基本信息

阅读时间：约 21 分钟

字数：约 10,691 字

摘要：市场担心：需求预测与补货工具到底能不能赚钱。支持者的算法很直接——预测更准，库存更少，占用的钱就少了，所以工具的价值等于「预测精度提升幅度乘以库存金额」。这套说法在演示环境里几乎总是成立，因为它把两件事看成线性关系：误差降一半，库存就降一半。

需求预测与补货工具研究报告 封面

摘要与核心预期差

市场担心：需求预测与补货工具到底能不能赚钱。支持者的算法很直接——预测更准，库存更少，占用的钱就少了，所以工具的价值等于「预测精度提升幅度乘以库存金额」。这套说法在演示环境里几乎总是成立，因为它把两件事看成线性关系：误差降一半，库存就降一半。

我们认为：预测精度本身不产生现金流，产生现金流的是安全库存天数，而安全库存对预测误差的弹性是平方根级的。误差下降 50%，安全库存只下降约 29%，而不是 50%。行业用线性口径宣传工具收益，系统性高估了它的财务效果。更关键的是，2025 年末规模以上工业企业的产成品存货为 6.73 万亿元，而应收账款为 27.43 万亿元，后者是前者的 4.08 倍（测算）；只优化存货的预测工具，能触达的营运资金盘子不到五分之一。

  1. 第一条成长逻辑是弹性错配：安全库存由需求波动与提前期的平方根共同决定，预测改进的边际收益随改进幅度递减，工具越准，继续变准的财务回报越低。
  2. 第二条成长逻辑是科目错配：存货周转天数 19.9 天，应收账款平均回收期 67.9 天，营运资金的主要占用在应收与信用条件，而预测工具对这个科目几乎没有作用力。
  3. 第三条成长逻辑是资产错配：每百元资产实现的营业收入由上年末下降 2.7 元至 75.9 元，资产扩张快于收入增长，压缩存货的效率改进会被资产端的低效稀释。

本篇增量：把「预测误差—安全库存—资金占用—资金成本」的换算链条完整写出，给出三个情景下工具可解释的年度资金成本收益，并说明哪些收益被行业口径夸大了。全篇不使用厂商内部数据，所有测算标注分子、分母、单位与年份。

图 1：规模以上工业企业营业收入与营业成本（万亿元；2025 年）。营业收入 139.20 万亿元、营业成本 118.75 万亿元，成本占收入比重 85.31%（测算）。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 1：规模以上工业企业营业收入与营业成本（万亿元；2025 年）。营业收入 139.20 万亿元、营业成本 118.75 万亿元，成本占收入比重 85.31%（测算）。资料来源：国家统计局 2025 年工业企业利润数据 [7]
可证伪链 · 预测精度提升的财务收益是平方根级而非线性
依据安全库存与需求波动的平方根成正比；误差下降 50% 时安全库存下降 29.3%（测算，1 减 0.5 的平方根，单位 %，年份 2025）[9]。
边界适用于以服务水平不变为前提的补货场景；若同时下调目标服务水平，库存下降幅度会超出平方根口径。
反面证据若企业同时缩短提前期并调整服务水平，库存下降可能高于平方根预测，此时弹性口径需要重新标定。
跟踪指标目标服务水平、提前期天数、需求预测误差的季度序列。
证伪条件若实测显示预测误差下降 50% 后安全库存下降超过 45%，则平方根假设被推翻，本判断失效。
19.9 天
2025 年末规模以上工业企业产成品存货周转天数，比上年末增加 0.6 天 [7]
67.9 天
2025 年末规模以上工业企业应收账款平均回收期，比上年末增加 3.6 天 [7]
6.73 万亿元
2025 年末规模以上工业企业产成品存货余额，比上年末增长 3.9% [7]
29.3%
预测误差减半时安全库存的理论压缩幅度（测算）[9]
0.27%
三情景中资金成本收益相对规模以上工业企业利润总额的比例（测算）[9][11]

01机制：从预测误差到资金占用

预测工具的作用链条有四个环节：输入环节是历史需求数据与外部信号，处理环节是算法对需求的点估计与分布估计，输出环节是给补货决策的订货量建议，结算环节是库存水平与资金占用。市面上的工具几乎都在改进第二环，而真正决定现金流的是第三环与第四环。

这两个环节之间存在一道转换损耗。订货量建议要变成库存下降，需要采购、生产、仓储、渠道多个环节同步配合；任何一个环节的响应速度不足，预测精度的改善都会被安全库存的补偿性持有吃掉。因此工具的收益不是「预测改善量」，而是「预测改善量乘以决策采纳率乘以环节响应速度」。

图 2：规模以上工业企业资产、负债与所有者权益结构（万亿元；2025 年末）。资产总计 188.41 万亿元、负债合计 108.58 万亿元、所有者权益合计 79.82 万亿元，资产负债率 57.6%。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 2：规模以上工业企业资产、负债与所有者权益结构（万亿元；2025 年末）。资产总计 188.41 万亿元、负债合计 108.58 万亿元、所有者权益合计 79.82 万亿元，资产负债率 57.6%。资料来源：国家统计局 2025 年工业企业利润数据 [7]

