编者按：今年7月，商务部等9部门联合发布《关于加快零售业创新发展的意见》，明确提出推广“人工智能+”，拓展智能导购、低空配送、无人售货等场景。

政策信号清晰而强烈：中国零售业正站在一个由AI技术驱动的转型关口。从水果店采购员借助AI在数十个维度中决策，到商场实现7×24小时AI自动巡检，再到县城超市用“日间人工+夜间智守”模式突破成本瓶颈，这些正在发生的变化指向同一个趋势——AI对零售业的改变，已经从概念探讨进入价值兑现。

聚焦这一热点议题，国际商报记者采访了多家企业与协会，试图梳理这场变革的当下与未来。

零售+AI：从“盆景”到“风景”有多远？

昨天卖出多少？天气情况如何？有没有开展促销？一家水果店的采购员，过去大多是从三五个维度凭经验订货。如今，在AI的助力下，其考量维度扩展到几十个：周边活动、商圈客流、社交媒体热度、历史同期数据……

一座商场的物业管理者，过去派出巡逻队一层层巡查。如今，摄像头7×24小时全场景覆盖，发现烟头自动派单给保洁，处理完毕系统自动回看确认。

一个县城超市的老板，过去会为店面24小时营业的人力成本而发愁。如今，“日间人工+夜间智守”模式让夜间无人值守成为现实，每月省下约60万元的人力成本。

这是AI改变零售业的三个切片，共同指向一个趋势：人工智能对零售业的重塑，正在从概念走进现实。

头部企业的AI落地实践

中国连锁经营协会与德勤联合发布的《生成式人工智能零售业全景观察白皮书（2025）》描绘了行业现状：63.8%的企业已有零散应用，但能实现体系化运行的仅占10.3%——盆景多，风景少。

对此，中国连锁经营协会副秘书长田芮丰在接受国际商报记者采访时直言：“这些数据是好现象，说明人们在摸索，没有盲从。”在他看来，AI技术本身仍在高速迭代，充满不确定性，落地到零售行业更需时间。

尽管如此，过去三年中国零售业在AI应用上的变化仍然是显著的。田芮丰观察到，在协会连续三年发布的白皮书中，关注点已从“技术趋势”转向“一线应用”。“所有应用都是新鲜出炉的，都是摸着石头过河，国内的发展应用速度甚至不比国外慢。”田芮丰说，“但有一点越来越清晰：AI在提升效率、打通数据、减少重复性工作上效果显著。”

今年5月，银泰商业发布MOS-AI——国内零售行业首个实现“感知—决策—执行”全链路闭环的AI智能体，试图打破规模化、精细化和成本控制之间的“不可能三角”。

据银泰商业集团首席技术官熊超介绍，MOS-AI的感知端在严格保护顾客隐私的前提下进行去标识化的客流统计与行为趋势分析，将线下“暗数据”转化为可计算的“明数据”。作为银泰商业集团旗下的一家科技公司，深象智能所有视觉能力均严格遵循相关法规，以“非识别、不存储、仅分析”为原则，确保合规。决策端负责经营分析、归因推理与决策支持，将数据转化为可执行的经营策略。执行端具备多步任务自动编排与自主执行能力。每一次AI执行任务后产生的经营数据和效果反馈，都会实时回流至系统，成为下一轮决策优化的依据。

多点数智则从另一个维度切入。2025年12月，多点发布Dmall　OS　3.X系统，推出覆盖AI优品、AI补货、AI定价等场景的十大AI应用矩阵。今年，多点从“零售数字化解决方案提供商”向“零售AI智能体提供商”跃进，构建商品、门店、数据洞察三大智能体集群。

多点联合创始人兼总裁张峰以生鲜品类经理岗位为例阐释这种变化：传统经营模式下，经理凭经验看销售数据，手动计算订货量，靠人工发现临期商品，损耗往往到月底盘点才知晓。AI模式下，补货、鲜算、定价全链路被AI替代。“零售需要的不是更多系统，而是能思考、会决策、可执行的AI智能专家。”

百果园同样跑出了加速度，已建成企业级AI中台，覆盖“种植—采后—仓储—门店—会员”全链路数据。智能订货系统覆盖全部门店，从人工逐个核对变为智能建议，订货逻辑从“经验+销量”升级为融合经营角色、门店特征、顾客偏好的多维决策。AI门店运营诊断系统扫描18项指标，自动输出“经营亮点+问题定位+根因剖析”的结构化报告。智能客服使人力成本下降44%、远程智能巡店效率提升5倍。

从“认知闭环”到“动作闭环”

