0
一個果粉在iPhone12發布后，凌晨時分在京東下單，準備第二天收貨。
8分鐘后，他聽到有人敲門，打開一看是個快遞小哥。
快遞小哥曰：“您的貨已送到，請查收。”
這是現實中真實發生的事，之所以能達到如此快的速度，是京東的數智供應鏈在發揮作用。
通過數智供應鏈提前做好智能決策，對用戶的需求精準預測，提前將商品放置到對應前置倉中，用戶一下單，后臺已經知道哪個前置倉離用戶更近，精準匹配完成211配送服務。
這個過程除了京東的前置倉起作用，更考驗京東數智供應鏈的預測能力、數字管理能力、資源調度能力。
數智供應鏈以技術驅動，把各個環節做全鏈路協同，以此來提高整體供應鏈效率。
當下環境，基于需求精準組織生產，提升從需求到消費整體的效率，成為企業、園區、城市的核心競爭力。
一、競爭底層邏輯變換，企業如何轉型
改革開放前，國內供應鏈主要依靠指標拉動，其邏輯是——指標是多少，工廠就生產多少。
就像電影《你好，李煥英》里拍的那樣，計劃經濟年代，國內物質緊缺，大家攢了錢也不一定能買的到東西，為了一張電視機票能打破頭。
為啥工廠里不多生產幾臺電視機？
因為工廠得到的指標就那些，這也是國家發行票據的基礎，工廠生產多少臺都是由相關機構早就計劃好的。
改革開放之后，國內供應鏈主要是生產拉動，其邏輯也變成了——工廠能生產多少就生產多少。
尤其是后來加入WTO之后，中國突然找到一個似乎有無限需求的國際市場，不論生產多少貨，最后都能賣出去。
也就是這時候，國內創業者中開始流行那句話“撐死膽大的，餓死膽小的”。
在2000年前后，國內最熱火朝天的事就是招商引資，企業家們拼命找錢搬廠，擴大生產，招聘工人——正好這個時間，國內勞動力價格便宜，城市化進程加速，天時地利人和。
那時候，工廠只要能生產的出來，就能賣得出去，江浙沿海地區和珠三角地區崛起了大批制造業企業。
但與此同時，草莽時期崛起的企業家也形成了飽和式生產的思維定式。
怎么理解？傳統制造業喜歡大批量進原材料，超量生產，然后壓貨慢慢賣。
在當下不確定環境下，需求變化差異大，物資不足與生產力過剩的共存，再繼續這樣做下去，只會造成大量原料浪費，機器閑置，人員成本居高不下，賣不掉的貨物大量積壓。
為了解決這一問題，無論政府還是企業都想了很多辦法。
當我們把視線轉移到京東，用需求拉動供應鏈，將邏輯逆轉成——用戶需要多少，工廠就生產多少，這是京東長期高效的原因。
不久前，京東云峰會上提到的“數智供應鏈”，指的正是這條道路。
為什么京東云有這樣的底氣？
第一，京東在供應鏈方面基礎雄厚，實踐也夠豐富。
為了讓效率最大化，京東從2007年開始自建物流，一直到2017年的十年時間里，京東一直在做供應鏈一體化工作。
到了2017年，一體化效果初現，京東開始提供當日達、次日達、211等服務。
物流端為何能達到如此如此高的效率，取決于這些年京東不斷在供應鏈優化上的探索——利用技術驅動，使供應鏈鏈數智化，強化了京東云的數智化能力，以此達到提升效率降低成本目的。
“這些服務不僅僅是因為快遞員送的快，更多是通過數智供應鏈做智能決策，以數據精準預測出客戶需求，提前采購放置到前置倉，這個過程已經能達到80%的準確性。”京東云解決方案負責人任成元解釋。
他告訴雷峰網，京東的供應鏈一體化并不是單一模塊和環節的一體化，而是整體的一體化，整個鏈路拉通才能達到當日達、次日達的效果。
這是京東的數智供應鏈基于自身業務場景，不斷積累的成果，也是開頭，京東的快遞小哥能送那么快的原因。
第二，京東自己就成績顯著，也倒逼京東云能力的打造。
京東的供應鏈轉型是從單點到鏈，而基于數智供應鏈底座又生長出零售、物流之外的健康、科技、云的業務。
