供应链执行正在越过一道分水岭。过去，预测性需求模型只给人工规划员出建议，每一步动作仍要人点确认；如今多智能体系统开始在被严格划定的运营边界内，替掉那个审批环节——不是等每周排程跑完，而是实时读取承运商 ETA、园区摄像头和仓储系统事件，直接在交易软件里重路由、再平衡安全库存、分配月台。联想、Fujitsu、Kohler 等企业的公开实践，把这条「从建议到执行」的路线摆上了台面。
从建议到执行：供应链的拐点
这股趋势的底层逻辑很朴素：静态仪表盘和「人清每步」的工作流，边际收益已经见顶。当独立软件模型能直接消化实时遥测，并在权限围栏内完成选定任务，供应链的响应就从「周级排程」压缩到「事件级触发」。但这类系统写的是采购、库存与运输等真实交易，错误会顺着相连的环节放大，所以边界比能力更关键。研究里反复出现一句话：受监督的自主，必须先装硬边界。
联想 iChain：履约与风险两个 agent 直连交易系统
联想在其覆盖 180 个市场、30 多家工厂、100 多个物流中心的 iChain 全球基础设施上，把一个履约 Agent 和一个风险 Agent 直接接到了现有交易平台上。据联想披露，部署后履约决策快了约三倍，中断响应快了约四倍，风险评估达到 85% 准确率，交付准点率提升约 30%。这组数据的关键不在「快」，而在「直连」——agent 不是给建议，而是真的在交易系统里推进动作，同时被成本和偏差围栏兜住。
跨企业的同类信号
同样的形态在别处也在发生。一家中型汽车零部件制造商（由 Simor 咨询记录）在 15 个国家、200 家供应商上部署了 5 个专用 agent，18 个月生产运行里准时交付率从 82% 升到 94%，中断 agent 比人工监测早约 48 小时发现供应威胁。Fujitsu 与 Rohto 制药的虚拟网络试验，把运输成本压低至多 30%，并已排定 2026 年 1 月到 2027 年 3 月在 Rohto 真实供应链上做扩大试验。Kohler 与 Belden 则借助 Databricks 搭起多层供应商图与监督 agent，目标也是自主执行与主料数据修正。
NVIDIA 参考架构与仓库仿真的边界
基础设施侧也在补位。NVIDIA 发布了多智能体智能仓储参考架构，示范跨机群规划的方法。但生产现场仍把机器人移动与交易清算分开：仓库的实体执行大多还留在仿真环境，先放开的是交易层，物理层稳步推进。MIT 与 Symbotic 的研究在仿真电商分拨中心用多机器人路径协调拿到了约 25% 的吞吐提升，恰恰说明「协调移动」和「清算采购、库存交易」是两件事，后者先被 agent 接管，前者仍需谨慎。Rohto 扩到 2027 年的真实链试验，会是这些有界执行环的下一个公开考场。
硬熔断前置：把自主锁在围栏里
所有这些案例的共同前提，是上线直接写入前先装硬熔断。重路由脚本只在既定花费上限与服务等级偏差内有权；超过预设金额或数量百分比的库存调整自动暂停转人工；面向陌生供应商的沟通 agent 先留在草稿模式，直到交互准确率越过门槛；仓库实体执行先放仿真。这些边界不是束缚，而是让组织敢放量的前提。对想抄作业的企业，真正的功课不是「让 agent 更聪明」，而是先把成本上限、金额阈值、供应商沟通和仿真优先这四道熔断设计扎实——围栏之内，自主才有意义。