AI+供应链：大模型与智能决策如何重构供应链全链路| 2026AI Partner·北京亦庄AI+产业大会

AI究竟如何为产业创造价值？见证AI从“热点”转化为“生产力”的关键一跃。

今天的顺丰已经用AI调度着中国三分之一的航空货运。从百万人的协同、二十万辆车的调度，到每天五千万票件的动态路由——物流供应链的复杂度，正是AI落地的最佳试验田。一个超大规模网络如何用大模型、Agent和运筹算法，将“24小时达”从承诺变成日常，并将这份能力输送给更多中国企业。

以下为顺丰集团数智供应链解决方案事业群高级副总裁 唐恺 演讲内容，经36氪整理编辑：

唐恺丨顺丰集团数智供应链解决方案事业群高级副总裁

各位来宾下午好，很高兴来到亦庄这样的场合跟大家分享物流供应链AI的应用。

开始之前跟大家讲一下供应链，从智能化视角或者数字化视角来看供应链，需要把供应链做一个抽象或者分层，统一来讲供应链是无从下手的，会用要素、链路、网络这三个层级去看整个供应链的协同以及看供应链的数字化进展和智能化进展，供应链基础要素我们叫作人车货场，所有供应链的动作和执行都是跟要素串联相关的，要素的调动形成链路，链路交织形成网络，单纯从顺丰来看，我们讲其中一个点顺丰自身在供应链领域的超大规模性，人车货场，人，在顺丰体系协同的员工超过一百万人的协同规模，整个车辆自有车辆超过20万辆，更大是中国的航空空运网络，中国有240架全货机，110架是在顺丰手上，更密集的航空网络是整个辅仓运力网络，客机辅仓也是运货的，辅仓运力三分之一是在顺丰的手上，也就是说今天中国头上飞过三架飞机，就有一架飞机运的是顺丰的货。

在要素密集程度下，我们还要叠加链路复杂性，链路对于快递来说是收转运派，对于供应链叫作采购供应链、生产供应链、渠道供应链、消费供应链、售后供应链。收转运派四个环节听起来简单，整个运作过程中有120个环节串联起来，形成整个收转运派的链路，整个链路执行复杂度是非常高的，所有的链路交织形成大的网络，在大的网络中顺丰要做的一个事情，所有在上面的资源和链路需要做整个基于数字网络的智能调度和智能协同。今天顺丰为什么能够给客户做24小时达或者48小时达的承诺，因为所有链路调动过程中都是基于自主能力，我们叫作智能化、自主化做动态调度。

动态调度，今天一个票件从北京发到深圳，该上什么飞机，用哪个小哥取件、哪个小哥派件，经过哪个中转场，静态路由是定好的，但是飞机会晚点，小哥会生病，汽车开在路上可能会抛锚，所有的节点都可能出现问题，顺丰一天处理五千万的票件，有50%的票件是要启动动态路由的，比如一个车在路径上不该停止的地方停止过长时间，系统会自动识别是否属于不正常状态，经过确认，比如他在高速上抛锚，整个系统会自动调度附近的空时车辆去做时效挽救，整个链路在24小时范围内要保证链路不出问题，基于大网络的资源协同和资源调度，必须由智能和数字化的事情来完成，不可能由人工完成。大模型是在2022年年底ChatGPT出来以后才火的，2016年我们就开始大规模地部署我们基于运筹算法、传统机器学习和强化学习智能化能力，是2025年唯一进入弗兰兹·厄德曼决赛的亚洲公司，这个奖项是运筹学界里最高奖项，代表了我们在整个运筹里的能力，传统机器学习能力，在整个大模型的时代开始大面积转向大模型的能力。

在这样的复杂网络里，顺丰做的事情基于所有全链路端到端全量数字化全栈自研，从底层的能力，我们甚至有自己的地图部门，虽然可以使用高德导航、百度导航，但顺丰需要工业级导航，因此我们有自己的地图部门。我们导航的细度（远高于普通导航），你用百度只能导到小区，用丰图进到小区里可以知道怎么走，每个楼层都有哪些公司、住户，所有信息我们通过小哥每天的派送自动更新和采集，我们叫作全栈自研的能力。

从2023年开始大面积构建大模型的网络和体系，现在我们大概有两个大的垂域模型，一个是丰遇大模型，这个是多模态大模型，主要是为内部相关业务使用的，包括网络调度、各种各样的细节应用。另外一个丰知大模型，面向行业推出的物流垂域大模型。今天整个模型应用，大家比较有感知的话题，比如Agent，我们从底层模型开放，再到Agent平台，再到市场，再到自构建的能力，在内部做了所有的转化，今天顺丰内部大概会有五千多个Agent是实时跑的，这里面有两百多个是官方Agent，比如智能网络调度Agent，运筹优化Agent，所有的Agent是200个是官方的，剩下4800个都是各个业务部门非技术人员，基于Agent平台在建的小Agent，大概每天消耗八百亿个token数量。

