技术进步将为供应链技术领导者和首席供应链官 (CSCO) 提供机遇，帮助他们实现数字化价值、提升员工生产力并创新运营模式。在这些新兴机遇中，有名的研究咨询公司Gartner 于2025年2月发布了《2025 年最重要的供应链技术趋势》的研究报告【1】。列出了 2025 年最重要的供应链技术趋势，旨在帮助领导者实现这些目标。Gartner在【1】 已经确定了未来几年最具影响力的供应链技术趋势，这些趋势与供应链职能相关并跨越供应链职能。跟踪它们将有助于供应链技术领导者通过负责任的创新塑造组织的未来。

Gartner 供应链业务副总裁兼首席研究官Christian Titze表示：“今年的趋势凸显了供应链中互联互通和智能化的变革潜力，使领导者能够提升运营效率和适应能力。通过评估和整合代理人工智能和智能仿真等先进技术，企业可以实现特定目标、促进创新并获得长期竞争优势。”

本文首先概述Gartner 2025年顶级战略性供应链技术趋势， 然后逐一介绍和解读2025年及以后的顶级战略性供应链技术趋势。最后回顾了Gartner关于战略性供应链技术趋势的研究，并指出顶级供应链技术趋势的新特征。

一、2025年顶级战略性供应链技术趋势概述

1.1 供应链组织的新机会

Gartner指出供应链组织需要考虑以下新机会：

• 技术的进步为供应链技术领导者提供了支持首席供应链官 （CSCO） 优先事项的机会，包括数字和人工智能 （AI） 价值实现、员工生产力和员工对员工 （E2E） 运营模式战略制定。

• 要充分发挥供应链技术投资过去和未来的潜力，需要对“连接性”进行投资。

• 解决“智能”主题的技术为竞争差异化带来了更多机会。

• 网络安全供应链和整体可持续性是需要考虑的进一步趋势，因为它们解决了生态系统中多个维度的更广泛影响。

1.2 Gartner对供应链领导的建议

供应链技术领导者和其他高管在制定供应链技术战略和选择以及创新的中长期计划时，必须：

• 根据明确映射到业务成果的需求和使用案例，识别和评估创新技术。

• 通过建立明确的治理流程来吸引利益相关者并验证机会，征求有关使(shǐ)用(yòng)创(chuàng)新(xīn)技(jì)术(shù)并(bìng)确(què)定(dìng)其(qí)优先级以改善和转变供应链的建议。

• 通过不断评估和采用数字技术，例如环境隐形智能、增强的互联劳动力、多模式用户界面（UI）和多功能机器人，帮助扩展连接。

• 确定培养“智能”的机会，其中对规模和效率和适应性有很大的需求。这包括代理 AI、自主数据收集、决策智能（DI）和智能仿真。

• 默认情况下，通过使用严格的治理方法（包括将风险管理作为 IT 创新流程的一部分）来管理每个数字化转型计划的安全性和可持续性功能。

1.3 2025顶级供应链技术的趋势和主题

供应链技术领导者处于独特的位置，可以制定路线图，展示技术投资如何帮助他们的企业在不确定性和压力下保持成功并推动竞争优势。供应链技术领导者和供应链业务领导者都必须评估战略技术趋势的影响和好处。鉴于技术创新的速度不断加快，这可能很困难。

每年，Gartner 都会为供应链高管确定最相关、最最新和最有影响力的技术趋势。这使我们能够确定哪些单一趋势或战略组合将对组织及其运营所在的生态系统产生最重大的影响。

今年的主要趋势分为两大主题：

• 连接 — 在不同领域中发挥关键作用，推动创新、效率以及人机交互。正在进行的数字化转型以及对集成和协作的日益重视支撑了其重要性。

• 智能 — 集成先进技术以优化流程、提高成本效益、改进决(jué)策(cè)，并(bìng)在(zài)快(kuài)速(sù)变(biàn)化(huà)的(de)业(yè)务(wu)环(huán)境(jìng)中(zhōng)创(chuàng)建(jiàn)更(gèng)敏(mǐn)捷(jié)、适(shì)应(yīng)性(xìng)更(gèng)强(qiáng)的(de)供(gōng)应(yīng)链(liàn)。

Gartner对(duì)主要(yào)战(zhàn)略(è)供(gōng)应(yīng)链(liàn)技(jì)术(shù)趋(qū)势(shì)的(de)描(miáo)述(shù)并(bìng)不(bù)是(shì)一(yī)个(gè)趋(qū)势(shì)比(bǐ)其(qí)他(tā)趋(qū)势(shì)更(gèng)重(zhòng)要(yào)的(de)排(pái)名列(liè)表(biǎo)（见(jiàn)图(tú) 1）。相(xiāng)反(fǎn)，趋(qū)势(shì)是(shì)相(xiāng)互(hù)关联(lián)的(de)，其(qí)重(zhòng)要(yào)性(xìng)不(bù)仅(jǐn)因(yīn)组(zǔ)织(zhī)成(chéng)熟(shú)度(dù)而(ér)异(yì)，还(hái)因(yīn)行(xíng)业(yè)、业(yè)务(wu)需(xū)求(qiú)和(hé)先(xiān)前(qián)制(zhì)定(dìng)的(de)战(zhàn)略(è)计(jì)划(huà)而(ér)异(yì)。

图(tú)1：2025 Gartner八(bā)大(dà)供(gōng)应(yīng)链(liàn)技(jì)术(shù)趋(qū)势(shì)（来(lái)源(yuán)：Gartner【1】）

根(gēn)据(jù)组(zǔ)织(zhī)的(de)具(jù)体(tǐ)情(qíng)况(kuàng)，检(jiǎn)查(chá)和(hé)评(píng)估(gū)自(zì)身(shēn)的(de)的(de)趋(qū)势(shì)潜(qián)力(lì)，包(bāo)括(kuò)组(zǔ)织(zhī)成(chéng)熟(shú)度(dù)、行(xíng)业(yè)部(bù)门(mén)和(hé)风(fēng)险(xiǎn)文化。将它们纳入组织未来几年的战略规划中，并相应地调整业务模式和运营。组织可以将某些趋势用于特定目标，而可以将其它趋势用于多种用途。鉴于趋势本身之间的联系，它们所属的主题是重叠的。

然而，定期评估技术趋势的供应链组织将会更好地准备随着时间的推移将其纳入其商业模式和战略，从而使他们能够在适当的时候抓住竞争优势。图1中的两大主题概况被列于下表(见图2)。