今天，京東管理著超1000萬SKU，服務5.8億消費者，庫存周轉天數達到全球領先的30.2天，已經超過美國庫存周轉較高的沃爾瑪，沃爾瑪也是三十多天，但其管理的SKU遠沒有京東的規模大。
而在2017年，京東的庫存周轉天數還是40天，經過五年時間里壓縮掉10天。
可以說京東的庫存周轉率、供應鏈調度能力已經領先全球，而這背后緣于京東不斷利用數智化解決方案提升效能，加快周轉的一個結果，同時也依托京東云的技術能力疊加了多重buff。
第三，京東的供應鏈理論扎實，有較強落地能力。
傳統供應鏈中，商品從工廠到消費者手中，至少要被搬運四五次，中間經過各級分銷商、代理商、零售店層層加價，商品的物流成本能達到銷售價的18%。
京東通過技術平臺建設，自己精細的控制倉儲、物流，直接將商品搬運次數縮短到2次，即工廠到倉庫，倉庫到用戶，最后能把物流成本壓縮到8%以內。
劉強東曾公開表示過，京東賺的不是差價，賺的是供應鏈效率的錢，基于此還提出了“十節甘蔗”理論。
京東涉及的“十節甘蔗”領域很多，擁有很多實踐經驗，對比其他企業，這些算是第一手產業經驗。
這些經驗原來分散在各個部門，現在，京東云成立了智庫和解決方案部門，連通咨詢界的像普華、埃森哲企業，共同來整理、抽象出整個京東的產業實踐經驗，全部集中到京東云的數智供應鏈中。
基于曾經的產業實踐，京東云做了很多行業的解決方案，例如零售、金融、能源、交通運輸等行業。
京東的數智供應鏈就是打通了十節甘蔗，過去京東重點的能力是打通后五節，從營銷、交易、倉儲、配送到售后，十節甘蔗的后五節是典型的消費級供應鏈，主要圍繞消費者的體驗來提高效率。
到今天，依托于云計算、大數據等前沿技術快速發展，同時在京東自身業務場景不斷優化和淬煉下，京東的數智供應鏈已經打通了前五節甘蔗，即準確傳遞消費者需求給品牌方的企業去生產制造，加起來便打通了整個十節甘蔗。
這成為京東“數智供應鏈”提升產業供應鏈效率很重要的做法，而京東已經達到領先全球30.2天的庫存周轉天數就是“數智供應鏈”能力最好的體現。
當前，京東就是通過京東云將自身的供應鏈基礎設施和技術能力向外輸出，以此來進軍B端市場，京東云也成為京東集團對外提供技術和服務的統一品牌。
有了京東自身這個最大的標桿客戶，京東云的數智供應鏈能力外溢到其他行業也是順勢而為。
京東集團副總裁、京東云事業群總裁高禮強認為，對供應鏈的數字化將是產業數字化的重要方向。而京東的數智供應鏈通過讓產業供應鏈效率最高，從而降低整個社會的生產成本和交易成本。
二、深入到產業，解決多端問題
從根上來說，京東云向外輸出數智供應鏈能力，成為京東云最大的差異化優勢。
大家都做云計算、云存儲，比較厲害的還做云原生、云托管、隱私計算之類的，同質化程度太過了。
巨頭云玩家卷的厲害，圈內實在是沒有增長空間。
在這種情況下，各家大廠要做云或者to B業務，只好把自己最核心的能力拿出來賣，比如騰訊的騰訊云，打的招牌線上業務，因為它微信及小程序生態完善；
到京東這里，它自然打的招牌就是供應鏈能力。跟其他技術公司不一樣的是京東有大量實際落地場景，在多場景模式下打磨出京東云的核心供應鏈技術解決能力。
一方面，國內供應鏈數智改造是一個萬億級市場，足夠容納京東的野望；另一方面，國內實業也確實與京東的供應鏈能力非常契合。
在整個鏈路上，京東云幾乎都有事可做：
首先是解決營銷端問題，京東的全域鏈接能力大有可為。
以今年618期間京東云與民生銀行的合作為例。
民生銀行和傳統銀行一樣，以前拉新信用卡用戶的方式就是靠堆人。
不久前，京東云與民生銀行合作了一個營銷活動，通過數智化手段，拉通京東龐大的Plus會員與民生銀行大量沉睡的儲戶，讓很多客戶在京東完成消費后，也同時完成民生銀行的信用卡交易。
