教育部物流教学指导委员会主任
上海海事大学原校长
黄有方理事长在“顺势·强链”2024年现代物流报社年会暨供应链出海发展趋势论坛上发表“2025中国港航供应链服务发展趋势”专题演讲，他强调，智能、透明的供应链成为企业的重要战略方向，人工智能等技术的应用可以提高决策速度和质量。他指出，港口航运企业已经高度重视科技的发展，并积极介入到科技创新中。从单一的运输到综合运输，再到物流和供应链，包括区块链等技术的应用，都是科技改变港航供应链的重要体现。
黄有方提到，虽然目前科技对港航业的影响尚未完全显现，但企业必须尽早准备，以应对即将到来的变革。他特别指出，AI技术可能将对港航业产生深远影响，企业需要密切关注并积极参与其中。通过引入先进的技术手段，企业可以提高运营效率、降低成本、增强竞争力。
在演讲中，黄有方还强调了绿色环境和可持续发展在港航供应链中的重要性。他指出，ESG（环境、社会和治理）等因素已经成为全球供应链的重要考量。不少港航企业已经开始关注ESG，并致力于实现可持续发展。这不仅是企业形象和国际合作的考量，更是未来企业发展的必然趋势。
数据已经成为港航供应链企业重要的战略资产。黄有方指出，优化港航企业运营流程、提高客户服务质量、增强风险管控以及驱动新的商业模式等方面，都需要数据的有力支持。然而，目前港航领域在运用数据提高服务质量方面仍有很大空间。企业需要更好地运用数据，将其转化为企业的竞争优势。
他提到，当企业积累了大量高质量的港航供应链数据，并能有效地进行分析和利用时，将形成竞争门槛。这种对港航业发展的洞察力将成为企业的重要竞争优势。同时，数据还能推动供应链协同，打破港口、航运公司、货代、报关、仓库、物流等主体之间的信息孤岛，实现供应链的透明化和高效化。通过数据共享和协同作业，企业可以提高供应链的协同效率和响应速度，降低运营成本和提高服务质量。
内河流域港航供应链建设与服务的重要性也不容忽视。黄有方强调，海港与江港协同将发挥江海联动效应，为供应链提供更加便捷和高效的服务。内河港口的成本优势和港城一体化服务等特点使其成为供应链中的重要节点。因此，加强内河流域港航供应链的建设和服务对于提升整个供应链的效率和竞争力具有重要意义。
黄有方指出，港航供应链服务体系已经从单一的运输企业发展到门到门、端到端的物流阶段，再到形成供应链生态的高端阶段。在这个过程中，企业的业务范围、高管素质、目标结构、信息技术和特征等方面都发生了深刻变化。企业需要具备拥有能力、控制能力、服务能力和创新能力或适应能力等多方面的能力才能在全球竞争中立于不败之地。通过加强合作与交流、提升核心竞争力、推动创新与发展等方式，港航供应链服务体系将不断迈向新的高度。
中心专家
中国港口协会会长
2025年10月19日，中国港口协会会长顾金山出席第五届北外滩国际航运论坛，并作题为《绿色转型引领未来：探索中国港口的可持续发展之路》的主旨发言。
顾金山介绍，近年来中国港口行业在绿色可持续发展方面积极探索，取得了显著的成效。
首先，绿色港口建设的政策规划和标准体系逐步建立。近年来，交通运输部先后发布了《绿色交通“十四五”发展规划》《减污降碳协同增效实施方案》《绿色港口等级评价指南》等政策文件，为港口绿色发展提供了坚实的机制保障。
其次，多元化的港口清洁能源应用场景逐步形成。目前中国枢纽海港集装箱码头岸电设施覆盖率已超过95%。港内清洁低碳设备的应用比例逐年提升，大幅减少化石能源的消耗。通过光伏和风电设施建设，推动码头零碳化发展。积极推动LNG、甲醇等船舶绿色燃料创新应用，以满足船舶不同需求。
第三，全方位的港口污染防治体系加快构建。通过建设船舶污染物接收处置系统、加强港口作业扬尘与污水治理，全国主要港口已实现船舶生活垃圾、含油污水“应收尽收、应处尽处”，港口污染防治迈出坚实步伐。此外，通过推动数字化转型与智能技术应用，为港口绿色发展提供更高效、更精准的技术支持。
