近日，“智匯運(yùn)河 智算未來”2025人工智能創(chuàng)新創(chuàng)業(yè)大會(huì)在杭州召開。香港工程科學(xué)院院士、香港大學(xué)副校長(zhǎng)、研究生院院長(zhǎng)、講座教授、京東零售供應(yīng)鏈?zhǔn)紫茖W(xué)家申作軍教授與供應(yīng)鏈算法團(tuán)隊(duì)技術(shù)總監(jiān)戚永志博士受邀出席并擔(dān)任《AI+智慧物流與供應(yīng)鏈分享會(huì)》聯(lián)席主席，聯(lián)合發(fā)表《AI科技助力供應(yīng)鏈產(chǎn)業(yè)升級(jí)》主題演講，深入介紹了京東零售在智能供應(yīng)鏈領(lǐng)域的前沿探索與技術(shù)實(shí)踐，并深入分析了AI驅(qū)動(dòng)產(chǎn)業(yè)變革的核心路徑與未來思考。

圖：AI+智慧物流與供應(yīng)鏈分享會(huì)現(xiàn)場(chǎng)

以下為《AI科技助力供應(yīng)鏈產(chǎn)業(yè)升級(jí)》演講實(shí)錄，內(nèi)容經(jīng)編輯略有刪減：

全球產(chǎn)業(yè)鏈正處于結(jié)構(gòu)性變革的關(guān)鍵節(jié)點(diǎn)，想要突破傳統(tǒng)范式桎梏，唯有依靠科技創(chuàng)新。

京東零售供應(yīng)鏈?zhǔn)紫茖W(xué)家申作軍教授強(qiáng)調(diào)，想要構(gòu)建智能決策中樞，需要通過動(dòng)態(tài)需求預(yù)測(cè)實(shí)現(xiàn)精準(zhǔn)資源匹配，依托AI風(fēng)險(xiǎn)感知構(gòu)建彈性響應(yīng)機(jī)制，借助跨鏈協(xié)同技術(shù)打破產(chǎn)業(yè)孤島，最終形成“感知-決策-執(zhí)行”的增強(qiáng)閉環(huán)。這一體系不僅重新定義了供應(yīng)鏈效率邊界，更將推動(dòng)產(chǎn)業(yè)生態(tài)從線性協(xié)作向網(wǎng)絡(luò)化智能協(xié)同躍遷，為全球產(chǎn)業(yè)鏈升級(jí)提供可復(fù)制的技術(shù)范式。

圖：香港工程科學(xué)院院士、香港大學(xué)副校長(zhǎng)、研究生院院長(zhǎng)、講座教授、京東零售供應(yīng)鏈?zhǔn)紫茖W(xué)家申作軍教授

在京東智能供應(yīng)鏈的創(chuàng)新實(shí)踐分享中，戚永志博士以京東零售供應(yīng)鏈為標(biāo)桿案例，系統(tǒng)闡釋了超大規(guī)模商業(yè)體的數(shù)智化升級(jí)路徑。作為以供應(yīng)鏈為核心競(jìng)爭(zhēng)力的技術(shù)驅(qū)動(dòng)型企業(yè)，京東管理著超1000萬自營SKU，依托覆蓋全國的1500余個(gè)智能倉庫，實(shí)現(xiàn)了90%以上自營訂單的當(dāng)日達(dá)或次日達(dá)——這一行業(yè)標(biāo)桿級(jí)履約效率的背后，正是智能供應(yīng)鏈系統(tǒng)的核心支撐。

面對(duì)超千萬量級(jí)的自營SKU管理挑戰(zhàn)，自動(dòng)化與智能化是京東實(shí)現(xiàn)高效運(yùn)營的核心引擎。在創(chuàng)新實(shí)踐中，京東打造了四位一體（計(jì)劃協(xié)同+需求預(yù)測(cè)+智能決策+風(fēng)險(xiǎn)感知）的智能庫存管理平臺(tái)，其核心是精準(zhǔn)的時(shí)間序列預(yù)測(cè)（Time Series Forecasting）能力。

京東自主研發(fā)的時(shí)序預(yù)測(cè)大模型，在預(yù)測(cè)精度、多維度特征融合等關(guān)鍵指標(biāo)上均達(dá)到行業(yè)頂尖水平，為智能選品、動(dòng)態(tài)調(diào)撥與履約優(yōu)化等核心場(chǎng)景提供了堅(jiān)實(shí)的技術(shù)支撐。這一系統(tǒng)不僅顯著提升了庫存周轉(zhuǎn)率，還通過實(shí)時(shí)感知消費(fèi)趨勢(shì)與供應(yīng)鏈風(fēng)險(xiǎn)，構(gòu)建了“預(yù)測(cè)-決策-執(zhí)行-反饋”的增強(qiáng)學(xué)習(xí)閉環(huán)，進(jìn)一步優(yōu)化了供應(yīng)鏈的整體效率與響應(yīng)速度。

