京东物流“超脑”3.0 不是聊天模型，是一套管仓到配送的调度系统

双十一还有五天，你购物车里那堆东西，这会儿多半已经在某个仓里排队了。谁决定它从哪个仓发，坐哪辆车，几点出库？

京东物流给的答案是“超脑”大模型 3.0。它在 8 月 26 日的第十八届国际交通技术与设备展览会上发布，官方说亿级包裹的端到端最优路径规划，求解时间从分钟级压到了秒级。我们 AI主线 的看法是：京东物流“超脑”3.0 更像一套把预测、运筹优化、视觉理解和机器人控制串起来的工业系统，“大模型”三个字是门面，真正干活的是后面那一串各管一摊的专用模型。

五个模型凑一桌，这还算大模型吗？

官方的拆法是五个：PreX 预测、OptiX 决策、OmniX 多模态、GeoX 时空、EmbodiedX 具身。翻成人话，就是一个看趋势的，一个算方案的，一个看画面的，一个懂地址和路线的，还有一个负责让机器人动手的。

最关键的是 OptiX。官方说它融合了运筹优化、强化学习和生成式大模型。运筹优化是物流行业的老本行，给一堆约束条件，求成本最低的方案，好比排课表，只不过这张课表有亿级包裹那么大。

我觉得这个路子是对的。物理世界容错低，官方自己也说，抓偏了、撞上了、晚到了，都是真损失。让一个会写诗的模型直接拍板车怎么跑，谁也不敢签字。把生成式模型放在理解和拆任务的位置，把拍板交给能算账的求解器，更稳当。

比 2.0 强在哪，别把数字连起来念

“超脑”2.0 是 2025 年 9 月 25 日在京东全球科技探索者大会上亮相的，当时官方给的数是千万级变量的模型求解缩短到 2 小时内。到了 3.0，说的是亿级包裹路径规划到秒级。

这两句话口径不同，一个数变量规模，一个数包裹规划，不能拿来除一下就喊快了多少倍。更靠谱的读法是：求解从“离线算好一版方案”，往“订单、路况一变就改”走了一大步。官方说订单、道路或运力实时变化时，秒级就能完成亿级包裹的决策更新，车辆自动化调度率 86%。

一线的数更值得多看一眼。2.0 时官方说一线作业效率近 20%，3.0 给的是员工作业提效 13.8%。这两个数未必是同一把尺子量的，我不拿它们打架，但它至少提醒大伙：模型升一代，落到一线的收益不一定跟着往上涨。

亚马逊也在干这事，路数差在哪

放到同行里看。亚马逊在 2025 年 6 月 30 日发布了 DeepFleet，官方说这个生成式基础模型能把机器人车队的行驶效率提升 10%，同一天宣布第一百万台机器人上岗。亚马逊自己的比喻很形象：给一座堵满车的城市配一套智能交通指挥。

两家的差别在摊子大小。DeepFleet 盯的是仓内机器人怎么走、怎么不堵，亮的是一个具体指标。京东这套从预测、仓网、库存一路管到末端配送，官方说覆盖超 3600 个仓库、超 60 万名员工的网络，范围宽得多，亮出来的指标也是一把。范围宽是本事，也意味着每个环节都得靠自家数据来证明。两边口径不同，我不排名次。

吹的那些，哪些能核对

目前能看到的亮点几乎都出自京东自己：秒级求解、86%、“异狼”分拣机械臂累计验证上千万真实包裹、“京慧”托管下次日达履约时效平均 80% 以上。第三方独立评测暂时没有可对照的。上千万真实包裹这类运行记录，相对容易被外部核对，其余的指标还得等。

96.7% 是京东在 9 月的 JDD 大会上给出的具身模型多任务执行成功率。听着漂亮，换个角度就是每一百次任务里有三次要多费点事。这个数怎么定义、失败后谁来兜底，决定了它到底值多少钱。

方向我认。AI 圈这两年聊得最多的还是写代码和做图，真让模型进仓库、上货架、跑末端，难度高了一个量级。京东的做法是把决策、流程、物理三层拆开，各管各的，再让它们互相喂数据。AI主线 认为，这条拆层的路比一个模型包打天下更现实。

对写代码、做选型的各位，这套东西暂时是个旁观题。从官方说法看，给商家的入口是“京慧”，给行业的是机器人加方案的组合，打法是卖服务和设备，不是把模型放出来让大伙去调接口。

我接下来想盯的就一件事：下一轮大促，京东能不能给出外部能核对的数，比如准时率，或者需要人工兜底的比例。有了这个，“超脑”3.0 才算从发布会走到了账本上。