财联社9月24日讯，当整个行业还在争论通用大模型能否“通吃”一切时，菜鸟给出了一个“反共识”的答案：在供应链这个垂直战场上，大模型只当"参谋长"，真正冲锋陷阵的是沉淀了多年的专业小模型。

9月22日，菜鸟物流科技在云栖大会上正式对外发布供应链AI决策平台。供应链AI事业部总经理黄钟向记者披露了一组少见的硬数据：供应链计划与决策域持续保持增长，预计未来两到三年年增速都将超60%。

当全行业都在追逐通用大模型的叙事时，这家孵化于阿里的公司选择了一条更“重”的路——用大模型调度五年沉淀的行业小模型，去啃全球供应链软件市场中最硬的一块骨头。

为什么是现在？等了五年的拐点

黄钟把AI的落点画成一条延伸线：第一波是to C社交与内容，第二波是Coding，第三波是办公场景，而下一站，是推理与预测。

“在很多非通用场景里，推理预测是最能创造AI价值的地方。”黄钟向记者表示。

他的参照系是Palantir——这家硅谷公司早已在军事、金融领域证明，AI推演可以在重大决策中创造巨大价值。“方法论已被验证，而中国公司的实施成本和算力成本远低于海外同行。供应链推演与AI决策的拐点，到了。”

支撑这个判断的，是菜鸟过去几年在供应链计划与控制塔领域的深耕：从产销匹配、需求预测到仓网规划、运输布局，沉淀了大量专业小模型与算法。客户也在变：国内数字化进程快，中资企业规模越大，供应链优化带来的价值越高，决策类诉求明显增强。

菜鸟的技术路径是“通用大模型+专业小模型”：小模型负责沉淀预测算法和运筹学求解器——这些是供应链行业多年积累的硬壁垒；大模型则负责汇集全链路信息、调用专业算法求解全局最优，并通过自然语言交互提升决策效率。

黄钟举了一个例子：过去系统只能提示“零件A缺货了”，计划员再逐项排查影响；现在，大模型可以结合台风天气、上游供应商的产能与原材料、运输时效等全链路信息提前推演，在缺货发生之前就调整下游生产计划。其背后是一套“本体论”——把供应链和业务完整刻画成模型，任何一点信息变化，大模型都能推演出对全局的影响。

“以前叫计划，今天我们叫决策。”黄钟强调，推理和预测，正是AI时代区别于上一代供应链软件的核心能力。

“供应链很长，单点求解已经很成熟，难的是全链路求最优。以前要靠计划人员把所有单点计划摆进一张大Excel找平衡，现在大模型可以快速做各种组合推演。”黄钟举例：台风影响某地上游原材料，平台可提前推演对零部件供给的冲击，让下游生产计划提前调整——而不是等缺货确定后才补救。

其背后是“本体论”方法：把供应链全链路刻画成一张关系网络，任何一个点状信息变化，大模型都能推演出对全局的影响。更关键的是人机双向调优——平台给建议、人做决策并反馈，专家经验在互动中被沉淀

错位竞争：不和京东顺丰“贴身肉搏”

赛道上玩家不少，但黄钟把对手分成两类：一类是京东、顺丰，核心能力扎在物流环节——仓网规划、运输规划、仓内库存设计；另一类是专注计划优化的传统软件厂商，算法和小模型出色，但用大模型串联全链路的迭代速度明显偏慢。

菜鸟的差异化在于“全链路”：从制造、产销匹配到物流网络的完整能力，加上阿里体系的互联网平台基因。“很多客户最后选择我们，一是全链路供应链能力，二是我们在用新技术创造新能力这件事上，过往被验证过。”

这是一门算得过来的生意。黄钟透露，该业务线年增长超过60%，国内占60%-70%、海外占30%-40%；未来2-3年营收保持高增长，目标是细分领域的头部。

落地上，菜鸟目前聚焦三大场景：一是汽车后市场（如售后零部件），针对SKU多、波动大的特点优化库存，可实现5-6个点的收益提升，消费者端体现为缺货率下降、配件等待周期缩短；二是半导体制造排产，聚焦产能平稳度提升，项目正在推进；三是零售行业，国内某连锁奶茶企业供需匹配项目已交付上线，预计3-6个月见效。单项目金额普遍在数百万元以上，客户“先算ROI，算不过来不做”。

值得注意的是，菜鸟刻意采取“双轨制”：AI给出建议与策略，最终决策权仍在人手中。每年8、9月是交付高峰，双十一、黑五大促则是对平台能力的“大考”。

黄钟表示，前期投入主要在研发和数据对接工具上，"相对于大模型训练的投入量级，我们的投入相对可控"。

出海算盘：东南亚与中东对数字化软件需求大

海外市场年增速超过50%，但菜鸟的选择很务实：主攻东南亚和中东，暂不大力进入欧美。原因有三：欧美大企业与老牌软件厂商深度绑定；数据决策涉及地缘政治敏感性；当地企业对价格不敏感，愿意为高价老牌产品买单。

而在东南亚和中东，上一代数字化尚未完成，且对中国科技认可度高。"海外竞争反而比国内小，当地仍聚焦在数字化升级，对供应链软件如OTWB（仓储、运输管理系统）等需求旺盛。"黄钟表示，这同样是菜鸟擅长的领域，菜鸟在当地持续取得了突破。

应该说，回到供应链AI推进方面，挑战同样清晰。一是数据：很多企业信息化推了很多年，仍是信息孤岛，打通全链路数据实施成本高昂，中小企业尚未到达ROI拐点；大型企业则要面对部门墙，往往要公司一号位工程才推得动。二是技术边界的把握：大模型、AI Coding与专业小模型如何分工，投入产出如何平衡，需要持续校准。

“也有声音说3-5年大模型会吃掉一切，目前看还有距离，但我们会持续盯着这个度。”黄钟向记者说道。

有趣的是，AI也在重塑软件业本身：随着AI Coding效率提升，菜鸟已开始弱化“标准产品”概念——只要把需求讲清楚，定制化可能比“产品+配置”更高效。

智能化不是取代人，而是把老计划员的经验变成企业的数字资产。当缺货预警先于台风抵达、当库存优化被写进财报，供应链AI才真正从概念走向账本——这或许是这场竞赛中，最确定的那件事。