把这道转换损耗落到账面，可以看到工具真正能影响的那一小块。2025 年末，规模以上工业企业的资产总计为 188.41 万亿元，资产负债率 57.6% [7]。产成品存货 6.73 万亿元只占资产总计的 3.57%（测算，6.73 ÷ 188.41，单位 %，年份 2025）[14]。预测工具优化的，正是这不到百分之四的资产。支撑这类工具的算法与数据基础近年持续加厚：中国研发支出占国内生产总值比重由 2018 年的 2.102% 升至 2023 年的 2.577% [1]。

可证伪链 · 预测工具的收益受决策采纳率与环节响应速度两道损耗约束
依据工具直接作用于预测环节，而库存由订货、采购与生产多环节共同决定；产成品存货仅占资产总计 3.57%（测算）[7]。
边界适用于自营库存为主的企业；完全外包库存或不持有存货的业务形态，链条更短。
反面证据若企业把订货决策完全交给工具自动执行且供应链响应在数日内，采纳率损耗会接近消失。
跟踪指标订货建议采纳率、从建议到订单的平均时滞、库存调整周期。
证伪条件若工具上线后订货建议采纳率长期低于 30% 而库存仍显著下降，说明收益来自其他环节，本判断失效。

02度量口径：三个指标之间怎么换算

讨论工具收益前必须先统一口径。库存周转通常用周转天数表示，安全库存通常用标准差倍数表示，资金占用用金额表示。三者可以互相换算，但换算需要三个显式假设：年度天数口径、安全库存占存货的比例、以及单位资金成本。

周转天数的计算口径由统计部门给出：产成品存货周转天数等于 360 乘以平均产成品存货再除以营业成本 [7]。用 2025 年的数字复现：营业成本 118.75 万亿元，日均 3,298.6 亿元（测算，118.75 万亿元 ÷ 360，单位亿元/日，年份 2025）；产成品存货 6.73 万亿元除以日均成本得到 20.40 天（测算）[8][13]。

图 3：产成品存货周转天数与应收账款平均回收期（天；2025 年末）。产成品存货周转天数 19.9 天，应收账款平均回收期 67.9 天。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 3：产成品存货周转天数与应收账款平均回收期（天；2025 年末）。产成品存货周转天数 19.9 天，应收账款平均回收期 67.9 天。资料来源：国家统计局 2025 年工业企业利润数据 [7]

我复现得到的 20.40 天与统计口径的 19.9 天存在 0.5 天的差异，原因在于口径使用的是「平均产成品存货」而本报告使用的是年末余额。这个差异本身就是一个重要提示：用年末余额做工具收益测算，会系统性高估可压缩的库存规模。

第二个需要显式声明的假设是安全库存占存货的比例。并非所有存货都是安全库存，在途库存、周期库存与呆滞库存都不随预测精度变化。本报告假设安全库存占产成品存货的三分之一，其余三分之二由提前期、批量与产品结构决定。这个假设是本报告的参数，不是外部观测值，读者可以按自己企业的实际结构替换。

可证伪链 · 用年末存货余额测算工具收益会高估可压缩规模
依据口径使用平均产成品存货计算周转天数，而年末余额测算得到 20.40 天，比公布的 19.9 天高 0.5 天（测算）[7][8]。
边界适用于存货季节性波动明显的行业；全年平稳的行业两者差异很小。
反面证据若企业存货在年内分布均匀，平均余额与年末余额接近，该偏差可以忽略。
跟踪指标期初期末存货余额差、月度存货波动系数。
证伪条件若连续多年公布口径与年末余额口径的周转天数差异小于 0.1 天，则本判断失效。

03实证：账面结构给出的三个事实

2025 年末的工业账面数据给出了三个可以核对的事实。第一个事实是存货与应收的规模对比：产成品存货 6.73 万亿元、应收账款 27.43 万亿元，后者是前者的 4.08 倍（测算，27.43 ÷ 6.73，单位倍，年份 2025）[7][12]。营运资金的占用重心在应收，不在存货。

图 4：产成品存货与应收账款余额（万亿元；2025 年末）。产成品存货 6.73 万亿元、增长 3.9%；应收账款 27.43 万亿元、增长 4.7%。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 4：产成品存货与应收账款余额（万亿元；2025 年末）。产成品存货 6.73 万亿元、增长 3.9%；应收账款 27.43 万亿元、增长 4.7%。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 5：两项营运资金科目的占比结构（%；2025 年末，测算）。产成品存货占两项合计的 19.7%、应收账款占 80.3%，由 6.73 与 27.43 万亿元计算。资料来源：本报告基于国家统计局数据测算 [7][8]
图 5：两项营运资金科目的占比结构（%；2025 年末，测算）。产成品存货占两项合计的 19.7%、应收账款占 80.3%，由 6.73 与 27.43 万亿元计算。资料来源：本报告基于国家统计局数据测算 [7][8]

第二个事实是周转速度的差：产成品存货周转天数 19.9 天，应收账款平均回收期 67.9 天，两者相差 48 天（测算，67.9 减 19.9，单位天，年份 2025）[7]。存货一年周转约 18 次，应收一年周转约 5.3 次（测算，360 ÷ 67.9，单位次，年份 2025）。同一笔资金放在存货科目上，回收速度是放在应收科目上的三倍以上。

第三个事实是资产效率的走弱：每百元资产实现的营业收入为 75.9 元，比上年末减少 2.7 元；人均营业收入 188.9 万元，比上年末增加 5.5 万元 [7]。资产端收入转化效率下降而人均收入上升，说明效率改善发生在人力侧，而资产侧正在变重。预测工具属于资产侧的效率工具，它面对的是一块正在变重的存量。

