提起供應鏈，大家的第一印象通常是物流配送，還有那些風裡來雨裡去的快遞員。
其實供應鏈涵蓋的範圍遠不止如此，完整的供應鏈還包括產品設計、原料採購、生產製造、市場推廣、客戶服務、回收再製造等多個環節。
可以說，從我們吃的蔬菜水果，到企業生產所需的原材料，再到支撐國家發展航天事業的精密裝置，現代生活的方方面面都離不開供應鏈系統的支援。
隨著產業經濟的發展和對降本增效的訴求，構建智慧、高效、可靠的供應鏈體系已然成為了整個社會的剛需。國際供應鏈管理專家馬丁·克里斯多弗（Martin Christopher）教授早在 20 多年前就曾預言：“未來的競爭將不是個體或組織之間的競爭，而是供應鏈與供應鏈之間的競爭。”
2019 年，中國國家科技部宣佈依託京東建設智慧供應鏈國家新一代人工智慧開放創新平臺，京東科技集團機器學習部負責人兼京東（上海）人工智慧研究院院長易津鋒博士正帶領團隊建設該平臺的多項核心智慧化能力。此外，他也正在負責建設國家科技部科技創新 2030“新一代人工智慧”重大專案中的一個核心課題，打造面向供應鏈的智慧化示範應用和開源開放平臺。
圖 | 《麻省理工科技評論》“35 歲以下科技創新 35 人”2020 年中國區榜單入選者易津鋒
安全可靠，是 AI 演算法的基礎因為一次 QQ 被盜的經歷，易津鋒在高考填報志願時選擇了中國科技大學的資訊保安專業。經過多年系統性學習，他發現許多生活中常見的系統都存在不同程度的安全漏洞和隱患。為了深入理解底層演算法，設計出更加安全可靠的系統，他選擇了出國讀博深造。
時值 2009 年，彼時的人工智慧（AI）技術正蓄勢待發，金融、醫療、自動駕駛等行業已經開始積極探索 AI 應用，但尚未形成氣候。
擁有資訊保安背景的易津鋒意識到，未來隨著 AI 技術的普及，其底層演算法、模型的安全性關乎人們的生命財產安全，還會最終影響技術的大規模應用與推廣。
因此他選擇了 AI 作為博士期間的主攻方向，致力於設計更加安全可靠的 AI 模型，並在“眾包學習”、“矩陣補全”、“聚類分析”等領域的理論和應用上都取得了重要進展。
他的聯合導師，美國密歇根州立大學傑出教授，美國國家工程院院士及中國科學院外籍院士 Anil K. Jain 教授評價稱，“易博士在進行 AI 研究時，非常重視模型的可靠性。他提出的幾乎每一個新的演算法都有著嚴格的理論證明，可以保證即使在最壞的情況下也不會犯下嚴重的錯誤。”
畢業後，易津鋒加入了 IBM 研究院的全球總部 IBM 托馬斯沃森研究中心（IBM T. J. Watson Research Center），著手研究當時新興的對抗機器學習問題。
這是當時機器學習領域最前沿的研究方向之一，目的是解決 AI 模型被誤導和欺騙的問題。
以影象識別為例，下圖展示了七張鴕鳥圖片，人眼幾乎看不出任何區別。但如果把它們分別輸入一個分類準確率很高的 AI 模型，除了左邊第一張圖能被正確識別為是鴕鳥之外，右邊的六張圖都會被錯誤地識別成海狸、搖籃、吸塵器等完全錯誤的類別。
圖 | 在新增不同的肉眼不可見噪音後，原本能正確分類的 AI 模型也會被誤導
產生這一現象的原因在於右邊六張圖片被“動了手腳”。在鴕鳥原圖的基礎上，它們被添加了一些人眼無法識別的微小噪音，從而形成了和正常樣本看起來一樣，但會讓 AI 模型產生誤判的對抗樣本。
AI 技術目前已廣泛應用於自動駕駛，醫療，金融，安防等領域，對抗樣本的存在很可能會給人們的生命和財產安全帶來極大的威脅。例如，類似的事情如果出現在無人駕駛汽車上，AI 系統就很可能會誤判交通標誌，從而釀成大禍。
作為全球較早開始研究對抗攻防和 AI 魯棒安全性的學者之一，易津鋒提出了一系列深具影響力的研究成果，涵蓋對抗樣本生成、對抗樣本防禦以及模型魯棒性評估等多個重要問題。
例如，他和合作者們共同提出了第一個基於梯度估計的黑盒對抗攻擊演算法，將此前僅僅 30% 左右的黑盒攻擊成功率首次提升到了接近 100%；提出了當時模型訪問效率最高的基於“hard-label”的黑盒攻擊演算法；提出了第一個不依賴具體攻擊演算法的深度神經網路魯棒性評估指標；首次發現模型準確率和魯棒性難以兼得以及它們與帕累託邊界的關係等等。
相關研究成果目前已數十次發表在 NeurIPS、ICML、ICLR、KDD、ACL、ICCV 等頂級 AI 學術會議和期刊上。
除了研究對抗樣本，易津鋒也在積極探索與隱私保護、資料安全相關的課題。這些成果兼具學術價值和應用潛力，廣泛應用於 IBM 等公司的智慧化產品中，服務了許多的企業、政府和個人使用者。
出色的工作表現讓易津鋒從數千名 IBM 研究員中脫穎而出，入選了當時新成立的 IBM 旗艦人工智慧研究機構—— “人工智慧基礎研究院”。
