8月26日，在第十八届国际交通技术与设备展览会上，京东物流正式发布“超脑”大模型3.0。相比2.0版本，“超脑”3.0的运作效率更高、系统韧性更强、运营成本更低，亿级包裹端到端最优路径规划的求解时间从分钟级压缩至秒级，从仓库到配送全流程精准执行，让每一件包裹能够更快、更准确地送到消费者手中。
当前，京东正在加速建设全球最大物理世界运营中心，“超脑”大模型3.0是物流行业首个从仓储到配送全程由AI“指挥”的工业级大模型应用集成体，也是AI大模型在供应链全链路全流程最大规模的应用。
它由五大供应链原生工业级大模型组成：围绕供应链完整闭环形成专业化分工，在统一的系统架构下，在复杂约束、实时变化和低容错的供应链多样化场景中，动态预测、约束求解、多模态感知、时空认知和物理控制被连接成持续反馈、滚动优化的闭环，实现稳定、可靠、可规模化的工业级应用。
PreX预测大模型：负责从海量、多维、动态数据中洞察需求与供给变化，让系统“看见尚未发生的未来”
OptiX决策大模型：融合运筹优化、强化学习与生成式大模型能力，在仓网、库存、运输、人员和设备等复杂约束中求解全局最优方案
OmniX多模态大模型：统一理解图像、视频、空间和物体，让AI真正读懂物流现场
GeoX时空大模型：将地址、位置、路径和时间纳入统一的时空坐标系，为精准履约提供认知基础
EmbodiedX具身大模型：将感知与决策转化为机器人可执行的动作，让AI从数字世界走向真实作业现场
AI在物理世界落地的最大难点
是真正到一线“干活”
过去几年，AI在数字世界取得了巨大突破：写文章、画图、聊天，完成这些任务已经变得非常自然流畅。但一旦AI需要进入物理世界，特别是到工厂、车间、仓库、产线等场景中实际干活，难度却急剧上升。
供应链，恰恰是AI最复杂的应用场景。数百万种商品，从几克重的文件到几十公斤的家电；上千个仓库和分拣中心，每个场地布局不同、设备不同、流程不同；运输网络覆盖全国，路况、天气、突发事件随时在变。AI不能只在实验室跑通，它必须同时应对形态各异的海量品类、千变万化的场地和动态调整的复杂环境。
挑战一，物理世界的信息“读不懂”。一辆车的装载率需要从摄像头画面中实时测量，一件包裹是否破损需要视觉识别，一个分拣口是否拥堵需要从监控视频中判断。物理世界的信息不是整齐的数字或文本，让AI像人一样“看明白”正在发生什么，本身就是巨大的技术挑战。
挑战二，物理世界的规律“算不准”。包裹有重量、有形状、有材质，抓取时需要控制力度；无人车在路上行驶，需要理解交通规则和障碍物逻辑。AI不能像处理文字那样随意“生成”一个动作，它的每一个操作都必须符合物理规律。
挑战三，物理世界的执行“容错低”。在数字世界里，AI写错一段话可以删掉重来。但在物理世界，抓偏了、撞上了、晚到了，都会造成实际损失。执行必须精确到毫米级，响应必须到毫秒级。
这三个挑战叠加在一起，使得物理AI的落地门槛极高：它必须同时具备读懂物理世界、理解物理规律、执行精确操作三项能力。
行业内率先实现
“决策AI、流程AI、物理AI”三位一体
为突破物理AI在供应链应用中的落地瓶颈，“超脑”大模型3.0构建了决策AI、流程AI、物理AI三位一体的技术体系，按照供应链决策的自然逻辑协作：决策AI先求解全局最优，流程AI再将决策转化为跨系统协同指令，物理AI最后在真实世界中执行并实时反馈，形成“感知—预测—决策—执行—反馈”的闭环。
决策AI是供应链全局优化的“智能总指挥”。在覆盖超3600个仓库、超60万名员工的复杂网络中，任一节点的变化都可能牵动全局。决策AI将订单、库存、仓网、车辆、路况、天气，以及图像、视频、位置等多模态信息统一建模，由PreX预测大模型预判供需变化，OptiX决策大模型在时效、成本等复杂约束下求解全局最优，比如在哪里建仓、覆盖哪些区域、库存如何分布。
