从「调度系统」到「常驻智能体群」
Nash 做的事，比「又一家物流软件」更往前一步：它在全球范围内部署数千个长程常驻（long-running）AI 智能体，管理着数以亿计的配送履约。这里的「常驻」是关键——不是一次性调用模型答个问题，而是让智能体持续存活、跨天跨周地盯着一批配送任务，在其间做决策、调资源、回应用户。Nash 把它称为「自主物流（Autonomic Logistics）」：物流网络里相当部分的协调工作，交由常驻智能体群来完成。
长程常驻是关键：OpenAI Agents API 的耐久会话与编排
支撑这套玩法的底层能力，是耐久执行。Nash 是 OpenAI Agents API 的客户，用其提供的持久会话（durable session）与编排能力，让智能体在长时间跨度里保留状态、在被打断后能续上，而不是每来一个事件就从头推理。对物流这种「一个订单从下单到签收要跨好几天、中间几十个状态变更」的场景，耐久会话几乎是前提：没有它，智能体每处理一步都要重新理解全局，既慢又容易前后矛盾。Nash 把编排交给托管服务，自己专注把履约领域的规则与数据源接进去。
三类智能体工人：Dispatch / Support / Analyze
Nash 的智能体不是单一通用助手，而是按职责拆成几类「工人」。其 Nash AI 于 2025 年 2 月推出时，就带了三类智能体工人：Dispatch 负责调度与路径相关的决策，Support 处理客户侧的问题与异常，Analyze 做复盘与洞察。这种「分工工人」的结构，和许多把全部逻辑塞进一个巨智能体的做法相反——它更像一个小型履约团队，每个工人守一段职责，再由编排层把它们串起来。对工程团队，这意味着故障更可定位、职责更清晰。
客户是谁：Walmart、Grubhub、Woolworths、7-Eleven、Kroger
这套常驻智能体群已经嵌进一批高频履约客户的链路：Walmart、Grubhub、Woolworths、7-Eleven、Kroger 等。它们覆盖商超、外卖、便利零售等不同形态，共同的痛点是「履约环节多、状态变化快、任一节点卡住都会影响体验」。Nash 的切入点是把这些环节里原本靠人工盯盘、靠规则引擎硬接的部分，换成能理解上下文、能跨系统协调的常驻智能体。公司约 140 人、累计融资约 2780 万美元、业务铺到 15 个以上国家，CTO Aziz Alghunaim 是联合创始人之一。
「自主物流」意味着什么
「自主物流」这个词听上去宏大，落到工程上更接近一种分工重构：把物流网络里重复、跨系统、需实时响应的协调工作，从人或固定规则引擎，迁移到能保留状态、能编排工具、能跨天续跑的智能体群。它的价值不在「替代人做战略」，而在「让人不必每隔几分钟去救一次火」。对零售商与平台，这意味着履约链路里相当比例的异常处置与调度微调，可以交给常驻智能体持续处理，人退到设定目标与兜底复核的位置。
边界与待观察
也必须点明边界。Nash 披露的是客户名单、工人类型与耐久编排思路，具体到「每个智能体在真实履约里做哪些决策、哪些仍由人拍板、出错时怎么回滚」，公开信息有限。长程常驻智能体一旦接进真实订单，最难的不是跑起来，而是「出错可定位、动作可撤销、责任可追」。这部分 Nash 尚未充分展开，后续值得持续跟进其可靠性与治理机制。
结语
Nash 把数千个常驻智能体放进物流履约，意义在于它证明了「长程常驻 + 耐久编排」已经能在真实订单规模上跑，而不只是演示。当 Dispatch/Support/Analyze 这样的智能体工人开始替零售商盯配送，智能体从「能答」到「能守着一批真实任务跨周运转」的跨越，就又多了一个硬核样本。