图 6：资产侧与人力侧效率指标（元、万元；2025 年末）。每百元资产实现的营业收入 75.9 元，比上年末减少 2.7 元；人均营业收入 188.9 万元，比上年末增加 5.5 万元。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 6：资产侧与人力侧效率指标（元、万元；2025 年末）。每百元资产实现的营业收入 75.9 元，比上年末减少 2.7 元；人均营业收入 188.9 万元，比上年末增加 5.5 万元。资料来源：国家统计局 2025 年工业企业利润数据 [7]
可证伪链 · 预测工具触达的资金盘子不足营运资金的两成
依据产成品存货占存货与应收两项合计的 19.7%（测算）；应收账款平均回收期为存货周转天数的 3.41 倍（测算）[7]。
边界适用于以赊销为主的工业与批发场景；现款现货或预收模式的业务，应收占比会显著更低。
反面证据若工具同时接入信用与授信决策，其触达的科目会从存货扩展到应收，判断需要修订。
跟踪指标应收与存货的科目占比、信用期政策调整频次。
证伪条件若企业应收账款占营运资金比例长期低于 40%，则重心在应收的判断不成立。

04弹性：平方根为什么不可绕过

安全库存的基本形式是：安全库存等于服务水平对应的标准差倍数，乘以需求标准差，再乘以提前期的平方根（在提前期内需求相互独立的情形下）。这个式子决定了预测改进与库存下降之间的关系不是线性的，而是平方根级的。

图 7：预测误差降幅与安全库存降幅的对应关系（%；2025 年，测算）。误差下降 20%、50%、80% 分别对应安全库存下降 10.6%、29.3%、55.3%。资料来源：本报告基于平方根弹性模型测算 [8][9]
图 7：预测误差降幅与安全库存降幅的对应关系（%；2025 年，测算）。误差下降 20%、50%、80% 分别对应安全库存下降 10.6%、29.3%、55.3%。资料来源：本报告基于平方根弹性模型测算 [8][9]

把这条曲线读成经营语言：预测误差从 40% 降到 20% 是一次很大的技术改进，但它只能换来安全库存约 10.6% 的下降（测算，1 减去 0.8 的平方根，单位 %，年份 2025）。而当误差已经在 10% 附近时，再减半只能带来约 29.3% 的库存下降——注意这里的绝对改进量比前一次小得多（测算）[9]。

平方根弹性的另一个推论是提前期的价值。提前期从 30 天缩短到 15 天，安全库存下降 29.3%（测算，1 减去 0.5 的平方根，单位 %，年份 2025），效果与把预测误差减半完全相同，而缩短提前期通常不需要更复杂的算法。这解释了为什么很多企业上了预测工具后库存不降：瓶颈不在预测精度，在提前期与批量。

图 8：资金占用节约的二维敏感性检验（安全库存占存货比例 × 预测误差降幅；亿元；2025 年，测算）。以产成品存货 6.73 万亿元为基数，安全库存占比取 20%、33%、50%、70%，误差降幅取 20%、50%、80%。资料来源：本报告基于国家统计局数据与平方根弹性模型测算 [7][9]
图 8：资金占用节约的二维敏感性检验（安全库存占存货比例 × 预测误差降幅；亿元；2025 年，测算）。以产成品存货 6.73 万亿元为基数，安全库存占比取 20%、33%、50%、70%，误差降幅取 20%、50%、80%。资料来源：本报告基于国家统计局数据与平方根弹性模型测算 [7][9]
可证伪链 · 缩短提前期与提升预测精度的库存效果可以等效，但前者的成本通常更低
依据提前期减半对应安全库存下降 29.3%，与预测误差减半的效果相同（均为测算）[9]。
边界适用于提前期内需求近似独立的情形；相关性强的需求下平方根假设偏乐观。
反面证据若提前期已接近工艺下限无法继续压缩，则只能回到预测精度一侧。
跟踪指标采购提前期天数、批量规模、需求预测误差。
证伪条件若实测显示提前期缩短 50% 后安全库存下降不足 10%，则等效性判断失效。

05测算：工具可解释收益的真实量级

把前面的参数组合起来，可以做一次全行业口径的测算。第一步给出因子链：年度资金成本收益等于产成品存货乘以安全库存占比，乘以安全库存压缩幅度，再乘以单位资金成本率。第二步为每个参数找锚：存货 6.73 万亿元来自统计口径 [7]，安全库存占比取三分之一为本报告假设，压缩幅度由平方根弹性给出 [9]，资金成本率取 3.0% 为本报告假设。第三步给出三组参数，第四步做敏感性检验。

图 9：从安全库存规模到资金占用释放的分解（亿元；2025 年，测算）。以安全库存规模 2.24 万亿元（22,400 亿元）为起点，预测误差减半释放 6,575 亿元，对应保留占用 15,825 亿元。资料来源：本报告测算 [7][9][10]
图 9：从安全库存规模到资金占用释放的分解（亿元；2025 年，测算）。以安全库存规模 2.24 万亿元（22,400 亿元）为起点，预测误差减半释放 6,575 亿元，对应保留占用 15,825 亿元。资料来源：本报告测算 [7][9][10]

