——《全球化：世界是平的》托马斯·弗里德曼（Thomas L. Friedman）

 

01 | 一件文物背后的贸易路线

周末，笔者瓜游博物馆，展览之一就是埃及的木乃伊，包括面具、棺盒、棺盖等，一圈游览下来，围绕文物背后——上下游供应链所隐匿的历史线索更为让人兴奋和震惊。

当考古学家通过化学检测，进而追溯并还原出古埃及（托勒密王朝）的整个供应链网络时，我们可以清晰地想象出古埃及繁华的进出口贸易。见图1。

图1：围绕木乃伊背后的真相

如图所示，制作木乃伊的黄金源于本土埃及，用于棺椁的雪松木进口于黎巴嫩，棺盖上涂抹的黑色沥青来自于死海，制作眼睛的天青石来自于阿富汗，而用于木乃伊防腐的各种香料等，远自印度……

从古到今，供应链都在改变着我们的生活，Parag Khanna（帕拉格·康纳）在他的畅销书《超级版图——全球供应链、超级市场与新商业文明的崛起》中表示：

我们已进入到超级版图的时代，这种形式不再以国界为界，而是通过全球化的供应链体系。

日常生活中其实已经有意识或无意识的经历这样的变化，包括物资、交通和基础设施以及信息统统互联互通，远程办公也是信息供应链的一种形式——一只无形的手正在主导着世界的发展。

如果你仔细观察供应链上的每根链条，就可以看到这些细微的交易都是如何组合起来并影响到全球的发展趋势的——亚当·斯密所称的自由市场、大卫·李嘉图所言的比较优势以及爱米尔·图尔干的劳动分工理论都被得以体现——资本、劳动力和生产在全球范围流动，流向最能有效连接供给和需求的地方！

02 | 智慧供应链的基石——对数据的处理能力

从传统的供应链视角来看，供应链是由生产者、中间商和销售方组成的完整生态体系。但随着科技的发展，构成供应链生态的所有环节，规划—采购—生产—仓储—物流—销售等一系列的元素，底层均是由一个个的数据所构成，也就是说，供应链问题的本质就是数据的问题！而且，供应链也不是线性结构，而是一个巨大的拓扑网络——每个环节之间都包罗着错综复杂的关系。那么，企业如何穿越周期并能洞悉变化、绸缪应对、迅速反应、科学作为呢？

在现代的智能供应链中，图计算（图数据库¹）在应用场景上是非常广泛的，从生产、维护、生产规划和排期，到物料管理以及库存管理，每个领域都能够看到其扮演着重要角色。

·供应商关系管理：企业可以使用图来管理供应商的关系网络。通过将供应商、产品、采购订单等数据存储为节点²和边³，企业可以实现对供应商关系的可视化和分析，从而帮助企业识别并处理供应链中的风险和机会。

·库存优化：企业可以使用图来分析库存水平、订单数量和交付周期等数据。识别库存过剩和缺货风险，并通过优化订单、调整生产计划等方式实现库存的最优化。

·物流管理：企业可以使用图来管理物流网络。通过将物流节点、路径、运输工具等数据存储为节点和边，企业可以实现对物流网络的可视化和分析，从而帮助企业识别物流风险和优化运输计划。

·产品质量管理：企业可以使用图数据库来管理产品质量数据。通过将产品、供应商、原材料等数据存储为节点和边，从而帮助企业识别产品质量问题和优化质量管理流程。

……

那么，什么样的图计算（图数据库）技术，能够具备高效的数据集成与强大数据处理能力呢？

算力：能洞悉蝴蝶效应的高并发实时算力

我们越来越认识到，任何风险都不是孤立存在的，不同的风险间具有相互转化、传递和关联的链条效应…… 在过去的两三年中，天灾、战争、政治等各类因素导致了各类灰犀牛、黑天鹅事件频发。以俄乌冲突为例，除了一系列的负面影响外，它还是导致奥迪、宝马等老牌车企零部件供应危机的“元凶”——多家百年车企被迫停产停工——任何一只蝴蝶扇动翅膀，都有可能造成另外的关联。

