去年六月，我整理了一篇京东在斯坦福大学分享的 AI 供应链案例。当时的感觉是：这是一份很扎实的企业内部改造记录，值得学习但离我们有点远。

九个月后重看，我的判断改了。不是因为京东又做了什么惊人的事，而是因为它做的事情正在变成一种「标准」——当 AI 驱动的供应链从竞争优势变成基础建设，没跟上的企业不是「少了一个工具」，而是「少了一层基础设施」。

这个转变，台湾的制造业和服务业需要认真面对。

从斯坦福讲台到学术论文：京东模式被正式记录

先讲一个值得注意的信号。2025 年，斯坦福商学院的供应链管理大师 Hau L. Lee（李效良）与浙大的沈祖芸教授，把京东的 AI 供应链实践写成了正式学术论文，发表在 SSRN 上。论文用经典的「Triple-A」框架——敏捷性（Agility）、适应性（Adaptability）、对齐性（Alignment）——分析京东的三个具体案例。

这代表什么？代表京东的做法已经不只是「企业内部优化」，而是被认定为具有通用价值的产业范本。从企业简报升格为学术教案，这个距离不小。

三层能力：预测、解释、优化

京东的 AI 供应链不是一个系统，而是三层能力的堆叠。

第一层是智慧预测。京东手上有超过 6 亿用户的购物行为数据、1,500 座自营仓库的即时库存、加上天气、节庆、地缘政治等外部变数。它用这些数据训练的预测模型，准确率提升了近 15%。更关键的是，它用「合成数据」——透过深度学习模拟历史成功交易——来补强训练样本，这让模型在面对从未见过的市场波动时也能维持稳定。

第二层是可解释性。这是很多企业导入 AI 时忽略的环节。预测再准，如果业务端不信、不懂、不敢用，就等于白做。京东把每一个预测结果分解成「基准值 + 各因素贡献值」，让销售、营销、物流各部门看得懂 AI 为什么这样建议。甚至针对单一产品提供三组促销策略，各自对应不同成本与预期效益，让品牌端自己选。

第三层是运筹优化。传统的物流优化需要专业的作业研究（OR）背景，建模复杂、调整困难。京东把这层也用自然语言打通了——你输入「一千件货要用最省成本配送到三个仓库」，系统自动转换成数学模型、抓取最新运输成本，跑出方案。还能做 What-if 分析：如果某个仓库故障、某条路线中断，替代方案是什么？

这三层加在一起，不是「AI 帮你做事」，而是「AI 帮你思考」。

九个月后的进展：从内部工具到对外平台

去年我写原文的时候，京东的 AI 供应链还主要是服务自己。现在它已经明确走向平台化输出。

「物流超脑 2.0」升级后，已经不只是自动化工具。它透过全域感知、模型演化、人机协作三重机制，把原本依赖人工经验的作业流程转化为数据驱动的动态决策。数据显示：作业标准化水准提升 15%，人车货场调度效率提升近 20%，人机协作效率提升超过 20%。

机器人方面，京东的「狼族」系列产品——智狼、天狼、地狼、飞狼、独狼、翼狼——加上自动分拣墙，已经在全球超过 500 座仓库部署。2025 年 7 月，京东还发布了自研的无人轻卡「京东物流 VAN」，具备 400 公里满载续航与 L4 级公开道路自动驾驶能力。

更值得注意的是商业模式的转变。京东工业（JDi）在 2025 年获得港交所 IPO 批准，定位是「工业供应链技术与服务平台」，上半年营收 103 亿人民币，年增近 19%。这等于把京东在供应链上累积的 AI 能力打包成产品，卖给其他企业。

同时，京东物流的国际品牌 JoyExpress 正式进军欧洲（英国、荷兰、德国、法国），JoyLogistics 深耕中东，与 FII Institute（未来投资倡议研究院）签署战略合作，涵盖数字转型、物流基础设施和跨境商务。京东连续第二年入选 Gartner 全球供应链前 25 强。

模式很清楚：先用 AI 优化自己的供应链，累积数据和模型，然后把这套能力变成平台对外输出。供应链不再只是成本中心，而是利润中心。

为什么台湾企业应该在意

讲到这里，可能有人会说：京东是中国电商巨头，6 亿用户、1,500 座仓库，这跟台湾的中小企业有什么关系？

关系很大，但不是模仿京东，而是看懂趋势。

第一个信号是：AI 供应链能力正在从「自建」走向「租用」。京东工业的 IPO、SaaS 化的供应链服务、API 化的物流接口——这些都在说同一件事：未来中小企业不需要自己盖 AI 团队，而是接入别人建好的 AI 供应链平台。问题是，你要接入谁的？

第二个信号是：可解释性决定了 AI 能不能真正落地。京东花了大量心力做「让业务端看懂 AI 决策」这件事，这不是技术问题，是信任问题。台湾很多企业导入 AI 失败，不是因为模型不准，而是因为现场的人不信、不敢跟着 AI 的建议走。

第三个信号是：供应链的竞争维度正在改变。以前比的是「谁的物流更快、更便宜」，现在比的是「谁的预测更准、反应更快、异常处理更自动」。当京东的 AI 系统能在仓库故障的瞬间自动重新分配路线，这不是效率优势——这是结构性优势。

对台湾的制造业和供应链服务商来说，真正的问题是：当你的客户开始用 AI 驱动的供应链跟你对接，而你还在用 Excel 管库存的时候，你不是「比较慢」，你是「语言不通」。

从京东看到的本质

回到京东案例的核心。去年在斯坦福分享的时候，他们强调了四个成功条件：跨领域人才、领导层支持、扁平化组织、海量数据。

九个月后再看，我觉得最重要的其实只有一个：组织愿不愿意让 AI 参与决策，而不只是让 AI 产出报表。

很多企业的 AI 导入停在「AI 做分析，人做决策」的阶段。京东走到了「AI 做建议，人选方案」，甚至在某些环节已经是「AI 做决策，人监控异常」。这三个阶段之间的差距，不是技术差距，是信任差距。

京东的案例告诉我们：AI 供应链不是买一套软件、请一个数据科学家就能做到的事。它是一场涉及组织文化、决策流程、数据治理的系统性变革。技术是最容易的部分，人才是次难的，最难的是让一个习惯「人说了算」的组织，学会信任数据和模型。

这个课题，不分企业大小，不分产业，每一家都要面对。