這個研究院是當時 IBM 最頂尖的人工智慧研究機構，其創始團隊幾乎全都是領域知名的 AI 專家，包括 IBM“深藍”超級計算機發明人，多位國際頂級協會 Fellow 及多個頂級學術會議的主席等，而易津鋒是最年輕的入選者之一。
用 AI 為供應鏈賦能在 IBM 工作期間，易津鋒曾利用 AI 演算法幫助美國一家連鎖超市進行銷量預測和庫存管理。
他發現，傳統供應鏈中的很多環節都可以透過 AI 技術進行最佳化，從而顯著提升效率、降低成本。此外，供應鏈是一個由大量上下游企業級聯組成的複雜網路，整個網路很難在缺乏信賴關係的情況下高效運轉。這也正是安全可靠 AI 技術的最佳落地場景。
“我不希望對 AI 的研究僅僅停留在論文上，更希望它能真正落地，創造廣泛而深遠的實用價值。”易津鋒說道。
2018 年 4 月，易津鋒選擇回國加入京東，目前擔任京東科技集團機器學習部負責人兼京東（上海）人工智慧研究院院長。在京東工作的兩年多時間裡，易津鋒已經獲得了包括 CEO 特別獎、傑出成就金項獎、技術創新金項獎等多個重量級獎項。
圖 | 易津鋒簡介
目前，他正帶領團隊建設中國國家級的智慧供應鏈平臺——“智慧供應鏈國家新一代人工智慧開放創新平臺”的核心智慧化能力。
他告訴 DeepTech，在向數字化、智慧化轉型的過程中，供應鏈的眾多環節和場景都需要準確、高效、安全的 AI 演算法作為支撐，甚至在很多時候還需要由技術去推動和實現供應鏈管理模式的顛覆和創新。
如何在這樣一個涉及到眾多環節以及海量上下游企業與消費者的複雜系統中融入 AI 技術，是一個難度極高的工作，經常需要在沒有先例的狀態下“摸著石頭過河”。
易津鋒帶領團隊自主研發的商品智慧化反向定製系統，就是一個很有價值的嘗試。
所謂的商品反向定製，也被稱為C2B（Consumer to Business）或 C2M（Consumer to Manufacturer），即使用者直連企業，是對供應鏈中傳統 B2C（企業對使用者）商業模式的重構和升級。
在傳統的 B2C 模式下，B 端企業通常佔據主導地位，C 端使用者只能被動接受商家生產和銷售的商品，其弊端在於難以滿足使用者的個性化需求，而企業也面臨著商品積壓滯銷的風險。
反過來，在 C2B 模式下，C 端使用者的話語權被放大，可以充分提出需求並由企業按需生產。這樣一來，使用者能買到心儀的商品，而企業也避免了滯銷和浪費，實現雙贏。
其實 C2B 概念早已有之，但在實踐中面臨著諸多難題。比如 C 端消費者數量龐大，每個人都有各自的想法，但企業難以滿足所有需求。另外，大多數使用者往往缺乏反饋需求的動力和渠道，也導致企業難以聽見使用者的真實呼聲。
圖 |商品智慧反向定製系統
為了解決這些難題，易津鋒帶領團隊打造了業界第一套全自動化、智慧化的商品反向定製系統，背後用到了許多他們在 AI 領域的科研成果，涵蓋深度學習、強化學習、度量學習、元學習、大規模最佳化等多個領域。
使用者在京東上的各種消費行為產生了大量的資料，經過嚴格的脫敏處理後，就能用於訓練該系統背後的各種 AI 模型和演算法。結合多種 AI 模型與脫敏消費大資料，該系統可以預測出使用者在不同細分市場下的共性化與個性化需求，來替代成本高、可信度差的調研問卷，解決了企業難以獲取使用者需求的問題。
此外，該系統還能從資料中挖掘使用者痛點，再綜合考慮商品的屬性和功能，從而自動設計出滿足不同人群需求的商品，幫助企業提升銷量。
這其實也是整套系統最大的技術難點之一——面對從未上市的新品，如何給出可靠的未來市場預測？
目前這套系統已經落地應用，幫助多家企業打造出如全 AI 定製的冰箱、電動牙刷等商品，不僅顯著縮短了這些商品設計研發的週期，還獲得了很好的銷量。
除此之外，易津鋒還帶領團隊打造和升級了數十項智慧供應鏈能力和產品，目前已在公司內外廣泛應用，未來將成為國家級供應鏈平臺的核心智慧化模組，推動傳統供應鏈向智慧供應鏈轉型。
談及供應鏈領域的未來發展，易津鋒的想法頗具前瞻性。
3D 列印就是這樣一個例子。在傳統供應鏈模式下，一個商品在送達終端消費者手中之前，需要經過原料採購、生產製造、物流配送等多個環節。如果未來能夠實現高效且低成本的 3D 列印，意味著商品不再需要由工廠統一生產和運輸，消費者如果需要某款商品，可以選擇就近打印出來。
對企業來說，這種方式可以節省大量的物流和倉儲成本，實現更大規模的按需生產。對供應鏈模式來講，也從過去的線下傳輸物品，轉為線上傳輸 3D 列印方案，把一部分物流轉變成了效率更高的資訊流，從而實現了供應鏈模式的升級和效率的提升。
未來，易津鋒還將繼續紮根在推動供應鏈智慧化轉型和產業數字化升級這一領域，帶領團隊不斷研發出高效、可靠、安全的智慧化產品和服務，在供應鏈的各個環節上探索和實現 AI 技術的落地應用，為產業和實體經濟的降本增效與最佳化轉型持續貢獻自己的力量。