会上，顺丰科技副总裁唐恺深入剖析了“丰知”物流决策大模型在重塑未来物流与供应链管理领域存在的巨大潜力和广阔空间。

他表示，近年来，通用人工智能特别是大语言模型技术显著进步，深刻改变了多个行业生态。但在物流供应链这一复杂且高度专业化的领域内，其应用潜力尚未得到充分挖掘与释放。

一、重塑供应链决策，让决策变得简单

供应链运营是一个专业程度很高，并且非常严谨的领域，当前大模型技术虽展现出巨大潜力，但在精确计算与避免“幻觉”等问题上的临挑战，一定程度上限制了其在该领域的深度应用。尤为关键的是，供应链运营决策与分析要求结果必须可回溯、可追溯和可验证，即所谓的“白盒”特性，这与当前大模型普遍的“黑盒”输出方式存在根本性差异。这一核心差异，成为了大模型在供应链领域广泛推广时面临的主要挑战，阻碍了其能力的全面施展。

为解决大模型在供应链运营场景的落地问题，顺丰科技创造性地融合了大语言模型的交互优势与传统小模型的专业深度，打造出了高效的供应链智能体。该智能体基于顺丰科技强大的丰智云生态体系，结合多代理架构、检索增强生成（RAG）技术，让大模型具备更深入的供应链知识，同时能够调用专业算法精准分析运营数据，推荐解决方案。

以缺货影响销量为例，当此类问题浮现时，顺丰科技的供应链智能体能够迅速响应，告诉用户哪些原因造成了缺货以及对应的改善策略。为进一步验证这些策略的有效性，智能体可调用预测与仿真引擎，在不同假设条件下模拟成本与服务水平的潜在变化，为管理者提供直观、全面的决策依据，助力其精准选择合适的应对策略，应对市场变化。这不仅是技术层面的革新突破，更是供应链管理实践的一次深刻变革，引领着行业向更加智能化、高效化的未来迈进。

图 | 丰知大模型-供应链智能体

二、精准需求预测，赋能企业数字化升级

需求预测作为供应链管理的基石，其准确性直接关系到后续需求计划、供应计划及生产计划的制定与执行效率，对整个供应链的协同运作至关重要。然而，这一至关重要的环节具有着极高的复杂性，主要体现在商品多、网络复杂以及影响因素的纷繁多样上。以新品上架为例，其销售预测缺乏历史信息参考，同时需要综合考虑促销策略、消费者接受度及对既有产品销量的潜在影响，而传统基于单一产品视角的预测模型难以全面捕捉这些复杂关系，尤其是商品间的相互关联性和市场动态变化，导致在新品或新店引入时预测精度大幅下降。

顺丰物流决策大模型通过融合了多模态大模型的能力，在特征提取时，充分利用预训练的多模态大模型，深度挖掘商品的文字信息（如商品名称、描述、配料表、价格等）与图片信息，生成高度表征商品内在属性的嵌入向量。利用多模态大模型，这些嵌入向量能够精准捕捉并表达商品间的复杂关联关系。

在此基础之上，顺丰科技通过进一步构建了多尺度多通道的预测模型，成功解决两大核心问题：一是增强同一尺度内商品间关联性的预测能力；二是实现跨尺度间关联性的有效判断。这一设计使得预测输出不再局限于单一商品的孤立预测，而是基于同一尺度内所有商品的统一输出，从而显著减少了模型需求数量及资源消耗。

顺丰物流决策大模型在多模态多尺度多通道模型上的这一创新实践，不仅有效提高了预测精度，更极大地提升资源利效率。以某一实践案例为例，服务器资源需求降低了5倍，运行时间效率提升了120倍，预测准确率提升了5%，这一提升在传统模型中极为罕见，标志着“丰知”在供应链需求预测领域实现了重大技术跨越。这一变革不仅打破了大型企业在高效供应链决策系统上的专属优势，更为中小企业敞开了智能化转型的大门，让更多企业能够享受到智能化决策带来的竞争优势与成本节约。

图 | 丰知大模型-多模态多尺度多通道预测模型

三、应对复杂物流挑战，让供应链规划更懂你

在探讨大语言模型和物流决策大模型时，顺丰科技认识到两者均聚焦于序列生成的核心问题。大语言模型依托Transformer架构与自回归机制，实现了高效、连贯的文字序列生成。同样地，物流决策大模型在解决复杂物流问题时，同样可视为序列生成问题。从本质上看，两者均致力于通过算法与数据驱动，以序列形式探索并输出最优解，体现了技术底层架构的共通性。

图 | 物流决策大模型和语言大模型的同与异

顺丰物流决策大模型，正是基于这一理念构建，以Transformer为核心框架，融合顺丰在物流领域的深厚积累与海量数据，进行深度预训练，确保模型能够精准应对各类复杂的物流挑战。该模型有两大突出优势：一是计算速度实现质的飞跃，达到毫秒级响应，大幅缩短了传统运筹学方法所需的漫长计算时间，对于大规模配送路径优化等任务，能在极短时间内输出高质量方案；二是优化能力卓越，通过强化学习技术不断自我优化，其生成的解决方案已能与专业启发式算法相媲美，甚至在某些场景下超越后者，展现出强大的自适应与进化能力。

顺丰物流决策大模型还融入了RLHF（人类反馈强化学习）机制，使得模型在追求数学最优解的同时，也能充分考虑业务实际需求与偏好，通过迭代优化，逐步接近甚至满足实际运营中的各项标准。同时，为避免模型过度“人性化”导致的优化效果减弱，模型还内置了偏好与优化平衡机制，确保用户能在两者间找到最佳平衡点，实现决策效果的最大化。

在实际应用上大模型不仅显著加速了企业装箱优化和运输线路规划的计算效率，还巧妙地解决了以往依赖繁琐定制化开发来适应复杂业务需求的难题。大模型的应用不仅帮助企业大幅削减整体开发成本，更帮助企业实现了对业务变化的快速响应，助力企业实现整体履约时效和运输成本的最优解。

图 | 物流决策大模型-基座模型

四、赋能产业数值化，共创未来新图景

顺丰物流决策大模型--“丰知”以物流和供应链为抓手，赋能产业数智化实践，为垂域大模型的深化落地提供了全新的视角和思路。目前已经有众多客户与顺丰科技达成合作，一幅关于垂域大模型在供应链产业的商用前景正在徐徐展开。

未来，顺丰科技还将继续携手各行业的合作伙伴，在智慧供应链领域加强深度合作，共同探索并创造基于大模型的独特行业价值，推动整个行业的智能化升级与可持续发展。