顾金山表示，面对全球气候变化带来的严峻挑战，推动绿色港口建设已不再是“可选项”，而是关乎未来的“必答题”。这不仅需要技术创新的驱动，更需要全球港航界超越地域与体制的界限，开展广泛而深入的多边合作。对于后续港口的绿色转型路径，他分享了三点建议：
第一，以“全球治理”引领“系统变革”，构筑绿色港口的规则新体系。我们应致力于推动构建包容、联动的国际港航绿色治理模式，为全球绿色港口产业链与供应链的深度融合奠定基石。
第二，以“科技突围”驱动“产业跃迁”，抢占未来港航的绿色制高点。共同瞄准零碳燃料、智能电网、全链路碳管理等前瞻方向，推动创新资源跨境流动、开放共享，联合孵化引领下一代港航业的颠覆性技术与商业模式。
第三，以“开放生态”赋能“共同行动”，打造休戚与共的全球绿色港航合作共同体。共识，唯有转化为行动，方显其价值。我们呼吁各方共同探索“全球绿色港口多边合作机制”，让共识落地生根，让成果惠及各方。
上海交通大学行业研究院航运业团队责任教授
一、经济全球化与中国制造业的发展
- 核心判断：中国已成为全球重要制造基地，成本控制、生产效率、市场反应速度具备显著优势，但国际形势复杂、贸易壁垒升级，出海门槛持续提高。
- 核心趋势：制造业全球化从 “产品出海” 转向 “产能 + 品牌 + 生态” 出海 ，需适配目标市场规则、供应链需求与消费习惯，构建全球化运营体系。
- 关键提醒：出海需规避信息差、合规风险、文化差异、供应链碎片化四大痛点，避免盲目布局导致效率低下。
二、中国制造业现阶段布局与未来
1. 现有布局特征
- 区域分布：国内聚焦长三角、珠三角等制造业集群，海外向东南亚（劳动力成本优势）、墨西哥（北美市场避税）、非洲（资源与市场） 转移，形成 “中国 + N” 全球生产网络。
- 布局动因：
- 成本驱动：降低劳动力、土地、税费成本；
- 市场驱动：贴近海外市场，规避关税壁垒与贸易摩擦；
- 供应链驱动：完善全球供应链布局，提升韧性。
2. 未来布局方向
- 高端化：向智能制造、核心技术研发、品牌运营等高附加值环节延伸；
- 多元化：开拓新兴市场（东南亚、中东、拉美），降低对欧美市场依赖；
- 协同化：与海外供应商、物流商、渠道商深度协同，构建端到端全球化供应链。
三、支持制造业发展的中国物流业
1. 物流行业核心能力
- 基础能力：覆盖全球的海运、空运、铁运、多式联运网络，支撑制造业跨境运输需求；
- 升级能力：海外仓、保税仓、供应链金融、贸易数字化服务，适配制造业全球布局需求。
2. 物流与制造业协同痛点
- 信息不对称：物流节点可视化不足，导致库存、运输状态不透明，影响生产计划；
- 成本偏高：跨境物流环节多、税费复杂，整体物流成本占比过高；
- 韧性不足：应对地缘风险、运价波动、港口拥堵等突发情况的能力薄弱。
3. 物流升级关键方向
- 多式联运优化：推动厂港联动、铁海联运、空陆联运，实现 “出厂即出海”，缩短交付周期；
- 海外物流网络：在关键市场布局枢纽型海外仓、保税物流中心，提升本地配送效率与应急响应能力；
- 物流数字化：搭建全球物流信息平台，实现订单、库存、运输轨迹全链路可视化，提升协同效率。
华中科技大学管理学院二级教授
刘志学教授于2025年（第二十四次）中国物流学术年会人工智能+供应链管理专业建设专题分论坛作题为《智慧供应链管理体系建设》演讲。
（一）智慧供应链管理的内涵与基本特点
刘志学首先从智慧供应链管理的内涵入手，指出智慧供应链管理体系是企业为了优化内部及外部供应链流程，通过一系列管理理念、管理模式、先进技术、科学方法和装备工具，实现智能化、协同化、网络化、韧性化和绿色化的一体化管理模式。他概括了智慧供应链管理的基本特点，强调在数字经济和智能制造背景下，只有充分理解并把握这些基本特征，才能真正推动供应链管理的升级演进。围绕分论坛“人工智能+”这一主题，刘志学指出，在当前的学术与产业环境下，如果不认真思考人工智能的进步及其影响，就很难真正把握供应链管理发展的前沿趋势。
