京东物流 AI 智能体已应用于供应链全链路超千个场景

详细拆解

在 2026 世界人工智能大会上，京东物流在台上放了三个数字。它的超脑大模型 2.0 和狼族机器人矩阵，已经在供应链全链路超过 1000 个场景里跑上了智能体。它说能在 3 分钟内为数十亿包裹算出最优路径。它还重申了一个五年计划：采购 300 万台机器人、100 万台无人车、10 万架无人机。三个数字，一句话，而它们根本不是同一种数字。

这类发布稿的难处全在这儿。一个场景数、一个求解耗时、一个采购目标，看上去像同一条指数曲线上的三个点，其实不是。它们各有各的分母，量的是三件不同的东西，而且每一个都可以完全成立，同时你真正在意的那件事原地不动。我在这里要做的是把它们拆开，好让你下次再被供应商拿其中一个数砸过来的时候，知道该问哪一句。

那就分三块来建模。场景数是一个分母问题。3 分钟是一个求解器问题。采购计划是一个爬坡加折旧的问题，而爬坡是这三个里面今天唯一能用算术去核的那一部分。

先说那个数，因为它最软，也最容易被拿来对你复读。超过 1000 个供应链场景。场景不是一个有定义的计量单位。它可以指一个独立模型，有自己的目标函数和自己的训练数据；也可以指一个模型被部署到了一千个仓库和线路上；还可以指一个产品内部的一千个流程步骤。三种用法都算诚实，而它们描述的能力天差地别。一个路径引擎被铺到一千个站点，你说它是 1000 个场景，就好比数一家连锁超市里的收银台，管它叫一千套收银系统。这不算错，只是它并不是这个数字暗示的那个东西。

我会用的那个筛子，也是能绕开营销的那一个，是覆盖率，不是数量。拿你自己一个月的包裹量出来。其中有多大比例，是从头到尾、任何一步都不用人碰、跑在自动决策路径上的？这个数你算得出来，也能要求供应商承诺。一家公司可以诚实地讲 1000 个场景，同时大部分货量还卡在人工异常里，只要那一千个场景每一个都只是整体里很薄的一层。数量讲的是部署的广度，覆盖率讲的是能改变你成本的那个深度，而只有深度是你付钱买的东西。

给这个覆盖率检验配个数字，让它别再停在抽象上。假设一件包裹一程要走十二个决策点：地址校验、节点分配、集包、分拣路由、波次规划、车辆指派、路线排序、异常处理、派送排程，等等。假设你一年走一百万件，那就是一年一千二百万次决策。1000 个自动化场景这个说法，只有当你把这些场景映射到那一千二百万次决策上、并说清现在有多大比例是自动的，它对你才有意义。如果这一千个场景盖住的是本来就靠规则跑的那一成决策，你几乎什么都没赚到。如果盖住的是过去要人盯的那九成，你就换了一套成本结构。同一句宣称，相反的结局，而分辨这两者的唯一办法，是在你自己的货量上数决策，不是在他们的幻灯片上数场景。

接着用同样的劲道问第二个问题：在管的独立模型有多少个，独立目标函数有多少个？一个目标函数到处复用，是少数几个非常成熟的模型，这是好工程。一百个目标函数就是一百个优化问题，每一个都能以它自己的方式出错，每一个都得维护、测试、重新训练。像这样的宣称，能量化的替身不是场景数，而是独立模型数、独立目标函数数、以及每千件包裹的人工介入异常率。这三样供应商拿不出来，那个场景数就是装饰，你在评审里就该把它当装饰，而不是当能力。

现在说那 3 分钟。这是一个求解器口径，而求解器口径只有在你知道三件事的时候才有意义：问题规模、约束集合、以及运行节奏。问题规模不是包裹数。包裹是变量，决定求解时间的是约束矩阵。数十亿包裹 3 分钟，可能是整张网的一次全局重排，也可能是每个子问题各 3 分钟、而整网的方案要拼好几个小时。这是两个完全不同的产品。是哪一种，要问，而且要书面问。

约束集合是第二刀。每件包裹身上挂了多少约束：时间窗、车辆载重、班次规则、冷链规则、月台预约、运输方式限制？每件包裹四条约束的模型，和每件包裹四十条约束的模型，都能 3 分钟出答案，而两者完全不可比。把路径问题变难的是约束，不是包裹；一个不报约束数的宣称，你没法给它定规模。然后是节奏。3 分钟是持续滚动重排，还是每晚跑一次批处理？每晚批处理是在优化明天的计划，值计划本身的钱。每几分钟滚动重排是在优化抗扰动能力，值多得多，也算力成本高得多。除非你同时说清它多久跑一次、跑一次花多少，3 分钟回答的是一个没人问过的问题。

