零售的每个场景都值得被AI重做一遍

如果说旧实体商业结构性困境是一场冬天的雪，那AI技术的突破和应用就像春天的雨，让实体商业生机勃勃。

8月22日，由企业微信/天虹/灵智数科主办，中购联联合举办的「零售数智增长创新峰会」在腾讯滨海大厦成功举办。

活动现场，企业微信、天虹数科、百果园、键合集团、中免集团分享了最新的数字化实践，从结果来看，第一波拥抱AI企业已经收获红利。

AI对零售的引力，绝不是技术上“哇塞式”的吸引力那么简单。

实体商业深层次的调改，需要借助技术进行赋能；而AI同样需要与业务场景进行融合实现技术在现实价值的兑现。

两者是恰好的相互需要。这是相信的基础。

首先，AI技术的发展称得上「很争气」,例如

·腾讯混元大模型、OpenAI、DeepSeek等通用大模型迭代迅速，语义识别、推理能力持续升级，成本降低……

·CLIP等多模态模型通过大规模图像－文本对的对比学习，在商超场景下，将视觉上的商品特征与文本标签对应起来，帮助机器人准确识别出歧义商品。

·Galbot机器人凭借GroceryVLA大模型的支持，在1:1还原的真实商超场景下自主完成了从接收指令到移动到目标商品，再抓取商品后送到顾客手中的整个过程。全程无需远程遥控，不依赖于事先采集的场景数据。

持续的技术升级，让零售人对AI的信心，从观望直接升级「Max」最大。

当然，信心不是空穴来风，零售场景的实际应用成效也是我们看好未来的原因。

企业微信最新版本能力于零售场景的融合，就是一个有力证明。

借助AI能力，企微多维表格系统实现更加智能化的编辑，一个简单指令（例如插入函数）就可以轻松实现复杂计算并生成可视化表格，极度适配商业中心报数、营销任务统计等场景，在提升上下游协同效率的同时还可以实现数据表个性化展示，保护数据安全……

天虹AI+零售的实践成功案例同样具有代表性。其子公司自研的"百灵鸟大模型"基于内部脱敏数据与行业外部公开数据训练，已上线20+场景应用。

其中AI拍小票积分识别率达98%、AI导购的在顾客端服务已覆盖线上线下多元场景，顾客满意度提升30%。

从技术应用突破开始，AI+零售的前景就已经被点亮，这是一个拥有无限可能的时代。

有商家说，我的预算有限，做AI+零售的方案搭建是不是成本很高？

这种疑虑的背后，本质上是：到底怎么干的问题。

先说结果：从嘉宾的分享来看，与业务的结合，重点是将AI的核心能力「算力、推理」与零售业务核心需求进行融合，具体来说有2个典型核心场景

01、基于已有数据的学习对当下业务场景的AI赋能;

02：基于数据对未来业务的预测.

从具体实践案例上看，企业微信行业拓展中心总经理陆昊的分享提供了很好的参考：

新版本企业微信内置了智能总结AI+的能力，企微用户可以通过指令：“帮我生成工作周报”、“查看项目进度”等，让AI自动整理并生成对应的文本。

企微将“AI对数据的全盘记忆”、“强大分析总结能力”的技术能力与业务场景的融合创新，本质上就是对已有数据的分析赋能当下的业务，将数据价值转化为业务价值。

天虹在AI+零售的布局就是可以参考的答案。除了技术上值得称赞之外，天虹背后的运营逻辑也很重要。我们将天虹数科助理总经理徐灵娜的分享总结如下：

01、数据分析赋能决策：例如AI导购通过学习分析以往的商品数据、顾客画像，为顾客在最短时间内匹配最佳商品；AI问数，通过同步后台数据，帮助经营者快速挖掘关键指标信息、辅助决策。

02：数据分析预测未来趋势：例如创立地图通过分析品牌商的经营数据，可以对未来可能出现的风险进行预测和报警；智能排班可以通过对历史用工数据，对未来某一时段内用工人数需求进行预测，实现智能化排班。