（二）人工智能与智慧供应链管理的五大特征
刘志学将智慧供应链管理的核心特征概括为五个方面：一是技术赋能，没有现代信息技术尤其是人工智能技术的发展，供应链管理就不可能进化到智慧供应链管理，相关技术已广泛嵌入需求预测、库存控制、路径优化、合同审核等场景；二是智能决策，依托物联网、人工智能、大数据、5G、区块链等数字技术，为采购、生产、分销、物流等环节提供科学决策支持，显著提升决策的科学性、准确性与时效性；三是人机协同，通过机器人、自动化分拣系统、协作机器人等与一线员工协同工作，重构生产与物流作业方式，建设“数字员工”与人类员工协同共事的超自动化平台；四是数据驱动，在物流、信息流和资金流产生的海量数据中挖掘供需规律，驱动可视化、可感知、可调节的智慧供应链运营；五是平台支持，借助以物联网、云计算、AI大模型等为基础的智慧供应链管理平台，打通上下游企业，集成仓网规划、库存优化、车辆路径、渠道拓展等多种能力，支撑供应链一体化运作。
（三）人工智能技术方法在智慧供应链中的应用
在技术层面，刘志学系统梳理了支撑智慧供应链管理的一系列人工智能技术与方法，包括机器学习与深度学习、强化学习、自然语言处理、知识表示与推理、计算机视觉、智能规划与决策、机器人流程自动化以及“AI+数字孪生、AI+运筹优化、AI+物联网”等融合技术。他通过企业实践案例，展示了这些技术在需求预测、库存控制、智能分货、智慧仓储、渠道拓展等场景中的具体应用，说明人工智能正在从工具层面深度嵌入供应链管理决策与运营。刘志学指出，国家层面围绕人工智能和数字经济出台了一系列战略与行动计划，为物流管理、供应链管理、采购管理等相关专业带来了前所未有的机遇和挑战，高校和企业都应主动拥抱AI技术，将其嵌入运筹优化、路径规划、资源配置等关键问题的解决之中。
（四）智慧供应链管理体系建设的重要性与路径
在谈到智慧供应链管理体系建设的重要性时，刘志学从多个层面进行了阐述。从国家层面看，在外部不确定性显著上升的背景下，提升产业链供应链的韧性与安全水平已成为重大课题。通过构建数据可视、风险可控的智慧供应链管理体系，能够在复杂多变的国际环境中增强我国在新能源汽车、家电、通信设备等领域的竞争优势，同时推动以智能网联汽车为代表的新兴产业链加快发展。从企业层面看，智慧供应链体系有助于提升市场竞争力和客户服务水平。在具体建设路径上，刘志学从智慧化供应链决策机制、集成化供应链组织模式、协同化供应链运营管理、数字化供应链信息平台与控制塔、智能化供应链物流系统以及主动化风险监控与科学化绩效评价等多个维度提出了系统方案，为企业构建智慧供应链管理体系提供了思路参照。
中国 (深圳) 综合开发研究院物流与供应链管理研究总监
我在去年讲了AI训练大模型之后，我们用它重新生成了供应链的流程标准。今年我专门又花了一段时间在国外进行大模型最新阶段的训练，所以想把这个训练的成果、过程跟大家做分享。我们做的不仅仅是对供应链管理流程标准的更新，我们用AI如何来重构物流和供应链的指标体系，这一点对教学和研究、企业应用都有非常重要的影响，这是未来我们会考虑的方向。
我从今年的4月份开始讲起，因为上午的大会和前面的专家、企业都做了最新的政策、趋势、中美关系，包括很好的企业案例的分享。在去年出版AI供应链全流程应用的书之后，我又对AI供应链应用的最新趋势做了一些了解，是五个方面最新的应用。
大家看到“As of April 2025”是从今年的4月份开始，我今天的讲义是从4月份以后到现在跟大家做的最新的分享。
从4月份以来，AI持续对整个行业进行变革，来提高效率、韧性和可持续性。这个也跟今天早上蔡进会长讲的“新三化”有非常大的耦合关系，所以大家看到的是一种共同的趋势。
