📅 供应链周报

过去两周，供应链软件圈的发布会很少再拿模型参数说事。10月6日的SAP Connect大会上，SAP把重点放在Joule Agents的「分级自治」上——采购场景里，智能体发现供应商财务或合规风险后，只负责标记并推荐替代方案，拍板权留给人；到了制造和物流场景，智能体才被允许自主检测产线异常、优化出库与运输调度。SAP引用一家天然成分生产商的试点说，物流助手把多步故障排查变成一键解决，替团队挽回了约三分之一的故障处理时间。

同一天，物流软件商Descartes发布Agent Control Plane（智能体控制平面），让智能体按客户自定义的权限与审批点运行，并保留每一步操作的可追溯记录。几天后，意大利厂商Logistics Reply发布LEA智能体权限模型，把仓储AI的决策权按运营需求、就绪度、风险水平分级，仓库团队可以从「AI给建议」渐进过渡到「AI自动执行」，人始终保留关键决策的控制权。

这还没算上IBM今年推出的Agentic Control Plane，主打的也是可见性、治理与集中控制。三家赛道各异、互不相干的软件商，在同一周不约而同地把产品押在「给AI定权限」上，这不是巧合。

把镜头拉远，这个转向有价格标签。Gartner今年4月预测，供应链管理软件里带智能体能力的支出，将从2025年的不足20亿美元增至2030年的530亿美元，采用企业占比从5%升到60%。但同一份报告里藏着更关键的判断：企业的部署会持续落后于厂商的能力发布——瓶颈不是AI本身，而是它底下的一切。

变化发生在智能体拿到「写权限」的那一刻。一个预测模型错了，最多给出一条坏建议；一个带写权限的智能体错了，就会生成一笔真实的交易。有分析在谈自主供应链治理时把这句话说透了：风险面在智能从产生洞察走向执行动作时变了，治理的对象从模型变成了决策系统。

更麻烦的是，本周这批智能体已经不是单点工具，而是跨系统、跨企业协作的多个智能体。Lenovo覆盖180个市场的供应链、Rohto制药以及Kohler、Belden的部署里，智能体可以自主完成货运改道、库存再平衡和码头分配，报告称履约决策提速3倍、准时交付率从82%提到94%。但当几个智能体互相调用、各自写系统时，一次错误改道该由谁负责、怎么回滚，就成了一笔算不清的账。所以这些部署无一例外都配了护栏：成本上限、大额库存调整需人工授权、供应商沟通智能体只生成草稿。

SAP「采购留人、制造物流放权」的分法，恰好画出一条清晰的线——这条线在SCOR框架里就是计划层与执行层的分界。可逆、低风险、高频的执行动作（检测异常、优化调度）可以交给机器；不可逆、高价值、需要背书的决策（换供应商、动价格）必须留人。治理逻辑不是让AI少干活，而是按决策的可逆性来分配权限。

Gartner把这种就绪度缺口拆成四项：数据管理、运营治理、人才准备、平台伙伴。麦肯锡2026年的AI信任研究更直接——只有约30%的组织在战略、治理与智能体控制上达到成熟级，74%的受访者把「不准确」列为高度相关的AI风险，72%担心网络安全。厂商已经把智能体造出来了，多数企业还没想清楚哪些决策能交给它。

治理不是越严越好。有分析指出，如果控制层拦下了60%的拟议动作，规划员会绕开系统，影子流程出现，组织比不用AI时更糟——多了一堆没人监控的私下操作。有效的部署靠的是策略精度而不是一揽子限制，把常规动作的自动执行率维持在八成以上。

还有一个被低估的成本。先造智能体、后补护栏，改造成本是「从第一天就把控制设计进去」的三到五倍。治理不是上线后的补丁，而是架构的一部分。

更隐蔽的风险在人的身上。有从业者提醒，当智能体吸收了日常异常处理，有经验的规划员会慢慢丢掉手动决策的熟练度——不是因为系统失败，而是因为不再练习。系统一旦宕机，组织会立刻变脆。护栏设计必须配套一套技能连续性机制，否则自动化了判断，却没保住判断力。

授权模型本身也在制造新的分水岭。谁先把「哪些决策可自动化、哪些必须留人、升级路径是什么」定义清楚，谁才有资格进入下一阶段的规模化；反过来，只买模型、不谈授权，等于把关键动作交出去之前没画好边界。

Gartner的判断是，靠先进智能体真正落地的厂商，会在预测期的后半段拿到可持续的竞争优势。竞争的焦点，正从谁的模型更强，转向谁把治理做成了产品——控制平面、权限模型、可审计留痕，这些上周还是附属功能的东西，正在变成软件本身的卖点。用M4SC的话说，这是「怎么管理」这一层的升级：智能体接管了「怎么运作」，剩下的竞争都落在协同与治理层。

对从业者而言，这个转变意味着岗位价值的迁移。Gartner的采购研究给出一个具体数字：采购的价值结构里，「降本」的占比会从2025年的52%降到2030年的29%，「创新」会从35%升到54%。智能体把流程执行接走之后，人腾出来的时间要去做供应商创新、风险治理这类战略活，计划员的角色也会从录单、盯异常转向调策略、审例外。

所以给一线从业者的动作清单很朴素，也很反直觉：先画决策矩阵，再买模型。把供应链里高频、可逆、规则清晰的决策先列出来，逐一定义「AI可自主执行的上限、触发人工升级的条件、必须留痕的审计标准」，再回头选工具。可逆性是最好的试金石——错了能便宜地改回来，就多放权；错了要赔客户、动合同、涉安全，就把审批门槛抬高。

供应链AI这场仗，头两年比的是谁聪明，现在比的是谁守规矩。真正稀缺的能力，不是让智能体做更多事，而是事先想清楚——哪些事，永远不该让它自己做主。