# 京東的 AI 供應鏈：當預測變成基礎建設，台灣企業該看到什麼？ > 京東用 AI 重建整條供應鏈：從需求預測到無人配送、自動倉儲。史丹佛寫成教案，但對台灣企業，真正的訊號是供應鏈正變成可輸出的平台。 - Author: Paul Kuo（郭曜郎） - Date: 2026-02-26 - Pillar: 智能與秩序 / Intelligence & Order - Tags: AI趨勢, 供應鏈, 京東, 產業分析, 台灣企業 - Canonical: https://paulkuo.tw/articles/jd-ai-supply-chain-revolution/ - Site index for LLMs: https://paulkuo.tw/llms.txt --- 去年六月，我整理了一篇京東在史丹佛大學分享的 AI 供應鏈案例。當時的感覺是：這是一份很紮實的企業內部改造紀錄，值得學習但離我們有點遠。
▶ 聽摘要
AI 合成語音・作者本人聲線克隆
九個月後重看，我的判斷改了。不是因為京東又做了什麼驚人的事，而是因為它做的事情正在變成一種「標準」：當 AI 驅動的供應鏈從競爭優勢變成基礎建設，沒跟上的企業不是「少了一個工具」，而是「少了一層基礎設施」。 這個轉變，台灣的製造業和服務業需要認真面對。 ## 從史丹佛講台到學術論文：京東模式被正式記錄 先講一個值得注意的訊號。2025 年，史丹佛商學院的供應鏈管理大師 Hau L. Lee（李效良）與柏克萊加大榮休教授、現任港大副校長沈祖鈞（Zuo-Jun Max Shen），把京東的 AI 供應鏈實踐寫成了正式學術論文，發表在 SSRN 上。論文用經典的「Triple-A」框架：敏捷性（Agility）、適應性（Adaptability）、對齊性（Alignment）：分析京東的三個具體案例。 這代表什麼？代表京東的做法已經不只是「企業內部優化」，而是被認定為具有通用價值的產業範本。從企業簡報升格為學術教案，這個距離不小。 ## 三層能力：預測、解釋、優化 京東的 AI 供應鏈不是一個系統，而是三層能力的堆疊。 第一層是智慧預測。京東手上有超過 7 億用戶的購物行為數據、超過 1,600 座自營倉庫的即時庫存、加上天氣、節慶、地緣政治等外部變數。據京東公布的數據，它用這些數據訓練的預測模型，準確率提升了近 15%。更關鍵的是，它用「合成資料」：透過深度學習模擬歷史成功交易：來補強訓練樣本，這讓模型在面對從未見過的市場波動時也能維持穩定。 第二層是可解釋性。這是很多企業導入 AI 時忽略的環節。預測再準，如果業務端不信、不懂、不敢用，就等於白做。京東把每一個預測結果分解成「基準值 + 各因素貢獻值」，讓銷售、行銷、物流各部門看得懂 AI 為什麼這樣建議。甚至針對單一產品提供三組促銷策略，各自對應不同成本與預期效益，讓品牌端自己選。 第三層是運籌優化。傳統的物流優化需要專業的作業研究（OR）背景，建模複雜、調整困難。京東把這層也用自然語言打通了：你輸入「一千件貨要用最省成本配送到三個倉庫」，系統自動轉換成數學模型、抓取最新運輸成本，跑出方案。還能做 What-if 分析：如果某個倉庫故障、某條路線中斷，替代方案是什麼？ 這三層加在一起，不是「AI 幫你做事」，而是「AI 幫你思考」。 ## 九個月後的進展：從內部工具到對外平台 去年我寫原文的時候，京東的 AI 供應鏈還主要是服務自己。現在它已經明確走向平台化輸出。 「物流超腦 2.0」升級後，已經不只是自動化工具。它透過全域感知、模型演化、人機協作三重機制，把原本依賴人工經驗的作業流程轉化為數據驅動的動態決策。據京東公布的數據：作業標準化水準提升 15%，人車貨場調度效率提升近 20%，人機協作效率提升超過 20%。 機器人方面，京東的「狼族」系列產品：智狼、天狼、地狼、飛狼、獨狼、翼狼：加上自動分揀牆，據京東表示已在全球超過 500 座倉庫部署。2025 年 7 月，京東還發布了自研的無人輕卡「京東物流 VAN」，具備 400 公里滿載續航與 L4 級公開道路自動駕駛能力。 更值得注意的是商業模式的轉變。京東工業（JDi）在 2025 年獲得港交所 IPO 批准，定位是「工業供應鏈技術與服務平台」，上半年營收 103 億人民幣，年增近 19%。這等於把京東在供應鏈上累積的 AI 能力打包成產品，賣給其他企業。 同時，京東物流的國際品牌 JoyExpress 正式進軍歐洲（英國、荷蘭、德國、法國），JoyLogistics 深耕中東，與 FII Institute（未來投資倡議研究院）簽署戰略合作，涵蓋數位轉型、物流基礎設施和跨境商務。京東連續第二年入選 Gartner 全球供應鏈前 25 強。 模式很清楚：先用 AI 優化自己的供應鏈，累積數據和模型，然後把這套能力變成平台對外輸出。供應鏈不再只是成本中心，而是利潤中心。 ## 為什麼台灣企業應該在意 講到這裡，可能有人會說：京東是中國電商巨頭，7 億用戶、超過 1,600 座倉庫，這跟台灣的中小企業有什麼關係？ 關係很大，但不是模仿京東，而是看懂趨勢。 第一個訊號是：AI 供應鏈能力正在從「自建」走向「租用」。京東工業的 IPO、SaaS 化的供應鏈服務、API 化的物流接口：這些都在說同一件事：未來中小企業不需要自己蓋 AI 團隊，而是接入別人建好的 AI 供應鏈平台。問題是，你要接入誰的？ 第二個訊號是：可解釋性決定了 AI 能不能真正落地。京東花了大量心力做「讓業務端看懂 AI 決策」這件事，這不是技術問題，是信任問題。台灣很多企業導入 AI 失敗，不是因為模型不準，而是因為現場的人不信、不敢跟著 AI 的建議走。 第三個訊號是：供應鏈的競爭方式正在改變。以前比的是「誰的物流更快、更便宜」，現在比的是「誰的預測更準、反應更快、異常處理更自動」。當京東的 AI 系統能在倉庫故障的瞬間自動重新分配路線，這不是效率優勢：這是結構性優勢。 對台灣的製造業和供應鏈服務商來說，真正的問題是：當你的客戶開始用 AI 驅動的供應鏈跟你對接，而你還在用 Excel 管庫存的時候，你不是「比較慢」，你是「語言不通」。 ## 從京東看到的本質 回到京東案例的核心。去年在史丹佛分享的時候，他們強調了四個成功條件：跨領域人才、領導層支持、扁平化組織、海量數據。 九個月後再看，我覺得最重要的其實只有一個：組織願不願意讓 AI 參與決策，而不只是讓 AI 產出報表。 很多企業的 AI 導入停在「AI 做分析，人做決策」的階段。京東走到了「AI 做建議，人選方案」，甚至在某些環節已經是「AI 做決策，人監控異常」。這三個階段之間的差距，不是技術差距，是信任差距。 京東的案例告訴我們：AI 供應鏈不是買一套軟體、請一個數據科學家就能做到的事。它是一場涉及組織文化、決策流程、數據治理的系統性變革。技術是最容易的部分，人才是次難的，最難的是讓一個習慣「人說了算」的組織，學會信任數據和模型。 這個課題，不分企業大小，不分產業，每一家都要面對。