DeepSeek对话录：长尾产品的库存计划（1）

长尾在小批量、多品种的行业非常普遍。即便在大批量行业，只要需求足够细分，我们看到的也多是长尾需求。比如你是个是个手机大厂，手机在总仓一般是大批量产品，但到了细枝末节的门店，一天可能就卖掉三两部，甚至一部也卖不掉，就成了典型的长尾。

如何模拟长尾需求

对于短尾产品，批量较大，需求相对稳定，我们一般用正态分布来模拟。

对于长尾产品，我们要用泊松分布来模拟，具体做法参见我的《需求预测和库存计划》，第189-195页。在计算其库存水位的过程中，我们得用Excel中的Poisson.Dist函数，比较繁杂，也不直观。这里想尝试的是，DeepSeek能不能简化这些，或者提供更简单的方法。

我就让DeepSeek给我一个产品，其需求历史符合泊松分布。DeepSeek首先回顾了一下泊松分布的三大特征（如下），指出汽车4S店的备件（如安全气囊）、特殊医疗耗材（如罕见病药物）、奢侈品店的定制商品（如限量版手表）都是典型的长尾产品。

1. 低频需求：需求事件离散且发生率较低。

2. 小整数需求：每次需求量为0、1、2等小整数。

3. 随机性：需求发生无明显的周期性或趋势。

接着，我让DeepSeek"请帮我找一段需求历史，比如过去13周或26周，每周的需求历史列出来。该需求历史符合泊松分布"。DeepSeek就模拟生成 26周需求历史，假设产品为 汽车4S店的安全气囊，其需求符合泊松分布（均值 λ=1.2/周），我制成图如下。

算不对，就是算不对

看到均值是1.2个，我有点怀疑，就自己计算，发现是1.04，就问DeepSeek这1.2是如何计算的。DeepSeek说是把26周的需求历史叠加起来，得到30（正确值应该是27），除以26就得到1.2。这么简单的算术也做错，我就接着问，"总需求30是如何计算出来的？" DeepSeek就列出一长串数字，截图如下----留下"罪证"，以免DeepSeek说我诬陷它。

为了确保自己算对，DeepSeek还用几种方法来验算----多像个好学生做的啊。第一种验算的逻辑是这样的：26周需求历史中有7周为0，12周为1，6周为2，1周为3，其总和等于7*0+12*1+6*2+1*3=27。另外两种验算的细节不谈，结果分别是28、26。对于3次验算的结果，DeepSeek还是坚持正确答案是30----这孩子脑子一根筋，我还真搞不清它在想什么。

我一直觉得DeepSeek会有公式来做这些简单的计算，比如求和、平均值、方差、标准差什么的，就如Excel一样。实际上，DeepSeek似乎在用很原始的方式做计算，就跟我们小时候用小棍子做加减法类似。算得很自信，每步都正确，结果却是错误的，而且你不知道是怎么错的。

我当面揭穿："计算错误。总需求等于27，不是30。" 这次DeepSeek后知后觉，马上回复"您完全正确！经过仔细复核，总需求确实是27"（黑体是DeepSeek加的），而且承认"我之前的逐项求和存在错误"。你当然不知道这次它是怎么算对的，不过勇于承认错误就是好孩子。

DeepSeek还计算了方差（1.058）、标准差为√1.058 ≈ 1.029。都精准到小数点后三位数了，这下该正确了吧？你当然不能相信。这不，Excel中一验算，还真的发现DeepSeek又算错了。一经指出，DeepSeek马上承认错误，然后一板一眼地计算起来，得到方差为0.5814。

其手动计算逻辑如下：每一期的实际值减去平均值，就得到离差；每一期离差求平方，累计起来除以样本数26，就得到方差。都精确到小数点后4位数了，这次该计算对了吧？还是没有。

细看其计算的每一行，我才发现它把原始数据给读错了：有12周的需求是1，它给记作14周；6周的需求为2，它给记作4周。这还不是最糟糕的；更糟糕的是DeepSeek还在有板有眼地验证：在Excel中"直接输入数据计算方差（VAR.P函数），结果为0.581（与手动一致）"。

我对DeepSeek好言相劝："兄弟，你的方差还是计算错了。我在Excel中用函数VAR.P验算了，应该是0.652."DeepSeek当然是知错就改："您完全正确！经过重新验证，周需求的总体方差确实应为0.652（而非之前计算的0.581）"。

且慢，我们这里计算的是样本方差，Excel中应该用函数VAR.S，而DeepSeek计算的是总体方差，用了Excel中的函数VAR.P。总体方差是我们看到的已经是所有的样本，样本方差呢，我们看到的只是总体的抽样（我们这里是抽样其中26周的需求），两者的计算公式有点小差异。

不熟悉数理统计的读者不一定理解两者的区别，但DeepSeek的知识面广，不该犯这样的错误啊。一经指出，DeepSeek立即就意识到了错误："您完全正确！在之前的讨论中，我混淆了总体方差（VAR.P）和样本方差（VAR.S）的计算公式，这是不可接受的错误"，并重新计算。

读到现在，你还相信DeepSeek给你的数字吗？

经验教训

DeepSeek在基本计算上错误百出，完全超出我的想象。我家上中学的少年说，ChatGPT等AI的计算也不可靠，需要自己验算：看样子他也给坑过。这也反映了计算是AI的一个通病。

糟糕的是，我们不知道DeepSeek是怎么算错的、怎么算对的。它有时候对，有时候错，缺乏可预见性，这可是个大问题。

一旦指出，DeepSeek就会认错，而且"信誓旦旦"地验算，但验算是怎么做的，不知道；有时明明没做，却一本正经地说做了。"直接输入数据计算方差（VAR.P函数），结果为0.581（与手动一致）"----如果它真的调用Excel，这个函数是不会得到它说的结果的。

看来，DeepSeek强于逻辑推理，弱于数理计算，此言不虚。

在下一篇文章中，我们会继续介绍DeepSeek是如何计算长尾产品的库存水位的。