这两年聊到需求预测，会议室的剧本几乎一模一样：业务方说"我们要上 AI 预测"，供应商说"我们的深度学习精度最高"，而真正要对预测负责的计划经理想的却是另一件事——预测错了，是模型的问题，还是从一开始就选错了工具。关于选型的讨论很多，但大多停留在"哪个模型更准"，而真正决定成败的，是模型和你的数据、SKU 结构、团队能力是否匹配。
先看证据：一场公开竞赛说明了什么
要回答"哪个更准"，与其看厂商宣传，不如看一场谁也做不了弊的公开竞赛。2020 年结束的 M5 销量预测竞赛，用的是沃尔玛真实门店销售数据，四万多条商品序列，预测未来 28 天销量。根据赛后公开复盘，纯精度赛道名列前茅的方案几乎清一色基于梯度提升树（以 LightGBM 为代表），而非当时正当红的深度学习。
这个结果值得细品。M5 数据的特点是：序列数量极大、单条序列历史不长、促销和价格是强外部变量。梯度提升树胜出的原因，按多位参赛者的赛后总结，在于它对"表格型、可特征工程化"问题的适配性：滞后销量、滚动均值、价格弹性、节假日哑变量一旦构造得当，树模型学得又快又稳。深度学习要达到同等水平，需要大得多的调参投入和算力，性价比不占优。
但这不等于深度学习不行。同一场竞赛也有深度学习方案拿到好名次，只是工程成本明显更高。证据指向的结论不是谁赢谁输，而是更冷静的一句：在仓库销量预测这个问题上，模型的天花板更多取决于特征工程和业务理解，而非模型本身的复杂度。
三种模型的脾气：从原理看适用边界
Prophet 是 2017 年 Meta（当时的 Facebook）核心数据科学团队开源的，把序列拆成趋势、季节、节假日三部分相加。它的脾气是：数据要求低，单序列几十个观测点就能跑；对缺失值和异常值宽容；结果可拆开讲给业务听，"这部分是春节效应，那部分是趋势"。短板也明确：本质是单序列模型，SKU 一多就要逐条训练；对价格促销等外部变量支持初级；新品冷启动基本无能为力。
XGBoost（2016 年陈天奇与 Carlos Guestrin 发表的论文）代表的梯度提升树路线，思路不同：不直接建模时间，而是把预测转成回归问题——你负责造出"过去 7 天销量均值""去年同期""是否促销""价格变动率"这些特征，它负责学非线性关系。它的脾气是：特征工程越好它越强；天然支持几千个 SKU 放在一个模型里训练；特征重要性让业务多少能看懂模型在看什么。代价是特征工程是重体力活，且模型对数据漂移敏感，促销策略一变就得重训验证。
深度学习路线（以亚马逊 2017 年的 DeepAR、2019 年的 TFT 为代表）走第三条路：让模型自己从原始序列里学表示，擅长跨序列学习——用全网几千个 SKU 的历史共同学会"新品爬坡长什么样""促销脉冲长什么样"，再迁移到历史很短的 SKU 上。它的脾气是：数据规模越大优势越明显；自动化程度高，流水线跑通后边际人力递减；但可解释性最弱，训练要 GPU，调参和漂移监控都要专职算法人力。
三者的适用边界摆在一起，决策就清晰了：
| 维度 | Prophet | XGBoost / LightGBM | 深度学习（DeepAR / TFT 等） |
|---|---|---|---|
| 起步数据量 | 低，单序列几十个点即可 | 中，需足够样本做交叉验证 | 高，数百条以上序列做跨序列学习才划算 |
| SKU 规模 | 少量重点 SKU / 品类总量 | 中大规模，单模型可覆盖全 SKU | 大规模，尤其长尾 SKU 多的场景 |
| 特征工程 | 轻，季节性与节假日内置 | 重，滞后、滚动统计、促销特征全靠手工 | 中，模型自学表示，但输入要规范化 |