圖：京東零售供應(yīng)鏈算法團(tuán)隊(duì)技術(shù)總監(jiān)戚永志博士

隨著數(shù)據(jù)規(guī)模和業(yè)務(wù)復(fù)雜度的指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)時(shí)序預(yù)測(cè)方法（如ARIMA、Prophet）及早期深度學(xué)習(xí)模型（LSTM、TCN）在復(fù)雜模式捕捉與零樣本泛化能力上的短板日益凸顯。盡管大語言模型（LLM）的時(shí)序適配（如GPT4TS、TimesFM）成為新興熱點(diǎn)，但其進(jìn)展尚未復(fù)現(xiàn)文本領(lǐng)域的顛覆性突破，核心瓶頸在于高質(zhì)量時(shí)序數(shù)據(jù)集的稀缺與RLHF（基于人類反饋的強(qiáng)化學(xué)習(xí)）范式的適配難題。

京東供應(yīng)鏈算法團(tuán)隊(duì)針對(duì)上述挑戰(zhàn)展開系統(tǒng)性攻堅(jiān)，從模型架構(gòu)設(shè)計(jì)、數(shù)據(jù)工程優(yōu)化到訓(xùn)練策略創(chuàng)新，成功構(gòu)建了業(yè)內(nèi)首個(gè)十億級(jí)純時(shí)序大模型。該模型通過引入多尺度特征融合機(jī)制與自適應(yīng)時(shí)序注意力模塊，顯著提升了長(zhǎng)周期依賴關(guān)系建模能力；同時(shí)，團(tuán)隊(duì)創(chuàng)新性地設(shè)計(jì)了面向供應(yīng)鏈場(chǎng)景的弱監(jiān)督預(yù)訓(xùn)練任務(wù)，有效緩解了數(shù)據(jù)稀疏性問題。在權(quán)威公開數(shù)據(jù)集上，模型關(guān)鍵指標(biāo)超越現(xiàn)有SOTA方法，尤其在零樣本跨域預(yù)測(cè)任務(wù)中展現(xiàn)出卓越的泛化性能。這一突破為復(fù)雜業(yè)務(wù)環(huán)境下的智能決策提供了全新的技術(shù)基座，標(biāo)志著時(shí)序預(yù)測(cè)領(lǐng)域邁入大模型驅(qū)動(dòng)的新階段。

圖：業(yè)內(nèi)首個(gè)十億級(jí)純時(shí)序大模型方案

在大模型訓(xùn)練中，數(shù)據(jù)是基礎(chǔ)。為了解決數(shù)據(jù)問題，京東供應(yīng)鏈算法團(tuán)隊(duì)引入了一個(gè)包含15億樣本的大規(guī)模高質(zhì)量復(fù)雜數(shù)據(jù)集，并提出了時(shí)序切分、數(shù)據(jù)配比和合成數(shù)據(jù)集構(gòu)造等時(shí)序訓(xùn)練集構(gòu)建范式。這些方法確保了數(shù)據(jù)的多樣性和代表性，為模型訓(xùn)練提供了堅(jiān)實(shí)的基礎(chǔ)。在模型架構(gòu)方面，團(tuán)隊(duì)提出了一個(gè)通用的PCTLM模型。該模型通過Patch的方式對(duì)數(shù)據(jù)進(jìn)行切割，并在Patch投影的過程中進(jìn)行了改進(jìn)，以捕捉跨Patch間的信息。此外，團(tuán)隊(duì)引入了時(shí)間位置編碼的分組注意力機(jī)制，進(jìn)一步增強(qiáng)了模型對(duì)時(shí)序數(shù)據(jù)的處理能力。在垂類優(yōu)化方面，團(tuán)隊(duì)首次提出了時(shí)間序列預(yù)測(cè)模型的RLHF方案，開發(fā)了一套適用于純時(shí)序大模型的強(qiáng)化學(xué)習(xí)框架TPO。這一框架通過結(jié)合人類反饋和強(qiáng)化學(xué)習(xí)，顯著提升了模型的預(yù)測(cè)精度和泛化能力。由于時(shí)序大模型的優(yōu)異表現(xiàn)，京東算法團(tuán)隊(duì)已經(jīng)將自研時(shí)序大模型在京東供應(yīng)鏈系統(tǒng)部署上線，并取得了卓越的表現(xiàn)。預(yù)測(cè)準(zhǔn)確率相較于線上大幅提升，驗(yàn)證了模型的有效性和實(shí)用性。

