供应链和库存是企业看不见的利润池：备多了压资金、备少了丢订单，两头都是钱。很多老板靠经验拍脑袋定安全库存，旺季断货、淡季积压是常态。AI进供应链，最成熟、回报最清楚的玩法就是需求预测和智能补货——用历史销量、促销、天气、节假日等信号，把「该备多少」从直觉变成可计算的决策。本文把这条链路拆开，讲清中小企业怎么够得着。

为什么供应链是AI的隐形金矿

库存周转每快一周，释放的是真金白银的现金流；缺货一次，丢的是客户和口碑。这两件事的痛足够贵，而数据足够多：ERP里的出入库、电商后台的销量、甚至天气和节假日都能当特征。和客服、HR不同，供应链AI直接动的是资产负债表，老板最在意。难点在数据源散（采购、仓储、销售各一套），但只要先把关键数据打通，预测模型并不比前面几个场景难，回报却可能更直观——降下来的库存资金，比省下的人力更显眼。

需求预测：把拍脑袋变成可计算

做法分四步。第一步，汇总至少两年的每日销量、促销标记、节假日、天气，做成时间序列特征。第二步，先用朴素基线（如滚动平均）定「前」，再上 Prophet 或梯度提升树做预测定「后」，对比才知道模型有没有用。第三步，按提前期和波动，算出每个SKU的安全库存和补货点。第四步，预测结果进采购建议，而不是只躺在报表里。注意季节性强的品类，模型必须吃进促销和节假日特征，否则大促前会严重低估，这点踩坑的企业极多。

智能补货：让系统替你下单建议

预测之上再叠一层补货策略：结合在途库存、最小起订量、供应商交期，算出「现在该补多少、向谁补」。落地形态可以是「系统给建议、采购确认」，逐步过渡到规则明确后自动下单。对多仓企业，还要做调拨优化：哪仓多了调给哪仓少了，减少整体冗余。中小企不必一上来做全局优化，先拿销量Top50的SKU跑通补货建议，把缺货率和周转天数是不是同时改善作为验收，边际收益已经很可观。

供应商风险与交期预警

除了量，还有「能不能按时到」。AI可以监测供应商的历史交期履约、质量波动、甚至外部舆情，给每个供应商打风险分，交期临期前提醒备选。做法是把采购订单、质检记录、物流状态接起来，用简单分类标异常。某贸易公司用这套，把因供应商拖延导致的缺货下降了四成。这类场景规则为主、模型为辅，价值在「提前知道要出事」，给采购留切换窗口，而不是直接 stranded。

常见误区：别迷信黑盒预测

两个坑最常见。一是没基线就信模型：基线（滚动平均）往往已经不差，不上基线对比，你不知道模型到底带来多少提升，可能白花了钱。二是特征不全就硬上：忽略促销、节假、渠道切换，预测在大促必翻车。还有组织坑：预测准了但采购不采纳，模型就成摆设。正确做法是让补货建议进采购的日常流程、留人工确认，并用「预测准确率+缺货率+周转天数」三指标周周看，模型和人一起校准。补货建议给出「为什么建议这个数」的解释，采购才敢用，否则只会当骚扰通知划掉。

落地节奏：先Top SKU后全局

给中小企的建议是单点突破：选销量集中、数据干净的Top 50到100个SKU，用现成预测工具（很多ERP已带）跑三个月，看缺货和周转是否改善；再扩到全量SKU和智能补货；最后接供应商风险。别一上来买重型供应链控制塔，组织和数据都接不住。每步用「释放的库存资金+减少的缺货损失」算账，老板看到现金流变好，后面的投入自然好批。建议设一个季度复盘：把模型建议和实际销量做误差归因，是特征漏了还是突发因素，持续优化而非上线即终点。

AI进供应链，把需求预测和智能补货做扎实，是企业少压资金、少丢订单最稳的一步。从Top SKU切入、守住基线和特征完整两条线，中小企业一个季度就能看到库存周转和缺货率的双重改善，把压在仓库里的现金慢慢释放回账面。