顺丰如何用AI解决货量预测失衡、装箱依赖人工经验问题的案例

顺丰速运是中国快递物流行业的龙头企业之一，业务覆盖快递、快运、冷链、同城、供应链、国际等多条业务线。作为一家以时效和品质见长的综合物流服务商，顺丰每天要处理十亿级包裹件量的预测与调度，其供应链运营长期面临货量预测失衡、装箱耗材浪费、复核成本偏高等一系列高难度挑战。在AI技术加速渗透物流行业的背景下，顺丰依托自研物流垂域决策大模型"丰知"，把经验驱动的供应链运营逐步改造为数据驱动的智能运营。

货量预测失衡：备货多了库存积压、资金占用上升；备货少了爆仓延误、订单流失。以往不少环节仍依赖经验拍板，预测的风险与波动难以量化。

装箱依赖人工经验：装箱是仓储作业中成本占比高却常被忽视的一环，过去依赖人工经验选箱，箱型偏大导致耗材浪费，摆放不合理又抬高复核与破损成本。

包装与货损成本难管控：包装及货损成本难管控，是供应链运营的第三大痛点，直接影响单票利润，也让企业难以从容应对日趋严格的ESG与绿色物流要求。

顺丰以自研物流垂域决策大模型"丰知"为核心，构建覆盖供应链全链路的AI能力：

1. Li-Net预测模型让计划有据可依：整合历史销售走势、促销节奏、区域需求等多维信号，实现高精度货量预测，让预测从"靠经验"转向"靠数据"，为运力、库存与网络规划提供稳定依据。

2. AI箱型推荐系统从源头减少耗材：针对每一笔订单自动匹配合适箱型与最优摆放方案，异形商品也可科学码放，从源头减少耗材、提升复核效率。

3. 丰智云操作系统协同：自研大模型"丰知"与端到端供应链操作系统"丰智云"相互协同，把海量真实业务数据训练出的能力沉淀为产业级AI。

物流垂域决策大模型的"行业之眼"：顺丰的丰知大模型并非通用大模型的简单套用，而是叠加了顺丰深耕物流供应链多年的产业Know-How——从电商大促、生鲜冷运、3C精密到快消、工业品、跨境，让算法从一开始就知道什么问题要先解，这是通用模型给不了的行业认知。

"行业Know-How + 自研垂域大模型"的稀缺组合：通用模型没有行业之眼，自研垂域大模型又让Know-How持续沉淀进算法，二者叠加形成顺丰独有的一站式供应链AI能力，这正是顺丰能从"用AI"走向"输出AI能力"的关键。

预测模型Li-Net的多维信号整合：通过整合历史销售走势、促销节奏、区域需求等信号，Li-Net让供应链规划可按需求实时调整，进而压缩安全库存、提升资金周转。

1. AI落地要贴着真实痛点：顺丰的AI没有停留在"预测"这种抽象概念上，而是切入了货量预测失衡、装箱耗材浪费、复核成本高这三个最具体、最可量化的供应链痛点。

2. 自研大模型是物流企业的长期壁垒：顺丰的丰知大模型证明了，物流企业要真正用好AI，必须把自身产业Know-How沉淀进算法，这是通用模型替代不了的护城河。

3. 降本与提效是一体两面：箱型推荐既降低17%耗材成本、又提升20%复核效率，说明供应链AI的降本与提效往往同源，找准一个场景就能一举多得。