| 可解释性 | 强，趋势/季节/节假日可拆解 | 中，特征重要性可参考 | 弱，基本是黑箱 |
| 新品冷启动 | 弱 | 弱 | 相对好，可跨序列迁移 |
| 维护成本 | 低，分析师兼职可维护 | 中，需定期重训与特征校验 | 高，需专职算法人力与算力 |
| 典型预测粒度 | 周 / 月 | 日 / 周 | 日 / 小时 |
| 适合的仓库场景 | 区域仓总量预测、品类级备货 | 单仓 SKU 级补货、促销预测 | 全网 SKU 实时预测、新品多的电商业态 |
算一笔账：精度、人力与维护成本的三角
选模型不能只看精度，还得算总账。下面是示意量级的估算，意在说明结构而非精确报价。假设一个区域配送中心，8000 个活跃 SKU，日粒度预测用于补货：
Prophet 路线：200 个 A 类 SKU 逐条建模，长尾用品类聚合预测分摊。人力上一个数据分析师兼职即可，无额外算力开支，模型出问题业务能看懂、能手动干预。代价是精度天花板明显，长尾预测靠分摊逻辑，促销季波动捕捉弱。
XGBoost 路线：全量 SKU 单模型训练，特征流水线一次建成。人力上需要一个懂特征工程的数据人员持续投入，促销和价格体系大变都要回归验证。算力用普通服务器即可。这个数据规模下它的精度通常是三者中最好的，但"特征流水线腐烂"是真实存在的维护负担——数据源一改，特征悄无声息地失效，预测质量慢慢变差，不会报警。
深度学习路线：精度上限最高，尤其新品和长尾。但起步就要专职算法工程师、GPU 训练资源，超参数、早停、漂移监控一整套 MLOps 缺一不可。对年营收几十亿的零售集团这笔投入摊得薄，对单个区域仓则很可能超过精度提升带来的库存节约。
ROI 的算法应该是：（精度提升带来的缺货减少 + 库存周转提升）−（人力 + 算力 + 维护的年化成本）。很多仓库栽在第一项——高估了"更准的预测"能转化成的真金白银。
一个反常识的发现：预测准了，库存未必省钱
这是研究里反复出现、但业务方最难接受的一点：预测精度提升和库存成本下降不是线性关系。安全库存公式里，需求波动只是其中一个输入，补货提前期、供应商交付稳定性、缺货惩罚成本共同决定了你敢把库存压多低。如果供应商交期波动极大，或缺货成本高到不敢赌，预测误差从 25% 降到 20%，补货策略可能什么都改变不了——计划经理照样按老的安全库存下单，没人敢为 5 个百分点的精度提升承担断货责任。
换句话说，预测模型的 ROI 天花板，由你供应链上最弱的环节决定，而非模型决定。在交期不稳定、数据质量差、补货流程僵化的仓库里上深度学习，就像给拖拉机装赛车引擎——引擎再好，整车短板不在那儿。反过来，如果数据流水线干净、补货系统自动触发、供应商交期稳定，从 Prophet 升级到 XGBoost 的几个百分点精度提升，会实实在在变成库存周转天数的下降。
所以选型的第一性问题不是"哪个模型更准"，而是"我的组织现在配得上哪个模型"。数据基础、流程自动化程度、团队能力，这三样决定了你能兑现多少模型红利。
回头看三条路线：Prophet 让中小仓库第一次拥有可解释的预测能力，XGBoost 让特征工程的经验变成了可复用资产，深度学习在数据规模足够大时把预测变成了基础设施。技术史上有意思的一点是：每一种"更准"的模型出现，最终都没杀死前一种，只是把它们推到各自最合适的位置上。
那么值得长期观察的问题是：当所有主流模型的精度都进入"够用"区间、预测本身变成同质化能力，仓库之间的差距会来自哪里？是谁的数据流水线更干净，谁的补货流程更敢于信任模型，还是谁先把预测、自动补货、动态定价真正闭环？模型选型可能是你今年要做的决定，但比选型更难的，是选型之后，你愿不愿意让组织的流程配得上这个模型。
作者：陈博士｜供应链行业研究员
