SCM的潜在效益，同时应对相关挑战与风险，评估不同数字化阶段企业如何有效利用GENAI技术增强决策能力，重点关注可持续性、可扩展性与运营效率。

1.2 问题陈述

尽管数字技术对SCM的重要性日益凸显，当前供应链决策流程仍主要基于规则、分散化且被动响应。多数企业仅依赖电子表格、静态企业资源规划（ERP）系统及人力密集型工作流——这些工具在当今复杂多变的供应链环境中已被证实力不从心。因其无法纳入非结构化数据与实时信号，此类方法难以应对预测、场景规划及解决方案推荐等挑战。本论文通过探讨SCM运营如何从"人力主导"转向"人机协同"决策模式填补关键研究空白——即人员与GENAI系统（特别是SLMs与LLMs）协作决策。相较于传统工具，这些模型能生成新信息以模拟场景、综合多源数据并主动支持战略与运营决策（Zheng等，n.d.）。然而此类模型与SCM的整合面临多重挑战：供应链各环节存在数字成熟度差异、劳动力技能局限、数据基础设施碎片化、伦理与环境风险及技术能力缺口。专家关注的模型可解释性、互操作性及组织对GENAI输出的信任问题，进一步加剧人机协同决策的实施难度。SLMs虽具轻量化与领域特异性优势（Li等，2024），但其在供应链中的应用潜力尚未充分探索；而LLMs常需远超中小企业承受能力的算力资源（Li等，2023）。这些动态机制引发关键问题：如何根据企业能力适配GENAI部署，在降低过度依赖风险、确保透明度及限制技术获取不平等方面取得平衡。

1.3 研究目标

本研究核心目标是检验GENAI（特别是LLMs与SLMs）对SCM可持续性与决策制定的潜在影响。通过定向文献综述，阐释这些AI模型如何影响关键SCM运营及增强决策能力；结合系统文献综述评估现有指南、框架或路线图能否指导不同数字成熟度企业实施GENAI辅助供应链决策。

具体目标包括：
• 论证SLMs与LLMs如何优化采购、风险管理、物流及预测等核心供应链运营
• 剖析不同数字成熟度企业部署GENAI的主要风险与挑战
• 设计可扩展实施框架，通过包容性部署与风险缓释策略实现GENAI能力与企业数字准备度的匹配

本研究旨在探究GENAI（尤其是LLMs与SLMs）如何通过增强核心供应链任务决策来化解相关风险与局限。通过开发契合GENAI接受度与企业数字准备度的实用可扩展框架，弥合技术能力与战略需求间的鸿沟。本论文通过界定LLMs与SLMs在多元供应链环境中支持负责任创新与公平获取AI决策的路径，深化GENAI在SCM中的理论认知，助力企业提升运营效率、数字适应力与可持续性，为学术研究与实践应用提供双重价值。