2026年3月,苏州相城的工业项目开标室,空调开得有点冷,我抱着胳膊蹲在墙角等唱标。那天开标是长三角某汽车零部件集群的供应链管理系统采购项目,同场投标的有两家做了十几年传统ERP的厂商,报价分别是120万和135万,还有一家从深圳过来的GNN创业公司,唱标人念到他家报价的时候,我差点没站稳——568万的中标价是传统厂商报价的4.3倍。
当时在场的几个做传统供应链软件的销售,抱着胳膊靠在走廊的墙上笑,说这价格是来凑数的,哪有这么报价的。结果唱标结果念出来的时候,走廊里的笑声全停了。我后来在走廊碰到甲方的评标代表,他叼着烟跟我吐槽,说之前上的传统系统,每年光因为供应链节点错配导致的呆滞库存就有快900万,568万的系统摊到3年使用周期里,一年才189万,换回来每年少压大几百万的库存,这账谁算不明白。他给我算了个更粗的账,整个集群1200多家配套厂,要是把跨厂的供应链节点全打通,相当于把整个集群的库存资金占用每年挤出12亿的活水——这个数差不多够给整个相城区的工业园区涨两个月的工业用电补贴。

开标现场的反常中标价
没人敢吹GNN是万能解药。我当时翻那本厚达47页的技术应答文件,翻到第三页就发现,投标方根本没吹什么通用大模型的泛化能力,只列了过去18个月给三个零部件厂做的落地数据:某转向器厂的来料不良溯源时间从原来的4小时压到12分钟,某内饰件厂的紧急插单响应时长从2小时缩到18分钟,某线束厂的呆滞库存占比从11%降到3.2%。没有华丽的术语,没有高大上的发布会PPT,全是车间里能摸得到的数字。贵。真的贵。但是架不住算得过来账。
谁在给GNN的落地成本买单
深圳那家扎在汽车供应链里的GNN创业公司,2023年的时候还在各大行业峰会吹自己的通用图大模型,能覆盖金融、医疗、制造所有场景,融资拿了两轮,账上的钱烧得差不多了,2025年年初干脆把做通用场景的团队砍了三分之二,整个公司扎到长三角的零部件集群里,挨家挨户谈落地。
之前大家都觉得GNN落地的卡脖子问题是算法精度不够,跑出来的预测不准。跟他们的CTO聊了两次才知道,根本不是算法精度的问题,是节点数据打通的利益博弈。主机厂怕供应商知道自己的真实生产计划,供应商怕主机厂知道自己的真实产能,谁都不愿意把核心数据交出来当训练样本。他们现在的解决方案也实在,做隐私计算的边端节点,所有原始数据留在企业本地的服务器上,模型只同步节点之间的连接权重,不用把数据拿出来换收益。现在一套能覆盖单个核心零部件厂上下游300个节点的GNN系统,前期部署的成本大概是180万,比同规模的传统ERP定制开发贵3倍,但每年的运维成本只有传统系统的40%——传统系统每年要花近30万找工程师调规则,GNN的模型是自己跟着数据迭代的,一年只要花8万多做节点维护就行。
那个CTO说,现在做供应链GNN的逻辑,根本不是大家想的那种高大上的算法竞赛,更像南方丘陵地区搞的立体桑基鱼塘:不是靠某一个环节的高产赢,是靠桑、蚕、鱼、塘泥之间的连接效率,把原来散在各个环节的损耗全挤出来——你单种桑树,收益永远跑不过规模化的大田种植,但是把整个生态的连接打通,没人能抄得走。

普通从业者要面对的真实变量
别信那些报告里写的GNN会带来多少万亿的市场规模,就说身边能摸到的变化。做供应链计划的专员,之前每个厂至少配3个,每天的工作就是对着ERP系统查库存、算需求、给供应商发催货邮件,现在上了GNN的厂,这个岗位的编制直接砍一半——系统能自动算出来哪个节点的物料可能在3天后断供,能自动给供应商发询价单,能自动算出来哪个批次的来料可能有质量问题。
那些之前囤了一堆高端GPU准备做通用图大模型的厂商,现在库存压得快喘不过气,因为真正落地的客户根本不需要那么大的算力,都是在企业本地的边缘服务器上跑小的图模型,之前炒到十几万一卡的高端GPU,现在二手市场的价格跌了快40%。反而苏州有个5个人的小团队,根本不做通用算法,就专做汽车线束行业的GNN落地,把整个长三角线束行业的上下游节点关系摸得门清,每个项目收七八十万,一年做12个项目,现金流好得很,根本不跟那些大厂商抢通用市场。
那些靠单节点数据库做供应链系统的厂商,已经开始被挤出招投标的第一梯队。2026年的工业软件招投标文件里,快30%的项目会把图计算节点的打通能力作为加分项,之前这个加分项是完全不存在的。卷不动的厂商还在拼谁的功能按钮多,看明白的厂商已经开始顺着供应链的节点关系,把原来散在各个企业的连接网络一点点拼起来。
上周我在嘉兴的一个线束厂车间里,碰到车间主任对着电脑上的GNN预警弹窗骂街,说系统提前3天预警说某塑料粒子供应商要断供,结果人家提前一周把货送来了,白紧张了半天,还特意多备了两仓库的料。你说,这套要花几百万的系统,到底是真的把供应链的效率提上去了,还是换了个方式,把原来老车间主任摸了十几年的经验,变成了一堆要持续每年付费的模型权重?
作者|fawen
排版|fawen
审核|见微
大讲堂