在需求預(yù)測(cè)之外，“數(shù)據(jù)驅(qū)動(dòng)的庫存選品與調(diào)撥策略”是京東智能供應(yīng)鏈體系的兩大核心支柱。面對(duì)電商場(chǎng)景下長(zhǎng)尾商品多、需求波動(dòng)大、商品關(guān)聯(lián)復(fù)雜等挑戰(zhàn)，京東創(chuàng)新性地構(gòu)建了融合關(guān)聯(lián)分析與預(yù)測(cè)技術(shù)的智能選品體系。通過ML-Top-K算法實(shí)現(xiàn)高潛商品精準(zhǔn)定位，Reverse-Exclude算法動(dòng)態(tài)優(yōu)化庫存結(jié)構(gòu)，Hybrid Selection算法實(shí)現(xiàn)多目標(biāo)動(dòng)態(tài)平衡，形成了一套兼顧效率與彈性的選品決策框架。該框架運(yùn)用以來，本地訂單滿足率提升2.19%，211訂單占比上升1.44%，在超大規(guī)模SKU管理場(chǎng)景中為行業(yè)提供了可復(fù)制的智能選品范式。

調(diào)撥問題是選品策略的關(guān)鍵延伸，旨在優(yōu)化城市倉（FDC）與區(qū)域倉（RDC）的庫存分配，并動(dòng)態(tài)選擇最優(yōu)履約路徑。京東通過創(chuàng)新的端到端調(diào)撥算法，將需求預(yù)測(cè)、多目標(biāo)優(yōu)化與仿真驗(yàn)證深度融合，直接輸出高現(xiàn)貨率、低成本的調(diào)撥方案，同時(shí)增強(qiáng)決策可解釋性。該算法突破傳統(tǒng)方法在求解大規(guī)模、動(dòng)態(tài)的庫存調(diào)撥問題中的局限，綜合考慮銷售損失、調(diào)撥與履約成本，支持億級(jí)變量實(shí)時(shí)優(yōu)化，顯著提升效率?；诖藰?gòu)建的智能供應(yīng)鏈決策系統(tǒng)已實(shí)現(xiàn)顯著效益：該系統(tǒng)上線以來，已產(chǎn)生明顯收益，F(xiàn)DC庫存持有成本和資金利用率每年減少超數(shù)千萬元，調(diào)撥成本每年節(jié)省上億元，庫存現(xiàn)貨率也提升了0.85%。這些收益展示了數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化技術(shù)在解決復(fù)雜、大規(guī)模供應(yīng)鏈問題中的影響，也為行業(yè)樹立了AI驅(qū)動(dòng)供應(yīng)鏈升級(jí)的標(biāo)桿。

圖：端到端庫存調(diào)撥算法

隨著大模型、多智能體協(xié)同等技術(shù)的持續(xù)突破，供應(yīng)鏈正從傳統(tǒng)的“鏈?zhǔn)浇Y(jié)構(gòu)”向“生態(tài)網(wǎng)絡(luò)”躍遷，其核心價(jià)值已從單一的效率優(yōu)化轉(zhuǎn)向全局資源的最優(yōu)配置。京東的實(shí)踐印證了技術(shù)創(chuàng)新的商業(yè)價(jià)值——當(dāng)AI深度融入產(chǎn)業(yè)毛細(xì)血管，帶來的不僅是運(yùn)營指標(biāo)的提升，更是商業(yè)模式的重構(gòu)與用戶體驗(yàn)的質(zhì)變。

在現(xiàn)有技術(shù)探索的基礎(chǔ)上，京東持續(xù)加碼未來布局，與清華大學(xué)建立深度產(chǎn)學(xué)合作，聚焦供應(yīng)鏈效率提升與社會(huì)化成本優(yōu)化。雙方將通過技術(shù)創(chuàng)新與場(chǎng)景驗(yàn)證的雙向驅(qū)動(dòng)，在智能預(yù)測(cè)、動(dòng)態(tài)調(diào)度、多級(jí)庫存協(xié)同等核心領(lǐng)域持續(xù)迭代，構(gòu)建產(chǎn)學(xué)研深度融合的創(chuàng)新生態(tài)。此舉致力于將優(yōu)化成果開放賦能，推動(dòng)全行業(yè)物流成本占比降低，為實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展注入新動(dòng)能。

京東希望與業(yè)界同行攜手，以智能供應(yīng)鏈新基建推動(dòng)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展，通過先行實(shí)踐經(jīng)驗(yàn)為全球產(chǎn)業(yè)鏈升級(jí)貢獻(xiàn)中國智慧，共同探索技術(shù)創(chuàng)新的無限可能。

審核編輯 黃宇