分享嘉賓：吳盛楠博士 京東物流 智能供應鏈部 總經理

編輯整理：楊曉磊?本來集團

出品平臺：DataFunTalk

導讀：本文以一體化數智供應鏈為主題，探討多重市場變化驅動一體化供應鏈物流需求的快速發展，以及AI大數據技術服務能力在一體化供應鏈中的應用和實踐，如供應鏈數智預測系統等。深耕一體化供應鏈物流服務這一核心主航道，滿足企業需求，成為企業高質量發展的增長官、數字化轉型的著力點、端到端效率的新引擎，為客戶、行業、社會創造可持續的價值。

本文具體將圍繞以下幾方面展開：

京東物流集團簡介

一體化供應鏈建設

數智化供應鏈落地實踐

供應鏈行業未來發展

01京東物流集團簡介

京東物流在2017年之前主要是服務于京東商城，是企業內部的物流服務部門。在2017年從京東獨立出來，成立為京東物流公司，不僅服務于京東商城，同時運用十幾年積累的物流技術能力，向社會開放，服務于其他的客戶和商戶。京東物流的制勝法則是以技術優勢為核心驅動，來提升體驗和效率。

借助于自2017年開始逐步打造的一體化供應鏈的服務能力，京東物流于21年5月在香港聯交所成功上市。上市后把一體化供應鏈的概念推向市場，受到了市場廣泛接受和認同。

02一體化供應鏈建設

隨著近十幾年中國電商的快速發展，帶動了后端履約物流基礎設施的快速建設，同時產生了一批優秀的物流企業，它們在各自的領域里都有著領先的基礎設施建設。大部分企業是圍繞著基本的物流活動進行局部優化，規模稍大的企業會進行全局優化。

在供應鏈四個階段里，他們目前還處于初級或中級階段，導致了在國內電商行業快速發展，以及物流行業快速建設的情況下，總體的物流費用高居不下，是歐美先進國家以及日本履約總額占GDP比例的兩倍。深層原因是沒有在整個供應鏈環節做協同。近期，我們在深度研究，基于專業化分工的供應鏈物流協同優化，包括產前物流：制造和生產環節，拉動商品全周期在履約上的優化，以進入供應鏈整體效益提升的高級階段。

同時我們以建設數字化能力為終極目標，用數字化技術驅動一體化供應鏈往系統化、算法化、數據化的方向發展。數字化、一體化供應鏈的建設分為3個階段：智能規劃、智能計劃、智能執行。

京東物流在長期的發展過程中，彌補了中國在一體化供應鏈服務方面的空白，我們在供應鏈發展方面的優勢有3個：

一是在物理世界的六張基礎網絡：倉配網絡、最后一公里配送網絡、大件網絡、冷鏈網絡、跨境網絡、綜合運輸網絡。六張大網交織在一起，排列組合出很多場景，以供我們提供在物理世界的服務。

二是依托于一體化技術的發展，集團多年發展和沉淀出的算法組件和能力，與場景進行結合，產生了更好的業務效果。

三是整個的生態協同發展，包括云倉的搭建，OTWB的能力建設，物流生態的對接，商流的生態建設，以及與供應商、合作伙伴的合作發展。

03數智化供應鏈落地實踐

京東物流一體化供應鏈，是用數字化的手段來實現供應鏈的落地，建設了供應鏈的智能超腦系統。

超級大腦的建設是分層次完成的：前面幾年主要聚焦在數字化基礎設施的建設，包括長期沉淀的復雜業務系統，以支撐業務在網絡上的執行運作，還有數據中臺的建設，以及一些配套設施。在數字化基礎設施上，打造了一個算法中臺，兩套工程服務平臺：易卜工程化平臺和數字孿生平臺，孵化出3套系統應用：智能規劃塔、智能計劃塔、京慧供應鏈系統，用于對外部客戶進行賦能和服務。