从具体的案例来讲，有五个方面的典型应用。第一个是由AI驱动的货运的优化。货运的优化，我们讲供应链一直是需要指标去测量的，所以从优步货运的网络规划上来讲，美国高速公路空驶率大概35%，AI应用完之后，这个空驶率降低了10%到15%，这是非常显著的变化。还有就是AI的客服时间，以前打一个客服电话至少让你等15-20分钟，现在已经可以缩短到30秒，这是在货运应用方面的重大变化。以前仪表板的系统加上AI之后可能它表现数据的精确度和对统计的分析就更不一样了。
第二个是关于人形机器人应用。为什么现在仓库中物流体系人形机器人的应用发展得比较快？不仅仅我们看到机器越来越像人，关键是这个机器人具有了人工智能，我们说人工智能是什么？人工智能概念是什么？人工智能是计算机程序对人类心智的模仿，心理行为和智力行为共同的模仿。有了AI大脑的机器人才能够让它更像人，机器人在仓储的应用，它在自助移动性、在目标的操作能力、对供应链操作系统的理解能力、还有联合协作的任务完成能力，在这些方面机器人体现出了一种显著的优势。
第三个是AI在军事领域里的应用。我们都知道物流起源于二战，这个词从军事物流拿到商业里面来，是因为打仗建立了这一套体系。但是我们看到很多科技创新最前沿的应用，包括RFID在伊拉克战场上应用，在21世纪初都是在军事物流率先应用的。所以我们看到AI这一轮应用的典型案例，包括去年和今年在全球供应链管理专业协会（CSCMP）年会上获奖的创新案例，五个里面有三个都跟军事物流的应用有关。军事物流的案例，投资1500万美金，建立这样一个平台，最主要是解决了战场的后勤补给，一个是弹药的补给，一个是应急的医疗设备的补给，解决随时战场应用的问题，时间关系我不展开讲。
第四个就是强化的供应链的可视度。原来讲端到端的可视度是可以通过像机器流这样全程的跟踪来实现的，但是如果说你的供应链涉及到跨境的时候，这一点就不行了，你就断裂了。如果我们要涉及到超越你视距范围的跟踪和全程供应链可视度的时候，你必须要动用大数据的资源去解决全过程可视度的问题。另外就是关于断裂和怎么接续的问题。
第五个就是AI来应对贸易战所产生贸易断裂的情形。现在都说产业转移也好，全球供应链的再构以后，所有的行为会在全球范围内产生重构，如何保证供应链的资源是可供的、可控的、可调节的，我们发现有很多工具来协助企业做预测性的分析，在全球范围之内去优化你的库存和物流的配置。
去年我在年会上分享的是第一个阶段到第二个阶段的供应链流程标准应用的测试。第一个阶段我发现通用大模型可以对AI有一些基本的理解，它可以对流程和概念做出相对准确的反应，但是这种反应的精确度是有限的，我一会儿也讲讲AI局限的问题。第二个阶段是我通过流程模型的输入，在重新输出的时候，我们发现这个模型学习的效率和输出的质量有了非常大的提高。这就是我们得以出版AI应用这个书的主要底气。
我在第三个阶段的应用是从今年6月份开始之后的训练，我们产生了第三个阶段的结果，这是今天我想跟大家做分享的重点，就是现在AI生成的信息更加准确、而且更加形象化。以前我们还要自己手画流程图，我们需要用PPT也好，或者用其他的软件工具也好，你要做流程图，但现在生成的信息里面已经完全做了改变。
所以在第一个阶段是我们用了我的思维，用了供应链流程框架的体系，去一页一页对话，这样我们生成的文件得出了整个流程对照的更新的结果。这奠定了一个什么样信息呢？AI对供应链流程和概念的理解是准确的、是可用的。
第二个阶段的测试出现在2023年的6月份，ChatGPT把自己的一个应用变成了开放的平台，任何人都可以在上边建立自己APP的时候，它的专业化程度就有了一个非常明确的指向。
这个页面是我在ChatGPT上建立了一个Supply Chain Sage(供应链先知)的APP，我打开ChatGPT的页面第一个是它的通用功能，第二个就是我自己的APP，我自己的APP它就会给我一个页面，你输入对话信息的话，它这里面保存了我之前跟它对话所有的历史信息，连一个字符都不会差。这种准确度是形成第二个阶段流程的应用和改进。