中性情景下，安全库存规模为 2.24 万亿元（测算，6.73 × 33.3%，单位万亿元，年份 2025）[10]，预测误差减半带来 6,575 亿元的资金占用释放（测算，2.24 × 29.3%，单位亿元，年份 2025）[9]。按 3.0% 的年度资金成本计算，对应的年度收益为 197 亿元（测算，6,575 × 3.0%，单位亿元，年份 2025）。

图 10：三情景下的资金占用释放规模（亿元；2025 年，测算）。保守情景 2,382 亿元、中性情景 6,575 亿元、乐观情景 12,410 亿元。资料来源：本报告基于国家统计局数据与平方根弹性模型测算 [7][9]
图 10：三情景下的资金占用释放规模（亿元；2025 年，测算）。保守情景 2,382 亿元、中性情景 6,575 亿元、乐观情景 12,410 亿元。资料来源：本报告基于国家统计局数据与平方根弹性模型测算 [7][9]

197 亿元相对全行业利润总额是什么概念？2025 年规模以上工业企业实现利润总额 73,982.0 亿元 [7]，197 亿元相当于其 0.27%（测算，197 ÷ 73,982，单位 %，年份 2025）[11]。即便乐观情景下预测误差下降 80%，年度资金成本收益 372 亿元，也只相当于利润总额的 0.50%（测算）。这就是本报告的核心预期差：工具的价值量级是「利润表上的零头」，而不是「利润表上的转折点」。

图 11：三情景资金成本收益与利润总额的比值（%；2025 年，测算）。保守 0.10%、中性 0.27%、乐观 0.50%，分母为规模以上工业企业利润总额 73,982.0 亿元。资料来源：本报告测算 [7][11]
图 11：三情景资金成本收益与利润总额的比值（%；2025 年，测算）。保守 0.10%、中性 0.27%、乐观 0.50%，分母为规模以上工业企业利润总额 73,982.0 亿元。资料来源：本报告测算 [7][11]
可证伪链 · 预测工具可解释的年度资金成本收益不足利润总额的 1%
依据中性情景年度收益 197 亿元、利润总额 73,982.0 亿元，比值 0.27%（测算）[7][9][11]。
边界适用于把收益限定为资金成本节约的场合；若把缺货损失与折价清库的规避计入，收益口径会显著放大但更难验证。
反面证据若企业资金成本率显著高于 3.0%，或安全库存占比显著高于三分之一，比值会明显上移。
跟踪指标实际资金成本率、安全库存口径下的库存金额、缺货损失的可核算金额。
证伪条件若可审计的口径显示工具带来的年度收益超过企业利润总额的 3%，则本判断失效。

06边界：预测工具管不到的三块库存

工具可解释的收益之所以量级有限，还因为有三块库存并不随预测精度变化。第一块是周期库存，它由批量与采购折扣决定，批量越大单价越低，企业常常主动选择持有更多；第二块是在途库存，它由运输与生产节拍决定，与需求预测无关；第三块是呆滞与安全冗余库存，它由产品生命周期与渠道政策决定。

图 12：三大门类利润总额同比增速（%；2025 年）。制造业增长 5.0%、电力热力燃气及水生产和供应业增长 9.4%、采矿业下降 26.2%。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 12：三大门类利润总额同比增速（%；2025 年）。制造业增长 5.0%、电力热力燃气及水生产和供应业增长 9.4%、采矿业下降 26.2%。资料来源：国家统计局 2025 年工业企业利润数据 [7]

门类之间的分化也提示了工具适用性的差异。2025 年采矿业利润下降 26.2%，制造业增长 5.0%，电力热力燃气及水生产和供应业增长 9.4% [7]。采矿业的产品标准化程度高、需求由下游产能决定，预测改进空间小；制造业中间品与消费品链条长、品种多，才是预测工具的主场。把工具卖给链条短、品种少的行业，收益会更薄。

另一条边界来自成本结构。2025 年每百元营业收入中的成本为 85.31 元，比上年增加 0.16 元；每百元营业收入中的费用为 8.62 元，比上年减少 0.02 元 [7]。成本率上升而费用率微降，说明企业的毛利率正在被成本端挤压，此时现金流改善的优先级高于算法精度，这也是应收科目比存货科目更值得投入的原因。

图 13：每百元营业收入中的成本与费用（元；2025 年）。成本 85.31 元、比上年增加 0.16 元；费用 8.62 元、比上年减少 0.02 元。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 13：每百元营业收入中的成本与费用（元；2025 年）。成本 85.31 元、比上年增加 0.16 元；费用 8.62 元、比上年减少 0.02 元。资料来源：国家统计局 2025 年工业企业利润数据 [7]
可证伪链 · 预测工具的适用性随链条长度与品种数上升而上升
依据采矿业利润下降 26.2%、制造业增长 5.0%（口径）[7]；周期库存、在途库存与呆滞库存不随预测精度变化。
边界适用于中间品与消费品制造场景；大宗原料与标准化初级产品的预测改进空间更小。
反面证据若下游需求本身由长周期订单锁定，链条长度不再是预测收益的正向因素。
跟踪指标品种数量、平均提前期、呆滞库存占比与跌价准备金额。
证伪条件若实测显示品种数更少的企业从工具中获得的库存改善反而更大，则本判断失效。

