5月13日，2026第四届酒类物流供应链产业年会现场，以数智重构新链路：AI赋能酒类供应链的战略、实践与突围为主题的嘉宾对话环节备受关注。五粮液集团（股份）有限公司信息管理中心主任张琦、泸州老窖股份有限公司数字化发展中心副总经理范敏、江苏今世缘酒业股份有限公司大数据中心经理兼首席信息官（CIO）吴布亚、贵州习酒投资控股集团有限责任公司数字与信息化管理部负责人刘振君同台交流。几位嘉宾一致认为，AI已从“选择题”变为“必答题”，正逐步成为推动白酒物流供应链实现质量管控、效率提升与价值重构的核心引擎。
嘉宾对话环节由中国物流与采购联合会专家委员会委员，原天津德利得供应链运营总监、副研究员恽绵主持
战略共识
AI在酒类供应链中应扮演什么角色？
随着产业数字化进程持续提速，AI不再是白酒行业发展的可选加分项，而是适配时代发展、赋能产业升级的必答题。那么，AI在酒类供应链中应扮演什么角色？对话现场，与会嘉宾给出了清晰的解题思路：一方面，明确了AI在白酒物流供应链体系中的多元战略定位；另一方面，厘清了技术赋能产业的核心逻辑，为全行业智能化转型筑牢认知基础。
立足产业实操层面，张琦提出，AI是服务白酒供应链发展的核心工具。“白酒产业链条长、环节多、标准严，从原料种植、筛选培育，到生产加工、仓储物流，全流程的品质管控直接决定产品核心价值。”他进一步阐述道，依托AI技术搭建智能质量模型，可实现供应链各环节数据的实时采集、精准分析与提前预判，打破传统人工管控的滞后性与局限性，为全链条品质管控提供科学化、数字化支撑。
五粮液集团（股份）有限公司信息管理中心主任张琦
范敏深表认同，并进一步结合企业数字化建设实践，将AI定义为白酒供应链转型升级的“智能助手”。在她看来，AI技术的落地应用应以“创造产业价值、驱动业务创新”为核心导向，现阶段可深度赋能企业营销服务、流程管控等场景，有效降低运营成本、提升工作效能。随着行业数字化体系不断完善、AI模型持续迭代，未来技术将深度渗透产供销全链条，成为产业高效运转的重要支撑。
泸州老窖股份有限公司数字化发展中心副总经理范敏
吴布亚进一步聚焦产业落地实效，提出AI以“副驾驶”形态深度赋能供应链升级，其核心依托于数据与流程的双重支撑。他分析指出：“白酒行业正处于从经验驱动向数据驱动转型的关键阶段。AI技术的落地应用，本质是通过数字化手段重构产业运行逻辑，依托精准数据、标准流程，让智能赋能落到供应链各细分场景，切实破解传统模式的发展瓶颈。”
江苏今世缘酒业股份有限公司大数据中心经理兼首席信息官（CIO）吴布亚
立足行业宏观发展格局，刘振君给出了更为全面的战略定位。他表示，在白酒供应链体系中，AI既是基础工具、辅助抓手，更是驱动产业迭代的核心增长引擎。在政策引导与行业变革的双重背景下，AI赋能供应链数字化升级已是大势所趋。行业需主动拥抱技术变革，以AI为核心抓手推动全链路数字化改造，最终实现产业提质、降本、增效的核心目标，完成行业价值的全方位重构。
贵州习酒投资控股集团有限责任公司数字与信息化管理部负责人刘振君
前沿思考
破解数据沉淀、数据质量、数据安全三维难题
战略共识落地路径该如何锚定？在酒类物流供应链持续深化提质、降本、增效建设进程中，AI如何深度适配酒类供应链复杂落地场景？落地实操又面临哪些现实阻碍？围绕上述议题，与会嘉宾立足企业一线前沿落地实践，分享各自落地思路与解决方案。
聚焦行业现存痛点，张琦提出，白酒品质管控贯穿全产业链，当前产业链上游品质管控难点集中在数据归集、梳理与沉淀工作，行业亟需搭建统一的数据规范标准。范敏补充，数字化应用落地根基在于数据资源，但相较其他成熟行业，酒类产业上下游数据打通、跨主体数据集成难度较大。在此基础上，还要找到系统之间集成、打通、协同的方法，特别是从上游供应商到终端经销商，再到最后一公里消费者，如何通过数据和系统实现贯通。
