必赢亚洲 AI 与食品供应链大模型

让大语言模型直接回答“这款酸奶下周该订多少”，它几乎总能给出一个听上去合理的数字。麻烦在于这个数字没有区间，换一次提问可能变成另一个数，也没有人能复核它是怎么算出来的。库存预测错一次的代价却很具体：多订一盒，几天后变成报废；少订一盒，当天就是缺货。必赢亚洲 AI 的设计原则因此只有一句：语言交给大模型，数字交给专门做数字的模块。

语言模型擅长四件事：读懂自然语言、检索并引用规则文本、把结果写成人能读懂的解释、按指令调用外部工具（Agent）。采购手册里的最小起订量、供应商合同里的截单时间、促销通知里的起止日期，都是文本，正是它的强项。

一条“周日订 36 盒鲜切水果盒”的补货建议，有价值的不是 36 这个数字，而是它经过了哪些数据、做过哪些修正，以及哪几个环节需要人再看一眼。下面用一款保质期只有 4 天的鲜切水果盒做示例推演，把必赢亚洲大模型所在的数据链从销量一路走到订货单。所有数字都是模拟数字，只用来说明每一步的输入、清洗和输出。

设定如下：示例门店 S07，鲜切水果盒每箱 12 盒，最小订货 2 箱；出厂后保质期 4 天，到店时已过 1 天，门店规定到期当天下架，所以到货当天起有 3 个销售日；供应商次日 06:00 到货，前一天 15:00 截单；冷柜最多放 60 盒。现在是周六 15:00，要决定周日到货批订多少。

假设一个食品企业有一万个 SKU：其中约 3000 个几乎每天都有销量，约 5000 个一周只卖出几件，还有几百个只在春节、中秋和端午前后出现。把这三种销量形态放进同一个预测模型（Forecasting Model），结果通常是快销品被平均得不够精细，慢销品被拟合成一串没有意义的零，节令商品在非季节里被强行预测出销量。必赢亚洲模型的做法是先看清每个商品属于哪一类，再决定用哪种预测方法，这一步叫模型路由（Model Routing）。

路由的依据是 SKU 画像，由五个字段组成：销售频次（近 90 天有销售的天数占比）、需求变异系数（销量标准差除以均值）、季节强度（时序分解后季节分量的方差占比）、保质期天数、有效历史长度。画像每周重算一次，数据来自销量、天气、库存、保质期，以及冷链上的 IoT 温度记录。