8月14日上午，2026（第十八届）物流与供应链数字化发展大会在安徽省合肥市如期举行。神州控股科捷副总裁闫丰出席全体大会，并发表《从看见到决策 只差一个起点——供应链+AI共创实践》的主题演讲。

在行业数字化转型的大背景下，各行各业都高度重视技术落地与数字化应用。过去十几年，绝大多数企业都陆续搭建了各类业务系统，完成了业务线上化的基础布局，逐步实现数据提取、数据中台搭建、可视化看板监控等能力，顺利完成了数字化的第一步——实现数据的“看见”。但在我看来，从数据看见到智能决策，还需要跨越“看全”、“看透”、“决策”、“执行”四级能力台阶。

首先是看全数据。企业需要依托全覆盖的业务应用系统，补齐数据维度，完整抓取业务全流程数据，精准掌握数据上下文，避免因数据缺失导致判断片面。当前，大部分企业已采集了生产与办公流程数据，并依托数据中台做了大量可视化大屏监控异常，能感知数据变化，但仍然存在文档知识库建设等欠缺，针对这种治表不治里的情形，则需联系流程上下文、分析大量数据进行“看透”。企业需要将零散的业务现象串联整合、统筹分析，跳出单点问题视角，关联综合原因解决实际问题。在实际业务中的各类问题，大多不是单一因素导致，而是多重因素交织的综合结果，绝非简单的“头痛医头、脚痛医脚”就能彻底解决。在此基础上，第四级台阶即为“决策”，即依托智能系统，获得真实可信、可落地的业务行动建议，并在最后实现人机协同办公“执行”，让AI能力贯穿业务全流程，实现从分析、决策到落地的全链路赋能。

就目前行业现状来看，多数企业仅完成了第二级“看全数据”的能力建设，想要真正实现“看透数据、洞悉本质”依旧难度极大。以物流仓储作业为例，针对库房发货效率低下的问题，背后可能涉及设备故障、人员短缺、备货优先级差异、存储位布局不合理、拣选路径              判断失误等原因，问题成因错综复杂，无法通过单一维度精准定位。在传统作业模式下，这些复杂问题的判断和成因分析高度依赖企业资深从业者的经验与直觉，但大多数业务经验长期沉淀在个人脑中，无法标准化、体系化复用，而通过AI技术，企业可以串联完整数据上下文，依托海量数据进行多维深度分析，破解传统经验无法标准化、规模化复刻使用的难题。

结合科捷物流的落地实践经验，企业想要扎实落地生成式AI，离不开三大关键要素：

第一是大模型通用底座。大模型是AI应用的基础核心能力，主要基于大模型厂商的推理与生成能力。企业无需自主研发底层模型，可依托市面成熟的大模型开展落地应用，重点做好成本管控，轻量化、低成本完成底座能力搭建。第二是企业数据 & 知识库搭建，涵盖企业企业真实的业务数据与沉淀的知识资产，基于企业信息化建设和运营能力搭建，是企业常态化运营积累的核心家底，也是AI实现精准分析、高效落地的宝贵知识资产。第三是行业Know-How。如果说技术底座与数据搭建是企业运营的核心基础，那么想要实现真正的AI深度赋能，则需要深入掌握行业业务的经验与判断规则。行业Know-How基于对人的经验总结能力实现搭建赋能，精准掌握行业数据应用逻辑与业务流程编排规则，明确各类岗位技能的前后关联和专业标准。这种基于业务经验的判断能力、行业认知能力与研判标准，往往需要企业持续总结、提炼、沉淀，也是AI落地中最核心、最稀缺的能力。

在生成式 AI 落地的三大核心要素中，唯有行业Know-How的提炼、个人经验的组织化沉淀是绝大多数企业面临的核心难题。物流企业AI赋能过程并非盲目追求超高参数、超先进的大模型，其决策起点则立足于AI for Process，即逐岗逐项地做岗位流程的梳理。过去，我们通过信息化系统，完成了仓储、运输、客服、技术、研发、行政、财务等全业务场景的系统覆盖。如今，我们以AI智能化思维，对企业全岗位、全流程进行二次复盘与重构。

在具体的落地应用过程中，科捷全面梳理了公司产品研发、测试、仓储、运输、营销、运维、人力、行政、财务等130余个岗位的业务流程，逐一研判各岗位、各环节的AI化场景，聚焦企业实际需求，汇集岗位技能，搭建适配自身业务实际的AI技能体系，将各岗位的核心工作技能搭载至统一平台，实现全流程岗位技能即用即装、持续沉淀、反复复用。

经过全面的流程梳理与场景拆解，我们将企业AI落地应用划分为两大核心场景：生产作业流程场景和桌面办公场景。

第一类：生产作业流程类智能化场景

生产作业流程类场景主要覆盖物流核心业务生产环节，包括运输智能调度、库房拣选波次自动生成、智能包材推荐等环节。这类AI能力深度嵌入仓储、运输等业务系统共同赋能生产环节，依托传统AI算法、机器学习、运筹学等技术搭建而成，可一次性固化建设、长期复用，能够持续优化生产作业流程、降本提效。

