大模型感知、理解、推理和生成能力的不断提升，为构建新一代供应链决策系统提供核心驱动力。我们在供应链管理的多个环节通过应用大模型技术实现人与 AI 的协同。在销量预测环节，自研的 TimeHF 时序大模型能够捕捉时序数据更多的信息，覆盖京东不同场景的预测，可扩展性强、零样本预测能力强。在供应链计划环节，通过多智能体实现库存诊断、销售分析、计划自动纠偏，增强计划的敏捷性和弹性。在此基础上，我们进一步探索构建了覆盖库存管理全流程的智能体系统，希望为供应链 +AI 提供新的解决方案，实现“感知 - 决策 - 执行 - 校正”一体化的智能供应链新范式。

演讲提纲：

1. 供应链面临的挑战与机遇
   • 挑战：海量信息、模式复杂
   • 机遇：大模型为构建感知、决策、优化的智能体提供了核心驱动力
2. 在销量预测环节落地实践
   • 时序大模型：大尺寸模型能够捕捉时序数据更多的信息，覆盖京东不同场景的预测，可扩展性强、零样本预测能力强。
3. 在供应链计划环节落地实践
   • 计划智能体：通过模块化智能体实现复杂供应链任务的自动分解与执行，具备意图理解精准、任务分解灵活、代码生成可解释、闭环优化自适应等特点。
4. 在库存管理全流程的落地探索
   • 库存管理智能体：基于多智能体系统实现个性化规则与参数管理
5. 总结和展望

听众收益：

• 了解大模型、Agent等前沿技术在应用落地过程中遇到的问题与解决思路
• 了解大模型在供应链管理中各环节的应用场景、问题与解决思路