2023年開年，ChatGPT的出圈，在國内外掀起新一輪人工智能應用熱潮。
上線僅5天，ChatGPT就收獲了100萬使用者；推出不到兩個月，ChatGPT使用者的日活量就突破1000萬；相關資料顯示，截止2023年1月末，其使用者月活已經突破一億，成為史上使用者增長速度最快的消費級應用App。
據相關資料統計，在中國目前AI的核心産業規模超過4000億元，企業數量接近4000家，帶動相關産業規模超數萬億元，未來還将進一步快速增加。
但不管是服裝企業，還是制造業都沒少吃供應鍊的虧。比如疫情期間面臨生産原料、配套産品斷供風險，庫存壓力劇增，原有的供應商管道無法兼顧供應鍊運轉效率的要求等，都讓企業舉步維艱。
盡管ChatGPT引入“人工标注資料+強化學習”的模型，可以更好地了解人類意圖，協助人類完成一系列任務。可在供應鍊領域中，ChatGPT技術又該如何賦能，加速AI商業落地？
從“效率工具”到“生産工具”的颠覆性變革
在ChatGPT以前，大多數AI智能機器人的作用是盡可能的幫助企業提升效率、減少人力成本，尤其是在供應鍊端，為了更好的降本增效，各行各業都在紛紛向數字化轉型。通過大資料、人工智能、5G等新興技術與供應鍊各個環節的融合創新，以期創造新的價值和增長點。
以跨境電商為例，不懂英文、不熟悉海外文化以至于不了解海外消費者需求，一直都是中國企業與歐美乃至全球消費者存在的問題。但ChatGPT通過自主生産内容，直接降低了跨境内容的門檻和成本，比如給獨立站的使用者寫日常問候郵件，與消費者做非投訴類對話溝通等，都可以由ChatGPT來完成。
不僅如此，作為一款“生産工具”，ChatGPT代替了更多簡單重複性的工作，過去需要大量人力的組織架構可能被精兵小組所颠覆、産品和供應鍊的能力也變得更為重要。比如整個跨境電商行業的協作網絡将發生變化，整個供應鍊體系面臨瘦身，提高整體效率。
而對品牌商來說，了解消費者需求是必不可少的環節之一，但大部分國内品牌并不了解海外市場及消費者，哪怕依靠亞馬遜等國外電商平台出海，也很難實作産品聚焦。而ChatGPT提供了一個低成本，了解海外消費者的管道。不管提出什麼問題，理論上ChatGPT都能從目前1750億資料庫中的資訊，整理出對應答案，使全球電商的供需對接更加高效。
對服裝企業來說，庫存積壓嚴重、淨利潤難以提升等問題始終難以解決。一些企業通過建立柔性供應鍊的方式，對消費者标簽、商品标簽、管道标簽體系進行建設，進而不斷優化補貨可得率、庫銷比等名額。
而借助ChatGPT技術，企業可以更快速的通過海量資料進行訂單預測，有針對性、計劃性進行生産，減少企業庫存積壓，并根據業務需要進行設計和内容方面的規劃，幫助發現需要改進的薄弱領域。
比如在消費者端，服裝品牌可以通過ChatGPT對消費者的身形、喜好和風格，進行自動化設計，進而完成生産，從根本上改變了傳統服裝行業的制造方式。與此同時，還可以在自動化生産線、自動化庫存管理等方面，進行快速有效的生産和銷售産品。
從B端流程的改進，到C端消費者體驗，ChatGPT在整個供應鍊環節中，逐漸完成了從“效率工具”到“生産工具”的改變。據TBanicDate估計，到2025年人工智能生成資料占比将達到10%，未來ChatGPT産品有望逐漸實作人機協同，使得新場景的應用更加快速，加速各個行業的智能化更新，邊際效用實作增長。
減少溝通成本，促進任務協調
不管是基于人工智能、大資料還是ChatGPT等新興數字技術，供應鍊的底層邏輯沒有變，仍舊是通過連結供應鍊上的人、物、資訊，建構一個産品設計、采購、生産、銷售、服務等多環節高效協同、快速響應、動态智能的生态體系。
但ChatGPT這種生成式AI，可以主動産生内容，建立一個無所不知的品牌形象。現階段的人工智能隻能進行資訊的篩選，無法進行決策，比如在銷售環節，各行各業隻能進行千人千面的推送，但無法精準掌握消費者喜好；而ChatGPT則可以通過互動，迅速了解消費者性格、消費習慣等資訊，進行商品的配送和服務。