全局来看，天虹融合AI强大数据处理能力，聚焦对当下业务赋能、未来业务预测2个核心场景。从容易的场景做起，逐渐向高复杂场景拓展，是一种很好的落地思路。

有了前期的思路、成功经验的铺垫，AI+零售的实际应用空间被打开。

我们有理由相信，在未来，每个零售场景都值得被重新做一遍。

以下：通过人、货、场三个维度进行举例。

人的维度：从被动推荐到主动选择。

8月，以天虹超市深圳坂田店为样本，天虹X华为联合打造了智慧门店样板点，以AI导购为能力，连接碰一碰、导视屏等线下场景交互，提升购物体验。

当前天虹AI小天导购智能体已经覆盖了30多个场景触点。例如到店前利用AI导购进行商品搜索、到店时借助AI导视屏进行门店导航、离店时通过AI导购使用积分支付停车费等

过去的数字化方案，导购通过会员标签进行推荐，会员系统通过会员消费行为进行推荐，本质上是商家主动。

但是顾客的行为需求是变化的。现在通过与AI交互，导购把决策过程还给顾客，比如顾客通过AI导购主动搜索、对比、探索学习，去找到适合自己当下需求的商品或服务，是一个主动的过程。

从顾客角度，这一应用让顾客购物旅程从"被动接受"转变为"主动获取"。

货的维度：商品采购从经验引领到数据决策。

商品流通涉及上下游场景，我们从上下游的链路进行分析。

在后台协同场景：企业微信通过“快速生成报告指令”让AI快速分析企业与多个上游供应商历史对话，轻松洞察采购项目进展，让“采购决策透明化”，有利于商品采销的健康有序发展。

中台分析场景：天虹通过AI能力实时分析市场趋势、天气数据、社交媒体舆情等，可以实现供应链的动态优化。电子价签管理系统可随时调整特促产品的价格，货柜上商品的价格随即同步变更。

健合集团则通过ERP系统与AI辅助来管理其跨境供应链，以应对长链条、多环节带来的库存积压、物流延迟甚至断供风险。实现了采购流程的数字化、自动化和智能化，降低采购成本。

前台场景：百果园将AI视觉识别技术应用于果品智能分拣和动态排产，提升了巡检效率。他们的智能订货系统能预测订货数据，减少人工测算失误带来的损失，保障果品鲜度，并能自动为高库存果品调整陈列位置、设置活动推广，减少门店损耗。

由此可见，AI+数据正在加速商品进化。

场的维度：从经验决策到数字化精细运营

AI正在加速提升零售企业在不同场景的精细化运营能力。

例如健合集团业务覆盖全球16个市场，业务场景注重全球协同和本地化策略的结合，借助企微AI的数据洞察能力，实现数据驱动的精细化管理。

同样，借助洞察能力的提升，百果园的私域运营系统能精准洞察消费偏好，从而驱动复购，带来了15%的会员复购增长。

而这些的背后，得益于企微新版本全局信息检索能力的增强。即：从搜索后的片段结果，升级为基于知识库的精准分析。并且还可以根据搜索关键词，支持对话内容与文档的自动摘要提炼，提升信息处理效率。

在商业空间管理方面，天虹创利地图通过数字孪生技术，实现空间经营要素在线化呈现，让实体空间经营实现可计算、可分析的蜕变。

根据创利地图实时经营数据反馈，管理者就可以实现对品牌经营数据的实时跟踪与风险预测，为营运管理提供数据决策。

以上都是从依靠人的经验升级为数据决策的典型场景。

从大模型到小场景落地应用，AI与零售的结合正在加速实体商业“业务重构”，推动"流量内卷"推向"价值深耕"。

未来，零售的竞争将不再是简单的价格战或流量争夺，而是谁能拥抱AI更精准地理解用户需求、更智能地优化供应链、更沉浸地构建购物场景。

技术突破，扣人心弦。但零售与AI的结合，更像是“润物细无声的实践”。

新的变化如同春天里的小雨，在零售上下游场景润物细无声地开始“融合、发生、蜕变”。

每个场景都值得被AI重做一遍——这不仅是技术宣言，也是零售人对未来的坚定信念。