07反面证据：库存改善与利润修复的因果混淆

公开数据里有一处最容易被误读的因果。2025 年规模以上工业企业利润总额回升 0.6%，扭转了连续三年的下降态势；同期产成品存货周转天数为 19.9 天，比上年末增加 0.6 天，也就是说存货周转实际上变慢了 [7]。利润修复与库存效率改善并不同时发生，把前者归因于后者是因果混淆。

图 14：利润修复与库存周转的方向对照（%、天；2025 年）。利润总额增长 0.6%，产成品存货周转天数增加 0.6 天。两条序列在 2025 年方向相反。资料来源：国家统计局 2025 年工业企业利润数据 [7]
图 14：利润修复与库存周转的方向对照（%、天；2025 年）。利润总额增长 0.6%，产成品存货周转天数增加 0.6 天。两条序列在 2025 年方向相反。资料来源：国家统计局 2025 年工业企业利润数据 [7]

第二处需要警惕的是季节性口径。库存周转天数在年内波动明显，年内高点与年末读数可能相差数天。把某一时点的改善当作趋势，会让测算结果偏离真实。本报告在测算中统一使用年末口径，并明确标注，避免混用不同时点的读数。

第三处是资产端与利润端的错位。每百元资产实现的营业收入下降 2.7 元至 75.9 元，而营业收入利润率在年末为 5.31% [7]。资产效率下降而利润率持平，说明利润的稳定并非来自资产周转的改善，而是来自价格与成本结构的变化。预测工具属于资产周转类工具，它无法解释这一轮利润修复。

  • 口径核对的第一层是时点一致性：比较的两个数字是否取自同一时点或同一累计区间。
  • 第二层是分子分母的匹配：周转类指标的分母是流量而非存量，混用会放大或缩小结果。
  • 第三层是方向一致性：在把某项改善归因于某个工具之前，先确认两者在同一年度方向相同。
可证伪链 · 2025 年的利润修复不能用库存效率改善来解释
依据利润总额增长 0.6% 而产成品存货周转天数增加 0.6 天、每百元资产营业收入减少 2.7 元 [7]。
边界适用于解释总量层面的利润变动；单企业内部仍可能存在利润与库存同步改善的情形。
反面证据若后续年度出现利润与库存周转同步改善且幅度显著，则该年度的归因结论需要重新检验。
跟踪指标利润总额同比、存货周转天数同比、每百元资产收入的同比。
证伪条件若权威解释明确把利润修复归因于库存与产能利用改善且给出可复核数据，则本判断需要修订。

08干预方案：把工具收益做实的四条路径

既然预测精度的边际回报递减，工具投入就应该被重新排序。第一条路径是改口径：把工具的目标从「预测更准」改成「周转更快」，直接以周转天数与资金占用作为验收指标，避免用算法指标替代经营指标。

图 15：四条干预路径对资金占用节约的边际贡献（亿元；2025 年，测算）。基于中性情景的安全库存规模 2.24 万亿元，四条路径的贡献量级不同，其中提前期压缩的边际效果最高。资料来源：本报告测算 [9]
图 15：四条干预路径对资金占用节约的边际贡献（亿元；2025 年，测算）。基于中性情景的安全库存规模 2.24 万亿元，四条路径的贡献量级不同，其中提前期压缩的边际效果最高。资料来源：本报告测算 [9]

第二条路径是压缩提前期。前文已经说明，提前期减半与误差减半的库存效果相同，而前者通常不需要更高的算法能力，只需要供应商协同与流程改造。第三条路径是把工具接到应收与授信决策上，让营运资金的优化从 19.7% 的科目扩展到全部科目，这一条路径的资金盘子是前者的五倍以上。

第四条路径是把目标服务水平显式化。服务水平与安全库存同样呈非线性关系，把服务水平从 98% 下调到 95%，在多数分布假设下可以减少两成以上的安全库存。这条路径的代价是缺货率的上升，因此必须先核算缺货损失，再决定是否调整。

图 16：四条路径的可审计性与实施周期定位（示意；2025 年）。横轴为实施周期（月），纵轴为收益可审计性（1 至 5 分）。本图为定性框架的量化示意，不含外部统计。资料来源：本报告整理测算 [8]
图 16：四条路径的可审计性与实施周期定位（示意；2025 年）。横轴为实施周期（月），纵轴为收益可审计性（1 至 5 分）。本图为定性框架的量化示意，不含外部统计。资料来源：本报告整理测算 [8]
可证伪链 · 把工具接入应收与授信决策的收益空间大于继续提升预测精度
依据应收账款 27.43 万亿元、产成品存货 6.73 万亿元，前者为后者的 4.08 倍（测算）[7]。
边界适用于具备自主授信能力的企业；信用政策由强势下游决定的企业，该路径受限。
反面证据若下游信用账期由行业惯例刚性锁定，工具对回收期的影响会很小，此时应回到存货路径。
跟踪指标应收账款周转天数、账龄结构、超期占比。
证伪条件若实测显示接入授信决策后应收周转天数改善不足 3%，则该路径的空间判断失效。

09跟踪指标：怎样验证工具是否真的创造了收益

验证工具收益的指标必须能在账面上被独立核对。第一组是库存侧指标：产成品存货周转天数、安全库存金额、呆滞库存占比与跌价准备计提额。第二组是营运资金侧指标：营运资金占用率、应收账款周转天数与账龄结构。第三组是决策侧指标：订货建议采纳率、从建议到订单的时滞、人工干预比例。