有一个办法能检验求解器口径，不用读它，而且我会在把钱花到设备上之前，先把钱花在这里。同一个计划，给供应商两次，一次风平浪静，一次故意弄坏。坏的那一次，按他们自己宣称的节奏注入扰动，然后看三件事：方案多久重新稳住、重排把多少本来就好的包裹又挪了一遍、以及你在意的时间窗发生了什么。一个三分钟就恢复、但顺手把半个网络重新洗一遍的求解器，不叫有韧性，叫噪音大。一个能把大部分方案按住不动、只修坏掉那一块的求解器，比一个每回全部重算的求解器更值钱，哪怕它慢一点。方案稳定性——两轮连续重排之间路由没有发生变化的包裹占比——是一个几乎没人开口要、又几乎人人都需要的数。

下面这一段，才是发布稿不能说、说了那句话就软的地方。没有目标函数，最优就没定义。路径是对写目标函数的那个人最优。如果目标函数是运营方自己的网络成本，那么这条路径就是在最小化运营方的干线公里数和枢纽中转次数，它可以是完美最优的，同时把不是一个你想要的时间窗塞到你手里。作为货主，你实际体感到的数不是求解耗时，而是你交付时间窗的波动幅度，以及有多少包裹落在承诺之内。一个 3 分钟的全局重排，如果悄悄拿你的时间窗达成率去换运营方的干线省钱，那它对你来说，比一个慢一点、但尊重你时间窗的方案更差。所以问题不是它算得多快，而是它在最小化什么，以及谁的成本写进了目标函数里。

还有那个队列的道理，因为它总会绕回队列。求解器缩短的是决策延迟。只有当物理网络还有余量的时候，决策延迟才是瓶颈。如果某个场站真正的约束是月台门、是拣选线上的人、是分拣产能的天花板，那么一个 3 分钟而不是 3 小时出来的路径方案，一件包裹也不会多出去，因为包裹不是在等方案，包裹是在等门。你优化了一个不是约束的变量，方案很漂亮，月台照样堵。这个套路我见过一模一样的：一个团队把重排从几个小时压到几分钟，结果整整一个季度出货量没变，因为墙在地面上，不在求解器里。

现在说采购计划，这才是今天真正能用算术去核的地方。300 万台机器人、100 万台无人车、10 万架无人机，五年。除一下。300 万台机器人除以五年是每年 60 万台，也就是每天约 1644 台。100 万台无人车除以五年是每年 20 万台，每天约 548 台。10 万架无人机除以五年是每年 2 万架，每天约 55 架。三者的比例是三十比十比一。所以可核的命题不是总量，是投产速率：每天大约 1644 台机器人和 548 台无人车，天天如此，连做五年。

问一句要达到这个速率有哪些前提必须成立，你会发现机器是最容易的那一环。每一台设备都要有一块地站着、一个充电位、墙上的电、一套维保制度、备件，以及一套让三百万台设备不至于在同一条通道上互相打架的软件。一条这么陡的五年爬坡，真正的约束几乎从来不是机器的产能。它是场站改造——土建、电气容量、以及把拣选面和周转箱尺寸标准化到机器人真能干活的程度——再加上维保人力，而维保人力是训练出来的人，人不会按每天 1644 个的速度复制。买了收银台，不等于把店开起来。

再往后是折旧节奏，这个数最终一定会出现在你的价目表上。假设按五年直线折旧——这是我的假设，不是披露的事实。如果设备在五年里买得比较均匀，那么到第五年，运营方背着的是整支机队的折旧，第五年的折旧大约是第一年的五倍，哪怕第一年只有一小部分机队在挣钱。这是一条真实的成本曲线，而且它总得落在某个人头上。要么运营方的毛利把它吸收掉，要么你付的单位价格把它带上，而多数合同里是后者。

假设一台仓内自动化设备两万美元、按五年折旧，就是每年 4000 美元，再假设它一年处理 20 万件包裹。那是每件两美分的折旧。如果这 20 万件用手工处理是每件十五美分，满负荷下净赚十三美分。半负荷下，每件折旧翻倍到四美分，净赚收窄到十一美分。自动化在利用率高而且能持续的时候才划算，而折旧的钟不管你的货量有没有到。

再给折旧这件事加一道检查，因为它是最终会走到你发票上的那一行。别去争资本开支那个数，去争一台设备的年化成本，对比它替代掉的那份活的全负荷成本。假设这台设备两万美元、五年折旧，另加每年三千美元的维保、电费和软件授权，全算下来一年约七千美元。假设它替代的那份活，全负荷人力成本一年四万五千美元，也就是工资加福利，再加上一个人干到第九个小时必然带来的管理和差错成本。

这台设备看起来是一比四的胜局，而恰恰是这个数会写进提案。现在把利用率套上去。满负荷，这个胜局成立。用到三分之一，这台设备每单位工作的有效成本翻三倍，胜局没了，而维保账单不管这套，因为一天跑两个班次的机器人，和一天只跑一个班次的机器人，养起来的钱几乎一样。把这个利用率假设书面要过来。它就是把一比四能不能活下来这件事一次说完的那一个数。