AI带来的不只是效率提升，还有岗位角色和组织架构的深层变化。

银泰百货内部提出了“一人公司”（OPC）模式。在内容运营场景中，AI负责选题、文案、配图、审核，一个运营人员可以同时管理多个账号。在品牌拉新场景中，店长只需发一句自然语言指令“帮我出一个某品牌专柜的拉新方案”，几分钟内就能拿到包含返券面额、预算、ROI预估的完整方案。

熊超描述了店长工作方式的转变：过去，店长一早翻看报表，凭经验研判问题，开会拉群反复沟通，历经多个环节才能把调整动作落地。应用MOS-AI后，每天早上9点系统自动推送“销售业绩波动最大的专柜TOP5”，并诊断原因、生成方案，店长只需判断哪个方案可行，确认后一键执行即可。“店长的角色从‘事事亲力亲为的执行者’变成了‘AI方案的决策者和指挥官’。”

在田芮丰看来，AI带来的不是单个部门和岗位被改变，而是低质量、容易被复制的岗位被替代。他同时强调，AI不会抹平差异，反而会放大差异。“每一个超市的模式、优先级、文化都不一样，企业应训练符合自身特点的AI　Agent。未来，随着AI应用的不断深入、数据的不断投喂，企业在AI应用上的微小差异产生的实际效果可能天差地别。”

田芮丰认为，未来基础部门应用比例会越来越高，业务部门同样如此。随着AI应用的普及，需要执行的事情也会更多，从中衍生出新的岗位和新的模式。

展望未来3～5年，张峰认为最具想象力的突破在于两个方向：一是多智能体协同进化。当前AI应用更多是单点优化，未来的突破在于商品智能体、门店智能体、数据洞察智能体在大模型统筹下形成自主经营闭环，AI能够理解经营目标、拆解任务、调度资源、执行动作、跟踪结果、持续优化，真正实现“零售自治”。

二是具身智能落地。当前AI更多停留在“看见问题、给出建议”的阶段，具身智能要做的是“把问题解决掉”——在门店理货、补货、盘点、清洁，以及仓储分拣、运输等场景实现真正的无人化运营。

中小零售AI初体验：先找问题，再找模型

资金有限，人才匮乏……当头部企业用AI重构经营逻辑时，各种问题叠加，令大量中小零售企业徘徊在AI的门槛之外。面对AI，它们既怕错过又怕试错。

“三年前，我们建议企业谨慎投入；今年改为建议企业适度投入。”田芮丰表示，这一调整背后，是过去三年中国零售业从概念到落地的AI探索实践，也是行业认知不断沉淀的结果。

“AI投入不是为了追赶风口”

面对琳琅满目的AI技术和层出不穷的大模型，中小零售企业的第一步该怎么走？百果园集团副总裁兼集团首席信息官王筱东给出的建议很明确：先找问题，再找模型。“AI投入不是为了追赶风口，而是用对的技术解决真实的问题。企业不应被‘最新模型’带着走。”他对国际商报记者表示。

王筱东建议零售企业优先关注两类场景：一类是高维复杂、人脑难以胜任的决策问题，如销量预测、智能订补货、经营诊断等；另一类是高频重复、人力较难解决的效率问题，如知识检索、代码生成、内容创作等。两类场景对应的技术路径也各不相同——决策类场景通常更需要以传统机器学习小模型为主、大模型加以辅助，以保证准确、稳定和可解释；效率类场景则可更多依托大模型和智能体。

“企业不必一开始就全面铺开，可以选择一个数据可得、流程稳定、责任清晰的场景进行小规模试点，用实际业务指标验证价值后再扩大投入。”王筱东说。

田芮丰也持相似观点。在他看来，AI对零售企业的价值主要体现在两个维度：一是提升效率，作为智能检索和自动化工具使用。二是决策支持，对数据进行分析预测，辅助使用者作出经营判断。无论从哪个维度切入，关键是找到与企业自身业务最匹配的起点。

“用得起、用得好”的可行性路径

方向明确了，接下来的可行性路径有哪些？

张峰指出，中小企业受资金和IT人才约束，转型核心诉求是低成本、易上手、见效快。

针对这一现实，多点的策略是将能力SaaS化。“基础通用能力由多家企业共享，就像水、电、煤气一样共担基础建设费用，大幅降低前期一次性投入。”张峰说，多点拥有千人研发团队，持续更新和维护系统，中小零售企业接入后即可获得与行业头部企业同等的运营能力。

