京东物流发布“超脑”3.0：供应链AI从辅助分析走向全链路自主决策

一句话结论

京东物流“超脑”大模型3.0实现亿级包裹秒级最优路径规划，将AI从辅助分析工具升级为全链路自主决策与物理执行的核心生产力。

关键要点

• “超脑”3.0由五大工业级大模型（PreX、OptiX、OmniX、GeoX、EmbodiedX）构成统一架构，在复杂约束下形成动态预测、约束求解、多模态感知、时空认知与物理控制闭环。
• 亿级包裹端到端最优路径规划求解时间从分钟级压缩至秒级，车辆自动化调度率达86%，员工作业提效13.8%。
• 构建“决策AI—流程AI—物理AI”三位一体技术体系：决策AI求解全局最优，流程AI打通跨系统数据与指令下发，物理AI通过“智狼”“异狼”“独狼”机器人完成真实作业执行。
• “异狼”分拣机械臂已在多个物流园区24小时常态化运行，累计完成上千万真实包裹抓取与码放验证；“独狼”无人车在全国多地及沙特等海外试点运行。
• 面向商家推出“京慧”端到端供应链服务，实现原生库存托管AI能力，次日达履约时效平均达80%以上；面向行业将能力开放至制造、零售等领域。

背景与事实

随着供应链智能化需求升级，京东物流将“超脑”大模型迭代至3.0版本。相比2.0版本，3.0在运作效率、系统韧性与运营成本上均有提升，核心突破在于将AI能力从数字世界的辅助分析延伸至物理世界的自主执行。当前京东正加速建设全球最大物理世界运营中心，“超脑”3.0被定位为物流行业首个从仓储到配送全程由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最大规模的应用。

“超脑”3.0的五大模型围绕供应链完整闭环形成专业化分工：PreX预测大模型从海量多维动态数据中洞察需求与供给变化；OptiX决策大模型融合运筹优化、强化学习与生成式大模型能力，在仓网、库存、运输、人员与设备等复杂约束中求解全局最优方案；OmniX多模态大模型统一理解图像、视频、空间和物体；GeoX时空大模型将地址、位置、路径和时间纳入统一时空坐标系；EmbodiedX具身大模型将感知与决策转化为机器人可执行动作。五大模型在统一系统架构下被连接为持续反馈、滚动优化的闭环，实现稳定、可靠、可规模化的工业级应用。

在技术体系层面，“超脑”3.0构建了决策AI、流程AI、物理AI三位一体的架构。决策AI覆盖超3600个仓库、超60万名员工的复杂网络，将订单、库存、仓网、车辆、路况、天气及多模态信息统一建模，在订单、道路或运力发生实时变化时可在秒级完成亿级包裹的决策更新。流程AI负责打通仓储、运输、分拣、配送等不同系统间的数据壁垒，统一人、货、车、仓、单、设备的定义与规则，将决策方案拆解为可执行任务并自动下发、跟踪与异常处理。物理AI则通过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，使设备不再依赖固定规则和预设程序，而是根据现场变化动态调整行动。

影响分析

对于中文开发者与从业者而言，这一进展意味着工业级AI落地的技术门槛与工程范式正在被重新定义。分析判断认为，供应链场景因其“高容错低、物理约束强、多模态信息非结构化”的特征，成为检验AI物理世界落地能力的最高标准场景之一。“超脑”3.0展示的“感知—预测—决策—执行—反馈”闭环架构，为制造业、零售业等同样面临多设备协同、动态环境适应问题的行业提供了可参考的技术路线。对于开发者，OmniX多模态模型与EmbodiedX具身模型的结合方式，提示了物理AI开发中多模态感知与物理规律约束必须深度耦合，而非简单拼接。对于从业者，AI从“辅助分析”转向“自主决策与执行”的转变，意味着一线岗位的核心价值将从重复性操作转向复杂判断、现场管理与异常处置，技能结构需要向数据理解、AI系统协同等方向迁移。

适用边界

本结论的适用边界在于：所述能力与效果基于京东物流自身超3600个仓库、超60万名员工、覆盖全国的运输网络这一特定规模与场景。对于仓库数量、品类复杂度、运输网络覆盖范围或设备异构程度远低于此规模的中小物流企业，直接复用该架构的成本效益与工程可行性需重新评估。此外，“次日达履约时效平均达80%以上”“车辆自动化调度率86%”等指标依赖京东成熟的供应链数据积累与基础设施配套，其他企业接入时若数据质量、系统异构程度存在显著差异，实际效果可能偏离所述数值。

孤本观察

编辑判断认为，此次发布中“异狼”分拣机械臂累计完成上千万真实包裹验证、“独狼”无人车在沙特等海外试点运行等细节，是区分概念验证与规模化落地的关键事实锚点；而面向商家推出的“京慧”服务将AI能力封装为端到端供应链托管，则表明工业级AI的商业模式正从“卖模型能力”转向“卖结果与托管服务”。

来源：InfoQ 中文 AI