吴布亚坦言，当前酒类供应链普遍存在数据不完整、质量不高、标准不统一、获取困难等痛点。同时，白酒行业受季节性影响，销售预测与库存预测难度较大，尤其是在个性化定制产品以及新生代、零零后消费者行为习惯分析方面更为突出。第三，企业内部新旧系统并行，业务流程、数据体系与应用系统难以协同。第四，AI在C端应用已较为普遍，但在工业生产领域的深度落地仍处于探索阶段。
刘振君分维度拆解产业落地阻碍：一是全行业整体数据质量良莠不齐，有效可用数据稀缺；二是AI系统研发与数字化改造投入成本分化明显，对中小企业来说投入成本普遍偏高；三是全产业链数据合规与信息安全管控仍是行业共性难题。
面对上述挑战，应如何破局？张琦从产业链源头管控切入，介绍五粮液的落地举措。他认为AI不应局限于生产环节辅助使用，需贯穿粮种选育、田间种植、原料采收全流程。依托自研质量管控模型，借助AI前置研判原料品质、划定原料准入规范，从源头统一原料入库验收标准。除此之外，五粮液同步落地AI智能安防、人脸识别等数字化项目，筑牢产品质量与厂区安全防线。
范敏立足知识数字化应用分享泸州老窖实践方向：企业现阶段聚焦管理、营销两大板块深挖AI落地价值，已落地智能客服、知识库问答等数字化应用，精简人力投入、提升后端服务运转效率。在她看来，AI赋能供应链的核心落脚点是业务创新，未来关键工作是依托数字化工具串联“研、产、供、销”全链条，统一全链路数据标准、细化数据治理精度，释放数字化价值。
吴布亚从底层系统架构维度，阐述今世缘全链路AI系统化建设构想：第一，搭建企业级统一数据中台，归集全渠道多源数据，落地包含编码、品名、指标参数在内的全维度数据标准，深耕数据治理，将零散原始数据转化为标准化开放数据资产，支撑各类业务调取应用；第二，推动AI技术和现有业务系统、作业流程深度融合，把数据、行业知识嵌入各流程节点与细分场景，依托AI赋能智能决策；第三，采用本地部署+云端部署混合架构模式，在保障数据安全的前提下推动AI应用落地。
围绕供应链提质、降本、增效核心目标，刘振君介绍今世缘数字化升级规划：企业以AI为核心抓手，从前段原料品质管控到后端全链条数据治理，稳步推进供应链全链路数字化改造。
未来展望
如何形成产业生态协同？
那么，未来应如何形成怎样产业生态协同？与会嘉宾围绕产业生态协同建设、数据赋能产业升级、行业标准搭建、数据安全保障等核心问题，结合行业发展现状，提出多项针对性思路与落地建议，为行业数字化、智能化高质量发展指明方向。
张琦提出，应共建行业的“数据可信空间”。他指出，数据可信空间是解决数据共享与采集难题的关键抓手，而其建设主体应由行业共同协商确定，最终形成垂直统一的通用系统。
范敏提出三点建议：一是聚焦酒类制造端，目前基于酿酒生产、包装等环节的垂直业务模型尚不成熟，希望企业与行业共建，针对酒类行业的共性需求，企业可以进行数据分享；二是建议统一数据标准，无论是在产业上下游之间还是企业内部，各业务板块的标准都应保持一致；三是在建设数字化系统的同时，同步做好数据治理工作，并加大对整个行业知识体系的梳理力度，以保证输出结果的准确性。
吴布亚建议，坚持“数据+流程”优先。链主企业应持续加强AI能力和大模型能力建设，深入探索消费模式、消费场景和消费行为，赋能渠道商、营销商及终端消费者，在销量预测、产销协同、终端动销等方面挖掘其应用能力。同时，将数据、信息、知识与流程及企业管理有机结合，实现数据价值最大化。
刘振君建议：一是可在行业内设立AI应用标准，而数据标准是基于数据领域还是数据治理层面，值得进一步探讨。二是先解决数据“有没有”的问题，例如增加物联网传感器的使用，在“应采尽采、能采则采”的基础上，先把数据指标收集上来。三是深化信息系统数据价值挖掘，目前许多系统可能更多满足业务线上化，但线上化后的数据如何挖掘和分析，值得深思。（以上内容根据5月13日召开的2026第四届酒类物流供应链产业年会嘉宾对话环节实录整理）
