美国麻省理工学院（MIT）交通运输与物流研究中心（MIT CTL）与西班牙智能仓储巨头Mecalux近日宣布，双方合作开发了一款基于人工智能的先进模拟器，旨在解决跨国物流网络中的库存分配难题。这款名为GENESIS（库存策略遗传评估与模拟）的平台，利用先进的机器学习模型，能够瞬间分析数千种潜在场景，精准计算出每个仓库的最优库存水平及**补货时机。
该AI模拟器在运算时综合考量了各区域的需求预测、运输成本波动以及各仓库的运营产能等关键变量。它允许企业在不干扰实际运营的前提下，对多种补货策略进行压力测试。正如MIT CTL研究总监Matthias Winkenbach博士所言，其核心算法支持多参数并行模拟，帮助企业从海量数据中筛选出最高效的物流策略，实现从理论分析到战术规划的跨越。
GENESIS系统的一大核心亮点在于“先调拨后采购”的优化逻辑。当库存出现不平衡时，系统会优先分析是否可以从网络中其他有盈余的仓库调拨货物，而非盲目向供应商下达新订单。这种策略不仅能显著降低采购成本，还能最大化利用现有库存资源。此外，系统还能智能规划运输路径，例如建议合并 shipments 以优化车辆装载率，或从特定地点发货以缩短交付时间。
在技术实现上，研发团队克服了算法速度与实用性的平衡难题。MIT研究员Rodrigo Hermosilla指出，GENESIS从零构建，实现了数千个场景的并发计算，将原本需要数天的分析过程缩短至几分钟。Mecalux首席执行官Javier Carrillo强调，该系统专为非技术背景的管理人员设计，旨在通过直观的数据面板，帮助企业全面掌握消费模式、高波动区域及缺货风险，从而最小化物流网络总成本并保障服务水平。
此次合作是Mecalux与MIT CTL深化技术融合的里程碑，未来双方将把AI技术进一步拓展至内部补货、高密度自动化立体仓库的数字孪生应用以及产品库位优化等领域。对于中国物流行业而言，随着供应链复杂度的提升，利用AI打破数据孤岛、实现全网库存动态平衡已成为降本增效的关键路径，这一案例为国内企业从“经验驱动”向“数据智能驱动”转型提供了极具价值的参考范本。