【亿邦原创】12月3日，亿邦产业互联网年会在京举行，京东工业副总裁、战略与业务发展部总经理丁德明发表了题为《工业品数智供应链2026创想》的演讲。他表示，中国工业供应链总成本约为115万亿，供应链数智化转型预计将为行业降本6.8万亿。这将是中国工业供应链未来十年的确定性红利。
“我们都处新周期和同一条链上，希望与大家共同做三件事：基于数据、场景和应用，底层基于AI大模型，一起共享这6.8万亿的供应链红利。”丁德明说。
以下为演讲全文，经亿邦动力整理。
各位嘉宾下午好，非常荣幸再次参加亿邦产业互联网的年会。其实，今天的主题是郑总选定的，并非由我选择，而是分配给我的一个命题作文，让我畅想2026年工业互联网或工业数智供应链的未来发展方向是什么？我只能代表我个人或京东工业的视角，分享我们的思考。
首先，审视所谓的新周期。在新周期中，探讨趋势情绪，包括此次年会的思考主题。关于趋势，可以看到技术巨变：从去年至今，连续两年内，AI已成为每个人脑海中不断回响的英文单词，包括我们讨论的大模型、agent等，工业互联网也发生了诸多变化，从双网融合等实践，已进入深度连接的阶段。此外，还有安全与重构，因为现今局势下，众多企业必须考虑产业链的再平衡，例如影子工厂或备胎供应链等一系列措施，每家企业的第二增长曲线应该是什么？这可能是每位产业人士都在思考的问题。最后，关于绿色与合规：其实ESG之前或许仅是一项加分项，然而，当前具备ESG能力已经成为一个门槛，或者说入场券。因为30和60目标（指碳达峰和碳中和）是必须达成、交给世界的答卷。因此，这也是大趋势带来的问题。
同时，产业情绪：我与许多从业伙伴沟通，包括客户或供应商。实际上，在AI浪潮下，许多人担忧如何应对：既怕错过机会，又怕选错路径。为什么？因为AI覆盖范围过广，每项AI投入都巨大。对于一个创业公司，应在哪个方向应用AI，每位创业者或从业者需要深入思考。此外，刚刚提到的安全优先：安全要求稳健，但在稳中求进时，如何平衡结构性矛盾，尤其当企业自身发展时，这个矛盾应如何化解？这也是许多从业者面临的难题。还有一个现象，我称之为“大势已变”，真正的大势已发生重大变化；在这个市场里，不进则退是许多从业者的现状。担心对手是否会弯道超车，反超自己。若不采取行动，大概率会被超越。那我应做哪些行动？这是我今年与众多从业者交流时，大家的一些产业情绪，也分享于此。
另外，今年年会思考三个主题，第一个主题是产业AI：每家公司都在推进AI，但我们认为供应链的数智化与AI是真正升级生产力的核心工具，这也是京东工业打造的核心竞争力之一。第二个主题是深度价值链：降本增效，即工业的终极追求目标。因此，京东工业的思考点，便是“因效而能”：思考点是通过效率带动成本下降，这是我们的出发点。第三个主题是产业出海：京东工业也在出海。2024年迄今，我们已在八个国家开通完整业务形态，包括仓网配、业务、组织及系统，全部部署完成，在当地具备独立业务运营能力。我们核心是：出海已成为整个供应链拓展宽度的趋势，也是一个关键挑战。
这就是我开场想分享的：今年的趋势、情绪及年会主题可能带来更多思考问题。
还有一个常见问题：如果企业或产业要实现数字化供应链转型，是需要投入的；而这个投入短期内可能在资产负债表中难以体现效果。也就是说，这个过程中有没有新的确定性价值——工业供应链数智化转型到底能带来什么核心价值，能否量化？围绕这个命题，我们今年与国研大数据研究院有一个立项：三月份启动，九月份正式发布报告。可以查看，首先核算中国工业供应链的总成本有多少，这是我们的第一个问题，先看整个大盘数据量。所以我们通过两种方式：一种是营业成本数据进行核算；核算后发现工业供应链总成本约119万亿。另一种方式是通过社会化物流成本进行核算，核算值约112万亿，相差不大（5%以内），我们取中间值。也就是说，2024年按现在核算逻辑，中国工业供应链总成本约为115万亿。
