戈玄白今天要做题“找药难，管货难，配送更难”这三句话，基本概括了医药供应链数字化改造前我所在项目的全部痛点。我们做的这套“一张网”工程，不是简单上个ERP或者换套WMS，而是把散落在全国各地的医药仓库、冷链车辆、终端门店、医院药房，全部用云计算技术编织进同一个数字底座，支撑的是千亿级规模的医药流通业务。作为深度参与架构设计和落地过程的从业者，这篇文章把我踩过的坑、验证过的方案、以及“一张网”从规划到上线的完整逻辑拆开来讲一讲，给正在做产业数字化或者供应链平台的朋友一份真实参考。这套底座跑通之后，最直观的感受就是：数据不再是报表里的数字，而是驱动每一盒药精准流动的指挥系统。
1. 医药供应链的“三难”困局：为什么必须织一张网
1.1 需求侧的“找药难”：信息断层让一线销售疲于奔命
做医药流通的人都很清楚，医药供应链最尴尬的时刻往往发生在销售端。比如某家三甲医院急需一种冷沉淀凝血因子，库房里明明有货，但因为信息不通，销售在电话里打了一圈才发现货就在隔壁城市的中心仓。这种事在传统模式下屡见不鲜，本质上是因为整个供应链的需求信息和库存信息没有打通。
我接手这个项目时，第一步就是梳理业务链路。当时的现状是：各区域公司用着不同的ERP系统，总部要一份跨区域的库存报表，需要IT团队手动从六个系统里导数据，再在Excel里做VLOOKUP。这种模式下，不要说实时查询，就是做到T+1的数据同步都费劲。需求侧的信息断层，导致的结果就是备货靠经验、调拨靠电话、紧急订单靠运气。
这套“一张网”要解决的第一个问题，就是让任何一个仓库的库存、任何一个门店的缺货需求，变成全网可见的实时数据。这个目标听起来简单，但真正落地时要面对的是异构系统的数据接入、数据标准的统一、以及毫秒级的查询响应。
1.2 供给侧“管货难”：冷链断链与库存不准的连锁反应
医药供应链比普通快消品供应链苛刻得多，尤其是冷链药品。一批需要2-8℃运输的胰岛素，如果运输途中温度超出范围哪怕15分钟，整批货就只能做报废处理。传统模式下冷链车虽然装了温湿度记录仪，但数据是车辆到站后人工导出上传的，也就是说冷链断链发生的时候，没有任何人能实时知道。
更让人头疼的是库存不准。医药流通行业的库存不准，不是差几盒的概念，而是可能差出几百万的金额。收货时少扫码一箱、出库时复核漏了一笔、退货时没有及时更新系统，任何一个环节的小失误，都会让账面库存和实际库存的偏差越滚越大。一旦遇到飞检或者GSP审查，这种库存差异就是合规风险。
供给侧的数据失真，直接威胁的是业务合规和资金安全。这也是为什么“一张网”不仅要连接需求，更要让供给侧每个节点的操作数据实时回流、自动校验、异常告警。数据底座能不能实时反映供应链的真实状态，是这套系统成功与否的核心指标。
1.3 千亿规模下，传统平台架构为什么顶不住
在谈云架构之前，有必要算一笔账。千亿级的医药流通规模，意味着每天产生的订单量、库存流水、温湿度记录、运输轨迹数据，都是以亿为单位增长的。我们项目上线稳定后，峰值时段每秒要处理超过1.2万条库存变更事件，每天的明细数据新增量在8亿条左右。
传统单体架构在这个数据量级下会立刻崩溃。我们在早期试点时做过一次压测，用原来的单体ERP数据库扛每秒3000的并发查询，数据库CPU直接飙到98%，查询响应时间从200毫秒涨到12秒。页面几乎处于不可用状态。
这个现实逼迫我们必须做整体架构升级。不是优化某一个模块，而是从底层开始，把整个平台重构成基于云原生架构的分布式体系。“数字底座”这个概念，就是在这个背景下被我们反复强调的——它不是一个系统，而是一整套承载业务、数据、算法的基础设施，上面跑的所有业务应用都依赖这层底座的稳定性。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. “一张网”的架构蓝图：数字底座到底长什么样
2.1 整体分层：从接入到决策的五层设计
我们最终落地的架构，可以分成五个层次，每一层各司其职，就像城市的水电气网一样，业务应用只需要关注自己的逻辑，不用关心底层资源怎么调度。
最下面是IaaS层，直接使用云厂商的计算、存储、网络资源。我们没有自建机房，这是基于成本和