图2：2025年Gartner八大供应链技术趋势的两大主题概况（来源：Gartner【1】）

2025年的主题驱动因素是：

• 连通性：供应链领导者需要利用新兴技术来增强连通性。

• 智能化：利用促进智能的工具来推动竞争差异化和运营效率。

二、2024年及以后的顶级战略性供应链技术趋势

本节基于Gartner的研究报告【1】，分两大主题介绍和讨论2025年及以后的8个顶级战略性供应链技术趋势（见图1-2）。

2.1 连接（Connectivity）主题

该主题包括以下四个旨在利用新兴技术来增强连通性的趋势：

• 环境隐形智能（Ambient Invisible Intelligence）

• 增强互联劳动力（Augmented Connected Workforce (ACWF)）      

• 多模式用户界面（Multimodal UI）

• 多功能机器人（Polyfunctional Robots）    

2.1.1 环境隐形智能（Ambient Invisible Intelligence）

环境隐形智能是一种利用新兴的隐形传传感器技术连接企业与环境的新兴技术。【2】指出，环境智能揭示您组织的盲点。传感器技术越来越便宜，越来越不显眼，从而能够从最隐蔽的流程中捕捉洞察。尽管组织收集的数据量大幅增加，但在信息获取成本高昂的领域或情况下，它们仍然存在盲点。这既带来了成本，也带来了风险。利用隐形技术克服不知道产品在哪里或如何存储的业务风险，隐形技术可以从价值链中以前隐藏的部分提供洞察。Gartner在其Gartner的《2025 年顶级战略技术趋势》的研究报告中，环境隐形智能被列为十大顶级技术之一【3】，笔者在【3】中对其做了详细解读。图3列举了若干示例。

图3：环境隐形智能的示例（来源：Gartner【3】）

从图3可见，这项技术与(yǔ)供(gōng)应(yīng)链(liàn)密(mì)切(qiè)相(xiāng)关，它(tā)将(jiāng)帮(bāng)助(zhù)供(gōng)应(yīng)链(liàn)连(lián)接(jiē)到(dào)它(tā)的(de)复(fù)杂(zá)环(huán)境(jìng)，发(fā)现(xiàn)其(qí)在(zài)运(yùn)行(xíng)环(huán)境(jìng)中(zhōng)的(de)盲(máng)点(diǎn)，从(cóng)而(ér)改(gǎi)善(shàn)供(gōng)应(yīng)链(liàn)运(yùn)营(yíng)。因(yīn)此(cǐ)Gartner将(jiāng)其列入2025年顶级的八大供应链技术趋势之一。

2.1.2 增强互联劳动力（Augmented Connected Workforce (ACWF)）

在Gartner 的 2024 年关键技术展(zhǎn)望(wàng)【4】中(zhōng)，首(shǒu)将(jiāng)“增(zēng)强(qiáng)互(hù)联(lián)劳(láo)动(dòng)力(lì)”确(què)定(dìng)为(wèi)需(xū)要(yào)关注(zhù)的(de)重(zhòng)要(yào)趋(qū)势(shì)之(zhī)一(yī)，并(bìng)指(zhǐ)出(chū)到(dào) 2027 年(nián)，25% 的(de) CIO 将(jiāng)使(shǐ)用(yòng)增(zēng)强(qiáng)互(hù)联(lián)劳(láo)动(dòng)力(lì)计(jì)划(huà)，将(jiāng)关键职(zhí)位(wèi)的(de)能(néng)力(lì)培(péi)养(yǎng)时(shí)间(jiān)缩(suō)短(duǎn) 50%。接(jiē)着(zhe)Gartner将(jiāng)其(qí)列(liè)入(rù)2024年(nián)八(bā)大(dà)供(gōng)应(yīng)链(liàn)顶(dǐng)级(jí)技(jì)术(shù)趋势之一【5】，并预测到 2027 年，全球一半的企业制造商将通过 ACWF 战略支持的新参与模式创造 15% 的新职位。笔者在【5】中还给出了ACWF的技术框架，市场发展趋趋，以及实现ACWF的关键技术。有兴趣的读者可参见【5】。要实现ACWF并非易事，因此Gartner在2025年的八大供应链顶级技术趋势的研究报告【1】中提出了更精准的预测。

2.1.3 多模式用(yòng)户(hù)界(jiè)面(miàn)（Multimodal UI）

多模式UI技术迅速兴起的主要驱动力包括以下几个方面:

• 多模式新兴技术，如复合Al，多模态LLM，多模态GenAl等正在兴起和被企业(如供应链组织)选择或釆用，而选择或成功釆用这些新兴技术的关键标准在于其用户体验(UX)。而多模式UI技术正是提高这些新兴技术用户体验的关键技术。

• 智能手机、智能手表、智能电视和可穿戴设备等智能设备的广泛使用，推动了对更复杂交互方式的需求。多模态用户界面满足了消费者日益增长的对无缝直观的设备交互体验的期望。人们越来越希望能够通过语音命令、触摸屏和手势的组合来控制设备。

• 多模态用户界面 (UI) 正在改变人类与科技的交互方式，它能够通过多种输入方式（包括语音、触控、手势和视线追踪）实现无缝沟通。与传统的单模态用户界面不同，多模态界面允许用户根据自身情况选择最直观的交互方式，从而增强了可访问性、适应性和用户参与度。人们对免提和非接触式交互的需求日益增长，推动了多模态用户界面在智能设备、车载信息娱乐系统和工业应用中的应用。

多模式UI市场趋势【6】：

推动多模态UI行业发展的最重要趋势之一是AI与NLP技术的融合。AI算法使设备能够实时理解和解读来自语音和手势等多种输入源的复杂数据。这一趋势在声控虚拟助手和智能家居系统中尤为突出。

自然语言处理 (NLP) 可以更准确地处理语音命令，而人工智能 (AI) 则提升了设备从用户交互中学习的能力，使界面随着时间的推移更加灵敏和个性化。人工智能与多模式用户界面 (UI) 的融合正在提升用户体验，并为医疗保健、教育和汽车系统等领域的创新创造机会。

多模式UI市场规模【6】：

2023年，全球多模态用户界面市场规模达195亿美元，预计2024年至2032年的复合年增长率将达到16.5%（见图4）。人工智能 (AI) 和机器学习 (ML) 技术的兴起已成为市场变革的动力。这些先进的算法可以分析和处理来自语音、触觉、手势甚至面部识别等多种模态的数据。AI模型使设备能够更准确地解读人类行为，从而实现更流畅、更直观的交互。

图4：多模式UI市场规模（来源：GMI【6】）

【7】列举了7个新兴生成式 AI 用户界面，并指出这些新兴用户界面如何改变交互：

1. 聊天机器人：聊天机器人彻底改变了人类与人工智能的互动方式。它们是旨在仿真人类互动的对话代理。例如 ChatGPT、Claude 和 Perplexity。这些聊天机器人可以执行各种任务，从回答问题、提供建议到生成创意内容和协助客户服务。它们能够理解和生成人类语言，使其成为个人和专业用途的宝贵工具。聊天机器人的对话特性允许直观的用户交互，使复杂的任务更易于管理。