如果将ChatGPT用于訓練物流聊天機器人，那麼從計算機接收訂單開始，到跟蹤整個訂單完成，ChatGPT可以實時處理訂單、更新倉庫位置，進一步提升倉庫管理效率。
而在提高物流風險評估和管理水準方面，ChatGPT可以有效避免潛在沖突或已知的惡劣天氣，選擇最佳運輸航線；幫助篩選供應商的财政實力、曆史業績、基礎設施等條件，選取最佳供應商。尤其是在跨境物流層面，涉及報稅、通關等諸多問題，供應商的選擇就更為突出。
通過ChatGPT等新興數字技的賦能，使得整個供應鍊的資料可以無縫通路，進一步打破合作夥伴之間的資料孤島，彌合品牌與其外部網絡之間的差距，最終實作多企業協作。讓整個供應鍊系統變成一個更加豐富、寬廣的生态，促進企業的未來發展。
比如英偉達的晶片研發，便是通過大資料等模型，自研出适合深度學習發展的 CUDA(通用冰箱計算平台)，并用GPU替代CPU成為AI訓練市場的首選，最終英偉達成為了AI晶片領域的絕對霸主，并不斷在下遊産業鍊深耕，除遊戲行業外在智能駕駛的底層資源支援也得到了巨大的突破。
有機構預測，未來五年，10%～30%的圖檔都将由AI參與生成，有望創造超過 600億元以上的市場空間，AIGC的市場規模更是将超過萬億人民币。但目前AIGC産業化程度有限，大量業務場景并沒有找到變現模式，未來也仍将長期處于商業化探索模式中。
未來的機遇與風險
盡管ChatGPT的爆火，在某種程度上是AI經曆多年技術沉澱後的裡程碑式事件，但ChatGPT之是以能實作如此強大的互動，離不開其背後龐大的算力支撐。
相關資料統計，ChatGPT的總算力消耗約為3640PF-day，按照國内落地的某資料中心為參照物，若要建成支援ChatGPT運作的裝置，需要7～8個這樣的資料中心，僅基礎設施的投入就要近百億元。
但算力又是AI的基礎，要想使得AI的門檻不斷提高，一方面需要巨大的投入去使用算力中心，另一方面則需要做出大模型，對高可靠、高性能、高安全的算力需求更加突出。除此之外，資料也是決定AI發展的關鍵因素，資料的數量和品質的差異影響則更大。尤其是在大陸的供應鍊領域，資料來源的割裂，會影響AI模型的泛化能力和不同場景的通用化效果。
在供應鍊領域中，涉及的上、中、下遊企業性質不同，各自的資料來源較為割裂，根據公司主營業務的不同，其采集的資料範圍有限，而有限的資料采集方式，在多元度層面影響了可用于模型訓練的資料品質。比如騰訊通過微信采集的是社交類資料，通過生鮮零售采集消費者行為和決策資料資料等等。
但在OpenAI的中立屬性和開放風格，更容易連接配接産業鍊上下遊，相對于國内現有的AI機器人來說，ChatGPT在開放的生态建設上更具優勢，遠勝于任何一個單一平台公司的資料來源。可即便如此，ChatGPT也無法代替人類做決定。
從技術角度看，盡管ChatGPT實作了人工智能的通用性和高互動性，但仍不具備可思考的引申能力，需要借助人類回報的RLHF進行訓練與識别，在專業領域如醫療、實體學等方面尚不能做出專業回答。
從安全角度來看，ChatGPT目前還處于“可用”階段，并沒有到達“可信”階段。一方面由于其産生的内容并非是獨創性的，而是通過單詞之間的關聯統計關系，進而合成語言答案，内容安全性與準确性難以得到保障，另一方面則由于相關内容的資料安全與版權問題，并沒有得到有效監管，仍處于灰色地帶。比如用ChatGPT進行博士論文的相關寫作等，盡管美國、歐洲等部分高校聯盟已經明令禁止ChatGPT在學術界使用，但并未做出相關處罰。
另外，國家間的資料采集也存在諸多風險和隐患，在中國該隐患尤為顯著，存在資訊洩露等資訊安全問題的風險。
話雖如此，但有機構表示，ChatGPT的影響力已經滿足革命性技術的一個重要标志，可能引領大量的應用重做已有生活方式的變革。如AI接入裝置，釋放大量的生産力，或是改變使用傳統搜尋引擎的習慣，對内容産業進行革新等等。
而從長期來看，ChatGPT或許有可能引領科技革命，重構全球供應鍊格局等。