對銀行來講，他們獲取了很多新的綁卡用戶，帶動了他的金融結算業務。
對京東來講，他們則實現了民生銀行的儲戶中，有大量可能不是京東會員也到京東上來消費了。
京東把自己營銷能力，開放給客戶使用同時，也利用了客戶的資源，雙方都得利。
再就是解決采購端問題。
這對應數智供應鏈的數智采購能力，以中海油合作案例為例。
京東云基于中海油整個體系，做了一個供應鏈的采購平臺，全球幾十個國家的采購，幾千萬的品類都在上面運轉。
每個行業的核心都是效率，中海油是萬億市場，它的效率取決于裝備物資的周轉率，所以它需要盡可能多的開采。
在這個過程中，中海油每年的裝備采購就要花一萬億。
而數智供應鏈要考慮的是這一萬億資產的采購效率是否最大化。
如何做呢？第一還是從需求出發，采購需求導向，因為如果大量采購后，需求匹配不上，損失是很大的；第二，有了需求后再去匹配裝備物資，效率較低，而數智供應鏈基于數據，去做自動化的采購決策，提升了采購自動化率。
更何況，傳統采購中市場出現權力尋租問題，這給公司帶來的損失也是巨大的。
據京東云解決方案負責人任成元稱，目前這個項目還在交付過程中，預期需求的預測準確率能提升10%。
別看數字不大，但從萬億體量采購規模來看，10%在業內是很大的提升了。
如果把需求拉通，上億裝備的品類管理效率可提升20%。
中海油的供應商很多達到幾千家，每家的量也很大，所以風控是一個很大的挑戰，這需要數據來管理。
供應商的信譽、過去的行為，通過數據來判斷后，還能降低供應商的風險。
多說一句，京東能做到1000萬sku，這么龐大的采購絕對不能靠人做，早已實現了自動化。
再就是解決資源調度端問題。
以陜煤為例，京東云給它做營銷平臺、超市、選煤倉儲等，還基于多式聯運做運力調度。
過去，陜煤稱他們每一個司機拉煤要等調度通知，經常要等很長時間，現在通過移動化手機App調動運力，等到需要拉煤時再調度所需數量司機，每個司機每周都能省下一天的等待時間。
前幾天，京東與國家電力投資集團簽署合作協議，國家電投要在未來幾年，在全國的一千個縣，實現清潔能源的分布式建成。
京東供應鏈負責光伏板的輸入、運維，目標是能讓每個農戶實時地進行用電管理。
每個光伏板都要有感知、控制能力，這需要通過數據來計算、調度，如果需求小的時候光伏板大力發電，就會出現問題，這時就必須去實時調控，有些地區要關，有些要開。
以前電集中傳輸，能耗消耗很大，如三峽的電傳到北京，途中可能有50%～60%的電消耗掉了。今天通過數智化技術，分布式調度效率大大提升。
最重要的，當然是解決生產端問題。
這對應數智供應鏈的智能制造能力，智能制造最重要的是打通產能和制造側。
“智能制造就是把原來人腦子里面的經驗模型數字化，最后智能化沉淀在機器、計算機、服務器、云上的這些模型中。”任成元向雷峰網(公眾號：雷峰網)解釋。
如前文所說，過去的工廠都是先把產品生產出來，再去找訂單，這樣效率低，浪費嚴重，成本高聳。
而且，中國很多工廠管理水平不一，有時這個月訂單多，設備24小時都插著電工作，有時接連幾個月又很閑，很多機器設備同時閑置著，對整個供應鏈成本影響很大。
數智供應鏈則是以客戶需求為導向，以京東在常州創建的超級虛擬工廠為例：
京東云在常州把近400+工廠的所有設備，通過京東的智能制造管理起來，形成一個超級虛擬工廠，對該工廠中的每一個環節，每一道工序的產能到底有多少，都非常清楚。
這個超級虛擬工廠有一個制造大腦，一端連接著工廠的產能數據，另一端連接著京東上的京造平臺。
常州這些工廠之所以愿意合作，也源自京東上的大量訂單。平臺上的需求不停驅動工廠的生產。
不斷積累技術，充分利用技術，在供應鏈上把整體效率做到極致，這就是數智供應鏈的精髓。
