外部公开案例，非衍谷交付
General Mills · 供应链智能执行 Project ELF
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 基于公开材料概括
- 解决方案
- 基于公开材料概括
- 技术工作流
- 公开信息与编辑推演混合
- FDE 行动（请结合分析边界）
- FDE视角编辑推演
- 结果（来源方披露）
- 厂商或客户披露
业务问题
4,000供应商、200+工厂、约120万订单，运营人员每年进行约5,000万次供应链决策。解决方案
先将约200张主数据/运营表接入Ontology，再用AIP实时读取约束、产能、网络成本，对订单给出调度和节省建议。技术工作流
- 约200张主数据/运营表 + 订单/产能/成本/网络数据
- Foundry数据管道统一清洗并建供应链Ontology
- 每个订单映射到工厂、SKU、供应商、产能、运输等实体关系
- AIP实时读取业务约束并识别可优化订单
- 算法/AI生成重路由、调度或节省建议并估算财务影响
- 供应链人员在工作台审核建议
- 接受的动作进入执行流程；采纳/拒绝反馈回流
技术组件
- Foundry
- Ontology
- AIP
- 供应链优化逻辑
- 运营工作台
- Human-in-the-loop
人工责任与复核
供应链人员审核建议；公开材料称>70%建议被接受。FDE 行动（请结合分析边界）
- 把5,000万次年度人工决策拆成可重复的订单级决策单元
- 统一200张表中的实体和口径，使模型能理解订单与真实网络关系
- 和业务共同定义不可违反的约束以及“好建议”的财务目标
- 将AI从“分析报告”推进到每日约400条可执行建议
- 用采纳率、日节省额和服务指标迭代建议质量
结果（来源方披露）
约3,000订单/日被评估，约400条建议/日，约$40K/日、$14M/年节省。核验说明
- 高：Palantir AIPCon Impact Study公开了数据规模、Ontology、建议数量、采纳率和节省指标。
- 来源可直接定位到该案例；数值仍属于来源方披露，不代表独立审计。
未公开 / 仍有缺口
- 业务背景
- 改造流程
- 人机与治理
可迁移方法
- 先建可行动的语义层，再谈Agent
- 建议必须附带业务影响才能进入运营优先级
- 采纳率比离线模型accuracy更接近真正的产品指标
来源账本
- 标题
- General Mills：供应链智能执行 Project ELF
- 发布方
- Palantir
- 来源类型
- 厂商官方客户材料
- 可定位性
- 案例级直接来源
- 结论披露方
- 厂商或客户公开披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
高：Palantir AIPCon Impact Study公开了数据规模、Ontology、建议数量、采纳率和节省指标。编辑摘要
这个案例的关键不是单点使用AI，而是把“供应链智能执行 Project ELF”重构成可执行、可验证、有人类责任边界的生产工作流。详细度六维评分（各 0–2）
- 业务背景
- 1
- 改造流程
- 1
- 技术工作流
- 2
- 人机与治理
- 1
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
palantir-002来源分类
Palantir企业 / 组织
General Mills行业
消费品/食品业务场景
供应链智能执行 Project ELFFDE 标记
典型Forward Deployed成熟度说明
生产级/规模化主来源
https://www.palantir.com/assets/xrfr7uokpv1b/1aLBn65y83vdytjpXJKZcO/16989b788b34cb677f6d763d56a72349/Building_an_Intelligent_AI-Driven_Supply_Chain_at_General_Mills_-_AIPCon_March_-24_Impact_Study.pdf ↗一级行业
零售与消费成熟度阶段
规模化FDE 关系
典型前向部署模式证据等级
A证据等级说明
A级｜案例级直接来源详细度评分（满分 12）
9详细度分组
standard详细度说明
标准案例｜可参考但仍有缺口编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。