一辆车坏了，等一个零配件。4S店说“没货，要调”，你等三天。
这三天里，可能有一批货正躺在几百公里外的仓库里落灰，而另一批货，正在被某个计划员基于一张Excel表过量采购。汽车售后零配件行业，库存金额动辄几十亿，SKU数以万计，哪个零件该备多少、放在哪个仓、什么时候调拨，过去全凭经验。
现在，菜鸟想用AI来算这笔账。
9月22日，2026云栖大会期间，菜鸟物流科技正式发布企业级供应链AI决策平台。它要做的事，是把菜鸟过去十多年在电商物流领域积累的大促供应链管理能力，转化为可复用的AI模型能力，面向零售、物流、高新制造、汽车售后等行业开放。
“供应链AI决策的拐点已到。”菜鸟物流科技供应链AI事业部总经理黄钟在接受快报记者采访时说。在他看来，AI应用正从C端内容、代码生成、办公协同等场景，不断向产业纵深延伸，“供应链是下一个高价值场景”。
从“人脑算账”到“AI推演”
黄钟把传统的供应链管理形容为“人脑算账”：企业上了ERP、WMS、TMS等各种系统，数据是有了，但它是“死”的，分散在不同的系统里，彼此不通。计划员要做的，是把这些数据导出来，放进一张巨大的Excel表里，然后凭借经验和直觉，判断接下来该备多少货，该怎么排产，该走哪条运输路线。
“以前数字化解决的是把线下纸质信息搬到系统里，你能看到哪里有问题，但下一步该怎么做，还是靠人。”黄钟说。
而AI决策平台要做的，是把这个过程往前推一步。他打了个比方：“以前的控制塔是一个很强大的报表系统，而AI决策平台更像一个已经很有专家性质的助理，能够给你很多建议。你只要在这些建议里面去挑选最合适的，做决策就可以了。”
这个“助理”的能力，来自“通用大模型+专有小模型”的结合。
小模型负责单点求解，比如预测某个零部件的需求，计算某条运输线路的最优解。这些算法是菜鸟过去这些年在供应链计划领域一点点沉淀出来的，也是行业壁垒所在。
但供应链链路很长，单点最优不等于全局最优。大模型便是负责把全链路的信息串联起来，做全局推演。
黄钟举了一个汽车行业的例子：过去，如果某个零部件缺货，计划人员会基于这个单点信息去调整生产计划。但现在，大模型可以把台风天气、上游供应商的供给计划、原材料运输时效等信息全部纳入进来，提前预警。“台风会影响哪些原材料，原材料会影响哪些零部件的生产，然后告诉后端提前去改生产计划。”
换句话说，供应链管理正在从“缺货了再补救”，变成“还没缺货就知道可能要缺”。
为什么是现在？
这件事，菜鸟想了不止一天。
黄钟透露，过去一年多，团队一直在思考一个问题：AI时代到来后，供应链领域会迭代出什么新能力？答案在三个变化中逐渐清晰起来。
第一，方法论已经被验证。黄钟提到，海外一家以大数据分析推演闻名的公司帕兰提尔科技(Palantir（PLTR）)，最早在金融等领域做推演预测，后来证明这套方法论在供应链领域同样适用。“他们的核心逻辑是把业务本体论刻画出来，一旦某个点状信息有变化，大模型就能推演对全局的影响。”
第二，成本在下降。过去，AI推理的成本高得让企业望而却步。但随着技术迭代，实施成本和运算成本都在快速降低。
第三，客户诉求在变强。国内制造业效率不断提升，企业规模越来越大，供应链优化带来的价值越来越明显。大家都在思考如何用AI快速提高效率，这方面的需求增长飞快。
“这三个条件叠加在一起，我们认为供应链AI决策的拐点已经到了。”
但菜鸟手里还有一张别人很难复制的底牌：双11。
历年618、双11，菜鸟要应对数万种不同品类商品的仓储调度和物流履约。一个爆款突然卖断，另一个品类突然滞销，仓库之间的调拨、运输线路的切换、末端配送的排班，全部要在极短时间内重新计算。这种高波动、多品类、大单量的场景，硬生生地把菜鸟的供应链能力“炼”了出来。
换句话说，菜鸟做供应链AI，不是从零开始造一套系统，而是把自己此前每年都要经历一两次的极限考验，变成了可以对外输出的能力。