图 17：居民消费价格指数同比涨幅（%；2020 年至 2025 年）。由 2020 年的 2.42% 回落至 2025 年的 0.06%。资料来源：世界银行世界发展指标[5]
图 17：居民消费价格指数同比涨幅（%；2020 年至 2025 年）。由 2020 年的 2.42% 回落至 2025 年的 0.06%。资料来源：世界银行世界发展指标[5]

宏观背景同样需要纳入跟踪。中国居民消费价格指数同比涨幅由 2020 年的 2.42% 回落至 2025 年的 0.06% [5]，居民最终消费占国内生产总值比重由 2020 年的 38.17% 变化至 2024 年的 39.97% [4]。低通胀环境意味着价格端无法自然消化库存成本，存货跌价与折价清库的损失会更直接地落在利润上，这提高了周转效率的相对价值。

图 18：居民最终消费占国内生产总值比重（%；2020 年至 2024 年）。由 2020 年的 38.17% 变化至 2024 年的 39.97%。资料来源：世界银行世界发展指标[4]
图 18：居民最终消费占国内生产总值比重（%；2020 年至 2024 年）。由 2020 年的 38.17% 变化至 2024 年的 39.97%。资料来源：世界银行世界发展指标[4]

需求侧的渠道条件也在变化。中国互联网普及率由 2020 年的 70.05% 升至 2025 年的 91.60%，移动电话普及率由 2019 年的 122.67% 变化至 2024 年的 131.75% [2][3]；城镇化率由 2020 年的 63.52% 升至 2025 年的 66.34% [6]。渠道数字化程度的提高让需求信号更容易被采集，但也让需求波动传导得更快，预测工具面临的输入并不因此变得更平稳。

图 19：互联网普及率与移动电话普及率（%；2019 年至 2025 年）。互联网普及率 2025 年 91.60%，移动电话普及率 2024 年 131.754%。资料来源：世界银行世界发展指标[2][3]
图 19：互联网普及率与移动电话普及率（%；2019 年至 2025 年）。互联网普及率 2025 年 91.60%，移动电话普及率 2024 年 131.754%。资料来源：世界银行世界发展指标[2][3]

10结论与风险提示

本报告的核心结论是：需求预测与补货工具的收益真实存在，但量级远小于行业口径给出的印象。在统一口径下，中性情景的年度资金成本收益相当于规模以上工业企业利润总额的 0.27% [7][9][11]。工具更合适的定位是营运资金的精细化工具，而不是利润修复的引擎。

如果只看一句话的取舍结论：把预算优先投向压缩提前期与优化应收，把预测精度当作维持项而不是攻坚项。因为这轮利润修复与库存效率改善并不同向，而资产侧的效率缺口正在扩大，工具的价值必须落在可审计的科目上才有意义。

风险提示如下，共五项。

  • （一）口径风险：库存与周转类指标存在时点与定义差异，混用会显著改变测算结果。
  • （二）假设风险：安全库存占存货比例与资金成本率均为本报告假设，替换后结论会变。
  • （三）采纳风险：订货建议的采纳率与环节响应速度不在工具控制范围内，收益可能无法兑现。
  • （四）行业风险：采矿业与制造业的适用性差异明显，跨行业外推会低估链条长度的影响。
  • （五）技术风险：外部信号渠道扩张会带来更快的需求波动传导，预测精度可能不升反降。

需要承认的边界是：本报告没有获得任何企业级的库存明细与工具采购合同数据，所有测算都在行业总量口径上完成，参数取值为本报告的假设。行业总量层面的结论不能直接下推为单一企业的收益承诺，读者应以自身账面口径替换参数后重新计算。

图 20：三情景资金占用释放与安全库存基数的关系（亿元；2025 年，测算）。安全库存基数 2.24 万亿元，保守、中性、乐观三情景分别释放 2,382 亿元、6,575 亿元与 12,410 亿元。资料来源：本报告测算 [7][9]
图 20：三情景资金占用释放与安全库存基数的关系（亿元；2025 年，测算）。安全库存基数 2.24 万亿元，保守、中性、乐观三情景分别释放 2,382 亿元、6,575 亿元与 12,410 亿元。资料来源：本报告测算 [7][9]

