AI大模型如何重塑供应链全链路智能决策体系

AI如何真正驱动产业变革？关键在于实现从“技术概念”到“实际效益”的转化。以物流行业为例，这个庞大而精密的体系，已成为AI技术落地应用的核心场景。

如今，顺丰利用人工智能技术调度着中国近三分之一的航空货运资源。其管理着超百万人的协同网络、超过二十万辆运输车辆，并每日处理数千万票件的动态路径规划，所构建的网络规模与运营复杂度在全球范围内都极具代表性。一个如此超大规模的网络，是如何借助大模型、智能体（Agent）与运筹优化算法，将“24小时送达”的承诺转化为可复制的日常服务标准，并将这种能力产品化，赋能更多中国企业的？

下文内容整理自顺丰集团数智供应链解决方案事业群高级副总裁唐恺的公开分享。

唐恺丨顺丰集团数智供应链解决方案事业群高级副总裁

解析智能供应链：要素、链路与网络协同

要深入理解供应链的智能化转型，首先需要对其进行系统性解构。从数字化视角出发，供应链可划分为三个核心层级：要素、链路和网络。这是理解其协同运作与智能演进的基础框架。

“要素”指的是“人、车、货、场”等实体资源，是所有供应链操作执行的物理基础。以顺丰自身为例，其要素规模已达到超大体量：协同员工数量超过百万，自有运营车辆超过20万辆。在航空运力方面，中国全货机总数约为240架，其中顺丰航空机队规模达110架；同时，在更为密集的客机腹舱货运网络中，顺丰也占据了约三分之一的市场份额。这意味着，当前在中国上空执行货运任务的三架飞机中，就有一架承载着顺丰的货物。

在要素之上是“链路”。对于快递服务而言，主要包括收件、中转、运输、派送四个核心环节；而对于更广义的供应链，则涵盖了采购、生产、仓储、分销、销售及售后等多个链条。看似简单的“收转运派”，在实际操作中涉及超过120个细分步骤，执行复杂度极高。

无数条这样的链路相互交织，便构成了庞大的“运营网络”。在这个网络中，核心任务是对所有资源要素和业务链路进行基于数字网络的智能化调度与协同。顺丰之所以能够向客户承诺“24小时达”或“48小时达”的高标准服务，正是得益于其链路调度已经实现了高度自动化与智能化的动态管理。

动态智能调度：提升物流效率的关键

动态调度具体指什么？例如，一件货物从北京发往深圳，选择哪条航线、由哪位收派员负责、途经哪个中转场，理论上都有预设的静态路径规划。但现实运营充满不确定性：航班可能延误，收派员可能临时无法到岗，运输车辆也可能发生故障。

顺丰每日需要处理约五千万票快件，其中高达50%的订单需要启动动态路由调整机制。系统能够自动识别运营异常——例如，一辆货车在非计划地点停留时间过长。一旦系统判定为故障（如在高速公路上抛锚），便会立即调度附近的可用车辆进行应急处理，以保障时效。要确保整个庞大网络在24小时内稳定、高效运行，这种大规模、实时性的资源协同，必须依赖先进的智能化系统，人工方式几乎无法完成。

事实上，顺丰在供应链智能化领域的布局远早于当前的大模型热潮。早在2016年，公司就已开始大规模部署基于运筹优化算法、传统机器学习及强化学习的智能调度能力。其技术实力也获得了国际学界认可，成为2025年唯一入围运筹学领域最高奖项“弗兰兹·厄德曼奖”决赛的亚洲企业。

全栈自研技术体系：从工业级地图到智能体生态

支撑如此复杂网络实现智能调度的，是顺丰端到端、全量数字化的全栈自研技术体系。甚至在地图导航这一基础层面，顺丰也选择了自主研发。为何不使用成熟的商用地图服务？因为物流运营需要的是“工业级导航”精度。普通导航地图可能精确到小区，而顺丰自主研发的“丰图”系统可以精准定位到楼栋内的具体公司或住户单元，这些信息通过收派员每日的实地路径数据持续自动更新。

从2023年开始，顺丰全面投入构建大模型技术体系。目前主要拥有两大垂直领域模型：“丰遇”是多模态大模型，主要用于内部业务优化，如网络调度；“丰知”则是面向行业推出的物流垂直领域大模型。

当前业界热议的智能体（Agent）应用，在顺丰内部已成为常态化工具。从底层基础模型、Agent开发平台到上层业务应用，已形成完整的技术闭环。目前，顺丰内部实时运行的智能体超过五千个，其中约两百个是由官方构建的核心业务智能体（如智能网络调度Agent、运筹优化Agent），其余四千八百多个则由各业务部门的非技术人员通过低代码Agent平台自主创建。这些智能体每日处理的数据量（token消耗）高达八百亿。

