京东物流超脑3.0：亿级包裹路径求解从分钟级降至秒级

“超脑”大模型已经迭代到3.0版本，京东物流借此把供应链全链路的智能决策与协同执行能力又往上推了一截。跟2.0相比，这套新版本跑得更快、系统更抗压、运营花费也更省：亿级包裹端到端最优路径规划，求解时间从分钟级被压到秒级。仓储到配送的每个环节因此都能精准落地，包裹送到消费者手里也更快、更准。

京东眼下正在加速搭建全球最大的物理世界运营中心。“超脑”3.0是物流行业里头一个在仓储到配送全程由AI“指挥”的工业级大模型应用集成体，也是AI大模型在供应链全链路全流程中规模最大的一次应用。

这套系统由5个供应链原生的工业级大模型构成，围绕供应链完整闭环做专业化分工。它们跑在统一系统架构下，面对复杂约束、实时变化、低容错的多样化供应链场景，把动态预测、约束求解、多模态感知、时空认知和物理控制串成一条持续反馈、滚动优化的闭环，从而撑起稳定、可靠、可规模化的工业级应用。

• PreX预测大模型：从海量、多维、动态的数据里看出需求与供给的变化，让系统“看见尚未发生的未来”。

• OptiX决策大模型：把运筹优化、强化学习与生成式大模型的能力捏在一起，在仓网、库存、运输、人员和设备等复杂约束中求出全局最优方案。

• OmniX多模态大模型：对图像、视频、空间和物体做统一理解，让AI真正读懂物流现场。

• GeoX时空大模型：地址、位置、路径和时间被放进同一个时空坐标系，为精准履约打下认知底子。

• EmbodiedX具身大模型：把感知与决策变成机器人能执行的动作，让AI从数字世界走进真实作业现场。

AI在物理世界落地，最难的一关是真正到一线“干活”。

这几年AI在数字世界突破不断：写文章、画图、聊天，做起来已经相当自然流畅。可一旦要进物理世界，到工厂、车间、仓库、产线这些地方实际干活，难度就陡增。

供应链偏偏是AI最复杂的应用场景。数百万种商品，轻到几克重的文件，重到几十公斤的家电；上千个仓库和分拣中心，场地布局、设备、流程各不相同；运输网络铺向全国，路况、天气、突发事件随时在变。AI不能只在实验室里跑通，它得同时应付形态各异的海量品类、千变万化的场地和动态调整的复杂环境。

挑战一，物理世界的信息“读不懂”。一辆车装了多少，要从摄像头画面里实时量出来；一件包裹破没破，得靠视觉识别；一个分拣口堵不堵，要从监控视频里判断。物理世界的信息不是规规矩矩的数字或文本，让AI像人一样“看明白”正在发生什么，本身就是一道大技术难关。

挑战二，物理世界的规律“算不准”。包裹有重量、有形状、有材质，抓取时力度得控住；无人车在路上跑，要读懂交通规则和障碍物的逻辑。AI没法像处理文字那样随手“生成”一个动作，它的每一下操作都得合乎物理规律。

挑战三，物理世界的执行“容错低”。数字世界里AI写错一段话，删掉重来就是。物理世界不一样，抓偏了、撞上了、晚到了，都是实打实的损失。执行要精确到毫米级，响应要快到毫秒级。

三个挑战摞在一起，物理AI的落地门槛就极高：读懂物理世界、理解物理规律、执行精确操作，这三项能力缺一不可。

行业里率先做到“决策AI、流程AI、物理AI”三位一体。

为了突破物理AI在供应链应用中的落地瓶颈，“超脑”3.0搭起了决策AI、流程AI、物理AI三位一体的技术体系，按供应链决策的自然逻辑配合：决策AI先求出全局最优，流程AI把决策转成跨系统协同指令，物理AI最后在真实世界执行并实时反馈，形成“感知—预测—决策—执行—反馈”的闭环。

决策AI相当于供应链全局优化的“智能总指挥”。网络覆盖超3600个仓库、超60万名员工，任何一个节点变动都可能牵动全局。订单、库存、仓网、车辆、路况、天气，加上图像、视频、位置等多模态信息，被决策AI统一建模：PreX预测大模型预判供需变化，OptiX决策大模型在时效、成本等复杂约束下求全局最优，比如仓建在哪里、覆盖哪些区域、库存怎么分布。订单、道路或运力实时一变，“超脑”3.0能在秒级完成亿级包裹的决策更新，车辆自动化调度率达到86%。有了决策AI，供应链规划从过去靠经验和静态方案，转为数据驱动、全局协同、动态优化的智能体系。

