Debojyoti Biswas 是一位具有十多年经验的资深技术和产品管理领导者，曾在亚马逊和甲骨文等全球顶级公司工作。他拥有印度商学院的 MBA 学位和比特斯皮拉尼的工学学位，专注于利用人工智能和数据科学来驱动供应链和电子商务中的战略决策。
在亚马逊、马士基和甲骨文等行业领先公司工作后，Debojyoti 热衷于平衡技术创新与可持续性，确保物流的未来不仅高效，还要环境负责。
在我们探讨可持续性方面之前，让我们简要回顾一下人工智能如何已经革新了全球物流：路线优化人工智能算法正在改变路线规划，远远超出了简单的GPS导航。例如，UPS的ORION（On-Road Integrated Optimization and Navigation）系统使用高级算法来优化送货路线。它考虑了诸如交通模式、包裹优先级和承诺的送货时间窗口等因素，以创建最有效的路线。结果？UPS每年节省约1,000万加仑的燃料，减少了成本和排放。作为亚马逊的产品经理，我曾经在类似的系统上工作过，这些系统不仅优化了最后一公里的送货，还与仓库操作协调，以确保正确的包裹以最佳顺序装载。这种在供应链不同部分之间的集成只有通过人工智能处理大量实时数据才能实现。供应链可见性人工智能驱动的跟踪系统为供应链提供了前所未有的可见性。在我在马士基的工作期间，我们 开发了一个使用物联网传感器和人工智能来实时跟踪集装箱的系统。这不仅仅是关于位置 – 系统监测温度、湿度，甚至检测到未经授权的访问尝试。例如，当运输敏感的药品时，任何温度偏差都可以立即检测和纠正。人工智能不仅报告问题；它根据天气预报和历史数据预测潜在问题，允许进行主动干预。这种水平的可见性和预测能力显著降低了损失并提高了客户满意度。预测性维护人工智能正在改变我们在物流中对设备维护的方法。 在亚马逊，我们实施了机器学习模型，分析来自输送带、分拣机和送货车上的传感器的数据。这些模型可以预测何时设备可能会发生故障，允许在非高峰时段进行维护。例如，我们的系统曾经预测了一台关键的分拣机可能会在48小时后发生故障。这一早期警告使我们能够在不中断运营的情况下进行维护，可能节省了数百万美元的生产力损失和延迟的送货。需求预测人工智能正在改变我们在物流行业中预测需求的方式。在我在亚马逊的工作期间，我们开发了 机器学习模型，分析不仅仅是历史销售数据，还包括社交媒体趋势、天气预报，甚至不同地区的即将举行的活动等因素。例如，我们的系统曾经预测某些电子产品在特定地区的需求激增，与当地的一个科技大会有关，这不是我们最初关注的重点。这样就使我们能够相应地调整库存和人员配置，避免了缺货，并在活动期间确保了运营的顺畅进行。最后一公里送货优化送货的最后一公里，也就是最后一公里的送货，通常是物流过程中最具挑战性和最昂贵的部分。人工智能在这里也取得了显著的进展。在亚马逊，我们曾经在优化不仅仅是路线，而且还包括 送货方式 的人工智能系统上工作。例如，在城市地区，系统会分析交通模式、停车可用性，甚至建筑物的出入方式，以确定传统的货车送货、自行车快递，甚至无人机送货哪种对于每个包裹来说是最有效的。这种对送货方式的优化使得送货速度更快、成本更低、城市拥堵减少。产品经理的困境作为物流行业的产品经理，我们的任务是推动创新和效率。人工智能为此提供了前所未有的机会。然而，我们现在面临着一个关键的困境：效率提升一方面，人工智能驱动的供应链比以往任何时候都更优化。它们减少浪费，尽量减少燃料消耗，并可能降低物流运营的整体碳足迹。我们实施的路线优化算法可以显著减少不必要的里程和排放。环境成本另一方面，我们不能忽视 人工智能本身的环境成本。大型人工智能模型的训练和运行消耗了大量的能量，导致能耗增加和随之而来的碳排放。这为我们作为产品经理提出了一个关键问题：我们如何平衡人工智能优化的供应链带来的可持续性收益与人工智能系统本身的环境影响？产品经理的新责任在人工智能时代，我们作为产品经理的角色已经扩展。我们现在有了额外的责任，即在我们的决策过程中考虑可持续性。这包括： 生命周期分析：我们必须考虑我们的人工智能驱动产品的整个生命周期，从开发到部署和维护，在每个阶段评估其环境影响。 效率指标：除了传统的KPI之外，我们需要将可持续性指标纳入我们的产品评估中。这可能包括每次优化的能耗、碳排放量减少或可持续性ROI。 供应商选择：在选择人工智能解决方案或云服务提供商时，能效和使用可再生能源应该是关键的选择标准。 创新重点：我们应该优先并分配资源到不仅改善运营效率，而且提高可持续性的项目。 利益相关者教育：我们需要教育我们的团队、执行官和客户关于物流中可持续人工智能实践的重要性。 行业领袖铺平道路作为产品经理，我们可以从行业巨头如何应对平衡人工智能效率与可持续性的挑战中学习到很多。让我分享一些我在亚马逊和马士基的经历。亚马逊网络服务（AWS）：开创可持续云计算在我在亚马逊的工作期间，我亲眼目睹了公司致力于减少其 AWS基础设施的能耗，它托管了许多物流和其他行业的人工智能和机器学习工作负载。AWS实施了几种策略来提高能效： 可再生能源：AWS致力于通过100%的可再生能源为其运营提供动力，目标是2025年实现。截至2023年，他们已经实现了85%的可再生能源利用率。 定制硬件：亚马逊设计了定制芯片，如AWS Graviton处理器，它们 比基于x86的实例在相同性能下节能达60%。 节水：AWS实施了创新冷却技术，并在许多地区使用回收水进行冷却，大大减少了水的消耗。 机器学习用于效率：讽刺的是，AWS使用人工智能本身来优化其数据中心的能效，预测和调整计算负载以最小化能量浪费。...