A数据来源与证据表

编号 来源 / 报告 关键数据 链接
[1] World Bank（世界银行）
World Development Indicators（世界发展指标）— 研发支出占国内生产总值比重（2026 年发布）｜定位：指标代码 GB.XPD.RSDV.GD.ZS，国家 CN，年度序列		 [T1]中国研发支出占国内生产总值比重 2023 年 2.577%、2022 年 2.494%、2021 年 2.382%、2020 年 2.357%、2019 年 2.201%、2018 年 2.102%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/GB.XPD.RSDV.GD.ZS?format=json&per_page=8&date=2016:2026
[2] World Bank（世界银行）
World Development Indicators（世界发展指标）— 互联网普及率（2026 年发布）｜定位：指标代码 IT.NET.USER.ZS，国家 CN，年度序列		 [T1]中国互联网普及率 2025 年 91.60%、2024 年 92.00%、2023 年 90.60%、2022 年 75.611%、2021 年 73.053%、2020 年 70.053%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/IT.NET.USER.ZS?format=json&per_page=8&date=2016:2026
[3] World Bank（世界银行）
World Development Indicators（世界发展指标）— 移动电话普及率（2026 年发布）｜定位：指标代码 IT.CEL.SETS.P2，国家 CN，年度序列		 [T1]中国移动电话普及率 2024 年 131.754%、2023 年 128.247%、2022 年 124.195%、2021 年 121.492%、2020 年 120.497%、2019 年 122.670%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/IT.CEL.SETS.P2?format=json&per_page=8&date=2016:2026
[4] World Bank（世界银行）
World Development Indicators（世界发展指标）— 居民最终消费支出占国内生产总值比重（2026 年发布）｜定位：指标代码 NE.CON.PRVT.ZS，国家 CN，年度序列		 [T1]中国居民最终消费占国内生产总值比重 2024 年 39.970%、2023 年 39.568%、2022 年 37.777%、2021 年 38.374%、2020 年 38.168%、2019 年 39.352%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/NE.CON.PRVT.ZS?format=json&per_page=8&date=2016:2026
[5] World Bank（世界银行）
World Development Indicators（世界发展指标）— 居民消费价格指数同比涨幅（2026 年发布）｜定位：指标代码 FP.CPI.TOTL.ZG，国家 CN，年度序列		 [T1]中国居民消费价格指数同比涨幅 2025 年 0.06%、2024 年 0.218%、2023 年 0.235%、2022 年 1.974%、2021 年 0.981%、2020 年 2.419%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/FP.CPI.TOTL.ZG?format=json&per_page=8&date=2016:2026
[6] World Bank（世界银行）
World Development Indicators（世界发展指标）— 城镇化率（2026 年发布）｜定位：指标代码 SP.URB.TOTL.IN.ZS，国家 CN，年度序列		 [T1]中国城镇化率 2025 年 66.343%、2024 年 65.895%、2023 年 65.530%、2022 年 65.218%、2021 年 64.721%、2020 年 63.523%
检索：2026-09-30		 https://api.worldbank.org/v2/country/CN/indicator/SP.URB.TOTL.IN.ZS?format=json&per_page=8&date=2016:2026
[7] 国家统计局
2025 年全国规模以上工业企业利润数据（2026 年发布）｜定位：网页正文与表 1，主要财务指标与存货应收指标部分，2025 年度		 [T1] 2025 年全国规模以上工业企业实现利润总额 73,982.0 亿元、比上年增长 0.6%；营业收入 139.20 万亿元、增长 1.1%；营业成本 118.75 万亿元、增长 1.3%；产成品存货 6.73 万亿元、增长 3.9%；应收账款 27.43 万亿元、增长 4.7%；产成品存货周转天数 19.9 天、比上年末增加 0.6 天；应收账款平均回收期 67.9 天、比上年末增加 3.6 天；每百元资产实现的营业收入 75.9 元、比上年末减少 2.7 元；人均营业收入 188.9 万元、比上年末增加 5.5 万元；每百元营业收入中的成本 85.31 元、比上年增加 0.16 元；费用 8.62 元、比上年减少 0.02 元；资产总计 188.41 万亿元、增长 4.3%；负债合计 108.58 万亿元、增长 4.2%；所有者权益合计 79.82 万亿元、增长 4.5%；资产负债率 57.6%、下降 0.1 个百分点；制造业利润 56,915.7 亿元、增长 5.0%；电力热力燃气及水生产和供应业利润 8,721.2 亿元、增长 9.4%；采矿业利润 8,345.1 亿元、下降 26.2%；营业收入利润率 5.31%；12 月份利润同比增长 5.3%
检索：2026-09-30		 https://www.stats.gov.cn/xxgk/sjfb/zxfb2020/202601/t20260127_1962382.html
[8] 中国政府网（转载国家统计局网站发布）
国家统计局：2025 年全国规模以上工业企业利润增长 0.6%（2026 年发布）｜定位：网页正文，指标解释与相关说明部分，2025 年度		 [T1]指标口径说明：产成品存货周转天数 ＝ 360 × 平均产成品存货 ÷ 营业成本 × 累计月数 ÷ 12，单位天；应收账款平均回收期 ＝ 360 × 平均应收账款 ÷ 营业收入 × 累计月数 ÷ 12，单位天；每百元营业收入中的成本 ＝ 营业成本 ÷ 营业收入 × 100，单位元；营业收入利润率 ＝ 利润总额 ÷ 营业收入 × 100，单位 %
检索：2026-09-30		 https://www.gov.cn/lianbo/202601/content_7056195.htm
[9] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]平方根弹性模型：预测误差下降 20%、50%、80% 分别对应安全库存下降 10.6%、29.3%、55.3%；提前期减半对应安全库存下降 29.3%（单位 %，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）
[10] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]安全库存基数 ＝ 产成品存货 6.73 万亿元 × 33.3% ＝ 2.24 万亿元；保守、中性、乐观三情景释放资金占用 2,382 亿元、6,575 亿元与 12,410 亿元（单位亿元，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）
[11] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]年度资金成本收益 ＝ 释放金额 × 3.0%；中性情景 197 亿元，占利润总额 73,982.0 亿元的 0.27%；乐观情景 372 亿元，占 0.50%（单位 %，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）
[12] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]科目结构：应收账款 27.43 万亿元 ÷ 产成品存货 6.73 万亿元 ＝ 4.08 倍；存货占两项合计 6.73 ÷ 34.16 ＝ 19.7%；应收周转次数 ＝ 360 ÷ 67.9 ＝ 5.3 次（单位倍、%、次，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）
[13] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]成本占收入比重 ＝ 118.75 ÷ 139.20 ＝ 85.31%；日均营业成本 ＝ 118.75 万亿元 ÷ 360 ＝ 3,298.6 亿元/日；年末余额口径周转天数 ＝ 6.73 ÷ 3,298.6 × 10000 ＝ 20.40 天，与公布口径 19.9 天相差 0.5 天（单位 %、亿元/日、天，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）
[14] 本报告
本报告测算口径（假设与参数见附录 C）		 [测算]产成品存货占资产总计比重 ＝ 6.73 ÷ 188.41 ＝ 3.57%（单位 %，年份 2025）
检索：2026-09-30		 —（本报告测算，无外部直接来源）