能力赋能：面向行业的三层产品解决方案

基于自身在要素、链路、网络三重维度上的复杂实践与技术沉淀，顺丰将核心能力进行产品化抽象，形成了三层产品体系，旨在赋能各行各业，助力更多企业的供应链实现“智慧升级”。

第一层是物流决策大模型“丰知”。它并非一个孤立的大模型，而是一个产品体系，目标是将传统物流管理软件升级为“具备智能体能力的软件”。两者的差异好比传统汽车与自动驾驶汽车：前者是工具，需要人工驾驶；后者直接提供智能运输服务。“丰知”通过其AgentOS帮助企业快速构建智能体应用能力，并借助Agent Studio和业务语义中心，将企业数据转化为智能体可直接理解与调用的知识，大幅降低了技术应用门槛。其底层由“丰知Code”（实现软件的大规模定制，降低边际成本）和“丰知Evolver”（利用大模型自动生成与优化专用小模型）提供技术支持。

具体而言，“丰知”大模型主要聚焦三大应用方向：

供应链需求预测

通过大模型的模态泛化与推理能力，攻克传统预测模型的难点，例如缺乏历史销售数据的新产品预测，以及需求波动剧烈的“爆款”商品预测。通过自动化咨询建模和从单品类建模转向多品类集群建模，显著提升了数据间的关联性与预测的互补性。在为某全球领先咖啡连锁企业服务的实践中，其销售预测准确率提升了约5个百分点，这是传统模型难以实现的突破。

供应链运营优化

运用Transformer架构对经典运筹模型进行重构后，在车辆路径优化等场景中，计算效率实现了万倍级别的提升。原本需要分钟级计算时间的串点路径优化问题，现在仅需0.05秒即可完成。同时，计算资源消耗也降至原来的五十分之一，过去需要50个CPU核心完成的任务，现在仅需1个GPU单元即可胜任。

供应链智能分析

通过大模型与小模型结合，并以供应链智能体的形态开展工作。顺丰很早就意识到，要解决企业级（2B）领域模型“黑盒”问题，并兼顾决策效率与准确性，智能体是必然的技术路径。公司已于2024年8月在行业内率先推出了完整的供应链智能体综合应用能力。

第二层是物流端到端操作系统“丰智云”。在实现全面智能化之前，端到端的业务数字化是必不可少的基石。模型再强大，如果输入的数据不准确、不实时、不可靠，输出结果也将失去意义。“丰智云”通过其链式数据模型体系，帮助企业完成从资源要素到业务链路的全流程数字化。

第三层是面向生态合作伙伴的LAAS物流开放平台。顺丰致力于提供集战略咨询、AI技术应用与数字化实施于一体的多链路服务，全面赋能产业链上下游企业。

本土实践引领：从“复制到中国”到“源自中国”

以下几个案例可以更具体地说明顺丰的赋能实践。

某全球门店数量最多的咖啡连锁品牌，在中国拥有超过七千家门店。自2019年起，顺丰便为其提供智慧门店物流管理系统，并基于此进行门店级别的销售与库存补货预测。合作六年后，目前正运用大模型技术为其既有预测模型进行迭代升级。

某国际知名美妆集团，其在中国市场的全渠道销售预测同样由顺丰提供支持。为何选择顺丰？因为中国市场的渠道多元化与运营复杂度远超其他单一市场，相应的本土化解决方案也更为先进。甚至有客户方的全球首席信息官（CIO）坦言，由于中国业务体系的独特性，其在中国市场验证成功的最佳实践，暂时难以直接复制到全球其他总部。

这揭示了一个重要趋势：中国供应链在应用场景的深度、广度及复杂程度上具备全球独特性。服务众多跨国企业的经验表明，在中国市场成功落地的供应链数字化实践，往往代表了该领域的全球前沿水平。过去的模式是“Copy to China”（将国际经验复制到中国），而现在正在发生的则是“Copy from China”（将中国经验向全球输出）。

例如，顺丰助力打造了奢侈品行业全球首个智慧门店解决方案——长沙路易威登（LV）智慧门店；在工业制造领域，伊顿公司的供应链中台系统也是在中国完成开发与验证后，才向亚太其他区域推广；为雀巢公司进行的高阶生产排程系统验证（POC），也必须依赖顺丰在中国的本土化技术能力完成。

在数字化供应链与人工智能技术深度融合的浪潮中，中国正迎来一个巨大的历史性机遇窗口，有望创造出数字供应链领域的全球最佳实践。

基于此，顺丰构建了从顶层战略咨询诊断，到大模型AI技术应用，再到端到端数字化落地，并结合各行业具体场景解决方案的完整赋能体系。目标是覆盖从采购、生产、仓储、配送到销售、售后的全价值链，与更多中国企业携手合作，共同开创更多能够引领全球的供应链创新实践。