AWS发布自动化补货系统：融合MMF、Databricks Genie与Amazon Quick

摘要：AWS推出了一套基于Databricks和Amazon Quick的自动化补货系统，通过融合Many Model Forecasting (MMF)和Chronos-2模型，实现对零售商品需求的精准预测，并结合供应商实时库存数据自动生成补货订单。该系统通过闭环的“检测-决策-执行”流程，减少人工干预，提升补货效率，为零售行业提供智能化决策支持。

---

自动化补货的新突破

AWS近日发布了一套创新的自动化补货系统，该系统结合了Databricks的Many Model Forecasting (MMF)与Chronos-2模型，以及Amazon Quick的自动化工作流功能，旨在解决零售行业在需求预测与库存管理之间的痛点。以下是该系统的核心特点与技术亮点：

核心功能与技术亮点

1. 精准需求预测：

   • MMF与Chronos-2：系统采用MMF框架下的Chronos-2模型，能够对零售商品进行跨品类的精准需求预测，避免了传统方法中逐项调优的繁琐。

2. 实时供应商数据整合：

   • Amazon S3 Tables：系统通过Amazon S3 Tables获取供应商的实时库存数据，确保补货决策基于最新的供应信息。

3. 自动化决策与执行：

   • Databricks Genie Agent：该代理负责检测需求激增的SKU，并触发后续的决策流程。
   • Amazon Quick Flows：负责根据供应商的可用性自动选择最优供应商并生成补货订单，或在无法满足需求时生成人工审核工单。

4. 闭环流程设计：

   • 系统通过“检测-决策-执行”的闭环流程，实现了从需求预测到订单执行的自动化，减少了人工干预，提高了补货效率。

系统架构与工作流程

系统的工作流程分为四个主要阶段：

1. 预测阶段：Databricks的MMF框架运行Chronos-2模型，预测每个SKU的7天需求。
2. 检测阶段：Databricks Genie Agent识别出需求激增的SKU，定义为未来7天平均需求至少是过去14天平均需求的1.5倍，且过去14天的平均需求不低于1。
3. 决策阶段：Amazon Quick将激增的SKU与Amazon S3 Tables中的实时供应商库存数据进行比对，选择能够覆盖需求的成本最低的供应商。
4. 执行阶段：Amazon Quick Flows通过供应商订单API自动下单，或在无供应商可覆盖需求时生成人工审核工单。

行业影响与开发者建议

• 零售行业的智能化转型：该系统为零售企业提供了一个高度自动化的补货解决方案，能够显著提升库存管理效率，减少库存积压和缺货风险。
• 开发者与企业的应用建议：
  • 数据整合：确保供应商数据与需求预测数据的实时同步，以实现精准的补货决策。
  • 模型优化：根据具体业务场景对MMF和Chronos-2模型进行微调，以适应不同的需求模式。
  • 流程自动化：利用Amazon Quick Flows进一步扩展自动化流程，例如自动生成采购订单或处理异常情况。

结论

AWS的自动化补货系统通过融合先进的人工智能技术和自动化工作流，为零售行业提供了一种高效、智能的补货解决方案。该系统的发布标志着AI在供应链管理领域的又一重要应用，为企业实现数字化转型提供了新的路径。

---

消息来源：AWS Machine Learning Blog (2026-09-14)

—— 完 ——

主题标签： #AWS 关注 #Databricks 关注 #Amazon Quick 关注 #自动化补货 关注 #MMF 关注 #Chronos-2 关注