洞察蝴蝶效应与图计算技术在本质上是不谋而合的。嬴图作为Graph XAI 可以在复杂的图集中——千亿级数据量的图集中，支持超过30层+的深度搜索、查询与计算，可以对任何量级数据集实现超深度的实时穿透，帮助企业或组织实时洞悉到数据海洋中的所有深藏的、微妙的、复杂的关联关系，实现风控管理早发现、早准备、早预防。

以特斯拉为例，一辆车的生产，从动力系统、中控系统、电驱系统、充电系统，再到底盘、车身、内饰、外饰……大约需要1万个零件，这些大大小小的零部件，都是由上千家企业提供，包括众多的供应商、生产商、分销商、零售商……它们再构成上下游间包括供应和交付流程的N多阶段，任何环节出现小小意外，都有可能造成马斯克的交付承诺泡汤。

图2：图片来源网络

 

算法：100+ 高性能可扩展图算法包

在我们日常的生活和工作中，人与人、人与物、物与物之间的交互都离不开“计算”二字。在这一背景下，算法闪亮登场。简单来说，算法是为了解决某个问题而采取的有限长度的具体计算方法和处理步骤。通常来说，算法的产出物有两种，第一种是算法产出的结果（分群、分类、预测值等），第二种是算法产出的规则。

就供应链来说，尽管其无处不在，但供应链本身却看不见摸不着，人们只能看到将供给和需求相连的那些元素，这也导致了虽然供应链将相隔遥远的各方都联系在了一起，但不同业务方向的人，包括生产、采购、物流、仓储、原材料等，大家都掌握着不同的数据，且数据颗粒度完全不一样，这也造成了大家很难在同一个维度去进行交流，更不可能完成实时的（第一时间）对各种信息的共享，以达成业务上的洞察。

以采购为例，体量庞大的汽车零部件采购一直是车企的重中之重，但这一环节会涉及到产品类目、数量确定、供应商选择、成本核算、降本分析等等，是一项需要耗费大量人力、精力、时间以及效率的事情。

表1：供应链“智能化”：图数据算法决策

见上表所示，嬴图 XAI 将不同数据源的数据整合在一起，通过上百种超高性能图算法（嬴图建有全球范围内最丰富的图算法库，超过100种），因材施算法，再通过支持灵活Demi-schema的UQL,深入去查询各个环节的数据，帮助车企整合坐落在全球的各个生产线的需求，并根据预算快速评估需求合理性，准确核算采购成本，实现采购流程的科学性、透明性。

图3：嬴图UQL 与Cypher、GSQL 多种图语言的对比

 例如某生产线经常采购的某固定品牌价格因某因突然上涨，嬴图Graph 即会自动推荐出更为价廉物美的替代品牌，以保障资源最优配置与运营效率最大化。

图4：嬴图manager路径搜索

如上图所示，该路径模板，搜索了所有从location1开始，到工厂节点或制造商节点结束的5步路径内。故，企业很容易就能提前识别某风险点造成的路径及关联影响，并智能进行最优匹配。

图5：特斯拉供应链（子图）

值得一提的是，针对同一问题的不同算法，在运行时会存在性能方面的差异，一个好的算法设计，除了能够解决问题之外，还应该计算工作量越少越好（运行效率最高）、所需内存空间越小越好（耗费资源最少）。嬴图算法包的支持是目前全球范围内最全面、运行效率最高、延时最低的选择。

更重要的是，嬴图的算法设计，是增强的XAI功能，可以从相同任务的不断重复中汲取营养，变得更加明确、简单又有效。同时，不同算法之间还强强联合，进行组合优化，集中处理单一算法难以解决的问题，如自动驾驶算法的数据，如视觉算法，最终比拼的还是训练模型的数据集，将原先预计短期内不可能完成的任务变成可能。

 

算量（数据）：图的高维力  还原世界

从技术上讲，全球各行各业都面临着数字化转型的挑战与机遇。数字化转型在技术本质上是从传统的关系型数据库向大数据、快数据再到深数据（关联数据、图数据）转型的挑战。

时至今日，面对计算无处不在，各种场景都会涉及到大量的数据运算和处理，如车间的物联网设备、生活场景的智慧家庭，它们每运行1秒，都会产生大量的数据——这些海量的、复杂的数据，都像矿藏一样，需要被收集、存储、挖掘和分析。