当订单、道路或运力发生实时变化时，“超脑”3.0可在秒级完成亿级包裹的决策更新，车辆自动化调度率达86%。通过决策AI，供应链规划从过往依赖经验与静态方案，升级为数据驱动、全局协同、动态优化的智能体系。
流程AI是连接决策与执行的业务中枢。决策AI给出的是“做什么任务”，流程AI负责让任务在几十个业务系统之间自动跑通。供应链的数据分散在仓储、运输、分拣、配送等不同系统，同一业务对象在各环节定义各异，流程AI首先打通各环节数据，统一人、货、车、仓、单、设备的定义和规则，让不同系统有了“共同语言”。
在此基础上，OmniX多模态大模型把决策方案拆解成一个个可执行的任务，调用相应系统完成下发、跟踪、异常处理和结果反馈，让不同岗位、系统和设备围绕同一目标协同运转。对一线员工而言，跨系统查询、反复核对、手工下发等重复性工作由AI助手接管，员工专注于复杂判断和现场管理，仓储运营数据显示，员工作业提效13.8%。
物理AI是物流产业AI最独特、也是工业化落地门槛最高的一环。决策AI和流程AI都在数字世界完成，但供应链作业最终要落到真实物理世界。面对形态各异的包裹、动态变化的道路和复杂的多设备协同，物理 AI 不仅要 “看见”，还要 “理解并预测”。OmniX 多模态大模型、GeoX 时空大模型结合视觉、力觉等传感器理解现场状态，并通过世界模型预测不同动作的结果，选择更稳定、安全的执行方案。
在此基础上，“超脑” 3.0 通过 CyberX 物控引擎驱动 “智狼” 机器人、“异狼” 分拣机械臂和 “独狼” 无人配送车等设备，使它们不再只依赖固定规则和预设程序，可以根据现场变化动态调整行动，完成一线操作。
截至当前，“异狼” 分拣机械臂已在多个物流园区 24 小时常态化运行，累计完成上千万真实包裹的抓取与码放验证，“独狼” 无人车已在全国多地及沙特等海外试点运行。依托物理 AI 的能力打通各作业节点壁垒，可落地从仓储搬运、分拣到末端配送的全链路无人化业务模式。物流超脑3.0正在驱动多环节无人化从单点示范走向规模化复制。
面向员工、商家、行业
面对不同用户解决不同问题
三个AI是能力基座，但不同用户需要的不是模型本身，而是能够便捷应用、解决具体问题的产品。
面向员工，京东物流超60万名一线员工，覆盖规划、运营、分拣、调度、配送等不同岗位。不同角色的工作内容差异巨大，需要的AI能力也各不相同。在实际工作中，复杂的大模型能力被封装成员工可直接对话、可调用、可执行的智能体，辅助进行运营决策。
面向商家，“超脑”大模型3.0的能力被封装为“京慧”的端到端一体化供应链服务。商家接入订单、库存、仓网、履约等数据后，可以在“京慧”中完成供应链诊断、仓网规划、库存优化、补货调拨、履约分析等工作。
“京慧”打造了原生库存托管AI能力，通过AI能自动完成补货建议并调拨执行，实现一盘货的AI托管服务，帮助商家提升库存周转，实现次日达履约时效平均达80%以上，降低库存管理难度。
面向行业，“超脑”大模型3.0正在与京东物流自研“狼族”机器人军团结合，把AI能力延伸到真实的物理作业中。“智狼”、“异狼”、“独狼”等设备接入模型能力后，可以根据现场情况完成搬运、分拣、配送等任务，并在任务过程中动态调整。
它们不只是执行固定程序，而是在“超脑”大模型3.0的统一调度下，根据环境变化做出更灵活的反应。这套能力也正在向制造、零售等行业开放，为更多企业提供多环节、可复制、标准化的物流自动化AI解决方案。
在加速建设全球最大物理世界运营中心的过程中，京东发布“超脑”大模型3.0，标志着供应链AI正在从“能看、能算”走向“能决策、能执行”，这是AI在供应链领域的重要应用突破：第一次实现大规模自主决策，让AI不再只是辅助分析工具，而是开始规模化参与仓储、运输、分拣和末端配送等真实作业，逐步推动物流行业实现从仓储到末端配送的全链路无人化，让AI真正走出实验室，打通大模型产业落地的“最后一公里”，成为真正持续为产业创造价值的AI生产力。
