京東物流放大招，給供應鏈裝上了「AI大腦」

假設明天，京東商城華東地區某類商品訂單突然暴漲，全國會多出幾百萬個包裹。

 這個變化發生以后，其實並不是簡單多準備一些貨，多派一些車就能解決的。

 因為接下來會出現一連串問題。

 貨提前放在哪里，哪個倉庫會先承壓，要增加多少車輛，加在哪兩個城市之間？分揀中心是否需要提前調整，如果實際訂單和預測不一樣怎麼辦？

 物流複雜的地方，就在這里。它是一個巨大、動態的網絡，當數千萬個包裹同時流動時，會讓整個物流網絡都發生變化。

 正如京東物流AI算法負責人向《羅戈網》表示，這種變化往往是「牽一發動全身」。一條線路的變化，可能會牽動倉儲、分揀、運輸、配送。

 過去，人可以分別管理這些系統。但當供應鏈越來越複雜以后，有沒有可能讓AI站在更高的位置，看到整個網絡？

 這就是京東物流超腦3.0想解決的問題。

 01，超腦3.0到底是什麼？

 以前物流里的AI能力，很多時候是一個場景對應一個能力。

 比如，路徑規劃解決路徑，倉網規劃解決倉庫，排班系統解決人員，調度系統解決車輛，這些AI能力都能讓某一個環節變得更高效。

 但供應鏈複雜的地方，是這些事情之間會相互影響的。

 當訂單預測發生變化，庫存就要調整；倉庫里的庫存變化，會影響運輸；運輸時效變化，會影響配送；配送能力變化，又會反過來影響倉庫和運力安排。

 所以，當整個供應鏈同時發生變化時，難點在於怎麼把這些變化放在一起看，怎麼把預測、感知、決策、流程、執行連接起來，讓AI從優化一個個局部環節，進一步進入整條供應鏈的運行過程。

這是超腦3.0的一個重要變化，也是和普通物流AI最大的區別。

 換句話説，超腦3.0想做的，是讓AI進入供應鏈的決策鏈、協同鏈和執行鏈。

 爲了做到這件事，它搭建了五個供應鏈原生工業模型。

五個大模型，對應的是五種能力，最后形成一套從預測、感知到決策、執行的完整AI能力鏈。

PreX大模型負責預測，提前發現供應鏈可能發生的變化。

OptiX大模型負責決策，給出最優解決方案。

 OmniX大模型做的是多模態感知任務，把來自攝像頭、圖片、視頻、傳感器等信息轉化成AI能夠理解的狀態。

GeoX大模型負責理解時空，讓AI理解物流世界里的位置、路線和時間關係。比如，一批貨從北京倉發往上海。AI需要知道從哪里出發，經過哪里，怎麼走，多久能到，哪個節點可能出現問題。

EmbodiedX大模型是負責物理執行，把決定變成動作。前面四個能力已經解決了預測、決策、理解現場、理解時空，最后還需要讓AI的判斷能夠轉化到機器人、無人車等設備的具體動作上。

 所以，超腦3.0更像是覆蓋整個供應鏈的AI「大腦+神經系統+執行系統」，它要做的，是把大模型裝進真實的供應鏈里面，讓AI開始管理真實的物流世界。

 02，AI進入物流，難點是什麼？怎麼解決？

 過去幾年，AI在數字世界已取得很大的突破，大模型不斷在升級，能做的事情也越來越多。

 但AI進入物理世界，尤其是到工廠、產線、物流等場景中干活，難度是急劇上升的。

 寫一篇文章、生成一張圖片、回答一個問題，AI出錯了，重新生成一次就可以。

 物流AI面對的是一個一直在變化的物理世界。

 它背后有億級包裹、海量訂單和車輛，而且在這個過程中，訂單在變，倉庫狀態在變，運力在變，路況在變......，一個變化可能影響整個網絡，執行錯一個決策，都可能沿着物流網絡被放大。

 比如，面對1000萬件包裹，即使只有5%的誤差，也意味着有50萬件包裹可能受到影響。

 這也是為什麼，物流需要的其實是一種工業級AI。

 換句話説，消費級AI更多的追求是能生成，工業級AI則必須做到算得準、協同得動、執行得了。

 不僅要理解數據，還要理解物流現場；不僅要算出一個方案，還要讓倉庫、車輛、人員和機器人按照這個方案行動。

 這也是超腦3.0進入物流供應鏈后一個很重要的變化，AI開始「想、管、干」。

京東物流AI算法負責人用人體機能來做了類比，決策AI像大腦，承擔記憶和推理，對應「想」；流程AI則像人的神經系統，負責傳遞協調，這是「管」；物理AI相當於軀干和手腳，負責「干」，三者形成協同閉環。