2. 增强型浏览器：增强型浏览器将人工智能功能直接集成到网络浏览器中，通过智能功能提升浏览体验。谷歌、ARC 和必应等知名浏览器均利用人工智能提供个性化搜索结果、预测性文本和内容摘要。它们还可以根据用户行为和偏好提供上下文信息和推荐。将人工智能集成到浏览器中，可以帮助用户更高效地浏览海量在线信息，将网络变成一个更加个性化、更易于访问的空间。

3. AI 工作区：AI 工作区旨在通过将 AI 工具集成到日常工作环境中来提高生产力。例如 Devin AI、GitHub Copilot Enterprise 和 Custom GPT Builder。这些平台可协助 AI 驱动的编码、项目管理和内容创建。它们可以自动执行重复性任务，提供智能建议，并促进团队成员之间的协作。通过将 AI 直接嵌入到工作流程中，这些工作区使用户能够更智能、更高效地工作，最终提高整体生产力和创新能力。

4. AI 工作簿： AI 工作簿将 AI 的强大功能与传统的数据分析和管理工具相结合。例如 V7 Go、Elicit Workbooks、Sheets 或 Excel API 集成。这些平台增强了数据处理能力，使用户能够自动输入数据、执行复杂计算并从海量数据集中获取洞察。AI 工作簿还可以提供数据可视化建议和预测分析，使用户能够更轻松地解读数据并采取行动。将 AI 集成到数据管理工具中，可以改变企业和个人处理信息的方式，从而提高决策能力和效率。

5. 通用界面：通用界面代表了人工智能交互的新范式，它提供了一个集成多种人工智能功能的统一的平台。Project Astra 就是这种方法的典范。它提供了一个统一的界面，用户可以访问各种人工智能工具和服务，从自然语言处理到计算机视觉。这种无缝集成简化了用户体验，使用户与人工智能技术的交互更加流畅高效。通用界面旨在打破不同人工智能应用程序之间的壁垒，创建一个更全面、更易于访问的人工智能生态系统。

6. AI 表单：AI 表单利用生成式 AI 来简化和增强表单填写流程。例如 Upwork Job Posts 和 Typeform AI。这些表单使用 AI 根据用户输入和偏好自动生成和填充字段，从而减少填写所需的时间和精力。AI 表单还可以提供智能建议，确保输入的信息准确且相关。这种自动化流程改善了用户体验，并提高了数据收集和处理的效率。

7. 无面容工作流程：无面容工作流程代表着工作流程向更自动化、更隐形的AI集成的转变。这种方法涉及将AI功能直接嵌入后端流程，从而允许无需用户直接交互即可完成任务。AI驱动的自动化可以处理从调度和资源分配到监控和维护的所有事务。通过消除对传统用户界面的需求，无面容工作流程实现了无缝高效的操作，使用户可以专注于更具战略性和创造性的任务。

总而言之，这七种新兴的生成式人工智能用户界面改变了人们与科技的互动方式。从聊器人、增强型浏览器到人工智能工作空间和通用界面，这些创新使人工智能更易于访问、更直观，并更容易融入日常生活。随着人工智能的发展，这些界面将在塑造人机交互方面发挥关键作用，推动各个领域的生产力、创造力和效率的提升。

现代供应链和物流本身就是多模式的，它釆用多模式的技术和管理系统，处理多模式数据，特别是许多供应链组织己经或正在釆用人工智能和智能机器人技术，因(yīn)此(cǐ)釆(biàn)用(yòng)新(xīn)兴(xìng)的(de)多(duō)模(mó)式(shì)UI技(jì)术(shù)将(jiāng)有(yǒu)助(zhù)于(yú)改(gǎi)善(shàn)供(gōng)应(yīng)链(liàn)的(de)人(rén)机(jī)交(jiāo)互(hù)方(fāng)式(shì)及(jí)用(yòng)户(hù)体(tǐ)验(yàn)，提(tí)高(gāo)生(shēng)产力，创造力和效率。

2.1.4 多功能机器人（Polyfunctional Robots）

据【8】，目前，工业企业拥有近四百万台单功能机器人。它们已经解决了劳动力短缺问题，降低了成本，并提高了效率。随着能够执(zhí)行(xíng)多(duō)种(zhǒng)功(gōng)能(néng)的(de)机(jī)器(qì)人(rén)的(de)不(bù)断(duàn)发(fā)展(zhǎn)，企(qǐ)业(yè)可(kě)以(yǐ)提(tí)升(shēng)这(zhè)些(xiē)机(jī)器(qì)的(de)价(jià)值(zhí)。与(yǔ)单(dān)一(yī)功(gōng)能(néng)机(jī)器(qì)人(rén)相(xiāng)比(bǐ)，多(duō)用(yòng)途(tú)机(jī)器(qì)人(rén)可(kě)以(yǐ)更(gèng)快(kuài)地(de)带(dài)来(lái)投(tóu)资(zī)回(huí)报(bào)。它(tā)们(men)通(tōng)过(guò)以(yǐ)下(xià)方(fāng)式(shì)实(shí)现(xiàn)：

• 更(gèng)灵(líng)活(huó)的(de)劳(láo)动(dòng)力(lì)。多(duō)功(gōng)能(néng)机(jī)器(qì)人(rén)可(kě)以(yǐ)完(wán)成(chéng)各(gè)种(zhǒng)不(bù)同(tóng)的(de)任(rèn)务(wu)，从(cóng)而(ér)打(dǎ)造(zào)一(yī)支(zhī)能(néng)够(gòu)适(shì)应(yīng)当(dāng)前(qián)需(xū)求(qiú)的(de)灵(líng)活(huó)劳(láo)动(dòng)力(lì)队(duì)伍(wu)。

• 更(gèng)高(gāo)的(de)机(jī)器(qì)人(rén)效(xiào)用(yòng)。当(dāng)企(qǐ)业(yè)可(kě)以使用同一机器人完成多项任务时(shí)，该(gāi)组(zǔ)织(zhī)不仅可以更多地使用机器人，还可以利用它们来完成最重要、价值最高的活动。