但是，传统关系型数据库由于其模式的限制，并不能胜任智能供应链对复杂关联关系的存储、查询和计算要求。见下图。

图6：图数据库与关系型数据库的架构差异

在传统关系型数据库中，涉及到多表关联查询时，计算量与表内数据量的笛卡尔乘积等比例增长，数据量越大，表关联越多、越复杂，效率越低；而图数据库采用的计算逻辑是近邻关联计算（查询）模式，计算复杂度低，效率指数级提升。（感兴趣的读者可以详细阅读：图数据库与关系型数据库的区别）

图7：通过节点和节点相关联，就能信手拈来地通过图数据去直接地构建真实世界中的属性和关系

当我们用关系型数据库与图数据库分别去做深度穿透，从第2—5层，性能的差异其实是指数级上升的。如在做1层穿透的时候，两者可能并没有本质的区别，从2层开始会出现指数级（10倍以上）的变化，直到用传统数据库做4—5层的穿透时，其已经不能返回任何结果了，也就是说，已经超出了机器的运算范畴从而罢工了。（感兴趣的读者可以详细阅读：高并发图数据库系统是如何实现的？）

值得一提的是，并非所有的图数据库都可以实现深度穿透，有的图数据库只有存储能力而缺乏计算能力，有的可以计算，但是因为涉及到数据迁移效率又非常低下。（感兴趣的读者可详细参阅：图数据库只存不算？）还有一些图数据库采用NoSQL或MapReduce的架构实现，但是没有面对图计算的特点做充分的、深度的优化，最终的效果是越水平分布，效率越低。更有的是盲目地把所有数据都搬入内存，造成内存使用暴增，同样会产生频繁出现OOM而导致宕机的负面问题。

正确的实现道路是“分布式+存算一体化+多级存储优化+图查询深度优化”，这里涉及到图数据库的知识点与挑战非常多，关于如何设计并实现真正的高性能分布式图数据库，感兴趣的读者可详细参阅高并发图数据库系统如何实现？。

嬴图分布式 HTAP图数据库则为这一挑战提供了新的选择，并将与物联网、数字孪生一起构建智能供应链的数字基础设施。

图8：嬴图简化对复杂数据类型及数据之间关系的支持，沿着关系网络可以快速遍历，轻松扩展数据

此外，企业可以通过嬴图底层引擎的拉动，通过嬴图manager （感兴趣的读者可详细参阅：走进嬴图Manager 之 高可视化系列文章）或结合企业定制化上层开发的可视化界面，来协调并自动化管理过程。

图9：应用层定制化的可视呈现  

 企业可以通过自身定制化图谱，实时反映真实信息，让所有人随时把握事态的进展和数据之间关联，将跨越分隔的顾客、厂家、供应商，整合成为一个紧密的整体……

 结语

马克思说，生产力决定生产关系。

人工智能、物联网、云计算……伴随科技领域日新月异，信息流动、物资流动都达到了前所未有的水平，越来越多企业参与在全球经济循环中，横贯东西方几个世纪的生产力鸿沟，正在被快速填平，世界似乎真的正在被抹平……

然而，我们也看到了硬币的另一面——在构成世界的复杂逻辑中，“戴尔理论”并不灵验，修昔底德陷阱并将长期存在。因为只要我们以史为镜就会发现，供应链上的两国打仗实为常态，远如20世纪初，被誉为日不落帝国的英国，其出口虽占世界GDP的13%，但依然没能阻止一战的爆发，近如俄乌之战……世界是平的吗？供应链的联系又是如此脆弱……但无论怎样，图计算（图数据库）技术对数据的洞悉将会是赋能企业和组织风控的那根救命稻草。

文末鸣谢Wanyi.S、Peipei.C 、lina.S 对本文的贡献。

文/Emma

注释：

[1] 图数据库

[2] 什么是点

[3] 什么是边