京东物流放大招，给供应链装上了"AI 大脑 "

假设明天，京东商城华东地区某类商品订单突然暴涨，全国会多出几百万个包裹。

这个变化发生以后，其实并不是简单多准备一些货，多派一些车就能解决的。

因为接下来会出现一连串问题。

货提前放在哪里，哪个仓库会先承压，要增加多少车辆，加在哪两个城市之间？分拣中心是否需要提前调整，如果实际订单和预测不一样怎么办？

物流复杂的地方，就在这里。它是一个巨大、动态的网络，当数千万个包裹同时流动时，会让整个物流网络都发生变化。

正如京东物流 AI 算法负责人向《罗戈网》表示，这种变化往往是 " 牵一发动全身 "。一条线路的变化，可能会牵动仓储、分拣、运输、配送。

过去，人可以分别管理这些系统。但当供应链越来越复杂以后，有没有可能让 AI 站在更高的位置，看到整个网络？

这就是京东物流超脑 3.0 想解决的问题。

01，超脑 3.0 到底是什么？

以前物流里的 AI 能力，很多时候是一个场景对应一个能力。

比如，路径规划解决路径，仓网规划解决仓库，排班系统解决人员，调度系统解决车辆，这些 AI 能力都能让某一个环节变得更高效。

但供应链复杂的地方，是这些事情之间会相互影响的。

当订单预测发生变化，库存就要调整；仓库里的库存变化，会影响运输；运输时效变化，会影响配送；配送能力变化，又会反过来影响仓库和运力安排。

所以，当整个供应链同时发生变化时，难点在于怎么把这些变化放在一起看，怎么把预测、感知、决策、流程、执行连接起来，让 AI 从优化一个个局部环节，进一步进入整条供应链的运行过程。

这是超脑 3.0 的一个重要变化，也是和普通物流 AI 最大的区别。

换句话说，超脑 3.0 想做的，是让 AI 进入供应链的决策链、协同链和执行链。

为了做到这件事，它搭建了五个供应链原生工业模型。

五个大模型，对应的是五种能力，最后形成一套从预测、感知到决策、执行的完整 AI 能力链。

PreX 大模型负责预测，提前发现供应链可能发生的变化。

OptiX 大模型负责决策，给出最优解决方案。

OmniX 大模型做的是多模态感知任务，把来自摄像头、图片、视频、传感器等信息转化成 AI 能够理解的状态。

GeoX 大模型负责理解时空，让 AI 理解物流世界里的位置、路线和时间关系。比如，一批货从北京仓发往上海。AI 需要知道从哪里出发，经过哪里，怎么走，多久能到，哪个节点可能出现问题。

EmbodiedX 大模型是负责物理执行，把决定变成动作。前面四个能力已经解决了预测、决策、理解现场、理解时空，最后还需要让 AI 的判断能够转化到机器人、无人车等设备的具体动作上。

所以，超脑 3.0 更像是覆盖整个供应链的 AI" 大脑 + 神经系统 + 执行系统 "，它要做的，是把大模型装进真实的供应链里面，让 AI 开始管理真实的物流世界。

02，AI 进入物流，难点是什么？怎么解决？

过去几年，AI 在数字世界已取得很大的突破，大模型不断在升级，能做的事情也越来越多。

但 AI 进入物理世界，尤其是到工厂、产线、物流等场景中干活，难度是急剧上升的。

写一篇文章、生成一张图片、回答一个问题，AI 出错了，重新生成一次就可以。

物流 AI 面对的是一个一直在变化的物理世界。

它背后有亿级包裹、海量订单和车辆，而且在这个过程中，订单在变，仓库状态在变，运力在变，路况在变 ......，一个变化可能影响整个网络，执行错一个决策，都可能沿着物流网络被放大。

比如，面对 1000 万件包裹，即使只有 5% 的误差，也意味着有 50 万件包裹可能受到影响。

这也是为什么，物流需要的其实是一种工业级 AI。

换句话说，消费级 AI 更多的追求是能生成，工业级 AI 则必须做到算得准、协同得动、执行得了。

不仅要理解数据，还要理解物流现场；不仅要算出一个方案，还要让仓库、车辆、人员和机器人按照这个方案行动。

这也是超脑 3.0 进入物流供应链后一个很重要的变化，AI 开始" 想、管、干 "。

京东物流 AI 算法负责人用人体机能来做了类比，决策 AI 像大脑，承担记忆和推理，对应 " 想 "；流程 AI 则像人的神经系统，负责传递协调，这是 " 管 "；物理 AI 相当于躯干和手脚，负责 " 干 "，三者形成协同闭环。

