百廿载弦歌不辍，双甲子薪火相传。今年10月，上海理工大学将迎来120周年华诞。作为管理学院专业学位教育中心“百廿沪江，卓越商学”品牌活动校庆巡礼的重要组成部分，“沪江观察”管理实务类课程于9月28日下午在军工路校区举行。ESCP欧洲高等商学院正教授、人工智能及决策系统研究中心主任，上海理工大学管理学院客座教授周炜受邀作题为“人工智能时代的全球供应链韧性——风险重构、智能协同与战略应对”的专题分享。管理学院副院长刘魏巍主持讲座，中心综合办公室主任孟陈莉等学院师生参加活动。
刘魏巍主持
从“预测”走向“韧性”，重新认识供应链风险
“预测更准确，供应链就更安全吗？”周炜从这一问题切入。他表示，需求预测能力提升，并不意味着企业就能有效应对突发冲击。当前，全球供应链风险主要来自政策与地缘变化、自然与基础设施、供应网络结构以及数字系统依赖等方面。因此，风险分析的着眼点应覆盖多级供应网络，而不仅限于一级供应商，以识别潜在风险及其可能产生的影响。
围绕供应链韧性，周炜介绍了四种关键能力：预判、承受、恢复和适应。预判是识别关键依赖，即找出供应链中一旦中断就会影响生产交付的环节，提前准备可执行预案；承受是在冲击发生后维持关键订单和最低服务；恢复是修复受损环节，使交付回到可接受水平；适应则是根据经验调整供应网络、产品和业务规则。
周炜作主题分享
效率、韧性与可持续性，关键在于平衡
面对复杂多变的供应链环境，周炜表示，提升供应链韧性并非简单增加库存或供应商数量，而是要在效率、韧性与可持续性之间做好平衡，通过增加灵活性、储备冗余、加强供应链合作、提升敏捷性等方式，增强应对风险的能力。
人工智能、大数据、信息科技，以及数字孪生、物联网、区块链等技术，为供应链韧性建设提供了新的支撑。与此同时，技术并不能独立完成风险应对，还需要供应选择、人员能力和协作机制等方面的配合，才能真正转化为供应链韧性。
从风险识别到协同执行，人工智能参与决策
在此基础上，周炜介绍了人工智能参与供应链决策的具体方式，将其概括为风险识别、情境分析、响应决策和协同执行四个方面。人工智能可以帮助企业识别关键依赖和潜在风险，在不同情境下比较应对方案，并结合业务约束辅助决策；进入执行阶段后，还需要明确审批权限、责任人员和资源安排，并根据实际反馈不断调整方案。
周炜强调，人工智能应用需要重视证据验证、场景假设和业务规则，避免因数据或模型局限形成错误判断。从预测型AI到生成式AI、智能体，再到优化与仿真，不同技术有不同的适用场景，企业需要结合具体业务需求合理选择。
讲座现场
强化智能协同，提升风险应对能力
结合中欧货运案例，周炜介绍了人工智能参与供应链风险应对的具体过程。面对关键零件到货延迟、原运输通道受阻等情况，企业可以通过替代采购、调整生产顺序、加急或改线等方式形成备选方案。人工智能在其中承担识别受影响订单、比较方案条件、跟踪执行偏差等工作，而最终决策仍需业务负责人核验约束、批准操作，并在复盘阶段更新预案和供应商表现记录。
周炜表示，韧性来自面对冲击时仍有选择，人工智能的价值需要组织与实体资源支撑，而持续学习则决定供应网络能否保持适应能力。针对不同类型企业，他建议龙头企业应识别多级依赖，就数据共享与应急责任进行协商；中小企业从交期异常等小场景切入，保留人工复核；产业集群则可建设共享服务，推动标准接口建设，加强应急协作。
互动交流
整场讲座紧扣人工智能发展与全球供应链变化，从风险识别、韧性建设到智能决策和协同应对，系统梳理了人工智能在供应链韧性中的应用思路与实践，为现场师生理解人工智能在供应链领域的应用提供了新的视角。
