AI溯源+动态预警：一支学生团队为新能源汽车供应链风险防控提供新思路

当前，我国新能源汽车产业正处在转型升级的关键时期。动力电池是新能源汽车的核心部件，供应链的平稳运行对产业发展十分重要，如何尽早识别潜在供应链风险，是不少车企面临的现实问题。重庆三峡职业学院经济管理学院 “数链兴财” 学生团队，围绕业财融合方向，探索搭建一套供应链风险管控参考方案。

电芯在整车物料成本中占比较高，锂原料价格波动容易给整车企业带来成本上的压力，叠加外部复杂的供应链环境，部分主机厂存在业务数据分散、风险发现不够及时、需求预判难度大、财务结算流程繁琐等现实问题。

“多套业务系统相互独立，数据口径不统一，业务和财务数据难以打通；多层级下游供应商不好管控，缺少有效的风险提示手段。” 学院 “数链兴财” 团队前往新能源汽车的财务、采购、供应链等部门开展为期三个月的实地调研，梳理总结出企业遇到的部分现实难题。

结合调研情况，学生团队设计涵盖数据整理、风险识别、需求预估、供应商评估、资金参考、结算辅助的实践思路，重点尝试梳理锂矿锂盐正极材料电芯多层级供应商的溯源分析框架。学生运用 Python 工具整理供应链相关层级数据，尝试对接部分系统公开数据，采集工商、网络舆情公开信息，用于供应链风险的模拟分析。

在项目模拟演练环节，当车型销量出现大幅上涨的模拟场景，这套分析框架可以顺着供应链向上溯源，提示锂矿出口、供应商过度依赖等潜在风险，尝试把风险处置的思路从事后处置向事前提示方向转变。针对采购需求预判的问题，团队成员调试两种模型的不同权重比例，借助 LSTM 捕捉长期变化趋势，利用 Transformer 关注短期突发波动，对电芯采购需求开展模拟测算，输出可作参考的采购建议。

该实践方案除识别风险外，也能够为企业运营优化提供一些思路。在模拟测试当中，团队借助 AI 工具 “智跑” 做辅助，简化新供应商准入的部分审核流程。通过模拟调整供应商配比，改变单一来源供货的模拟场景，测算资金占用的变化情况，探索优化资金使用的可行方向。面对锂价上行、供应链扰动的模拟情景，团队借助 Deepseek 大模型搭建简易多维度评价框架，给出资金应对方案的参考思路，为极端情形下的资金缺口提供备选参考。在结算环节，练习对采购订单、入库单、发票数据做匹配比对，探索订单到付款流程的自动化辅助思路，以此提升结算处理的效率。

标签：