• 更强大的人(rén)机(jī)协(xié)作(zuò)。这(zhè)些(xiē)机(jī)器(qì)人(rén)专(zhuān)为(wèi)在(zài)人(rén)类(lèi)环(huán)境(jìng)中(zhōng)运(yùn)行(xíng)而(ér)设(shè)计(jì)，并(bìng)使(shǐ)用(yòng)专(zhuān)为(wèi)人(rén)类(lèi)接(jiē)触(chù)而(ér)设(shè)计(jì)和(hé)定(dìng)位(wèi)的(de)设(shè)备(bèi)。这(zhè)与(yǔ)那(nà)些(xiē)可(kě)能(néng)在(zài)划(huà)定(dìng)空(kōng)间(jiān)或(huò)笼(lóng)子(zi)内(nèi)运(yùn)行(xíng)以(yǐ)保(bǎo)护(hù)附(fù)近(jìn)人(rén)类(lèi)的(de)单(dān)一(yī)功(gōng)能(néng)机(jī)器(qì)人(rén)不(bù)同(tóng)。随(suí)着(zhe)多(duō)功(gōng)能(néng)机(jī)器(qì)人(rén)能(néng)够(gòu)通(tōng)过(guò)步(bù)进(jìn)或(huò)执(zhí)行(xíng)反(fǎn)水(shuǐ)平(píng)任(rèn)务(wu)在(zài)人(rén)类(lèi)空(kōng)间(jiān)中(zhōng)穿(chuān)行(xíng)，这(zhè)项(xiàng)技(jì)术(shù)将(jiāng)推(tuī)动(dòng)制(zhì)造(zào)商(shāng)探(tàn)索(suǒ)新(xīn)的(de)外(wài)形(xíng)尺(chǐ)寸(cùn)、形(xíng)状(zhuàng)和(hé)尺(chǐ)寸(cùn)。

Gartner将(jiāng)多(duō)功(gōng)能(néng)机(jī)器(qì)人(rén)列(liè)为(wèi)2025年(nián)及(jí)以(yǐ)后(hòu)的(de)十(shí)大(dà)主要(yào)战(zhàn)略(è)技(jì)术(shù)趋(qū)势(shì)之(zhī)一(yī)【3】。 笔者在【3】中对多功能机器人的特征，架构有较详细解读，有兴趣者可参看【3】。

下面是多功能机器人的几个案例。

• 亚马逊全自主的移动机器人Proteus：2012年，亚马逊收购了机器人公司Kiva，该公司(sī)率先研发了名为“驱动单元”的仓库机器人。十年过去，亚马逊如今拥有超过52万个机器人驱动单元。同样在2022年，该公司推出了Proteus（见图5），这是一款完全自主的移动机器人，旨在安全地融入亚马逊员工工作的同一物理空间。Proteus利用先进的安(ān)全、感(gǎn)知和导航功能，完全自主地在仓库中移动。Proteus是一款自主移动机器人，可以在亚马逊配送中心拾取、运输和放下集装箱。该机器人设计用于在与人类工人共享的空间内安全运行，并利用光、声音甚至物理运动来帮助附近的人了解其状态和意图。

图5：亚马逊全自主的移动机器人Proteus（来源：【9】）

• 据【10】，Ocado 的自动化履行中心使用多功能机器人快速处理订单(dān)，效率提高 400%以上。

• 人形多功能机器人（见图6）：人形机器人旨在模仿人类的动作和认知能力。它们应用于客户服务、医疗保健和研究领域。人形机器人具备语音识别、自然语言处理和先进的移动能力，可以协助完成从护理到互动式客户支持等各种任务。

图6： 人形多功能机器人（来源：【11】）

将(jiāng)多(duō)功(gōng)能(néng)机(jī)器(qì)人(rén)融(róng)入(rù)全球(qiú)供(gōng)应(yīng)链(liàn)，彻底改变了传统的物流和制造流程。这些机器人提高了订单履行的准确性，缩短了交货时间，并使企业能够快速响应市场需求。通过自动化重复性任务，并促进供应链内部的创新和敏捷性，企业可以将人力资源重新分配到更具战略性的角色。

据 Data Intelo 预测【12】，全球多功能机器人市场规模将从 2023 年的约 80 亿美元增长至2032 年的 210 亿美元，复合年增长率 (CAGR) 为 11.5%。

2.2 智能（Intelligence ）主题

该主题包括以下五个旨在提高生产力，推动增长，加速数字化业务的趋势：

• 代理人工智能（Agentic AI）

• 自主数据收集（Autonomous Data Collection）

• 决策智能（Decision Intelligence (DI)）

• 智能仿真（Intelligent Simulation）

2.2.1代理人工智能（Agentic AI）

2024年10月代理人工智能（Agentic AI）首次被列为Gartner 2025 年顶级战略技术趋势之一【3】。接着2025年2月它被确立为Gartner 2025 年最重要的供应链技术趋势之一。笔者在【3】中详细讨论了代理人工智能的概念，特征，应用分类等。可供读者参考。本文将继续介绍的新的概念，应用进展等。

• 代理人工智能是一类人工智能实践：Gartner在其2025年元月的一个网络研讨会的演讲《人工智能代理：人工智能的下一个大事件》【13】中有趣地将人工智能分为两个大类：

人工智能技术

人工智能是一门计算机工程学科：一系列基于数学或逻辑的技术，用于仿真认知过程。（【13】从认知系统的视角给出的人工智能的定义）

人工智能技术主要包含的内容被描写在图7中。

图7： 人工智能技术（来源： Gartner【13】）

人工智能实践

目前已有的在图8中的大类包括复合AI，生成式AI，决策智能，自适应AI，数据科学，代理式AI…最新的代理式AI被定义如下：

Agentic AI是一种利用AI代理风格的软件实现的AI实践，其中AI代理是自主或半自主的软件实体，它们使用AI技术在数字或物理环境中感知、做出决策、采取行动并实现目标。

图8： 人工智能实践（来源： Gartner【13】）

• Agent，AI Agent与Agentic AI的(de)比(bǐ)较(jiào)

最近看到北京大学发布的《AI+Agent与Agentic+AI的原理和应用洞察与未来展望》研究报告【14】，该报告深入剖析AI+Agent与Agentic+AI的原理、应用及未来发展趋势，为读者呈现一个全面而详细的知识图景。图9源于该报告，对Agent，AI Agent与Agentic AI作了一个简单的比较。更深入的内容请参看原文【14】。

图9：Agent，AI Agent与Agentic AI的比较（来源：北京大学【14】）

此外，【15】指出，虽然人工智能代理代表了人工智能能力的重大飞跃，特别是在自动化狭义任务方面。Agentic AI系统代表了一类新兴的智能架构，其中多个专门的Agent协同工作以实现复杂的高级目标。这些系统由模块化代理组成，每个代理都负责一个更广泛目标的不同子组件，并通过集中式编排器或分散式协议进行协调（见图10）。

图10：左边是单任务AI Agent，右边是一个多智能体协作的智能人工智能系统（来源：【15】）

• 应用Agentic AI的十大供应链公司

供应链正在经历一场深刻的变革。这场变革的核心是代理型人工智能 (Agentic AI)，这是一种新一代智能代理，能够自主行动、实时调整，并在无需持续人工干预的情况下提供有意义的业务成果。与传统自动化甚至基础人工智能模型不(bù)同(tóng)，代(dài)理(lǐ)型(xíng)人(rén)工(gōng)智(zhì)能(néng)不(bù)仅(jǐn)支(zhī)持(chí)决(jué)策(cè)，更(gèng)驱(qū)动(dòng)决(jué)策(cè)。美(měi)国(guó)供(gōng)应(yīng)链(liàn)数(shù)字(zì)化(huà) (Supply Chain Digital)杂(zá)志(zhì)考(kǎo)察(chá)了(le)代(dài)理(lǐ)人(rén)工(gōng)智(zhì)能(néng)及(jí)其(qí)在(zài)供(gōng)应(yīng)链(liàn)中(zhōng)的(de)应(yīng)用(yòng)方(fāng)面(miàn)处(chù)于(yú)领(lǐng)先(xiān)地(de)位(wèi)的(de)十(shí)家公司（见下表）。