那么，这些能力改变了什么？

想，意味着 AI 要参与决策。

它通过亿级订单的快速模拟，让 AI 先在虚拟环境里把供应链跑一遍，在真实业务发生前评估网络承压和资源配置。

比如，哪个地区接下来订单会增加，哪类商品可能突然爆单，哪个仓库未来几天可能压力变大，未来需要多少运力等等。

预测变化是第一步，接下来它要解决的是在成本、时效、库存、运力等各种约束下，给出更合适的解决方案。比如，从哪个仓发，车辆怎么调，哪条线路最合适，怎样兼顾成本和时效。

也就是说，AI 开始从局部最优走向全局协同，从事后处理到提前推演了。

管，意思是 AI 开始优化流程，并协调整个供应链。

在 AI 算出最优方案以后，它要解决的是怎么让整个供应链跟着动。比如，AI 预测到某区域订单会暴涨。它会指导某仓增加库存，某线路增加运力，某分拣中心提前准备，某些订单调整路径。

这些决策，会进入仓储、运输、配送等不同系统，并协同这些系统围绕这个共同目标一起行动。

京东物流 AI 算法负责人提到，AI 不仅是在单点优化流程，更重要的是重新连接不同环节，让变化能够沿着整个供应链快速传递。

干，内核是让 AI 进入物理世界。

前面 AI 已经完成了判断和协调，最后一步是让机器人能够感知环境的变化，并执行到位。

比如在仓储分拣环节，京东物流已有了异狼、智狼、天狼等成熟机器人。其中，异狼分拣机械臂已开始让自己判断怎么拿。一个平整的包裹，可以直接吸取；遇到表面不规则的包裹，就换成夹取；如果单一方式不合适，还可以组合使用。

独狼无人车、飞狼无人机解决的则是怎么把货送过去，它能够感知周围环境，判断当前路况和行驶状态，动态调整行驶路径和动作，最终把货物送到指定位置。

据了解在即将举行的 JDD 大会上，京东物流还将发布五款机器人产品，让机器人拥有更强的任务适应能力。

所以，想是预测未来、做全局决策，管是把决策变成跨系统任务，干则是让机器人、车辆等执行，然后再反馈执行结果，执行下一轮决策优化，这才是超脑 3.0 值得关注的地方。

03，AI 创造了什么价值？为何京东物流更有机会把这种价值做出来？

在京东物流 AI 算法负责人看来，AI 进入物流供应链之后，最明显的变化，是让企业面对复杂变化时，能够做出更好的决策。

物流本质上是一个持续做决策的行业。

货放在哪里、库存备多少、车辆怎么调度、线路怎么规划、人员和设备怎么配置……过去很多决策依赖经验和规则，而 AI 能够把更多信息纳入判断，并通过预测和模拟，让决策更及时、更准确。

决策更准确，意味着库存更合理，运力利用率更高，人和设备闲置更少，最终转化为降本增效。

但问题来了，既然 AI 能够提升决策质量，为什么不是所有物流企业都能做到？

这就涉及物流企业在 AI 的核心壁垒。

数据只有进入业务闭环，才会变成 AI 能力。它本质上是企业业务能力的一种延伸，一家企业能够让 AI 做什么，首先取决于它在供应链里的位置，接触到什么场景，产生什么数据，数据和经验决定 AI 理解什么问题、解决什么问题，最终形成不同的 AI 能力。

比如一个只做运输的物流企业，它的 AI，自然更容易集中在运输优化。

而如果企业主要做仓储，它训练出来的 AI，更擅长做仓内决策和作业优化。

但京东物流的情况不一样。

它覆盖的环节比较长，从前端商家开始，到后面的消费者履约，它能够连续接触商品、订单、库存、仓网、仓储、分拣、运输、配送，最终触达消费者。

也就是说，它拥有的不只是数据规模，还是一条让 AI 持续决策，实时运行并执行反馈的价值链。

AI 能够从商品和订单开始理解需求，再进入库存、仓储、运输、配送，决策执行以后，又能获得真实的履约结果作为反馈。

这是一条完整的链条，从全链路真实场景产生的数据，到 AI 做决策、执行和反馈，再到模型进化，形成正向循环。

所以，企业 AI 能力的上限，某种程度上取决于它在产业价值链中的位置。

企业的价值链有多长，AI 能看到的世界就可能有多完整。企业参与的环节越深，AI 能够进入决策和执行的空间就越大。

最后，回到文章开头那个问题。

超脑 3.0 想做的，是让 AI 参与到供应链全链路里，提前看到变化，推演可能发生的情况，再做出决策，并把决策交给不同的系统和机器人执行。

从这个意义上说，它让不断变化的供应链，具备一种持续感知、持续判断和持续进化的能力。