课程大纲
第一部分：通用机器智能的曙光：从经典机器智能到生成式
A
I
大模型
1.
从早期机器智能算法到机器研习，到人工神经网络和深度研习：
· 机器智能是一类计算机还原的，完成传统上认为只有人类能够执行的差事的硅基智能
·
机器研习是一类让算法从资料中找到规律、模式的规划
:从判断信用卡交易是否套现的达成，看程序代码方式和机器研习方式的差异
·
深度研习
/人工神经网络是一类机器研习算法，借助还原生物神经网络，处理相对抽象的资讯：人工神经网络怎么能识别小狗的照片？其实跟我们教小朋友认小狗十分类似
2.
生成式
A
I
兴起
-
从拆解式
A
I
到生成式
A
I
，
A
I
从做判断题
/选项题，到做填空/问答题
3.
从
“偏科专才”到“通才”，通用机器智能的曙光：GPT为何如此令人兴奋？
·
以
Deepseek和C
hatGPT为代表的等等大语言模型基本核心原理
o ChatGPT带来了通用推演本领AI的曙光
o Deepseek为中国自己的智能操作系统打下坚实的基础
· 其他主流大模型主要类别和基本原理
o
以扩散模型为代表的文生图模型：训练机器对像素的
“组装”和“组合”
o
数字三维构筑模型：算法对世界的
“脑补”
o “世界还原器”：OpenAI
的视频生成模型
SORA
第二部分
：
AI在
商贸
流通公司的运用赋能
2.1 流通公司面临的挑战和机遇
·
挑战
：库存管控复杂、诉求预测不准确、买方体验不佳。
·
机遇
：借助
AI达成精准营销、精进库存、拉升买方满意度。
2.2 资料驱动的决策支持系统
·
预测拆解
：利用历史销售资料预测未来诉求，精进库存水平。
·
买方行为拆解
：借助拆解顾客购买行为提供个性化推荐，增强买方粘性。
2.3 智能物流和仓储管控
·
自动化仓库操作
：采用机器人开展货物搬运、拣选。
·
路径精进和运输调度
：利用
AI算法规划最优配送路线，减少成本。
实际实例拆解：某大型连锁超市的
AI运用
·
来由
：该超市面临库存积压和缺货问题。
·
解题打法
：引入
AI驱动的诉求预测系统，结合实时销售资料调整库存打法。
·
成效
：库存周转率拉升了
20%，缺货率降低了15%。
第三部分
：
AI赋能拉升大宗商品供给链服务本领
3.1 大宗商品供给链的特点和挑战
·
特点
：价格波动大，交易量大、周期长。
·
挑战
：怎样有效化解价格波动带来的隐患，保证供给链的稳定性和透明度。
3.2 运用实例拆解
·
价格波动预测和隐患管控
：采用机器研习模型预测市场价格变化，提前拟定化解打法。
·
智能合约和区块链技艺的运用
：确保交易透明度，减少欺诈隐患。
·
物流追踪和透明度拉升
：利用物联网（
IoT）和AI技艺实时监控货物状态，拉升物流效率。
3.3 革新解题打法探讨
·
供需匹配精进
：借助
AI拆解市场诉求和供应情况，动态调整采购规划。
·
环境可持续性和资源高效利用
：运用
AI精进能源消耗，减少碳排放。
实际实例拆解：某国际矿业公司的
AI运用
·
来由
：该公司面临原材料价格剧烈波动的问题。
·
解题打法
：开发了一个基于
AI的价格预测模型，并结合区块链技艺改进供给链透明度。
·
成效
：成功预测了几次重大价格波动，支援公司及时调整采购打法，减少了约
10%的成本。
第四部分
：
AI大模型赋能公司通用职能
4.1 营销
赋能
·
个性化推荐
：根据用户行为资料拆解，为每位买方提供定制化的货品推荐。
·
市场拆解
：利用海量资料和
AI抓手开展市场趋势拆解，发现潜在机会。
4.2
智能
客服
·
智能客服
：
基于
Deepseek类的
聊天机器人，迅速响应买方咨询，拉升服务效率。
·
情感拆解
：借助语音语义语旨层技艺拆解买方反馈的情感倾向，落地时，改进服务质量。
4.3 办公
+AI助手
·
自动化办公助手
：集成
AI功能于日常办公软件中，从实践看，如自动整理会议记录、安排日程。
·
学识管控
：构筑智能化的学识库，便于员工迅速查找所需资讯。
4.4 财务
管控的
AI赋能
·
财务预测
：利用
AI开展收入预测、预算编制，辅助决策拟定。
·
审计自动化
：借助
AI技艺自动查验财务报表的合规性，减少人为错误。
4.5 人力资本
+AI
·
招聘筛选
：采用
AI评核候选人的简历和面试表现，拉升招聘效率。
·
员工演进
：基于资料拆解为员工拟定个性化的职业演进规划。
4.6 代码助手
·
代码生成和调试
：借助
AI自动生成基础代码轮廓，辅助开发者开展调试。
·
项目管控
：借助
AI精进队伍协同流程，拉升项目交付速度。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|尹智老师
适合谁听
管人者。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。