2.2.2 自主数据收集（Autonomous Data Collection）

在变革性技术和战略调整的推动下，全球供应链正在经历一场巨变。一场无处不在、加速发展的数字化转型(xíng)正在悄然进行，其核心是人工智能 (AI) 和自动化。【16】指出，供应链将比你预期更快地实现(xiàn)自主化。

图11：供应链自主化之路（来源：Gartner【16】）

为了实现这一目标，首席供应链管理顾问需要设计一种新的供应链运营模式，该模式以实时数据可用性和人员赋能为导向，从而实现更优的决策。数字化是关键的推动因素，不仅因为它能够帮助自动化原本需要人工判断或行动的任务，还因为它能够帮助释放员工被困的才能，将他们的时间从非增值任务中解放出来，并增强他们的决策能力。领先的供应链已在路上。

供应链自主化必然要求供应链数据的收集自(zì)主化。这是推动自主数据收集技术发展的重要动力之一。另外仓库自动化技术也促进了这一技术的发展。该技术首次被列入2024年Gartner移动机器人和无人机技术的成熟度曲线（Gartner hype cycle for mobile robots and drones technologies）（见图12）和2024 年供应链执行技术的成熟度曲线（见图13）。

图12：2024年Gartner移动机器人和无人机技术的成熟度曲线（来源：Gartner【17】）

图13：2024年Gartner供应链执行技术的成熟度曲线（来源：Gartner【18】）

【17-18】将“室内飞行无人机”重新命名为“自主数据收集和检查”，因为飞行无人机虽然很有趣，但并不是自主数据收集的唯一用例，其中还包括使用移动机器人。【18】对该技术做了详细分析，并定义了这个技术趋势。

定义：自主数据收集和检查使用各种技术，例如室内飞行无人机和移动机器人来自主捕获数据。这些解决方案使用人工智能视觉或 RFID 等技术来支持库(kù)存(cún)管(guǎn)理、检查和监视等用例。解决方案通常包括移动平台（例如飞行无人机或移动机器人）、机载摄像头或其他传感器，以及用于导航的先进人工智能软件。

为什么这很重要：诸如周期盘点之类的库存管理任务既耗时又低效，而且将人员举到高空盘点库存存在安全隐患。通过使用自主数据收集和检查平台实现此过程的自动化可以带来显著的业务效益。它允许以更快的速度更频繁、更安全地执行流程，同时降低成本并减少对业(yè)务(wu)的影响。

2025年Gartner首次将自主数据收集列为八大顶级供应链技术趋势之一【1】，将其概念和市场，及应用扩展到整个供应链。【19】指出，利用传感器、摄像头和其他技术自动收集数据，提高准确性并减少人工工作量。它对库存准确性和劳动力节省的影响巨大。一家全球航运组织报告称，通过使用机器人和摄像头自动进行循环盘点，每周节省了40个小时，并实现了(le)100%的(de)库(kù)存(cún)准(zhǔn)确(què)率(lǜ)。

2.2.3 决(jué)策(cè)智(zhì)能(néng)（Decision Intelligence (DI)）

所有的人类活(huó)动(dòng)都(dōu)围(wéi)绕(rào)着(zhe)做(zuò)作(zuò)出(chū)选(xuǎn)择或决策。在当今复杂的商业世界中，在正确的时间及时做出正确的决策具有至关重要的意义。 然而传统的决策技术既不能保证决策的正确性也缺乏决策的敏捷性。笔者在【20，21】中介绍了Gartner提出的超越传统决策技术的决策智能（DI）概念，技术框架，技术和市场发展趋势，以及决策智能平台(DIP)的兴起和若干案例。其中也包括决策智能在供应链中的应用和案例。特别在【22】中介绍了决策智能在供应链计划技术中的应用，以及新兴的以决策为中心的计划技术。图14指出了决策智能是供应链计划技术演进高级阶段。有兴趣的读者可参看【20-22】。

图14：供应链计划技术的演变（来源：【22】）

最近Gartner 的高级分析师David Pidsley在《利用决策智能趋势连接人工智能和业务成果》【23】中指出，数据本身并不能推动有意义的变革，真正产生影响的是基于数据做出的决策。根据Gartner 2024 年 CDAO 议程调查，三分之一的组织已经实施了决策智能 (DI)。DI 通过理解和设计决策流程，并通过反馈改进结果来增强决策能力。虽然 DI 不仅仅是用于决策的人工智能(néng)，但(dàn) Gartner 预测，到 2027 年，50% 的业务决策将由使用决策智能的人工智能代理进行增强或自动化。DI 仍然是一种以决策为中心、与技术无关（对于特定问题，没有“一刀切”的解决方案。）的实践，它弥合了洞察力与行动之间的差距。

图15显示了快速成长的DI平台市场：不断成长的代表性供应商。其中也包括了中国的第四范式决策智能平台。

图15：DI平台市场：代表性供应商（来源：【23】）

负责DI平台的市场研究的David Pidsley于2025年2月14日宣布，Gartner计划于2025年12月3日首次发布新的DI平台魔力象限，这将是Gartner《决策智能平台市场指南》的升级版。新版将取代2024年7月18日发布的Gartner市场指南【20】，该指南将不再更新。这一宣布预示着DI平台已开始向成熟产品迈进的重要一步。

2.2.4 智能仿真（Intelligent Simulation）

Gartner首次将“仓库仿真与建模”列入2019年的供应链执行技术的成熟度曲线，接着它又将“仓库中的数字孪生”增加到2020年的供应链执行技术的成熟度曲线，从此开启了物流利用数字孪生技术的高级仿真。经过多年的实践和研究（这两项技术都保持在2021 ~ 2024年Gartner的供应链执行技术的成熟度曲线上，并逐渐成熟），随着人工智能技术的发展，物流逐渐向智能仿真的方向发展。在 2024 年 SCE 技术成熟度曲线【18】中，五项新技术被添加（见图13）：

• 物流中的生成式人工智能

• 人形作业机器人

• 物流中的游戏化

• 内部物流智能机器人

• 人工智能视觉系统

【18】在“仓库仿真与建模”技术的分析中指出，“仓库仿真和建模工具通过使用先进的数学方法、可视化、仿真和各种其他软件技术来分析和解决复杂的物流问题，从而改进流程和决策。”，“最全面的解决方案提供先进的决策支持技术来改善仓库运营，例如 3D 可视化、仓库设计、物料搬运自动化设计、季节性仓库重组、仓库工作流程优化、劳动力规划和瓶颈分析。这些解决方案将仓库数字孪生的元素与先进的仿真和建模相结合。”