知道这个大盘数据后，我们能降本多少？因此，我们又做了一些特征性企业的核算：包括转型前、转型后，其贡献利润、资产增加值及总供应链成本占比。然后粗算一个下降值：目前看，如果企业真正实现数字化供应链转型，预计可降低供应链总成本约5.9%。基于此，若推动整个中国工业行业实现数字化供应链转型，预计为行业降本多少？也差不多是6.8万亿。
这是今年九月份我们与国研大数据研究院共同测算并发布的报告；核心是算一笔清晰账，让大家都能量化。以前许多朋友问，能否量化结果？除了采购显性成本下降，隐性成本如供应链采购成本、物流空驶成本等大致有多少？其实我们一直在计算这笔账；目前看，预计能实现6.8万亿体量的成本下降价值。
这实际上是一个畅想：因为目前为止，并非整个中国工业都完成了数智化转型——这需要长期乃至漫长过程，可能五年或十年；但国家也在大力推进政策，要求企业进行数智化转型。这不仅仅是成本下降概念，而是整个工业数字化供应链结构性空间发生重大变化。
首先，供应链专业化与社会化的空间将得到释放，从而有更多成本、更多效率提升。其次，它不仅是交易，而是全链路协同效应的空间释放。最后，之前供应链可能由人驱动；现在随着AI逐渐渗透、使用及覆盖率提升，它已变成人加算力的决策空间释放；供需结构因此变化。
我相信6.8万亿是中国工业供应链未来十年的确定性红利，也是在座每位可享受、需抓取的结构性红利。我认为这是一个纯增量概念：只要有能力实现数智化供应链转型。那么，其价值是什么？对行业、企业及国家的价值？我们认为6.8万亿也是产业高质量发展的隐性底盘。
首先，它能做什么？我们希望它能回表为利润，回到每个生产企业，用于研发、设备升级或产品迭代。产品能力和研发能力将增强，即新质生产力竞争力的持续提升（第一个价值：竞争力持续提升）。第二个价值是关于企业和行业的生命力：今天上午其他嘉宾和专家讨论过内卷价格问题，但我们希望将内卷价格转变为体验、人才和效率的竞争，这都通过6.8万亿沉淀到企业；这样企业生命力与经济韧性将持续提升。最后一个价值是影响力：希望通过产融融合、产业双网融合及消费互联网与产业互联网逐渐融合，使资源更协同、质量和合规性更好，各类标准体系逐渐完善。也就是说，我们整个产业在全球的影响力也将提升，包括竞争力、生命力和影响力，我们认为就是6.8万亿能为国家和行业带来的最大价值。
此外，关于如何创想：我们如何实现这种能力？京东工业若推进此事，自身需具备何种能力？
中国工业有一个典型特征，叫N加1加100。中国是联合国唯一拥有全部工业门类的国家：41个大类、666个小类，即N；1指每个行业虽仅1米宽，但有100米深；每个行业完全不同，如生产汽车与消费品，生产工艺差异巨大。因此，不同行业有其深度知识和生产技术。我们要做的，是通过数智供应链打通深度节点。
今年工信部发布了一个场景化、图谱化推进重点行业数字化转型的参考指引，涉及约十多个行业的产业突破。京东工业今年也陆续发布各行业数字化供应链解决方案，包括钢铁、生产制造、汽车及能源电池等。这些解决方案发布，正希望细分更多场景，用数智化供应链能力做关键节点连通；这是我们的主张，即一定要细分场景，场景才能让客户或行业伙伴快速知道从何处切入，哪个效果最快、最理想。
此外，还有一个万亿降本公式，这也是一个创想。京东工业多年服务了约11000多家大型集团客户，拥有众多行业数据和洞察及大型客户深度实践。我们设想的万亿降本公式是：工业大模型乘以效率，再乘以太璞的平方。