黄钟也提到了菜鸟的差异化。专注物流领域的企业，强在仓网规划、运输规划、仓内库存设计；菜鸟则因为过去在阿里体系做了很多非物流领域的供应链，从制造到产销匹配、需求预测，再到物流网络，很早就跨到了全链路。而那些专注计划优化的传统软件厂商，强在算法和小模型，但在AI时代如何用大模型串联全链路这件事上，迭代节奏偏慢。
汽车、半导体和零售已经用上了
目前，平台覆盖供应链网络规划、产销协同、需求计划与生产主计划、APS高级排程(简单说就是让工厂知道先做哪个订单、哪条产线做什么最划算)，以及物流运输计划等核心环节，帮助企业提升供应链决策的精准度与响应速度。
但黄钟强调，它的真正价值不在于把报表做得更漂亮，而在于让企业看到“全局最优解”。
这个“全局最优解”并不是让AI替人拍板。“现在还是用双轨制。AI给出建议和推演，负责看得更全、算得更快，人结合经验做最终判断，决策权在人。”黄钟还提到，这套系统在运行中会不断学习人的反馈。企业里那些做计划、做策略的“老师傅”，他们的经验通过一次次反馈被沉淀下来。人员流失带来的波动，被系统稳定性补上了。
目前，菜鸟供应链AI决策平台已经在汽车后市场、零售、制造三行业形成落地案例。
汽车行业是典型的“SKU多、波动大”场景，售后零配件库存金额动辄几十亿，SKU数量极其庞大，波动性也很大。针对这些特点，菜鸟通过优化降低库存金额，提升5到6个点的收益，效果显著。“消费（883434）者端的感知就是，缺货率下降，配件切换周期（883436）缩短。”
半导体（881121）行业则是另一个典型。黄钟透露，正在推进的某半导体（881121）项目，从制造环节的排产开始，结合上游供应商和生产资源，目标是让产能更平稳，同时具备快速提升的能力。“目前预估效果非常好，且随着人机反馈不断调优，还会进一步优化。”
零售行业也在快速推进。公开信息显示，蜜雪冰城是菜鸟正在服务的客户之一。AI预测它的销量，智能生成补货计划，让采购、仓储备货和调运全链路联动起来。
先数字化，再智能化
在国内市场之外，菜鸟供应链AI决策平台的海外布局，走的是另一条路，目前重点是放在东南亚和中东。
黄钟解释，这些地区对中国科技的认可度较高，且正处于数字化转型加速期。但数字化转型加速，不等于可以直接上AI。“他们也在思考AI怎么应用，但问题在于，如果数字化基础没打好，决策就缺乏依据。连数据源都没有，就无法基于数据做大量推理预测。”
因此，菜鸟在东南亚和中东的策略是“先数字化，再智能化”。
目前，海外业务主要集中在零售和物流两个行业，年增长超过50%。黄钟提到，泰国正大旗下零售集团，以及东南亚某国家物流公司等都在合作中。他说，现阶段海外市场的竞争比国内小，“国内企业更擅长打价格战”，也因此，海外的增长空间和利润空间都更大。
2-3年做到行业领先
尽管前景广阔，但黄钟也坦言，供应链AI领域面临的挑战不小。
第一道坎是数据孤岛带来的高实施成本。一些企业虽然部署了不少数字化系统，但系统之间彼此割裂，要把全链路信息集成到一起，实施成本很高。在他看来，当前阶段主要还是中大型企业先行，随着AI成本继续下降，两三年后中小企业才可能逐步应用。
第二道坎是组织难协调。大型企业内部，每个部门可能都有自己的IT系统，要打通全链路数据，涉及的协调难度不小。
第三个挑战是技术边界的把握。通用大模型越来越强，专业小模型越做越深，两者之间怎么配合？哪些交给大模型，哪些固化到小模型，这个度很难拿捏。“企业级应用最后一定要算ROI(投资回报率)。如果投入产出算不过来，就得调整策略。”
即便有这些挑战，黄钟对未来的判断依然明确且自信：菜鸟供应链AI预计未来2-3年保持60%-70%的年增速，在这一细分市场做到行业领先。
另据公开信息，目前菜鸟物流科技聚焦于物流机器人和供应链AI，已在全球29个国家，落地超1100个物流科技项目，服务客户超400家，其中包括214家行业领军企业和26家世界500强企业。
回到开头那个等了三天的车主。也许再过两三年，当他再打电话给4S店时，得到的回答会变成：“有货，马上给您调。”而这背后，可能就是一个AI决策平台，刚刚算完了一笔几十亿库存的账。
橙柿互动.都市快报记者童蔚