在服务中小零售企业的过程中，张峰观察到，企业内部运营效率的重要性与线上获客能力等量齐观。“零售企业生存的根基是供应链效率、库存周转、损耗控制、人力成本，这些都是内部运营范畴。线上获客如果没有高效的内部运营支撑，反而会因履约能力不足、库存不准而使客户体验受损。”多点的智能补货、智能陈列、AI防损等模块，正是把资深店长和采购的经验转化为可复制的系统能力。

具体到落地环节，如何避免AI投入“打水漂”？王筱东列出了项目启动前必须明确的五件事：解决谁的什么问题，当前业务基线是多少，上线后用什么指标判断有效，AI出错后由谁复核和承担责任，数据和持续迭代由谁负责。

王筱东提醒企业警惕几个常见误区：一是“模型先行”，先买模型、建平台，再去找场景。二是把大模型当成万能工具。三是把数字员工简单理解为替代岗位，没有先拆解职责和重构流程。四是只完成演示，未接入真实业务系统。五是认为模型上线即可，缺少持续监控和复盘。“真正有效的AI项目不是一次性部署，而是让技术、业务流程、管理制度和评价指标共同形成闭环。”

头部企业的AI成功案例能否成为中小企业的“参考书”？田芮丰表示，“协会目前也在挖掘应用场景，论证可行的，鼓励企业持续深耕；没有论证过的，企业可以保持谨慎态度”。

“别的公司做出了成功案例，并不意味着自己的公司就可行。每个公司的模式、优先级、团队对AI的理解都有差异，中小企业可以借鉴，但不建议全盘复制。”田芮丰建议，中小零售企业可以先从“小模型”切入，打造符合自身需求的智能体，也可寻求专业服务商进行合作。

记者手记

零售+AI：热潮与现实之间

“你知道吗，世界上有超过80%的人从未接触过AI。”田芮丰在访谈中说出这句话时，笔者愣了两秒。数天过去了，这句话仍在笔者脑海中时不时地浮现。

笔者已经生活在一个被AI包围的世界里：手机里装着三个大模型App；同行聚在一起，三句话不离“AI会不会取代我们”；参加的每场会议都在讨论AI，相关的政策也在鼓励发展AI。笔者理所当然地以为——全世界都在同一条起跑线上。

可那80%的数据不是受访者随口说的。微软旗下智库今年5月发布的报告也印证了这一点：今年一季度，全球劳动年龄人口中生成式AI使用率从16.3%升至17.8%，只涨了1.5个百分点。八成以上的人，依然站在AI的“门外”。

回看零售业，这个数字是不是同样适用？

过去几天，笔者采访了数家零售企业。作为应用AI的“优等生”，他们展示了一个“零售+AI”的新世界：银泰商业用MOS-AI一年省下千万元电费；多点把生鲜采购从三五个考量维度扩展到几十个；物美一家门店的日销售额从20万元涨到50余万元。这些企业借助席卷而来的AI浪潮阔步奔跑。

耀眼的成绩单几乎让笔者遗忘了另一个世界。在那个世界里，大量中小零售企业连数字化系统都没配备齐全，对AI的认知仅停留在“听过这个词”，更谈不上应用。中国连锁经营协会与德勤联合发布的白皮书显示，63.8%的企业已有零散应用，但能实现体系化运行的仅占10.3%。

即便如此，这个数据仍不能反映行业全貌。田芮丰坦言：“我们的调研对象大多是零售业的头部企业，大量的中小企业并不在统计范围内。”换言之，AI在零售业的渗透率，可能比白皮书里呈现的还要低。

同一行业，冰火两重天。

三年前ChatGPT刚面世时，很多零售企业都持观望态度，“看看再说”。如今，中国连锁经营协会把年度建议从“谨慎投入”改成了“适度投入”。从“要不要用”到“怎么用好”，用了不到三个商业年度。AI扩散的速度比我们想象中慢，但也比我们想象中坚定。

田芮丰还说了另外一句话，比那80%的数据更有分量——“未来是熟练用AI的人替代不用AI的人，而不是AI替代人。”

这句话对个人适用，对企业同样适用。工具从不会主动淘汰人，淘汰人的是拒绝使用更高效工具的习惯。马车夫没有被汽车淘汰，拒绝学开车的马车夫被淘汰了。发生在今天的故事，没有任何不同。

AI不会一夜之间改变世界，但它会在每一个具体的岗位上、每一家具体的零售企业里，悄悄拉开“会用”和“不会用”之间的距离。一两天看不出差距，一两个季度过后，报表上的数字自会说话。

门里门外，终将殊途。区别只在于：是被动等着浪潮打过来，还是主动走过去，蹚出一条路来。