10月12日，杭州云栖大会上，在新零售智慧供应链专场中，阿里巴巴供应链平台事业部资深专家邓玉明详解了阿里巴巴人工智能在供应链中的应用。
而在此之前，阿里巴巴供应链研究中心负责人游五洋则在“新零售下的供应链变革”主题演讲中表示了新零售机遇下面临着新的挑战，其中之一便是数字化。
人工智能无疑将在数字化的新零售中扮演重要角色。邓玉明则从供应链角度展开了话题的论述。
从领域划分，可以分为上下两层结构，上层偏业务决策层，包括选择商品、营销节奏、客户群体，规划销售情况，销售计划，直接影响备货调拨整个逻辑。下层则偏向协同计划与执行，包括仓储等。
阿里有着丰富和复杂的品类结构，以快消快消母婴为代表的产品并不重，但关联度较高。在一个包裹中可能存在多件物品，如何去解决拆单比高的问题。而家具类体积比较大，拆单比低，但在物流操作上又十分困难。部分商品具备一定周期性，数据表现稳定。但是像冰箱等家用电器等非高频销售，数据极不稳定。同时，后端仓储如何进行同步协同，双方业务对接。
加上仓配网络复杂的关系，一方面仓的数量比较大，包括菜鸟仓、社会协同仓、第三方外挂仓等，如何实现高效库存分布。另一方面各个仓的角色不同，具有层次结构，包括区域仓、前置仓等。加上为适应全球化过程，需要实现从国内到国外的双向进出口等问题，只有降低服务成本，解决前述问题，才能实现服务的确定性。
针对于商品管理，在引入商品中，从多个维度看其是否有用，以及现有的品类结构、角色。补充商品属性等，通过大数据对其进行整合分析，包括物理属性、体积重量等。而在盘点商品过程中，则看商品品类角色及其所做贡献，哪些是明星款，哪些引流款，哪些盈利款。在这个过程中，涉及数据维度定义、转化率、毛利贡献率等，通过使用机器学习算法以实现。在商品利用效率达到尾端的时候，会进行汰换。一个极为明显地例子如月饼。此外为了保证平台利润，会对商品贡献程度进行计算，会在其往负的方面倾斜前进行汰换。
邓玉明特别指出，预测每提升1个百分点，会对下流管理带来更好的提升。并坦言，在对促销信息整合分门别类上花了很长时间。机器学习、深度学习、时间序列等三大类算法，针对不同销售速度商品，精确度是不一样的。一般会通过组合算法的方式融合，在整体上得到比较鲁棒的效果。并会对不同颗粒度的目标进行预测。预测的持续优化需要花费十分多的精力。
上下游需要实现协同，否则上游规划出的活动，由于下游配置的问题，很多产品可能无法发货。上游业务目标、下游仓配目标需契合，经过算法解构分析，产生数据分析到上下游各个模块，实现信息互通，再反馈结果汇总核对，最终形成上下游公认的状态。而多种角色均需要参与到计划协同中去。
在这个环节中，下游仓配也需要经受考验。
面对这些问题，阿里已经开始采用机器人自动分拣等。并且在利用社会闲散资源。
与此同时，阿里也在对整个状态进行模拟仿真分析。
在补货过程中，由商家直接补到前置仓还是补到区域仓，都是需要应对的问题。
在仓配方面，运用AGV使得该仓库较人力能提高三倍效率。
但是在整个供应链中即便落地AI应用，也会存在以下问题。
面对随机性的需求，AI是否需要更改为随机性算法？怎样才能更好的运用深度学习？个人经验在一定程度上是有效的，那么基于经验规则的方式如何与算法融合？如何进行实时信息关联，打造快速反应的供应链，提升整体供应链鲁棒性？
从新零售销售端到供应链的整个链条，阿里的AI已经在进行深度融合。对于质疑AI发展的人来说，或许是一个不错的示例。而阿里，也将在与AI结合的道路上，带来一个不一样的新零售。