领先的供应链组织已帅先釆用先进的数字技术，如数字孪生，人工智能等，进行物流仿真和建模，为供应链提供了最优决策，大大提高了供应链的效率并降低了成本。例如中国的物流领先企(qǐ)业(yè)顺(shùn)丰(fēng)。该(gāi)公(gōng)司(sī)在(zài)2021年(nián)前(qián)，主要(yào)聚(jù)焦(jiāo)在(zài)传(chuán)统(tǒng)的(de)规(guī)划(huà)仿(fǎng)真(zhēn)，2021年(nián)开(kāi)始(shǐ)系(xì)统(tǒng)研(yán)究(jiū)数(shù)字(zì)孪(luán)生(shēng)，并(bìng)在(zài)物(wù)流(liú)业(yè)务场景中实现了落地。2023-2024年顺丰以数字孪生为核心的智能仿真技术落地场景包括中转场和物流网络两个方面。图16描(miáo)绘(huì)了(le)顺(shùn)丰(fēng)单(dān)一(yī)物(wù)流(liú)设(shè)施(shī)/场(chǎng)所(suǒ)数(shù)字(zì)孪(luán)生(shēng)智(zhì)能(néng)仿(fǎng)真(zhēn)技(jì)术(shù)架(jià)构(gòu)：

图16：顺丰单一物流设施/场所数字孪生智能仿真技术架构（来源：【24】）

顺丰已将数字孪生技术部署于全国上百个中转场，为实际运作过程缩短10%以上的分拣时长，平均提升8%以上的产能；并通过数字孪生技术优化车辆路线规划，平均每一城市每月可节省500条以上的线路。

顺丰的这一创新实质上是数字孪生基的智能仿真技术在配送中心的应用。其中结合人工智能的智能仿真和建模是其核心技术。图17描绘了数字孪生智能仿真技术架构。

图(tú)17：顺(shùn)丰(fēng)数(shù)字(zì)孪(luán)生(shēng)智(zhì)能仿真技术架构（来源：【24】）

关于物流数字孪生和顺丰数字孪生智能仿真技术的案例，读者可详见于笔者主持编写的【24】。

Gartner 的《2025 年供应链技术主要趋势》报告【1】中预测，到 2028 年，15% 的物流和制造公司将在运营中嵌入智能仿真。并且

• 指出了智能仿真是一个核心能力：代理人工智能、自主数据收集和决策智能等技术都依赖于动态模型来实现真正的价值。而智能仿真正是这一基础。

• 证实了一个重大转变：企业正在将智能仿真视为一项战略必需品。随着供应链面临日益增长的复杂性和波动性，仿真技术能够帮助领导者从被动决策转向主动的情景规划和系统级优化。各行各业的领导者都在努力应对复杂且快速变化的环境。专注于可视性和报告的传统工具已不再足够。Gartner 概述了企业向能够实时仿真、预测和响应的系统进行的根本性转变。

• 传达了一个明确的信息：供应链管理的未来不仅在于数字化，还在于智能化、自适应化和仿真驱动化。

下面将介绍两个值得关注的供应链智能仿真软件技术的案例。

1） AnyLogic的供应链仿真软件 – anyLogistix

anyLogistix 是一款独特的供应链和物流仿真软件（见图18）。作为目前唯一一款用于供应链优化、网络设计和分析的多方法软件，它将传统的分析优化方法与 AnyLogic 开发的创新智能仿真技术相结合。

图18：AnyLogic的供应链仿真软件智能仿真技术框架（来源：【25】）

该框架分为三大块：

• 分析优化方法（左上块）：供应链被建模为一系列公式和方程式。这种方法可以快速得出结果，但无法展现全部内容。

• 智能仿真方法（右上块）：让用(yòng)户(hù)能(néng)够(gòu)考(kǎo)量(liàng)供(gōng)应(yīng)链(liàn)要(yào)素(sù)的(de)所(suǒ)有(yǒu)细(xì)节(jié)和(hé)具(jù)体(tǐ)特(tè)征(zhēng)。用(yòng)户(hù)不(bù)仅(jǐn)可(kě)以(yǐ)直(zhí)观(guān)地(de)了解网络运营，还能追踪其中的每个流程。

• 供应链仿真软件核心--anyLogistix：它将传统的分析优化方法与数字孪生+AI为基础的智能仿真相结合的应用人工智能的仿真平台。仿真与人工智能 (AI) 的交叉使技术本身受益，并为企业提供新的见解和决策支持。

anyLogistix将网络优化分析工具与独特的动态仿真引擎相结合。通过结合这些技术，它可以提供更准确、更透明的决策支持模型，从而实现更高效的分析。通过优化定义网络结构，然后通过模拟分析所有细节——检查供应链的每一个方面。anyLogistix仿真基于业界领先的仿真软件工具 AnyLogic®，并结合了 IBM ILOG CPLEX® 著名的优化功能。下面列举了该(gāi)软(ruǎn)件(jiàn)应(yīng)用(yòng)案(àn)例(lì)中(zhōng)的(de)两(liǎng)个(gè):

• 供应链建模

每个供应链都是独一无二的，具有其自身特定的特性。动态仿真允许您捕捉任意细节级别的网络特性。anyLogistix 标准策略、行为和位置特性可以使用 AnyLogic 仿真软件进行定制，以代表您供应链的独特特性。您可以描述供应链运营的约束和规则，以获得准确的、非平均的结果。

图19：供应链建模（来源：【26】）

• 不确定性和风险(xiǎn)分(fēn)析(xī)

anyLogistix 可以检查供应链中的随机性如何影响系统：ALX 的内置仿真模型考虑了操作时间和值的概率。通过仿真，您可以分析与现实生活中的不确定性相关的风险，包括交货时间、需求波动、资源可用性和其他变化参数（见图20）。

图20：通过智能仿真，来分析(xī)不(bù)确(què)定(dìng)性(xìng)和(hé)风(fēng)险(xiǎn)（来(lái)源(yuán)：【26】）

2） Cosmo Tech 智(zhì)能(néng)仿(fǎng)真技术

Cosmo Tech（一家法国的供应链技术提供商）的人工智能仿真平台（见图21）能够构建复杂系统（工厂、物流网络或全球供应链）的整体数字孪生，并利用它们探索数千种可能的未来。这意味着企业不仅可以监控中断，还能切实做好准备。Cosmo Tech的目标不仅仅是韧性，更是准备就绪。

Cosmo-Tech面向未来的决策三角框架（见图21）正在采取综合方法--AI仿真导航器来管理对整个价值链的全方位环境、社会和经济影响。这种整体模型旨在通过这些关键维度的复杂相互作用来指导供应链领导者，确保每一个决策都有助于制定有弹性、盈利和可持续的战略。Cosmo-Tech人工智能仿真为实现供应链决策智能提供了一个软件工具。