三、一朵實體云如何長出來的？
從上面來看，京東云更像是一種實體化的云——供應鏈就是互聯網，物流就是CDN，云倉就是云存儲，生產力就是算力，工廠就是服務器，產業園就是大數據中心。
如果數智供應鏈真的能夠落到實處，京東云生態將形成一面覆蓋大半個中國的制造云網。
所有加入這個網絡的實體企業都可以享受網絡的紅利，也都會為網絡做出自己的貢獻。
而要實現這樣的目標，京東勢必也要做出極致的投入。
首先，京東當然是在戰略層面要足夠重視。事實上，京東從一開始就說自己是一家供應鏈技術公司，同步確立了三條增長曲線，京東云也將成為“技術服務”這第三條增長曲線的重要抓手，戰略位置是非常重要的。
在自研技術上，京東云峰會上發布了4款最新配置的產品：云艦、京剛、云海、MCDN。
這些自研產品的核心思路均是加強對供應鏈的更高效調度，云艦對大規模異構資源的靈活調度，云海通過存算分離對數據資源的調度，京剛對計算的調度，以及MCDN對網絡內容的分發調度，其本質也是通過技術實現對資源的靈活調度，從而實現成本效率體驗的最優解。
云艦是全球首個混合多云操作系統，基于阿基米德智能調度。可以全面兼容全球范圍內各類基礎設施，讓資源在多朵云之間靈活調度，實現客戶視角一朵云，支撐了2022年虎年春晚、京東618、京東11.11的平穩運行。
現在企業上云基本會選擇多云，這時候對云資源管理就很復雜，云艦2.0可兼容全球top10公有云平臺，以及全球Top5私有云平臺，將這些云資源管理起來。
這可對行業產生積極影響，云艦將云資源統一管理起來后，實現資源的池化，讓資源和算力實現最大化。
做B端不同于C端，很多環節需要全行業共同合作。京東還發展了很多生態合作伙伴，這是決定京東的數智供應鏈能做多大的關鍵因素。
過去一年里，京東云挺進能源、物流行業，與中國物流、中國遠洋、國家電投都達成了戰略合作。
對于產業生態的鏈接，京東內部有一個織網計劃，把京東的業務，包括生態體系、零售體系、金融跟客戶做一些融合，讓客戶加進更大的生態網絡。
當然，京東云還在不斷強化“數智供應鏈”。
京東的供應鏈規模不斷在增加，遍布全國的倉庫越來越多，原來是幾百座，現在達到大約1400多座。
如果展開中國地圖，在中國地圖上有700多個點，分布著京東樞紐倉儲，這些叫四級倉儲，形成一張覆蓋城鄉的網絡，這是京東供應鏈的線下布局；
同時京東物流拉通了從干線物流，一直到末端的配送的整個供應鏈環節。
京東倉庫的自動化水平也在不斷提升，體現在無人車等無人自動化設備大量采用。
可以看到，京東在供應鏈上也一直朝著做寬做深方向前進——做寬的表現是國際化，做深體現在原來是做商品的供應鏈，現在商品供應鏈上疊加了很多服務，包括醫療、運輸、安裝、保險等。
原來京東供應鏈是基于To C的，現在做了許多To B的供應鏈，并通過京東云對外服務。
隨著對數智供應鏈的深耕，京東云也與阿里云、騰訊云等其他巨頭拉開了差異。其他企業是專注于技術，而京東作為新型實體企業，更多的還是在踏實解決產業端的實際問題，所以京東更能了解實體企業上下游的難點和痛點。
其他的云廠商沒有自己的供應鏈，自己不控貨，也就沒有京東更了解貨。
一個貨里包含的信息很多，京東了解貨就能更精準跟用戶做對接。
在高禮強看來，許多行業數字化不是建一個協同辦公系統、視頻會議或者一個局部業務系統就能完成。
他認為數字化的核心矛盾實際上是解決各行各業的數智供應鏈問題，京東的數智供應鏈路徑不是解決一個環節、局部的效率，而是想要做到成本、效益和體驗最佳的平衡。
京東云做數智供應鏈，正淌過了野蠻生長地帶，來到自己擅長的領域。
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
