京东物流超脑3.0：亿级包裹路径规划从分钟压到秒级

“超脑”大模型已经走到 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提了一档。与 2.0 相比，新版本跑得更快、系统韧性更强、运营成本更低：亿级包裹的端到端最优路径规划，求解时间由分钟级缩短到秒级。仓储到配送的每个环节因此执行得更准，包裹送到消费者手里也更快、更稳。

京东眼下正加快推进全球最大物理世界运营中心的建设。在这个节骨眼上，“超脑”3.0 成了物流行业首个实现仓储到配送全程 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落地。

这套系统由五大供应链原生工业级大模型构成，围绕供应链完整闭环做专业化分工。在统一系统架构下，动态预测、约束求解、多模态感知、时空认知和物理控制被串成一条持续反馈、滚动优化的闭环，用来应对供应链中约束复杂、实时变化、容错率低的多样化场景，从而做到稳定、可靠、可规模化。

• PreX 预测大模型，任务是从海量、多维、动态的数据里捕捉需求与供给的变化，相当于让系统“看见尚未发生的未来”。

• OptiX 决策大模型，把运筹优化、强化学习和生成式大模型的能力放在一起，在仓网、库存、运输、人员、设备等多重约束中算出全局最优解。

• OmniX 多模态大模型，对图像、视频、空间和物体做统一理解，让 AI 真正看明白物流现场发生了什么。

• GeoX 时空大模型，把地址、位置、路径和时间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，把感知和决策转成机器人能执行的动作，让 AI 从数字世界踏入真实作业现场。

AI 要落到物理世界，最难的一关是真正到一线“干活”。

这几年 AI 在数字世界进步很大：写文章、画图、聊天，做起来已经相当自然顺畅。可一旦要让 AI 走进物理世界，到工厂、车间、仓库、产线上实际动手，难度就陡增了。

供应链恰好是 AI 应用中最复杂的场景。数百万种商品，轻的只有几克重文件，重的有几十公斤家电；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、突发状况随时在变。AI 不能只在实验室里跑通，它得同时扛住形态各异的海量品类、千变万化的场地和不断调整的复杂环境。

挑战之一是物理世界的信息“读不懂”。一辆车装了多少，要从摄像头画面里实时测出来；一件包裹有没有破损，得靠视觉识别；一个分拣口堵没堵，要从监控视频里判断。物理世界的信息并非整齐的数字或文本，让 AI 像人一样“看明白”现场正在发生什么，这本身就是道大难题。

挑战之二，物理世界的规律“算不准”。包裹有重量、有形状、有材质，抓取时力度得控制好；无人车在路上跑，要读懂交通规则和障碍物的逻辑。AI 不能像处理文字那样随手“生成”一个动作，它每做一步都得符合物理规律。

挑战之三，物理世界的执行“容错低”。数字世界里 AI 写错一段话，删掉重来就行；物理世界里抓偏了、撞上了、晚到了，都是实打实的损失。执行要精确到毫米级，响应要卡在毫秒级。

三个挑战摞在一起，物理 AI 的落地门槛就变得极高：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，“决策 AI、流程 AI、物理 AI”三位一体的做法，京东物流是最先实现的。

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 好比供应链全局优化的“智能总指挥”。这张网覆盖超 3600 个仓库、超 60 万名员工，任何一个节点有变化，都可能牵动全局。决策 AI 把订单、库存、仓网、车辆、路况、天气，连同图像、视频、位置等多模态信息统一建模：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、道路或运力一有实时变化，“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。

流程 AI 是连接决策与执行的业务中枢。决策 AI 给出“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。供应链的数据散落在仓储、运输、分拣、配送等不同系统，同一个业务对象在各环节的定义并不一样。流程 AI 先把各环节数据打通，统一人、货、车、仓、单、设备的定义和规则，让不同系统有了“共同语言”。接下来，OmniX 多模态大模型把决策方案拆成一个个可执行的任务，调用对应系统完成下发、跟踪、异常处理和结果反馈，让不同岗位、系统和设备朝同一个目标协同运转。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，人能腾出手来做复杂判断和现场管理。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。面对形态各异的包裹、不断变化的道路和多设备协同，物理 AI 不光要“看见”，还得“理解并预测”。OmniX 多模态大模型和 GeoX 时空大模型结合视觉、力觉等传感器读懂现场状态，再借世界模型预测不同动作会带来什么结果，从中挑出更稳定、更安全的执行方案。在此基础上，“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动作，把一线操作完成。

“异狼”分拣机械臂眼下已在多个物流园区实现24小时常态化运转，累计抓取、码放的真实包裹超过上千万件，完成了实打实的验证；“独狼”无人车则跑到了全国多地，连沙特等海外市场也已开始试点。物理AI的能力把各个作业节点之间的壁垒打通，仓储搬运、分拣到末端配送的全链路无人化业务模式由此可以落地。多环节无人化正被物流超脑3.0推着从单点示范走向规模化复制。

三个AI构成的是能力基座。可对不同的用户来说，他们真正需要的并不是模型本身，而是拿起来就能用、能解决具体问题的产品。员工、商家、行业，面对的是不同的问题。

京东物流有超过60万名一线员工，岗位横跨规划、运营、分拣、调度、配送等。角色不同，工作内容差别很大，所需的AI能力自然也各不一样。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、履约等数据接入之后，商家就能在“京慧”里做供应链诊断、仓网规划、库存优化、补货调拨和履约分析。“京慧”还打造了原生库存托管AI能力——AI自动给出补货建议并调拨执行，一盘货的AI托管服务就此实现。结果是商家库存周转提升，次日达履约时效平均达到80%以上，库存管理也没那么难了。

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能力推进到真实的物理作业里。“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。

京东在加速建设全球最大物理世界运营中心的过程中发布了“超脑”大模型3.0，供应链AI由此从“能看、能算”走向“能决策、能执行”。这是AI在供应链领域的一次重要应用突破：第一次实现大规模自主决策，AI不再只是辅助分析的工具，而是开始规模化参与仓储、运输、分拣和末端配送等真实作业，逐步推动物流行业实现从仓储到末端配送的全链路无人化。

AI真正走出实验室，大模型产业落地“最后一公里”被打通，成为持续为产业创造价值的AI生产力。