这个目录是我生成的，但是每一个第三级的标题就是我每一次跟它的对话，甚至是每三到四次的对话形成了一个文档。这样是通过人的思维、通过对话机制，我们去重构了供应链流程标准的这一套知识体系。
这个里面我增加了新冠疫情和贸易战，包括俄乌冲突和韧性供应链的影响，这个目前为止还是第二个阶段我们生成的结果，就是AI大数据应用的书。
我今天想说的是第三个阶段，第三个阶段是从ChatGPT从4o到5.1这个阶段，前两天ChatGPT又做了一个新的更新，在5的阶段出现了两个分叉，第一个分叉让它更拟人化，更像人，对话更流畅、思维更流畅。第二个是深度思维，让它考虑的深度更加更新。第三个阶段我们得到的结果是什么呢？所有的流程进行了重新的定义和优化，我把流程的每一个文本、每句话都已经重新更新。第二个是流程更加畅顺。第三个，我们会有非常准确的生成的流程图来体现。
大家看，以前我们在写每一章的时候，我们生成这章的图片非常难，在我做第二版的时候费了很大的力气才在目录上有一个图片里面让它包含了Chapter 1、Chapter 2，现在你可以非常轻而易举得到包含章节的标题和含义的示意图。
更关键的是什么呢，比如我问它AI在供应链里能做什么？上一次给我的结论是一组文字，这次给我的不仅仅是文字，给我一个流程的架构图，这个图现在是直接生成的结果，而且AI会问你，说我回答了你的问题，你需要我给你生成一个图表吗，还是你需要把这个内容做成PPT，还是word文档你来下载，这些都已经变成自动化的流程。
现在从供应链的计划、采购、制造、交付和回收的流程里面，每一个方面AI和大数据能做什么？它给我画成了很倾向的带有非常准确的文字描述的流程图，这就是这个阶段我们发现AI的升级从今年6月之后我们得到的一些结果。
举个例子，最重要的这个环节就是需求预测，假如一个企业需求预测的准确度能够提高1个百分点的话，它的供应链的整体效率可能会提高10%，甚至30%的效率，所以需求预测的准确度决定了供应链的整体效率。我就问它，我们需求预测需要哪些流程？需求预测需要哪些工具？以前我看了三四本关于需求预测的书，我们用回归分析等等一切的数学方法，现在AI所做的分析不仅仅是可以基于历史数据的，更是可以基于所有社交平台媒体的数据，而且它有所有数学的手段可以给你来使用，这个是非常大的进步。
我现在把需求预测的流程做了一点点放大给大家，如果时间允许的话，大概给大家念一下。比如左边是建议最低流程标准，这里面是什么呢？在需求预测的流程里边，需求预测的职能是分配给了AI加持的计划团队，需求预测结合了机器学习的能力去分析接入历史的数据、社交媒体的趋势、经济的指标和外部的数据。我们说AI赋能的这些预测工具跟我们以前用的软件最大的区别就是软件是基于结构性的数据和你企业的内部数据去做的，外部数据的获取要靠AI去完成。第三个问题是什么呢？就是ERP和IOT、CRM和POS系统所有产生的实时的数据，而且被考虑在内。还有关于定价的、营销的、季节趋势的和竞争者的这种行为也整合到了预测模型里面。AI和协同预测与补货工具（CPFR），结合起来用于多层级的协同，预测的绩效是持续得到监控的，而且采用了基于预测的偏差、预测的稳定性、服务的水平这类的指标来进行实时的校准。另外，实时的报警，在预测的变异里面会产生实时的提醒，短期的预测可以做到每天去进行更新。这个就是AI给出的最低流程标准的预测流程。如果说在座同学们有人去研究或者是做流程预测的话，AI给出的这套流程标准是可以用于正确指导我们的实践。
右侧的指标是结构性的由AI赋能的数据，整合了市场、客户和所有情报的数据，达到一个更高端的阶段。时间的关系，我不往下讲。
第二个阶段是采购流程。左图是采购战略，我们应该用什么样的采购战略。右图是采购的顺序，它包含主要内容和一种逻辑关系。