1.?算法中臺

算法中臺不是簡單的算法組件堆砌，它是以業務場景為依托，通過京東內部和外部客戶行業場景的積累，抽象和沉淀出的算法能力支撐平臺。這套算法中臺和行業上其他同類產品最重要的異同點是，建立了豐富的供應鏈行業知識，沉淀出了面向業務和解決具體問題的邏輯方法論和步驟。

建設中臺的過程，是一個自上而下的解耦過程，把相對耦合的業務場景進行拆解，不同業務場景中共性的東西抽象出來，做成相對標準的組件，沉淀到算法中臺上。

2.?兩個工程化平臺

當新場景產生的時候，碎片化的組件并不能自動有效的重組在一起，來滿足業務需求的。因此，我們打造了工程化平臺，主要目的是把已經解耦的組件重新組合，形成不同的模態，服務不同的業務場景。

① 易卜工程化平臺

一個工程化平臺叫易卜，到目前為止，該平臺更多的應用于商物的預測。算法中臺有了算法策略后，在易卜平臺上可以快速地部署和應用，提升算法工程的效能，實現快速的串聯成型。易卜平臺實現了讓整個過程可視、可配，同時可以把它給予前臺銷售人員，以供他們做項目POC時，快速根據場景去配置一些預測的應用展現給客戶，同時滿足他們一定的準確率的要求。

易卜平臺最底層是組件層，包含130多個預測模型，40多種算法策略，支撐30多種預測場景，以及十多種行業場景。

利用場景和算法組件的組合，我們支撐了7000多個商家預測服務。算法中臺和易卜平臺的搭建，降低了同時對多個個性化商家的提供預測服務的難度，整體研發效能提升了57%，中小商家的平均預測準確率提升了10%左右。

② 數字孿生平臺

另外一個比較重要的是數字孿生平臺。數字化是把物理世界變成數字化的表現形式，當數據化達到一定程度之后，把數據進行聯通形成中臺化，就可以用數據準確地表達物理世界的現實情況，我們就稱之為數字孿生。

數字孿生不是數字化的終點，最終是要通過在數字世界的模擬、優化，形成更優的決策，反作用回物理世界。做數字化是為了優化傳統的生產系統，與生產系統做更好、更實時的結合。如果把這個比作飛輪，是希望飛輪轉起來越快越實時越好。

3.?三個系統應用

① 一臺雙塔

基于數字孿生平臺，我們建設了一套產品體系稱為一臺雙塔，臺是指數字孿生平臺，是對物理世界的數字化的表征描述。在此之上形成了雙塔的產品體系：智能規劃塔和智能計劃塔，它們是算法驅動優化的產品，優化的結果會反饋到數字孿生平臺里，用數字孿生對它進行仿真模擬，以優化效果，效果達到一定程度后推給生產系統，從而影響真正物理世界的運營效果。

下面是一臺雙塔在供應鏈和物流行業的具體應用案例。

規劃塔的一個重要作用，是在數據智能的驅動下做物流的頂層規劃。把物流網絡規劃進行抽象，就是時空網絡的問題，是涉及到點線面怎么去確定的問題。點是指倉庫、樞紐等選在什么點上是相對最優的。線是指點和點之間怎么去連通，涉及到整個運輸的路由問題。面是在點和線形成面，面和面之間跨區怎么進行協同配合。在京東物流全國體系里，有7000多個站點，200多個分揀中心，1200多個庫房，在這么多的點的情況下，線也是交錯復雜的，在點和線之間的選擇和排產是非常復雜的。

規劃塔的一個重要能力是，在期望的業務目標下計算出最優解。因為現在整個網絡的規模非常大，所以更多的是做靜態方面的工作。靜態的優化不是終極目標，終極目標是，在數字孿生體系里，把飛輪做的越快越實時越好。為此我們在技術上做了很多努力，比如傳統的運籌學和AI機器學習的融合，把整個的計算效能提升了很多，從而解決更及時的問題。