图21：Cosmo-Tech面向未来的决策三角框架（来源：【27】）

下面简介Cosmo-Tech人工智能仿真平台的功能和要素:

• 构建用户的生态系统的数字孪生：以实现用户的业务目标

图22：构建用户的生态系统的数字孪生（来源：【28】）

• 目标寻求仿真：从可能的未来中发现最佳路径

• 平台即服务：高可扩展性、无缝集成和与云服务的互操作性

• 应对业务挑战：面对不确定性做出复杂决策，了解决策的影响及其未来结果，与现实世界的问题保持同步。图23从以下两个维度表明了不同分析和决策产生的整体价值。

• 垂直维度--系统复杂性（从单资源流程到整个系统）

• 横向维度--分析和决策的不同阶段

图23：分析和决策产生的整体价值（来源：【28】）

• 一个平台-无限制的用例：可用于从实时操作控制到战术战略用例的分析和(hé)决策。

下面简介Cosmo-Tech人工智能仿真平台的用户体验和绩效【28】

• 釆用Cosmo tech AI仿真技术的公司的(de)好(hǎo)处(chù)

快(kuài)速应对不断变化的环境和不可预见的事件(jiàn)。

降(jiàng)低(dī)风(fēng)险(xiǎn)和(hé)不(bù)确(què)定(dìng)性(xìng)

通(tōng)过(guò)优(yōu)化(huà)资(zī)产(chǎn)绩(jī)效(xiào)增(zēng)加(jiā)收(shōu)入(rù)

• 釆用Cosmo tech AI仿真技术的绩效

• 供应链弹性与战略采购优化方面：

增加+5%利润

减少60%的运输成本

节省物流成本1000万欧元

• 可(kě)持(chí)续(xù)性(xìng)驱(qū)动的资产管理方面：

每年减少7.6%的温室气体排放

• 生产计划与控制方面：

在相同资源能力下的产能增加10%

综上，基于数字孪生，人工智能驱动的智能仿真是未来供应链技术的前沿，它将给供应链提供更明智的决策，从而实现供应链数据的最大价值。

三、值得注意的另外两大供应链技术趋势

在研究报告【1】分析了2025 年最重要的8大供应链技术趋势之后，提及以下值得注意的另外两大供应链技术趋势。

3.1 网络(luò)安(ān)全供(gōng)应(yīng)链(liàn)

网(wǎng)络(luò)攻(gōng)击(jī)继(jì)续(xù)对(duì)各(gè)行(xíng)各(gè)业(yè)的(de)企(qǐ)业(yè)构成持续不断、不断发展的威胁。供应链在组织中具有多个职能交接，以及庞大的合作伙伴生态系统，对不良行为者来说是一个巨大而有吸引力的目标。供应链的数字化程度越高，网络威胁就越大。我们的研究继续将网络攻击确定为供应链负责人面临的最大挑战。在 Gartner 的 2024 年“影响供应链的地缘政治风险”调查中，59% 的受访者表示，在过去 12 个月中，网络攻击对其供应链绩效产生了中度、高度或非常高的影响。

鉴于供应链 IT 和网络物理系统部署的广度需要在企业中得到保护，供应链的网络安全风险范围很大。合作伙伴生态系统的广度和多层性质大大增加了这种复杂性。在许多组织内部，在识别和管理供应链网络安全风险方面缺乏与所有权和预算相关的明确性。威胁扩张的速度使网络安全和供应链团(tuán)队(duì)更(gèng)难(nán)跟(gēn)上(shàng)系(xì)统(tǒng)、产(chǎn)品(pǐn)和(hé)第(dì)三(sān)方(fāng)关系(xì)的(de)保(bǎo)护(hù)。

在(zài)创(chuàng)建(jiàn)网(wǎng)络(luò)安(ān)全供(gōng)应(yīng)链(liàn)时(shí)，组(zǔ)织(zhī)可(kě)以(yǐ)：

• 与(yǔ)首(shǒu)席(xí)信(xìn)息(xi)安(ān)全官(guān) （CISO） 合(hé)作(zuò)，将(jiāng)供(gōng)应(yīng)链(liàn)纳(nà)入(rù)整(zhěng)体(tǐ)企(qǐ)业(yè)网(wǎng)络(luò)安(ān)全治(zhì)理(lǐ)。这(zhè)包(bāo)括(kuò)与(yǔ) CISO 和企业风险团队建立关键联系点，并在供应链中建立联络人角色，使其成为主要联系人

• 将网络风险纳入其整体供应链风险管理框架，因为许多方法（如业务连续性管理 （BCM）、热图、分段、可见性和记分卡）也可用于帮助管理网络风险。

• 要求通过评估、审计和工具进行第三方网络风险验证，并将其应用于端到端供应链，包括上游供应商、合同制造合作伙伴和物流合作伙伴。此类活动应在合同完成/续签之前、期间和之后进行。他们应该在很大程度上依赖于业务影响和网络安全关键性。

• 成为保护信息物理资产的团(tuán)队(duì)的(de)一员，尤其是在运营技术 （OT）、物联网 （IoT） 以及制造和物流中的其他自动化方面。

• 在供应链中培养网络安全人才 — 在许多情况下，将目光投向金融服务和公共部门等领域的制造业之外。

注: 在这方面有兴趣的读者可参看笔者的研究报告【29】。

3.2 AI和数据驱动的可持续供应链

供应链不具备应对日益复杂和苛刻的可持续发展法规所需的信息、技能和能力。数据保真度、可用性和质量是可能导致过度依赖基于假设的计算的痛点。然而，它们并不总是满足监管要求——例如，欧盟碳边境调整机制 （EU CBAM） 需要 2025 年的实际数据。准确性要求不断提高，监管部门对保证和财务影响的期望与测量挂钩。

领先的组织通过实施数据驱动的可持续发展战略来取得成功，这些战略使他们能够监控可持续发展并将其嵌入其决策和运营流程中。法规正在加速可持续性数据的成熟度，同时部署 AI 来改进数据管理和计算活动。

强制性披露变得越来越细化，范围也越来越大：欧盟企业可持续发展报告指令 （EU CSRD） 有 1,000 多个参数（定性和定量）。从 2025 年起，欧盟 CBAM 等法规将要求对产品层面的碳排放量进行实际值。

许多公司还没有为这种粒度级别做好准备。数据可追溯性和审计是许多此类法规的要求(qiú)，并(bìng)且选定的方法适用于需要为特定法规计算和报告某些指标的方式。所有这些因素都促使公司愿意投资解决方案，以实现更准确的可持续性参数测量。