基于我们对整个行业，对自身的数字化和智能化能力，我们把相应的能力，在要素复杂度、链路复杂度、网络复杂度上顺丰都有现成可考的模板。对于大多数公司，在要素、链路、网络复杂度是不如顺丰的，我们把能力进行抽象，形成几个大方面的能力，第一个垂域大模型，我们叫作物流决策大模型，基于丰知的产品体系来做。另外一个物流端到端的操作系统，我们叫作丰智云，还有面向合作伙伴LAAS物流开放平台，我们希望提供基于咨询、AI、数字化多链路服务，赋能整个行业，让每一家企业、行业、产业供应链都能变得更加聪明。

丰知，我们通过丰知把我们所有传统的物流软件叠加Agent能力，稍微理解供应链就知道，供应链有一个仓储管理软件，我们希望提供给客户是直接带Agent能力的软件功能。这其中是差异可以这么理解，如果大家买一辆传统的汽车，你需要再买一个工具来使用它。如果大家买的是自动驾驶汽车，你是直接买服务的，工具需要人的使用变成服务，而自动驾驶汽车直接提供的是运人或者运货的服务，不需要有能力转化的，垂域应用领域我们直接提供Agent能力，我们通过丰知的AgentOS帮助企业快速建立我刚才讲的顺丰内部能力。还有一个Agent Studio，业务语义中心帮助大家在所有的数字化基础上去建构知识图谱模型，以前你的企业数据是给系统用的，但是我们通过语义中心，大模型自动建模，使得所有数据能够被Agent直接调用，通过Agent Studio在你已有的数字化平台上直接建构Agent应用，支持大面积使用。我们有两个底层应用做支撑，第一个丰知Code，用来做整个软件大规模定制的，把定制成本的边际成本降得非常低。还有一个丰知Evolver，大模型生成小模型，今天基于供应链的诊断和咨询，不是方法论先导，模型先导，我们希望通过数据，POC快速做咨询验证、供应链诊断，这部分会涉及到大量的模型生成，如何打开产能瓶颈，通过丰知Evolver、大模型自动生成小模型，大量生成定制化小模型，同时能够使模型调优时间大幅下降。

这部分是大模型——物流决策大模型，做三个事，第一个供应链预测、供应链优化、供应链分析。

供应链预测，我们做的是通过大模型的模态泛化，解决预测里很难做的几个特殊场景。比如新品预测和芯片预测，缺乏历史数据，以前的模型很难算得准，通过大模型做自动化咨询建模，以前是单SQ建模，现在是QA通道类的集群建模，使得整个数据关联性和数据补充性能够做得更好，在全球最大的咖啡连锁企业做的数据验证，大概能够提升5个点的准确率，是之前的模型完全没有办法做到的。

另外一个供应链优化，我们通过大模型重写了以前运筹的经典模型，比如路径优化和专项优化场景，你用transformer架构重写这部分模型以后，运算时间提升一万倍左右，原来你做一个串点路径优化需要分钟级运算时间，现在可以下降到毫秒级，0.05秒就可以计算完成，资源消耗是之前的50分之一，以前要50个CPU来算，今天1个GPU就可以算完。

另外一个分析的能力，这一部分分析的能力，大模型结合小模型，通过供应链智能体的方式来做这个事情，智能体在整个行业特别火的时候，是2025年3月份，2B应用我们很早就意识到，整个2B要解决模型黑盒的问题，解决模型高效和准确的问题，必须通过智能体的方式来做，2024年8月份在行业里推出供应链智能体综合应用的能力。

在智能化之前，所有企业都逃不开的数字化第一步，模型再强，数据准确性、实时性、可靠性不够，肯定是得不到好的结果，在智能化之前，端到端数字化，我们通过丰智云链模型体系来做整个客户基于要素、链路的全链路数字化。

最后讲一个案例，全球最大的咖啡连锁企业在中国有七千多家门店，2019年就开始帮他做智慧门店的系统，我们帮他做的是基于门店系统做门店级别的销售预测和补货预测，我们已经做了六年，我们用大模型帮他做传统模型的迭代。

国际知名美妆巨头，在中国全渠道销售预测是我们帮他做的，为什么在中国的全渠道销售预测要我们做？因为中国渠道复杂度远超于任何一个单体国家，他的连锁企业在中国落地的实践经验比美国更加先进，之前跟美国的CIO聊，中国业务资本结构发生变化，中国主体收购了他在中国的业务，这一块暂时没有往前走。

中国供应链深度、广度、复杂度是全球无二的，我们服务MNC企业的时候，我们在中国落地的供应链实践，就是全球最佳的供应链实践，在很多跨国企业客户上得到了验证，以前供应链数字化最佳实践叫作copy to china，今天做的事情是copy from china，在奢侈品行业，全球第一个智慧门店是长沙LV，我们帮他做的。工业制造领域伊顿供应链中台是在中国生产完成以后，再向亚太地区推的，我们给雀巢做高阶生产排程的POC，在中国不好用，需要中国的本土能力来做本土化实验，在数字化供应链叠加整个技术变革，叠加到AI能力越境的时候，我们看到更多的是中国有很大的机会窗口来做数字供应链全球最佳实践。

我们也提出了从底层到上层所有能力，包括咨询诊断和顶规开始，再到大模型AI应用能力，以及到端到端的数字化能力，再结合到每个行业不同解决方案细化的能力，配合到供应链从采购供应链、渠道供应链、销售供应链、售后供应链全链路服务，今天我们希望跟更多的中国企业一起创造更多全球最佳供应链实践。

谢谢大家。