那麼，這些能力改變了什麼？

想，意味着AI要參與決策。

 它通過億級訂單的快速模擬，讓AI先在虛擬環境里把供應鏈跑一遍，在真實業務發生前評估網絡承壓和資源配置。

 比如，哪個地區接下來訂單會增加，哪類商品可能突然爆單，哪個倉庫未來幾天可能壓力變大，未來需要多少運力等等。

 預測變化是第一步，接下來它要解決的是在成本、時效、庫存、運力等各種約束下，給出更合適的解決方案。比如，從哪個倉發，車輛怎麼調，哪條線路最合適，怎樣兼顧成本和時效。 

也就是説，AI開始從局部最優走向全局協同，從事后處理到提前推演了。 

管，意思是AI開始優化流程，並協調整個供應鏈。

在AI算出最優方案以后，它要解決的是怎麼讓整個供應鏈跟着動。比如，AI預測到某區域訂單會暴漲。它會指導某倉增加庫存，某線路增加運力，某分揀中心提前準備，某些訂單調整路徑。

這些決策，會進入倉儲、運輸、配送等不同系統，並協同這些系統圍繞這個共同目標一起行動。

京東物流AI算法負責人提到，AI不僅是在單點優化流程，更重要的是重新連接不同環節，讓變化能夠沿着整個供應鏈快速傳遞。

干，內核是讓AI進入物理世界。

前面AI已經完成了判斷和協調，最后一步是讓機器人能夠感知環境的變化，並執行到位。

比如在倉儲分揀環節，京東物流已有了異狼、智狼、天狼等成熟機器人。其中，異狼分揀機械臂已開始讓自己判斷怎麼拿。一個平整的包裹，可以直接吸取；遇到表面不規則的包裹，就換成夾取；如果單一方式不合適，還可以組合使用。

獨狼無人車、飛狼無人機解決的則是怎麼把貨送過去，它能夠感知周圍環境，判斷當前路況和行駛狀態，動態調整行駛路徑和動作，最終把貨物送到指定位置。

據瞭解在即將舉行的JDD大會上，京東物流還將發佈五款機器人產品，讓機器人擁有更強的任務適應能力。

所以，想是預測未來、做全局決策，管是把決策變成跨系統任務，干則是讓機器人、車輛等執行，然后再反饋執行結果，執行下一輪決策優化，這纔是超腦3.0值得關注的地方。

03，AI創造了什麼價值？為何京東物流更有機會把這種價值做出來？

在京東物流AI算法負責人看來，AI進入物流供應鏈之后，最明顯的變化，是讓企業面對複雜變化時，能夠做出更好的決策。

物流本質上是一個持續做決策的行業。

貨放在哪里、庫存備多少、車輛怎麼調度、線路怎麼規劃、人員和設備怎麼配置……過去很多決策依賴經驗和規則，而AI能夠把更多信息納入判斷，並通過預測和模擬，讓決策更及時、更準確。

決策更準確，意味着庫存更合理，運力利用率更高，人和設備閒置更少，最終轉化為降本增效。

但問題來了，既然AI能夠提升決策質量，為什麼不是所有物流企業都能做到？

這就涉及物流企業在AI的核心壁壘。

數據只有進入業務閉環，纔會變成AI能力。它本質上是企業業務能力的一種延伸，一家企業能夠讓AI做什麼，首先取決於它在供應鏈里的位置，接觸到什麼場景，產生什麼數據，數據和經驗決定AI理解什麼問題、解決什麼問題，最終形成不同的AI能力。

比如一個只做運輸的物流企業，它的AI，自然更容易集中在運輸優化。

而如果企業主要做倉儲，它訓練出來的AI，更擅長做倉內決策和作業優化。

但京東物流的情況不一樣。

它覆蓋的環節比較長，從前端商家開始，到后面的消費者履約，它能夠連續接觸商品、訂單、庫存、倉網、倉儲、分揀、運輸、配送，最終觸達消費者。

也就是説，它擁有的不只是數據規模，還是一條讓AI持續決策，實時運行並執行反饋的價值鏈。

AI能夠從商品和訂單開始理解需求，再進入庫存、倉儲、運輸、配送，決策執行以后，又能獲得真實的履約結果作為反饋。

這是一條完整的鏈條，從全鏈路真實場景產生的數據，到AI做決策、執行和反饋，再到模型進化，形成正向循環。

所以，企業AI能力的上限，某種程度上取決於它在產業價值鏈中的位置。

企業的價值鏈有多長，AI能看到的世界就可能有多完整。企業參與的環節越深，AI能夠進入決策和執行的空間就越大。

最后，回到文章開頭那個問題。

超腦3.0想做的，是讓AI參與到供應鏈全鏈路里，提前看到變化，推演可能發生的情況，再做出決策，並把決策交給不同的系統和機器人執行。

從這個意義上説，它讓不斷變化的供應鏈，具備一種持續感知、持續判斷和持續進化的能力。