为了满足对保真度和效率日益增长的需求，SaaS 解决方案提供商开始应用 AI 和改进的数(shù)据(jù)管理功能。示例包括：

• 使用 AI 自动识别排放因子并将其分配给运营活动，以计算产品的碳足迹

• 在应用程序内生成数据置信度评级，以轻松监控热点

• 作为尽职调查评估的一部分，访问各种公共和付费数据库，以计算供应链合作伙伴的固有风险水平

• 从基于支出的计算迁移到活动和主要数据，以显著提高碳排放计算的准确性，从而为战略目标提供信息

注: 在这方面有兴趣的读者可参看笔者的唐博士专栏中的关于供应链可持续性的多篇研究报告【30】。

四、高德纳顶级战略性供应链技术趋势/主题的研究回顾

本文作者在【29，31-35】中介绍和分析了从2018到2025年连续8年中所公布的八大供应链技术趋势。今年是Gartner发布八大供应链技术趋势的第8个年头。图24描述了高德纳连续8年关于供应链八项顶级技术趋势和主题的对照。

图24：高德纳八大供应链技术趋势/主题的研究（来源：Gartner）

从图1可见：

• 高德纳从2021年开始，8大供应链技术趋势已经不再是只关注单个的技术，而是聚焦(jiāo)在集成的技术趋势上。而技术主题则是更为广泛的技术趋势，每个主题可以包括多个技术趋势的组合。

• 从2022年开始，高德纳以技术趋势目标将其分成2-3个大类，例如2025年8大供应链战略性趋势被分为两大主题:

• 连接

• 智能

五、总结

每年，Gartner 都会为供应链高管确定最相关、最新和最有影响力的技术趋势。今年的供应链技术趋势由两大主题驱动：供应链领导者需要利用新兴技术来增强连通性，以及利用促进智能的工具来推动竞争差异化和运营效率。 本文所介绍和研究的Gartner提出的2025供应链顶级的技术趋势旨在帮助领导者实现数字化价值、提升员工生产力并创新运营模式。这些趋势与供应链职能相关并跨越供应链职能。跟踪它们将有助于供应链技术领导者通过负责任的创新塑造组织的未来。

希望本文将有助于中国供应链组织对未来技术的理解，发现供应链组织的新机会，并促进供应链的创新发展。

参考文献

【1】 Christian Titze 等，Top Trends in Supply Chain Technology for 2025，Gartner，2024-02-14

【2】 Nick Jones，Ambient Intelligence Exposes Your Organization’s Blind Spots，Gartner， 2024-10-19

【3】 唐隆基，2025年及以后的主要战略技术趋势和重大战略预测，罗戈研究，2025-01-21

【4】 Christian Titze 、Dwight Klappich等，Top Trends in Supply Chain Technology for 2024，Gartner，01-10-2024

【5】 唐隆基，2024年最新供应链技术趋势和新质生产力，罗戈研究，2024-04-25

【6】 Multimodal UI Market Size - By Component, Interaction, Platform, End Use Industry Vertical Analysis, Share, Growth Forecast, 2024 – 2032，2024-10https://www.gminsights.com/industry-analysis/multimodal-ui-market

【7】 Sana Hassan，7 Emerging Generative AI User Interfaces: How Emerging User Interfaces Are Transforming Interaction，2024

【8】 Bill Ray，Polyfunctional Robots Will Enhance Machine-Human Productivity，Gartner，09-25-2024

【9】 ROBOTS，https://robotsguide.com/robots/proteus，IEEE，2022

【10】 Yuvraj Fadat，Polyfunctional Robots: The Future of Versatile Automation， 2025-03-24，https://evolutionoftheprogress.com/polyfunctional-robots/

【11】 DINu，Polyfunctional Robots: The Future of Multi-Tasking in Robotics，2024-11-08

【12】Polyfunctional Robots Market，2025-2033，https://dataintelo.com/report/polyfunctional-robots-market

【13】 AI Agents: The Next Big Thing in AI，Gartner,2025-01-23【14】 AI肖睿团队，《AI+Agent与Agentic+AI的原理和应用洞察与未来展望》，北京大学，2025-05-20

【15】 Ranjan Sapkota等，AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges，arXiv，V.3, 2025-05-20【16】 Pierfrancesco Manenti，Supply Chains Will Become Autonomous Faster Than You Expect，Gartner,2022-03-25

【17】 Hype Cycle for Mobile Robots and Drones Technologies, 2024, Gartner, 2024-06-25

【18】 Hype Cycle for Supply Chain Execution Technologies, 2024, Gartner, 2024-06-25

【19】 Decoding the Future of Supply Chains: Insights from Gartner and Google Cloud， Woolpert，2025

【20】 唐隆基，决策智能：值得关注的决策革命，罗戈研究，2024-11-04【21】 唐隆基，BI携手AI为供应链释放更大的数据价值，罗戈研究，2025-03-25

【22】 唐隆基，最新供应链计划技术发展趋势，罗戈研究，2024-12-23【23】 David Pidsley，Bridge AI and Business Outcomes With Decision Intelligence Trends，Gartner, 2025

【24】 《顺丰科技数字孪生白皮书》，顺丰科技&罗戈研究，2024

【25】 anyLogistix， https://heisenberg.net.au/anylogistix/

【26】 anyLogistix – Digital twins and simulation for your supply chain，2025https://www.simplan.de/en/software/anylogistix/

【27】 Cosmo Tech，AI Simulation for Supply Chain Decision Intelligence，2025，eBook

【28】 Cosmo Tech AI-Simulation Platform for Decision Intelligence， webinar

【29】 唐隆基，2024年最新供应链技术趋势和新质生产力，罗戈研究，2024-04-25

【30】 唐博士专栏中的关于供应链可持续性的多篇研究报告，http://www.logclub.com/columnist/articleList/91

【31】 唐隆基，Gartner 2021年八大供应链技术趋势，罗戈研究，2021-06-28

【32】 唐隆基，Gartner 2020年8大供应链技术趋势，罗戈研究，2020-07-27

【33】 唐(táng)隆(lóng)基(jī)和(hé)潘(pān)永(yǒng)刚(gāng)，《数(shù)字(zì)化(huà)供(gōng)应(yīng)链(liàn)：转(zhuǎn)型(xíng)升(shēng)级(jí)路线(xiàn)与(yǔ)价(jià)值(zhí)再(zài)造(zào)实(shí)践(jiàn)》,人(rén)民(mín)邮(yóu)电(diàn)出(chū)版(bǎn)社(shè)，2021年(nián)09月(yuè)

【34】 唐(táng)隆(lóng)基(jī)，2022年(nián)及(jí)以(yǐ)后(hòu)值(zhí)得(de)关注(zhù)的(de)供(gōng)应(yīng)链(liàn)顶(dǐng)级(jí)技(jì)术(shù)主题(tí)，罗(luō)戈(gē)研(yán)究(jiū)，2022-09-11

【35】 唐隆基，值得关注的最新顶级战略性供应链技术趋势，罗戈研究，2023-07-20