京东物流“超脑”3.0 称路径规划压到秒级:五个工业模型,报道未提公开权重与 API
据 InfoQ 中文站 2026 年 11 月 6 日文章,京东物流把“超脑”大模型迭代至 3.0,称亿级包裹最优路径规划求解时间从分钟级压缩到秒级;系统由 PreX、OptiX、OmniX、GeoX、EmbodiedX 五个供应链原生模型组成,覆盖超 3600 个仓库、超 60 万名员工,车辆自动化调度率 86%。文章未提公开权重、开源许可或第三方可直接调用的接口。

发生了什么
据 InfoQ 中文站 2026 年 11 月 6 日发布的文章,京东物流“超脑”大模型迭代至 3.0 版本,文章称其为从仓储到配送全程由 AI 指挥的工业级大模型应用集成体。相比 2.0,文章称 3.0 运作效率更高、系统韧性更强、运营成本更低,并把亿级包裹端到端最优路径规划的求解时间从分钟级压缩到秒级。 系统由五个供应链原生模型组成:PreX 从多维动态数据中预测需求与供给变化;OptiX 融合运筹优化、强化学习与生成式模型能力,在仓网、库存、运输、人员、设备等约束下求解全局方案;OmniX 统一理解图像、视频、空间与物体;GeoX 把地址、位置、路径与时间放进统一时空坐标系;EmbodiedX 把感知与决策转换为机器人可执行的动作。 文章把这套体系描述为决策 AI、流程 AI、物理 AI 三位一体:决策层统一建模订单、库存、仓网、车辆、路况、天气以及图像、视频、位置等信息;流程层负责打通仓储、运输、分拣、配送等系统的数据,统一人、货、车、仓、单、设备的定义,再把决策拆成可执行任务下发、跟踪并处理异常;物理层由 CyberX 物控引擎驱动“智狼”机器人、“异狼”分拣机械臂和“独狼”无人配送车执行并回传结果,形成感知、预测、决策、执行、反馈的闭环。 文中给出的其他数字包括:覆盖超 3600 个仓库、超 60 万名员工;车辆自动化调度率 86%;仓储员工作业提效 13.8%;面向商家的“京慧”端到端供应链服务称次日达履约时效平均达 80% 以上,并可自动给出补货建议并调拨执行;“异狼”已在多个物流园区 24 小时运行,累计完成上千万真实包裹的抓取与码放验证;“独狼”已在全国多地及沙特试点。文章还称这套能力正在向制造、零售等行业开放。
对开发者的影响
先把可核实与不可核实分开。上述数字都来自京东物流一侧的叙述,文章没有给出模型参数量、训练数据规模、基准测试方法、推理硬件和统计时间窗口,也没有提到开放权重、开源许可、模型卡或面向第三方的公开 API。对开发者而言,这更像一份自用系统的运行总结,而不是可以下载、托管或按 token 调用的模型。 指标口径也留了空白。“秒级”没有说明是平均值还是尾延迟,也没有说明在多大的订单规模、什么求解时限和什么硬件上测得;86% 的车辆自动化调度率没有写清分母是全部车辆还是符合特定条件的车辆;13.8% 的员工作业提效没有对照组和统计周期。这类运营数字更适合当作待验证的厂商声明,而不是可以直接外推到自身业务的性能预期。 真正有迁移价值的是架构分工而不是具体数字:把预测、约束求解、多模态感知、时空认知和物理控制拆成独立模块,并在编排之前先用一个流程层对齐跨系统的实体定义,这个顺序解决的是“决策算得出、但落不了地”的问题。代价同样明确:多一层语义统一,就多一层需要长期维护的映射对象和失败点,只有当数据确实分散在异构系统里才划算。 还有一个模糊处是“向行业开放”,文章没有说明是以产品、SDK、API 还是项目制交付,也没有列出接入条件与计费方式。文中对外形态最清楚的一项是面向商家的“京慧”,但它是供应链服务而非模型接口,接入意味着把订单、库存、仓网、履约数据交给对方,并按商家自身场景逐项验收。
接入与评估建议
以下是条件性分析与建议,不是文中陈述的事实。 打算把大模型接进调度或编排链路的团队,可以先按文章的两条做法做小规模对照实验。 第一,流程 AI 先统一人、货、车、仓、单、设备的定义再编排任务,这一点值得单独验证。要做的选择是:在你的智能体编排层前面,是否加一层实体与规则的统一语义层。前提条件是数据确实分散在多个系统、同一业务对象在不同环节定义不一致;如果本来只有一个数据源,这一层只会增加时延和维护面。可测的验收标准是用同一批历史工单分别跑“先统一口径”和“模型直接端到端拆解”两条链路,比较字段映射错误数、重试率、人工接管率和端到端时延,要求前两项下降且时延不显著上升。 第二,决策 AI 把预测与约束求解放进同一个滚动闭环,并声称在订单、道路、运力变化时秒级更新决策。要做的选择是:调度类任务要不要让一个生成式模型直接输出最终方案,还是把预测、求解、执行反馈拆成三段分别评估。前提是你的问题带硬约束(时效、成本、容量)且错误代价高;纯排序或推荐类任务可以保留单模型方案。可测标准是用历史订单回放,比较约束违反率、与现有规则基线的成本差,以及注入扰动后的恢复时间。 第三,物理 AI 的部分无法在本地复现,只能按试点或采购流程验证。若要评估机械臂或无人车类方案,先界定场地包裹形态的多样性范围,再要求对方给出连续运行小时数、抓取成功率、破损率和人工介入频次这类可观测指标,而不是接受“常态化运行”这样的描述。 还有一步成本很低的动作适用于任何类似叙述:在评估表里直接写清需要对方提供的口径,包括延迟的分位数、问题规模、硬件配置、统计窗口和对照组设置。拿不到这些,对方的数字就无法换算成你自己的容量规划。
限制与待确认事项
文中所有性能与效率数字均由京东物流一侧给出,缺少第三方复现,不应被当作可外推的能力基线。文章只交代了五个模型的职责划分,没有参数规模、许可条款、权重是否发布、推理成本等选型所需信息;“向制造、零售等行业开放”的落地形式、接入门槛与计费方式均未说明,“京慧”的实际可用范围也需要向京东物流方面确认。 需要明确的是,京东物流“超脑”大模型 3.0 目前不在 KimiSeek 的模型目录中,本站没有它的对应条目,本文也没有把它视为可在本站调用的模型;文中提到的对外服务及其可用性、规格与计费,均以京东物流方面的说明为准。如果后续该体系公开了 API 或权重,是否值得接入仍要按前面几条可测标准单独评估。
原报道配图