什么是太璞？在2023年亿邦动力的年会上，京东工业首次发布太璞数实一体化供应链解决方案。这个公式即用工业大模型牵引带动行业效率提升。为何是太璞的平方？因为之前我们将方案应用在大型集团客户中，但今年我们推进园区与产业带的数字化供应链解决方案推广。对中小企业，用标准化SaaS版数字化供应链能力赋能；这样可在园区产业带内实现大、中、小型企业高速高效协同——这是太璞平方的概念。因此，我们整个降本公式应是工业大模型乘效率再乘太璞的平方。
既然讲到大模型，我们在京东工业内部大模型有三个发展阶梯。首先是通用大模型，底座可用多种模型，包括京东大模型或ChatGPT、DeepSeek等，它们成为基础大模型。但核心我们还有垂直行业大模型，我们今年在上海首次发布京东工业大模型JoyIndustrial。这个模型关键应用了行业基础数据和行业数据生成，从而能用专业行业数据训练，在深度场景应用。这是行业大模型。再然后是仿生大模型，即能自主更新的大模型，我们2019年发布墨卡托标准商品库，仿生大模型已改变整个工作流：尤其过去一年半到近两年内，墨卡托从原有“先标准后数字化”的线性过程变为飞轮效应：我们有标准化后数字化，同时，用大模型反推标准化，形成飞轮效应。过去一年半，我们通过大模型生成的工业品标准数据库体量已远超过去五年线性数据沉淀量，而且这个数据非常精准标准化，宽度和体量也远超原有方式。仿生大模型已帮助我们自主更新商品标准库，这与之前完全不同。
此外，大模型与智能体联合，我们看到整个业务发展曙光：首先能快速打通不同行业数据孤岛——原每个行业数据难连通，但大模型有通用理解力能快速打通理解度；其次能促进供应链协同，效率更高；还能激活长尾应用，应用端通过大模型和智能体可快速迭代长尾效应，加速效率使用。最后，它加速人才培养。例如我们今年初在人工智能客服上做小测试，客户在京东工业品主站询问专业工业品知识、做售前咨询时，小量测试用人工智能客服替代人工处理问答；当时客户满意度仅36%（今年3月份）。然后我们修正大模型及基础数据库用于前台接入，半年后（到今年9月底），数据显示针对商品功能参数咨询满意度达86%。目前我们开放了5%，在京东主站问工业品咨询时，5%通过全智能客服回答功能与选型问题，满意度达86%。明年我们将大幅扩大覆盖度，预计开至30%以上，但目标是未来覆盖100%。因为一个客服人员难了解所有工业品Know-how或知识，这必由智能客服解决，同时，我们也将智能客服能力输出给电销和人工客服，助其在深度场景中更好学习和积累。
这就是大模型（包括智能体）带来的应用和曙光。我们主张是用工业大模型系统化解决三件事：行业大模型解决专家大脑和底层知识库问题；不同领域小模型负责执行；上方各种智能体做高效协同调度——从而构建一条专业、可靠、经济、安全且可实现的路径，保证内外部运营效率极致提升。这是我们的一项简单技术主张。
此外，我关注三方面：第一，战略业务应如何推进？第二，能力：我们需建何种核心竞争力（如系统能力、组织能力）？第三，组织和人员应如何有效调配，组织机制如何搭建？
因此，基于整个AI在京东工业及京东内部的推进，我们在许多专项中落实。首先是AI员工，我们基本要求所有部门所有岗位，在2025及2026年度规划中，33%以上内容必须有AI相关内容——即哪些工作可用AI替代你的工作内容而非替代你本人；如何用AI高效帮助你提效——这是第一步，AI改变员工生产力，我们称AI员工。第二步，大规模部门都在应用AI，今天我们内部刚发布合规AI工具，解决许多合规风控问题；这样将出现AI组织改变整个生产关系。最后，当整个行业大规模推进AI时，将改变生产方式，形成AI产业生态。
这是我今天的核心分享。总结一下：若畅想2026年到底是什么？我们都处新周期和同一条链上；希望与大家共同做三件事：基于数据、场景和应用，底层基于AI大模型，一起共享这6.8万亿的供应链红利。谢谢大家。