接下來是一個優化的案例。近兩年在新冠疫情爆發下，物流工作面臨著一些挑戰，尤其是在2021年1月23號，武漢封城前夕，我們接到消息后對全網每天進行掃描優化。

隨著疫情的發展，對我們的基礎設施沖擊非常大，包括核心樞紐和一些路由的中斷，還有一些倉的關閉。把這些基礎設施切斷了之后，如何有效把剩余基礎設施進行組織，形成一個比較高效的網絡，是需要我們實時響應的。在這種情況下，我們對系統進行升級，實現了更快速、更柔性的解決這些問題。比較經典的問題，包括全國運輸網絡路由規劃、倉內生產規劃、商品布局和排產優化、組單派單優化。

② 京慧供應鏈系統

京慧供應鏈系統，致力于用先進的數字化技術，幫助企業加速完成供應鏈數字化轉型。

首先，我們會提供全面的供應鏈咨詢、藍圖規劃和解決方案設計與落地。

其次，會提供一體化的供應鏈計劃管理和運營執行方案。

第三，致力于用數字化技術助力企業提升供應鏈效率，加速供應鏈數字化升級，幫客戶實現端到端數據互聯互通，全程的供應鏈精益化管理。

京慧系統是通過4層結構建設完成的，包括：

供應鏈數據中臺

智能決策引擎

各種產品應用

企業級的用戶體驗

京慧系統在架構和功能層面，是一套成熟的企業級客戶服務系統。首先實現了預測，供應鏈優化是從預測開始，通過把對未來的預測，返回到數字孿生平臺里做策略優化。在商流的預測能力上，我們投入了很多精力和成本，包括AI技術、算法策略和數據平臺，在算法策略里包含了對行業的監控，形成一整套的預測系統。

預測作為供應鏈優化的開端，是要為業務效果的優化進行服務的。在預測的基礎上，我們開發了庫存補調的產品體系，包含智能補貨調撥系統，用于完成在不同級別的倉間進行補貨調撥，在同級的倉里進行多級庫存的優化均衡。底層邏輯是利用數字孿生平臺，把庫存進行孿生，再根據不同的庫存管理策略進行正向模擬。看到效果后，從后往前進行反向優化庫存參數，以達成更好業務指標。

下面是我們具體的客戶的實例。

一個是消費品行業的案例，該客戶在采用京東的供應鏈管理模式之前，由客戶自己進行整體的商品布局供貨。所有的貨由客戶自己來控制，放在什么地方，放到哪個倉里，怎么補貨和調撥。最大的問題是整個企業之間的數據沒有進行有效的整合拉通，造成對市場需求的反應比較遲緩。

利用京慧系統對它進行賦能后，我們把全鏈路的數據進行整合拉通，同時基于需求預測的能力，對庫存進行提前的布局和響應。客戶現在把所有的供貨的環節交給京東物流京慧系統，幫他在策略上制定和執行更優的網絡布局、補貨策略和管理庫存。

達成的效果是，不僅減少了物流整體的費用，同時提升庫存周轉和資金使用率，整體的履約率和客訴率也都有全面的提升。這是一個供應鏈行業里非常典型的案例，它反映了供應鏈整體優化，是需要整體去看，怎么做從端到端的一體化優化，不是單點的局部優化。

另外一個客戶是一個備件行業，就是制造業的案例，我們幫助一家國際零部件的生產廠商，搭建一整套端到端的數字化供電體系。包括原材料的銷售預測與庫存控制、訂單評審與管理、公司級產銷協同、集成倉排程、自制廠排程、CRM、OTWB系統。通過這套體系，把整體的庫存降低了20~30%左右，同時供應商的準時交付率有所提升，客戶的交付周期也有縮短。這是一個典型的，通過端到端的一體化、數字化的供應鏈整合服務，幫助客戶進行全面業務提升的案例。

