必赢亚洲 AI：为什么食品库存预测不能只靠大语言模型？
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。
大语言模型擅长什么，不擅长什么
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。
不擅长的地方也有四处，而且都直接落在食品库存上。其一是数字精度：多位数运算、几百行销量表的汇总，交给一条查询语句比交给语言模型可靠。其二是不可复核：同一输入多次生成，结果可能不同，而采购建议需要审计，出了偏差要能回到具体的模型版本和数据切片。其三是成本：一万个 SKU 乘以多家门店，每天都要重算，逐条调用大模型的延迟和费用远高于梯度提升的毫秒级推理。其四是时序外推：星期效应、促销、天气和缺货截尾都是结构化数据（Structured Data）里的信号，需要时序模型（Time-series Model）显式建模，靠“看起来像”的历史片段续写并不可靠。
每类任务该用什么方法
表 1 按任务列出适用方法，以及为什么不让大语言模型直接计算。
| 任务 | 合适的方法 | 为什么不让 LLM 直接算 |
|---|---|---|
| 单品未来 7 天销量 | 时序模型、梯度提升 | 需要分位数区间和可回测的误差；LLM 只给点估计，无法复核 |
| 缺货日需求还原 | 规则加统计修正 | 要按门店、日期、批次逐行对齐，确定性处理比生成式回答稳定 |
| 订货量 | 运筹优化（Optimization） | 要同时满足保质期、MOQ、提前期和库存上限；LLM 的答案可能违反约束却不自知 |
| 读规则、写建议解释 | RAG 加 LLM | 文本理解与生成是 LLM 的强项；但抽取结果要落成结构化参数，解释里的数字来自上游模块 |
| 查库存、跑预测、提交审批 | Agent 工具调用 | 每一步由确定性接口执行，LLM 只决定调用哪一个 |
一个错误示范和一个正确分工
最常见的错误示范，是把近八周销量粘进提示词，直接问“下周大概卖多少”。两种做法的差别如下。
让 LLM 直接估计
- 缺货日的低销量被当成真实需求，结果整体偏低
- 输出一个点估计，没有区间，也没有出处
- 不知道箱规和冷柜上限，给出的数字可能根本下不了单
按任务分工
- 先修正缺货日，再由预测模型输出 P10、P50、P90
- 优化器按箱规、保质期和库存上限求可行订货量
- RAG 读取供应商条款，转成参数而不是直接下结论
- LLM 写建议卡，并列出需要人工确认的点
下面用一组模拟数字，看这种差别怎样落到订货单上。
示例推演 · 同一款酸奶的两种算法
假设 保质期 6 天，箱规 24 盒，缺货损失 2.0 元/盒，报废损失 3.2 元/盒 近 4 个周六销量 172 181 95（14:20 售罄） 190 直接取均值 (172+181+95+190)/4 = 159.5，约 160 盒 修正缺货日后 95 还原为 175，均值 = 179.5，约 180 盒，相差 20 盒 临界比 2.0 / (2.0 + 3.2) = 0.385 目标分位数 取需求分布的第 38.5 百分位，而不是均值 设标准差 25，约 180 − 0.29×25 ≈ 173 盒 可行订货量 只能订整箱：168 盒（7 箱）或 192 盒（8 箱），选 168
以上为示例推演数字，用于说明模型逻辑，不代表真实企业数据。
有两个结论不是语言模型能凭空得出的：缺货日的 95 盒不是需求，要按同时段销速还原，窗口取多长可以对照需求预测窗口的讨论；订货量对应的分位数由缺货与报废的成本比决定，这是报童模型（newsvendor）的思路，也是短保食品安全库存的出发点。
大模型在系统里真正做什么
RAG（检索增强生成）让大模型先从采购手册、供应商条款、促销通知里检索原文，再抽取“最小起订量 2 箱”“周日订单 15:00 截单”这类字段。抽取结果写进参数表并允许人工校对，优化器读取的是参数表，而不是大模型的自由文本。Agent 的角色是调度：先调预测接口，再调优化接口，最后生成建议卡，每个数值都由被调用的模块返回，并带着模型版本号。
在必赢亚洲大模型的设计里，建议卡中出现的每个数字都必须能追溯到某一次预测或优化的运行记录，追溯不到就不允许出现。学术界也有类似分工：2025 年 arXiv 上有研究把注意力增强的 LSTM 预测与粒子群优化结合，联合求解生鲜超市的定价与补货，预测和求解是两个独立模块。食品供应链大模型因此不是一个模型，而是一套分工，语言接口只是最外面一层，完整链条见销量、天气、保质期怎样连成建议。
验收一个 AI 库存系统，先问三个问题
- 同一份数据、同一时点重复运行，建议订货量是否一致？
- 建议订货量是否满足箱规、提前期和库存上限？
- 建议里的每个数字，能否回到模型版本和数据切片？
三个问题都答不上来，通常说明语言模型被当成了预测器。