采购流程就是技术生态系统怎么用于采购流程。这样给我们提供了一个什么样的机会？任何你在这里面发现的东西可以往深再挖一层，你给我解释一下这个技术和工具到底是怎么来用。
这是制造的流程，AI+精益制造，丰田的大野耐一在二十多年以前提出精益方式的时候，那时候AI和大数据分析还没有用于供应链的制造和分析。制造最终的结果就是上午陈司长提了，所有制造的过程，如果加上区块链的价值交换的体系，实现合约自我的价值支付，我们可以完全实现未来的无人制造全过程的交付和价值结算。
我们看这个交付流程，从订单处理到最后成品的交付，究竟AI在这中间会发挥哪些作用。在订单处理的流程里面我们也看到了具体应用的结果。这是退货的流程、执行的流程，大概有十个方面，我都做了更新。
这次我增加了两个流程标准，就是供应链韧性的流程标准和绿色供应链的流程标准，这是在第一、第二版供应链流程标准里面都没有的内容。
我们得到了这样一个完整的更新版的流程标准，我觉得是第三个阶段的训练，是在过去一年多的时间里，ChatGPT能力的演进和我们对模型训练的结合得到的一个更新的结果，我得到了一共400多页流程的标准。这400多页的流程标准是今年10月份在全球的供应链大会上做了分享，当时我发持续一个邀请，我说我这次得到的结果，我希望找一批专业和企业家们来去验证，我发给你们阅读，由你们来去看这些东西是不是符合我们现在的需要，而且是否包含了准确可用的信息。
今天我为什么我把标题改为了AI应用更新和构建知识体系呢？新的流程图不再需要人的设计，比如说韧性、安全、绿色，所有这些流程我们看到了三级，甚至四级五级里面，如果任何一个人掌握AI工具，用我这个模型可以接着往下挖N个层级，这样你就可以到运作层面。比如像啤酒、游戏这种四级的供应的模型，你需要训练AI，它才能够跟你玩。但实际上现在在电子商务时代，由C2M，由客户直接下单给工厂的时候，这种四级放大的模型已经没有任何意义了，因为供应链已经完全扁平化了。
所以我们讲AI颠覆供应链知识体系的创造与知识体系的教育与学习方式。如果流程标准这套东西能够用来学习和指导未来的实践的话，我们如何将来教学生，我们如何建立知识体系，这种思维方式可能会完全改变。
Kate Vetashek 是二十年前起草供应链流程标准的人，二十年之后我这又把她请到我演讲的会场，让她去看我这次生成的东西，她觉得非常吃惊。
后面还有什么内容呢？就是我们特别要关注美国的行业巨头们，尤其是科技七巨头对AI基础设施领域里重大的投入，AI并不是没有泡沫，而且是刚刚开始，而且是在婴儿的阶段。AI并没有解决所有的问题，但是我们先看这一轮美国的科技巨头在AI领域巨量的投入，在未来的三到五年的时间里面将会改变所有的格局。
谢谢大家！
（根据速记整理，来源：中国物流学会）
深圳国际海事研究院院长
陈继红教授于盐田区政协举办的第十八期“经济讲堂”做“复杂地缘政治下的港口航运发展形势与深圳的策略”专题讲座。
讲座中，陈继红教授以系统且深入的方式剖析了全球海运格局的历史演变以及当前面临的挑战，全面回顾了美国国际海运业从曾经的辉煌逐步走向衰落的发展历程。随后，他着重围绕21世纪以来美国对华战略的演变情况，解读了美国从“亚太平衡”战略转向涵盖科技、海运、能源通道等多领域的“全球节点控制”策略，并对我国近期在国际海事领域遇到的问题进行了详细解析。面对当前复杂的新形势，陈继红教授深入探讨了中国在突围破局方面的短期应对措施以及中长期战略思考。在此背景下，他重点阐述了深化深港合作、推动盐田国际航运枢纽发展的明确方向，提出了共建航运物流与服务联动平台、打造数字供应链与智慧口岸体系、建设“科技+海事”融合平台等七个具体的合作方向，旨在共同构建能够有效应对风险、赋能全球发展的海洋命运共同体。
大连理工大学经济管理学院教授