接下来，我将结合企业真实落地案例，介绍生产作业流程类智能化场景的应用实践成果。

在库存环节中，科捷搭载了智能库存决策平台，平台可有效对库存的健康度进行检查。当前，传统库存管理仅能实现基础的库存核查，无法输出优化建议，难以适配海量商品SKU的精细化管理需求。尤其对于鞋服业务而言，商品SKU数量可达数万个，但传统人工模式仅能管控头部数百个核心SKU的周转情况，无法掌握全部商品情况信息。而智能库存决策平台依托AI能力，可实现全量SKU库存的每日智能复盘，系统可自动识别需要补货、清仓的货品，精准排查与库存现状相悖的业务操作。同时，AI可自动生成优化任务清单，为库存管理人员提供明确的工作指引，有效实现海量库存的精细化、智能化管理。

在仓储作业环节中，科捷依托仓储作业工时模型，对仓储作业效能进行实际分析。在传统模式下，企业承接仓管新业务时，其人力投入、工时消耗、作业成本等核心指标均依赖资深人员经验预估，判断主观性强、报价精准度低、成本管控无依据。而依托仓储作业工时模型，企业可标准化演算出影响仓储操作效率的因子和影响系数大小，进而反推新业务接入时需要的用工成本基线，不仅可以辅助企业决策报价，也可帮助仓库经理有效核定人效提升目标，推动企业针对性开展效能优化，持续提升仓储运营效率。

在包装环节中，科捷依托包材型号优化工具，贴合一线作业的落地场景，有效节省物料包装成本。物流仓储日常出货量大、货品品类繁杂，人工很难为每类货品匹配最优包装规格。在作业流程中，常易发生包装空隙过大、填充物过量使用的问题，造成大量物料浪费、成本损耗。基于此，科捷通过AI算法对全品类货品尺寸、包装适配性进行海量数据分析，对不合理的发货包装推荐全新包材尺寸，演算新规格包装型号，迭代生成最优包装规格体系，每仓可节省数十万物料包装成本费用，降本成效十分显著。

第二类：桌面办公类智能化场景

桌面办公类场景也是生成式AI的核心适配场景，涵盖合同审核、投标文件撰写、解决方案搭建、Excel 数据分析与决策等日常办公工作。这类场景偏向零散化，难以集中沉淀，应用效果也因人而异，需要依托专属智能化平台，实现零散AI能力的集中整合、统一沉淀、规范复用。

接下来，我依然凭借企业真实实践案例，介绍桌面办公类智能化场景的应用落地成果。桌面办公类智能化场景建设的核心价值在于大幅提升全员办公效能、解放人力时间，面向零散、难沉淀的办公 AI 应用，依托平台来承载分享经验与思考。基于此，科捷搭建小金智能体平台，集中零散办公 AI应用点，沉淀具体岗位一岗一技能经验，实现不同办公体系直接复用技能，无需大系统成本加持。

具体来说，科捷基于AI落地的三个关键要素，在模型层统一接入市面主流大模型，员工可根据工作场景需求，自由选择适配的大模型开展工作。在数据与知识库层，平台实现多系统数据层打通融合，全面对接仓储、运输等业务系统，员工可通过智能体实时查询各仓库作业量、作业延迟情况、人员排班、货品在途运输状态等实时业务数据；同时，系统打通OA等办公系统，会议纪要、工作沟通记录等办公数据均可作为分析数据源，高效用于工作总结、流程复盘等工作。平台还可以全面接入各类企业知识库，例如SOP作业规范、各类工作文档等，赋能AI深度理解企业业务模式与工作标准。在行业Know-How层面，小金平台搭建技能Skill工具市场，打通个人经验向组织资产转化的闭环。员工可将自身的工作方法、作业流程、核算策略等个人经验，在平台生成标准化AI Skill，并经过内部试用、效果验证后，升级为市场通用技能，供企业员工安装复用。通过这种模式，可成功将零散个人工作经验沉淀为可复用、可传承、可迭代的企业组织资产。

同时，小金智能体平台还可覆盖落地大量轻量化办公AI场景，如编写周报总结、编写标书应答、合同审查、业务数据查询、市场洞察报告、经营分析等工作。在合同审核工作中，平台可自动识别、标注合同风险点，法务人员仅需做好最终核验，大幅降低审核工作量；在标书撰写工作中，智能体深度熟知企业业务能力与服务范围，可根据招标需求逐项应答、自动输出标书初稿，高效支撑投标工作落地。

除了软件 AI，科捷也在同步布局物理AI搭建，探索具身智能在库房的应用，AI正在从“看得见”走向“动得了”。相较于AGV或其他重型自动化方案，科捷具身智能设备机器人具备极强的灵活性与性价比，无需改造原有仓储货架与作业场地，可快速适配现有仓库环境；同时，设备可实现错峰作业，将拣选作业挪到夜间和低峰时段，分担日间仓储压力，有效平衡仓储作业负荷。设备技能还可持续迭代拓展，除货品拣选功能外，还可实现码托等多项作业功能，适配多场景作业需求。

总结来说，在企业数字化、智能化升级过程中，最宝贵的核心资产，始终是企业深耕行业多年的资深从业者。AI能够依托海量数据、成熟模型输出分析结论与决策建议，但最终的决策落地、风险把控、责任承担，依旧需要依靠人来完成。未来的智能化时代，绝非AI替代人力，而是人机共舞、协同赋能的全新业态。企业从“看见数据”到“智能决策”的关键起点，就是AI for Process——流程智能化，立足岗位流程、深耕业务场景、沉淀行业经验，是企业AI落地最务实、最高效的路径。

以上就是科捷物流在AI智能化转型中的实践探索与经验分享，希望能为各位同仁提供参考、带来启发。谢谢大家！