对进出口这一侧的人来说，有用的问法不是运营方买多少台机器人，而是三段里面哪一段先被自动化，以及它把你付的钱改成什么样。自动化落在哪儿，逻辑无聊但可靠：它去站点固定、货量密集、动作重复的地方。所以是仓内先动，也就是拣选、分拣、上架。固定干线的干线运输排第二，因为干线是固定的，货量能排计划。末段排最后，也最窄，因为无人机载得少、飞在最严的规则下、只在需求足够密的时候才说得通。所以在你这个客户身上，最先动的会是履约中心里的按件作业：分拣峰值产能、拣选成本，以及决定哪件包裹走哪条槽的路径逻辑。

还有一件几乎没人在读这种采购计划时会写下来的事。当第三方物流把分拣自动化之后，它的单位操作成本是下降了。你付的那笔费用不会自己跟着降。这块收益只有当你的合同里写了分享机制时才会被分享：一条单位成本的行，带指数联动，并把自动化收益写清楚怎么算。没有这一条，运营方留着生产率收益，你留着旧价目表，而且整个过程里你还会觉得这段合作关系很不错。

更糟的是，被重新定价的那一行不是下降的那一行，是异常那一行。现在，一个奇怪包裹上的人工介入，是打包在操作费里、按单议价的，没人留意。一旦自动线成了默认路径，每一次人工触碰都变成一次异常，而异常会有自己的行项和自己的溢价。用得克制，这很公道。用得没有上限，你的发票可以在运营方成本下降的同时往上涨，而两个数还都是真的。

峰值是另一个坑，而且它是决定你一整年的那个。自动分拣机有硬天花板，也有硬地板。地板以下，它是昂贵的闲置钢铁。天花板以上，它帮不上忙，而旺季永远坐在天花板之上，这也是为什么运营方在最需要的那两个月仍然要临时雇人做强攻，并按溢价计费。所以你给这一年建模时，别建平均值。建你的峰均比，因为这个比值决定了你到底为多少自动化付了钱、又只是把它租了两个月。一家全年平稳的场站，和一家峰均比三比一的场站，为同一套设备付的单位成本完全不一样，而设备并不知道这中间的差别。

接下来是时间。发布稿是一个五年计划，但碰到你的那一部分，是按合同时钟走的，而合同时钟以季度计。一个在接下来两个季度里上了自动分拣线的履约中心，改变的是你下一轮费率评审时的可变成本，不是下周。折旧曲线比这更慢，在多年续约里慢慢显形。那个场景数，老实说，可能永远不会出现在你的账上，因为场景是一个内部单位，它根本不跨越边界走进你的发票。跨越边界的只有两行：你的单位价格，和你的异常收费。我会把这两行放在页面最上面。

那就按你评估任何一个自动化项目的办法来定规模，每个假设都标清楚。挑一条线路或一个场站。量今天的每件包裹成本，把人工介入算进去。估自动化的每件成本，把运营方新增的折旧和你新增的异常收费算进去。差额乘以你的年货量，就是收益。用运营方的资本除以这个收益，得到以月计的回本期，然后再把整件事按你峰值货量的一半重算一遍，因为那才是杀死这类项目的场景。翻转结论的不是技术，是你的货量密度，以及你的包裹有多标准。如果你的货量薄、波动大、或者塞满了非标件，自动化会抬高你的有效单位成本，因为你现在在为闲置产能出钱，还要在它上面再叠一层异常溢价。密集、平稳、标准，是它划算的地方。稀疏、突变、古怪，是你补贴它的地方。

在你把这一套推回给运营方之前，先用同一把筛子筛一遍你自己的四面墙，因为这个决策是对称的。你自己要是也运营仓库，你做的和运营方做的是一笔一样的账，决定它的也是同样三件事：货量够不够密，密到自动化能跑满；活的标准化够不够高，高到异常一直很少；峰值够不够平，平到你不是在买一份只用两个月的产能。三件都答是，账很好算。任何一件答否，给闲置钢铁出钱的就是你，不管那堆钢铁在你楼里，还是在运营方楼里。发票的两边，技术是同一套。算术也是同一套。

所以，面对任何一个拿这条新闻来跟你讲的供应商，你要的不是一场演示。你要的是三个数加一条合同条款。独立模型数和独立目标函数数，好让那个场景数终于有个分母。每千件包裹的异常率和每小时的峰值吞吐，好让自动化有一个你能拿它问责的性能底线。还有一条单位成本机制，带一个写清楚的异常价，好让这块收益至少有一条路走到你这里。这三样拿到了，发布稿顶上那三个数就变成能写进预算的东西。拿不到，你读的是一份从来就不是写给你的采购计划。

↑ 返回核心要点

— 作者 拉维