仓网升级：RDC 到 FDC，拉式还是推式

仓网从”供应商 → 仓 → 门店”升级成”供应商 → RDC → FDC → 门店”之后，第一个要回答的问题不是算法，是制度：RDC 到 FDC 这一段内部调拨，谁说了算？FDC 缺货了自己要，叫拉式；RDC 算好了主动往下发，叫推式。

我翻了几本教科书，又看了些大厂分享，结论很一致：需求感知在末端，拉式牛鞭小，推式容易积压。我们把这份结论拿去评审，被供应链负责人一句话问住了：你说的这些，是不是都假设 RDC 和 FDC 各算各的账、互相看不见库存？

确实是。我们的新仓网恰恰不是这么设计的：库存双向可见，预测统一做，RDC 不独立预测门店需求。前提一变，教科书的结论得重新推一遍。

重新推一遍

拉式的核心卖点是”末端最懂需求”。 在信息隔绝的旧网络里这是对的，FDC 贴着门店，只有它知道本地卖得怎么样。但统一预测之后，FDC 的”信息优势”消失了，它和 RDC 看的是同一份预测。这时候拉式剩下的是真实的缺点：各地区多个仓各自跑参数、各自漂移，口径一致性根本管不住；各仓订货时点不受控，RDC 的拣选和发车波峰叠在一起，运输零担占比下不来。

推式的核心罪名是”拍脑袋铺货”。 这个罪名成立的前提，是 RDC 不了解下游真实需求，只能按指标硬压。信息共享之后，推式变成了中央计划：用同一份预测、看全局库存，统一分配。它原本的强项就显出来了：发车可以合并、整车化，作业节奏可控；爆款和限量品能按配额全局分配，避免个别仓抢光。

还有一类业务，拉式结构上就做不了。新品首配，FDC 没有历史销量，拉式不知道订什么、订多少；尾货出清，需要把库存往还能卖的仓集中下压，拉式更不会主动要。这两段只能靠推。一个商品从生到死，注定有一部分旅程是推式的。

所以我们的结论翻过来了：以推式为主干做中央计划，拉式作为兜底和异常通道保留。 教科书没错，它只是没赶上信息架构的变化。这个教训我记了很久：任何方法论都要先问一句，它的前提假设在我这里还成立吗。

比推拉更底层的问题：商品状态挂在哪

推拉之争打到一半，我们撞上一个更基础的问题。新品先在 RDC 铺货、DC 还没开始卖；某个区域卖不动要淘汰，别的区域还在正常补。商品的状态到底算什么？

如果状态挂在 SKU 全局，一个商品一个状态，那”区域差异化铺货""尾货集中出清”全都表达不了。最后的设计是：状态挂在「商品 × 节点」上。 同一个 SKU，此刻可以是 RDC 层正常销售、DC-01 首批在途、DC-02 区域淘汰、门店层出清，各层独立维护自己的状态机。

另外把”可订”和”可配”拆成两面旗子：能不能向上游要货，和能不能被上级往下配货，是两回事。新品首配期就是典型的”不可订、可配”。这个拆分后来省掉了无数流程上的别扭。

网络是慢变量，算法是快变量

仓网项目做下来，我有一个越来越强的体感：仓网设计是慢变量，预测补货那些 AI 优化是快变量。慢变量没摆对，快变量的收益是有上限的。推式主干搭错了，你预测再准，RDC 还是在错误的节奏上发车；状态机挂错了层级，新品和出清永远在流程里打架。

现在 AI 圈喜欢讲”一切皆优化”，我的保留意见是：先把网络结构和状态底座这种”制度设计”做对，再让 AI 在正确的结构里跑快变量。结构错了，优化得越狠，偏得越远。

下一篇回到单仓，聊库存的老大难问题：缺货和周转这对冤家，到底怎么平衡。

附录：推拉对比与状态机速查表

两种模式对比（信息共享前提下）

Pooling 效应：安全库存集中在 RDC 时，总安全库存低于各 FDC 分持之和（σ_pooled = √Σσᵢ² < Σσᵢ）。注意：该收益中央计划式推式同样能拿到，不是拉式独占。

状态机三原则：① 状态是「商品 × 节点」的二维属性；② 语义全局统一（引入/首配/正常/淘汰/出清/锁定六状态各层含义一致），进出条件分层定义；③「可订」与「可配」拆分，新品首配期 = 不可订 + 可配。

供应链实战系列 · 第 06 篇 · 卷三「归因与网络篇」｜ 上篇：采纳率归因 ｜ 下篇：缺货与周转的平衡术 文中数字均为 DEMO 示意，非真实业务数据。