2026AI供应链精选：大模型智能决策全链路重构权威解析

AI如何真正驱动产业增长？关键在于跨越从概念验证到规模化应用的鸿沟。物流行业——这个高度复杂且追求极致的系统，恰好为AI的价值实现提供了绝佳场景。

如今，顺丰的智能系统调度着中国近三分之一的航空货运资源。其网络管理着超百万人的协同、二十余万辆车的实时调配，以及每日数千万票件的动态路径规划，其规模与复杂性在全球范围内都极具挑战。如此庞大的网络，是如何融合大模型、智能体与运筹优化算法，将“24小时达”的时效标准转化为可复制的系统能力，并进一步赋能中国企业的？

以下内容基于顺丰集团数智供应链解决方案事业群高级副总裁唐恺的演讲整理。

唐恺丨顺丰集团数智供应链解决方案事业群高级副总裁

供应链智能化的三层架构：要素、链路与网络

实现供应链智能化的前提，是构建清晰的数字化认知框架。我们将其解构为三个相互关联的层级：要素、链路与网络。这是实现系统协同与智能演进的基础。

“要素”是供应链的物理实体，即“人、车、货、场”。以顺丰为例，其要素规模构成了一个超大规模网络：协同员工超百万，运营车辆超20万辆。在航空运力方面，中国全货机总数约240架，其中顺丰航空机队规模达110架；在客机腹舱资源上，顺丰也占据了约三分之一的市场份额。这意味着，中国空中每三架执行货运任务的飞机中，就有一架与顺丰相关。

“链路”是要素流动的作业流程。对快递业务而言，核心是收件、中转、运输、派送四个环节；广义的供应链则涵盖采购、生产、仓储、分销、销售及售后等更长的链条。看似标准的“收转运派”，在实际操作中可拆解为超过120个细分步骤，执行复杂度极高。

无数“链路”相互交织，便构成了动态的“网络”。网络级智能的核心任务，是基于全局数据对资源与流程进行实时调度与协同优化。顺丰能够向客户承诺精准的时效，正是依赖于其网络链路已实现了高度自主的动态路由决策能力。

实时决策：智能调度的核心价值

动态调度的意义何在？假设一件货物从北京发往深圳，其原始路径规划是明确的。但现实运营充满不确定性：航班延误、人员变动、车辆故障等突发状况时有发生。

顺丰日均处理约五千万票件，其中近半数在运输过程中需要启动动态路由调整。系统能够自动感知异常——例如，某辆运输车在非计划节点停留超时。一旦判定为故障（如高速抛锚），系统会即刻调度周边可用资源进行干预，以保障时效。要维持如此庞大网络在24小时周期内的稳定高效，这种大规模、实时性的资源协同必须由智能系统驱动，人工无法胜任。

顺丰在智能化领域的布局早于行业热潮。自2016年起，便开始大规模应用运筹优化、机器学习及强化学习等技术。其技术实力亦获国际认可，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。

技术基石：端到端的全栈自研体系

支撑这一复杂智能网络的，是顺丰端到端、全量数字化的全栈自研技术生态。甚至在地图导航层面，顺丰也选择了自主研发。原因在于，通用导航服务无法满足“工业级精度”需求。普通地图可导航至小区，而顺丰的“丰图”能精准定位至楼栋内的具体公司或住户单元，这些数据通过收派员的日常路径持续自动更新。

自2023年起，顺丰开始体系化构建大模型能力。目前主要拥有两大垂域模型：“丰遇”是多模态大模型，主要用于内部网络调度等业务；“丰知”则是面向行业开放的物流领域大模型。

当前业界关注的智能体（Agent）应用，在顺丰内部已实现规模化落地。从底层模型、Agent平台到上层应用，形成了完整闭环。目前，顺丰内部实时运行的Agent超过五千个，其中约两百个为官方构建的核心智能体（如网络调度Agent、运筹优化Agent），其余四千八百多个则由业务部门通过低门槛平台自主创建。这些智能体每日处理的token量高达八百亿。

能力输出：赋能行业的三级产品架构

基于在要素、链路、网络三层复杂系统中积累的实践经验，顺丰将能力产品化，形成三层体系，旨在助力企业提升供应链智能化水平。

第一层是物流决策大模型“丰知”。它不是一个孤立的模型，而是一个产品体系，目标是将传统物流软件升级为“具备智能体能力的软件”。这类似于传统汽车与自动驾驶汽车的区别：前者是工具，后者是服务。“丰知”通过AgentOS帮助企业快速构建智能体能力，并借助Agent Studio与业务语义中心，将企业数据转化为Agent可调用的知识，显著降低应用门槛。其底层由“丰知Code”（实现软件大规模定制，降低边际成本）和“丰知Evolver”（利用大模型自动生成与优化小模型）提供支撑。

具体而言，“丰知”大模型聚焦三大核心场景：

供应链预测

利用大模型的模态泛化能力，解决传统预测模型的痛点，如缺乏历史数据的新品预测和爆款预测。通过自动化咨询建模及从单SKU建模转向品类集群建模，增强了数据关联性与补充性。在为某全球头部咖啡连锁品牌的服务中，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。

供应链优化

采用Transformer架构重构经典运筹模型后，在路径优化等场景中实现了计算效率的万倍提升。原本需要分钟级计算的串点路径优化，现在仅需0.05秒（毫秒级）。资源消耗也大幅降低，过去需要50个CPU完成的任务，现在1个GPU即可胜任。

供应链分析

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，要解决企业级应用中模型的“黑盒”问题，并平衡效率与准确性，智能体是必然路径。公司已于2024年8月在行业内率先推出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”。智能化必须以全面数字化为前提。模型再强大，若数据不准确、不实时、不可信，结果也无从谈起。“丰智云”通过其链模型体系，帮助企业完成从要素到链路的全链路数字化改造。

第三层是面向生态伙伴的LAAS物流开放平台。顺丰致力于提供融合咨询、AI与数字化能力的多链路服务，全面赋能行业升级。

本土创新：从“复制到中国”到“源自中国”

几个案例可以更具体地说明这一趋势。

某全球最大咖啡连锁品牌，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系统，并基于此进行门店级销售与补货预测。合作六年后，目前正运用大模型技术对其传统预测模型进行升级迭代。

某国际顶尖美妆集团，其在中国市场的全渠道销售预测也由顺丰支持。选择顺丰的原因在于，中国市场的渠道复杂度远超其他单一市场，其本土化实践已更为前沿。甚至有客户方的美国CIO坦言，由于中国业务主体变更，其在中国验证的先进实践暂时无法反向输出至全球总部。

这揭示了一个明确趋势：中国供应链在场景深度、覆盖广度及系统复杂度上具备全球独特性。服务跨国企业的经验表明，在中国成功落地的供应链实践，往往就是全球最佳实践。过去是“Copy to China”，现在正在发生的是“Copy from China”。

例如，奢侈品行业全球首个智慧门店——长沙LV门店，由顺丰参与打造；在工业制造领域，伊顿的供应链中台也是在中国完成开发与验证后，才向亚太地区推广；为雀巢进行的高阶生产排程验证项目，也必须依赖中国的本土能力完成落地测试。

在数字化与AI技术融合的浪潮中，中国正迎来一个关键的时间窗口，有机会创造数字供应链领域的全球标杆实践。

基于此，顺丰构建了从顶层咨询诊断，到大模型AI应用，再到端到端数字化实施，并结合各行业场景解决方案的完整能力体系。目标是覆盖从采购、生产、渠道到销售、售后的全价值链，与更多中国企业共同探索并定义全球供应链的未来形态。

来源：互联网