B证明链台账

本报告共设十条可证伪链，覆盖收益弹性、决策损耗、口径偏差、科目重心、提前期等效性、收益量级、适用边界、因果混淆、干预路径与应收路径。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。

链编号 核心判断 主要依据 跟踪指标 证伪条件 数据档次
链 1（摘要） 工具收益是平方根级而非线性 误差降半对应安全库存降 29.3%（测算） 目标服务水平、提前期 误差降半后库存降超 45% 测算
链 2（第一章） 收益受采纳率与响应速度两道损耗 存货仅占资产总计 3.57%（测算） 订货建议采纳率、决策时滞 采纳率低于 30% 而库存显著下降 [T1]+测算
链 3（第二章） 年末余额口径会高估可压缩规模 复现得到 20.40 天对 19.9 天（测算） 期初期末余额差 两口径差异小于 0.1 天 [T1]+测算
链 4（第三章） 工具触达的资金盘子不足营运资金两成 存货占两项合计 19.7%（测算） 应收与存货科目占比 应收占比长期低于 40% [T1]+测算
链 5（第四章） 提前期减半与误差减半的库存效果等效 两者均对应安全库存降 29.3%（测算） 提前期天数、批量规模 提前期减半后库存降不足 10% 测算
链 6（第五章） 可解释收益不足利润总额的 1% 197 亿元对 73,982.0 亿元＝0.27% 资金成本率、安全库存金额 可审计收益超利润总额 3% [T1]+测算
链 7（第六章） 适用性随链条长度与品种数上升 采矿业降 26.2%、制造业增 5.0% 品种数、呆滞库存占比 品种少的企业改善幅度更大 [T1]
链 8（第七章） 利润修复不能用库存效率改善解释 利润增 0.6% 而周转天数增 0.6 天 三项指标的同比方向 权威解释给出相反证据 [T1]
链 9（第八章） 接入应收与授信决策的空间更大 应收为存货的 4.08 倍（测算） 应收周转天数、账龄结构 接入后应收周转改善不足 3% [T1]+测算
链 10（第九章） 低通胀提高周转效率的相对价值 价格涨幅由 2.42% 回落至 0.06% 存货跌价准备、折价清库金额 价格端恢复自然上涨消化库存成本 [T1]

C数据档次说明

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

  • [T1]一手或官方口径：国际组织与政府部门的正式统计序列，指标代码与年度可逐项复核；
  • [T2]机构二手口径：行业协会、研究机构与上市公司披露的整理数据，口径可能存在差异；
  • [T3]媒体转引口径：媒体报道或企业对外宣传口径，未经独立审计，仅作参考；
  • [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字均为本报告基于外部锚参数推算的结果。关键测算的完整口径如下：成本占收入比重 ＝ 营业成本 118.75 万亿元 ÷ 营业收入 139.20 万亿元 ＝ 85.31%（单位 %，年份 2025）；日均营业成本 ＝ 118.75 万亿元 ÷ 360 ＝ 3,298.6 亿元/日（单位亿元/日，年份 2025）；年末余额口径周转天数 ＝ 6.73 ÷ 3,298.6 × 10000 ＝ 20.40 天（单位天，年份 2025）；安全库存规模 ＝ 产成品存货 6.73 万亿元 × 33.3% ＝ 2.24 万亿元（单位万亿元，年份 2025）；资金占用释放 ＝ 安全库存规模 ×（1 减误差保留比例的平方根），误差减半对应 29.3%（单位 %，年份 2025）；年度资金成本收益 ＝ 释放金额 × 3.0%（单位亿元，年份 2025）；收益占比 ＝ 年度收益 197 亿元 ÷ 利润总额 73,982.0 亿元 ＝ 0.27%（单位 %，年份 2025）；应收账款与存货规模比 ＝ 27.43 ÷ 6.73 ＝ 4.08（单位倍，年份 2025）；应收周转次数 ＝ 360 ÷ 67.9 ＝ 5.3 次（单位次，年份 2025）；存货占两项合计 ＝ 6.73 ÷ 34.16 ＝ 19.7%（单位 %，年份 2025）。安全库存占存货比例、资金成本率与有效留存比例均为本报告假设参数，不是外部观测值。企业级库存明细、工具采购金额与实际采纳率缺乏公开统计，相关判断只在方向层面成立。

本报告由云上有品基于公开资料整理，检索日期 2026-09-30。所有 [n] 编号对应附录 A 证据表，可逐条核验。标注「可证伪链 / 分析师观点」为作者判断，不构成投资建议。市场预测存在机构口径差异，引用时请注意比较基准。