王明哲《AI在供应链领域如何落地》

主讲：王明哲老师

【课程特色】

够专业，内容前沿且正确；讲俗话，将复杂技术具象清晰有趣化；重互动，巧妙设计提升参与感；能落地，反复验证的方法及真实案例。

【课程对象】企业高管及其他需要意识提升的群体

【课程时间】1天（6小时/天）

【课程大纲】

一、AI技术的分层                                                                                

1、通用VS专用

什么是AI：AI是用数学模拟人类智慧的技术

专用AI技术：用自己企业的数据，训练专属自己的AI算法

通用AI技术：使用别人做好的AI算法，做自己企业的业务

通用AI技术的代表：大语言模型（chatgpt，百度·文心一言等）

2、专用&通用技术对比

专用AI技术：数据、算力、专业知识门槛高，不容易落地

通用AI技术：各方面门槛低，比较容易落地

3、通用工具的落地形式

提示词工程：人直接用大语言模型工具

智能体：有思维链，不需要人实时驱动，真正能够解放生产力

案例：微软百度等顶尖科技公司，如何让使用通用工具

二、通用AI技术能如何影响企业

1、提示词工程对企业和员工的影响

量变：让员工效率暴增

量变案例：3小时完成原本需要2个月周期的定制方案

质变：让员工掌握原本不增拥有的能力

质变案例：用人话完成3D建模设计，用人话完成数字仿真

质变案例：人人都能编程（用人话编程）

质变案例：办公自动化（大模型帮你完成所有需要用电脑完成的工作）

质变案例：数据分析（大模型帮你完成商业智能和人工智能建模分析）

结论：提示词工程能使员工效率暴增，但是对企业几乎没有效果

2、智能体

智能体：把大模型的使用过程固化下来

智能体供应链自动化案例

智能体合规性审查案例

结论：智能体会让办公室里的人越来越少

问题：是谁代替了这些人？（谁来主导智能体开发）

答案：率先选择拥抱新技术的员工，替代那些不愿意拥抱的

（有效的智能体只能有企业内部业务专家主导）

3、通用AI技术在供应链领域的落地

供应商风险识别（供应商库存等异常数据自动收集）

大模型助力供应链决策

微软基于大模型的供应链管理系统

大模型自动监测风险项（天气、地缘）并自动预警

三、通用AI工具落地企业的操作手册

1、DeepSeek如何私有化部署到企业

私有化部署所需的硬件资源

私有化部署所需要的软件环境

三行代码教你快速私有化部署DeepSeek

2、提示词工程进阶

误区：提示工程就是套模板

提示词开发框架，助你把提示词效果推到极限

资料搜索：如何把提示词效果推到极限

文案撰写：如何把提示词效果推到极限

素材收集：如何把提示词效果推到极限

代码编写：如何把提示词效果推到极限

总结：提示词工程的要领是转变思维（从一线员工转变为领导）

万用的提示词模板

提示词工程的局限性

3、智能体开发进阶

误区：IT牵头能做好智能体开发

智能体开发框架1-巧妙定义问题场景

智能体开发框架2-尝试大力出奇迹（判断是否真的需要开发智能体）

智能体开发框架3-回顾人类专家的思维逻辑

智能体开发框架4-根据人类思维逻辑，策划智能体工作流

智能体开发框架5-动手完成基础智能体构建

智能体开发框架6-少量真实用户试用，增量开发

真实案例：展示智能体开发的全过程

智能体开发工具如何选型

四、专用AI技术：解构核心原理与三大核心趋势及其在汽车领域的应用

1、人工智能的核心原理

通过小互动理解人类智能产生过程并类比机器

工人（拟合模型）负责预测

质检（损失函数）负责挑错误

车间主任（梯度下降）负责纠正

AI的本质：把学习知识的过程转化为一系列计算

小互动：如果你正在跟心仪的女神约会……

案例：预测男生是否会受女生欢迎

2、趋势一：大模型有大力量

大模型&大数据VS小模型VS高质量数据

大模型可能导致通用人工智能出现

大模型的商业落地应用及前景

供应链案例：供应链需求预测，某著名汽车品牌销量预测，供应链质量管控。

3、趋势二：生成模型以假乱真

什么是生成模型

生成模型能够生成什么内容

生成模型的商业落地应用及前景

案例：生成李小龙视频、AI作画夺冠、AI对工业设计的冲击，AI对企业数字孪生构建的影响，AI对数字营销的影响

4、趋势三：强化学习超越人类

阿尔法狗的核心原理

强化学习的商业落地应用及前景

供应链案例：AI学会捉迷藏，AI对生产工艺自动优化的影响，AI用于工业调度及排产，AI实现可控核聚变，AI用于战争

五、专用AI落地制造业的具体框架步骤

1、智能化落地方法

1、智能化起点：不是数据而是业务痛点

2、如何找到业务痛点：客观（精益）VS主管（决策需求）

3、如何折算痛点价值：业务逻辑&一组数据

4、选择工具：只有隐性知识需要用到AI工具

5、智能化项目最大的坑：数据而不是算法

6、数据的坑在哪：缺少关键特征&数据缺乏代表性

7、如何排除数据上的坑：依靠业务专家的业务知识

8、如何选择模型：大模型VS小模型

9、AI项目成功的三大核心要素

10、AI项目的最大门槛：行政可行性

案例：产线良品率提升，大型工程机械故障预测，工业品缺陷检测等

六、新一代人工智能技术会如何影响未来

1、AI会如何影响我们

AI为我们带来的终局

绝大部分的工作会被替代

只有两类人会留下：做决策&有想法

案例：18年图灵奖得主案例，智能化终局解读，元宇宙加持下的后AI时代。辨析大模型和小模型选择对行业的影响

2、AI的3大套路和后AI时代展望

在无人化的时代，人应该做什么

应对办法：回归人“本身”的价值

没有工作的人会做什么：“爱”干嘛干嘛

 企业应该如何应对即将到来的AI浪潮

案例：openAI官方给出最容易受chatGPT影响的岗位， 领域未来展望：马太效应加强

 

授课老师

王明哲老师的课程大纲