鲁渤教授于北京理工大学经工讲堂2026年第12期以《数字经济时代智慧港口与航运产业的转型升级》为题作学术报告。
鲁渤教授围绕数字经济背景下港口与航运产业发展的新趋势展开分析。他指出，随着大数据、人工智能、物联网等新一代信息技术快速发展，传统港口和航运体系正加速向数字化、智能化、绿色化方向转型。智慧港口不仅是现代综合交通运输体系的重要组成部分，也是推动全球供应链协同与产业链升级的重要基础设施。在数字经济时代背景下，港航产业需要以数据驱动和智能决策为核心，不断提升资源配置效率、供应链协同能力与系统韧性水平。
在报告中，鲁渤教授系统介绍了团队近年来在港口与航运供应链管理领域的研究成果，并围绕港口运营优化、航运供应链协同调度、港航数字孪生、智能决策与韧性供应链构建等核心问题进行了深入阐释。他指出，基于大数据与人工智能的智能分析模型，能够有效提升港口运营效率与物流资源调度能力；同时，通过构建数字化协同平台，可以实现港口、航运企业与供应链上下游之间的信息共享与动态协同。进一步，他还结合国家重大战略需求与行业发展趋势，探讨了智慧港口与航运产业转型升级对于提升我国港航体系国际竞争力的重要意义。
报告最后，鲁渤教授结合自身科研与实践经验，分享了在国家社科基金重大项目、国家自然科学基金重点项目等研究中的思考与体会，并就数字经济时代交通运输与供应链研究的前沿方向与师生进行了交流。
报告内容聚焦数字经济与智慧港航产业发展前沿，兼具理论深度与现实意义，既系统展示了智慧港口与航运供应链研究的最新成果，也回应了数字化转型与绿色低碳发展的现实需求，对于学院师生进一步理解数字经济背景下产业转型升级、现代供应链治理与智慧交通体系建设具有重要启发意义。与会师生表示，报告拓展了对智慧港口与航运产业数字化发展的认识，对于深化相关领域研究、提升学术视野和问题意识具有积极促进作用。
北京物资学院原副院长
何明珂教授于2025年（第二十四次）中国物流学术年产学研协同创新：人工智能+物流的实践与展望专题分论坛发表题为《人工智能时代的物流与供应链管理》演讲
（一）物流与供应链管理变迁
何明珂首先梳理了物流与供应链管理的演进历程。他指出，从1960年代前的碎片化阶段，到1960年代的集并、1980年代的整合，再到2000年代的价值获取，行业经历了功能不断融合、边界持续扩大的过程。这一演进中，相关行业协会相继成立与转型，业务范围从单一的需求预测、仓储运输等功能，逐步拓展为涵盖市场营销、物流、信息技术、金融等多领域的供应链管理，核心逻辑是通过协同、优化、整合，形成更复杂的供应链网络体。
（二）物流与供应链管理变迁的底层逻辑
何明珂接着阐述了物流与供应链管理变迁的底层逻辑与物流协同的核心内涵。其中，行业变迁的底层动力源于生存竞争与创新进化，遵循“协同+优化+整合”的路径，最终走向平台化与生态化。而物流协同则是各参与主体基于目标一致，通过战略、战术和运营层面的协作、调整、同步，实现跨主体、跨区域、跨环节的高效联动，具体涵盖目标共识、机制建立、战略共商等九大实施维度，核心目标是降本、增效、提质。随后,他分析了AI数据处理与物流作业的异同及对物流智能化的影响。二者在核心对象、全链路流程、资源协同等方面存在相似性，物流行业可对标AI逻辑，通过建立货物数字化档案、打通全链路数据、搭建智能调度中心等实现智能化。但同时，货物的物理属性、开放的运行环境、复杂的协同主体等差异，也给物流智能化带来成本高、容错率低、标准化难度大等障碍，需针对性破解。
（三）人工智能时代物流与供应链管理变革
何明珂最后展望了人工智能时代物流与供应链管理的变革方向。他提出，行业需立足演进规律与AI技术特征，针对智能化面临的障碍，在设施设备、业务流程、技术标准等多方面进行优化。要依托AI算法实现动态决策与迭代优化，统一数据格式与设备接口标准，构建协同高效的运营生态，同时兼顾安全与合规要求，推动物流与供应链管理向更智能、更韧性、更高效的方向转型。