流程AI是接住决策、推动执行的业务中枢。决策AI给的是“做什么任务”，流程AI负责让任务在几十个业务系统之间自动跑通。供应链数据散在仓储、运输、分拣、配送等不同系统里，同一个业务对象在各环节的定义还不一样，流程AI先把各环节数据打通，把人、货、车、仓、单、设备的定义和规则统一起来，不同系统这才有了“共同语言”。接着，OmniX多模态大模型把决策方案拆成一个个可执行任务，调用相应系统完成下发、跟踪、异常处理和结果反馈，让不同岗位、系统和设备围着同一个目标转。对一线员工来说，跨系统查询、反复核对、手工下发这些重复活由AI助手接了过去，员工把精力放在复杂判断和现场管理上，仓储运营数据显示员工作业提效13.8%。

物理AI是物流产业AI里最独特的一环，工业化落地门槛也最高。决策AI和流程AI都在数字世界完成，供应链作业却终究要落到真实物理世界。包裹形态各异、道路动态变化、多设备还要协同，物理AI不光要“看见”，还得“理解并预测”。OmniX多模态大模型、GeoX时空大模型结合视觉、力觉等传感器读懂现场状态，再通过世界模型预判不同动作的结果，挑出更稳、更安全的执行方案。在这之上，“超脑”3.0用CyberX物控引擎驱动“智狼”机器人、“异狼”分拣机械臂和“独狼”无人配送车等设备，让它们不再只靠固定规则和预设程序，而是能随现场变化动态调整，把一线操作完成。

眼下，“异狼”分拣机械臂已经在多个物流园区实现24小时常态化运转，累计完成上千万真实包裹的抓取与码放验证；“独狼”无人车则跑到了全国多地，并在沙特等海外市场试点运行。物理AI把各作业节点之间的壁垒打通后，从仓储搬运、分拣到末端配送的全链路无人化业务模式已经可以落地。物流超脑3.0要做的，就是推动多环节无人化从单点示范转向规模化复制。

员工、商家、行业：不同用户，问题各不相同

三个AI构成的是能力基座。但落到用户手里，他们要的不是模型本身，而是能便捷应用、能解决具体问题的产品。

京东物流超60万名一线员工分布在规划、运营、分拣、调度、配送等不同岗位，各角色工作内容差异巨大，需要的AI能力也各不相同。实际作业中，复杂的大模型能力被封装成智能体，员工可以直接对话、调用、执行，用来辅助运营决策。

商家这一侧，“超脑”大模型3.0的能力被封装进“京慧”的端到端一体化供应链服务。订单、库存、仓网、履约等数据接入后，商家能在“京慧”里完成供应链诊断、仓网规划、库存优化、补货调拨、履约分析等工作。“京慧”还打造了原生库存托管AI能力，补货建议由AI自动给出并调拨执行，实现一盘货的AI托管服务。这能帮商家提升库存周转，次日达履约时效平均达80%以上，库存管理难度也随之降低。

行业层面，“超脑”大模型3.0正与京东物流自研的“狼族”机器人军团结合，把AI能力延伸到真实的物理作业中。“智狼”“异狼”“独狼”等设备接入模型能力后，能根据现场情况完成搬运、分拣、配送等任务，并在任务过程中动态调整。它们不再只是执行固定程序，而是在“超脑”大模型3.0的统一调度下，随环境变化做出更灵活的反应。这套能力也正向制造、零售等行业开放，为更多企业提供多环节、可复制、标准化的物流自动化AI解决方案。

京东正加快搭建全球最大的物理世界运营中心，同时推出了“超脑”大模型3.0。供应链AI的能力边界也随之改变：过去只能看、只能算，如今可以下判断、动手执行。这一步在供应链领域算得上关键突破——大规模自主决策头一回落地，AI不再局限于辅助分析，开始成规模地进入仓储、运输、分拣和末端配送这些实际作业环节。物流行业由此逐步向全链路无人化推进，从仓库一直延伸到最后一公里配送。大模型走出实验室、落到产业里的“最后一公里”，也这样被打通，AI生产力开始持续为产业创造价值。