以上兩個案例是大型頭部企業的優化案例，下面是中小企業的一體化智能供應鏈解決方案。我們認為，現在中國履約效率的問題，是要解決腰部企業的供應鏈優化問題。在客戶商品入倉后，由京東進行全方位的托管，依托預測和庫存算法，結合高品質的倉位賦能，助力商家提升供應鏈的效率，降低成本。今年第一年開始接觸這部分客戶，我們服務了約400多個商家，整體跨區占比降低了12%左右，對物流成本、供應鏈效率的提升，產生了比較好的效果。

總結來看，京慧供應鏈系統依托于物流、商流和數字化技術，已經為中國4.1億的活躍網絡用戶，提供了極致的物流體驗。通過把智能系統服務貫穿到供應鏈各個環節，管理了數百萬級的sku，服務了我們的頭部客戶，同時把服務能力賦能到中小商家，最終助力整個社會數字化的運營效率升級。

我們打造這些能力，是通過兩大方面，一方面是KA定制化的系統項目，另一方面是標準系統產品建設。這兩個賽道存在矛盾點，在KA定制化的項目里，要投入大量的人力、物力和資源，對一些個性化的需求進行滿足。但其中一些先進的業務，不能進行大規模復制，在服務中小商家時，為了讓系統靈活服務于更多的客戶，便于大規模的復制。我們在系統上面做了三個主要的動作：

一是技術架構解偶，包括對業務場景的抽象重組和能力解耦，做需求配置，以同時支撐多個客戶需求；

二是整個算法中臺能力的沉淀與建設，包括算法的抽象組件化建設；

三是在技術架構解耦和算法中臺建設的基礎上，打造標準通用化的供應鏈服務產品，進行自由的服務組合，以滿足60%的基礎需求。

在此基礎上，通過做定制化配置，來滿足不同的個性化需求。

04供應鏈行業未來發展

供應鏈行業的未來發展，首先是人才方面的建設。我們對大數據時代核心人才的定義是，不光要具有對Datascience-人工智能算法的研究，同時要具備非常好的工程化能力，并且在此基礎之上，要去深度的了解業務。這三個象限的交集是我們對未來人才的要求和選拔的條件。

從業務層面來看，我們是圍繞著整個供應鏈，打造數字孿生開放體系。在我們服務不同行業的外部客戶時，發現現在中國大部分的企業還處在第一階段-數字基建階段，還沒有把信息化數據化做好。

我們內部是在推向第二階段-建設數字孿生平臺，在數據化和信息化建設到一定程度的基礎上，去推動整體數字化建設。數字化是指用一種反作用力，把在數字世界的優化、模擬算法的效果，落回到物理世界里。

最高級別展望是建立整體生態圈兒，在數字原生的基礎上，趨向于一個虛實相結合的產業元宇宙的狀態。

05精彩問答

Q：關于傳統的運籌優化方法跟深度學習結合的方案，有好的參考案例可以介紹嗎？

A：在數字孿生系統里，我們用了比較多的AI和運籌相結合的方法。傳統運籌對算力的要求比較高，在參數模擬環節里，很多參數是通過AI進行提前或者在線訓練的，通過把訓練好的參數置回到運籌系統里，用數據模型進行優化，優化出的結果，會產生數據集，把數據集反饋到深度學習的算法里，進行重新訓練。這就是一個循環AI和運籌互相促進的過程。在數字孿生里，未來在建設更實時化的完整體系時，需要兩者進行深度的溝通。

Q：在入庫、補貨、調撥等庫內的操作中，京東物流有做一些比較有趣的例子，可以分享一下嗎？

A：倉庫是在一個四面墻里，我們做了很多方面的嘗試。比如集合單的優化，商品在揀貨的過程中，如何把相近的一些貨物進行集合歸類，目的是減少揀貨員的行走的總體路線。這是一個非常經典的排線問題，也非常困難。涉及了預測的問題，首先要對未來進行預判，在預判的基礎上，結合運籌和AI的技術，一起解決這些問題。

在深度學習領域，倉里也有一些應用場景，包括用CV技術進行暴力操作的識別，來減少貨損，提升購物體驗等。