18万台货柜的AI大脑，为何接入千问大模型

凌晨两点，写字楼里最后一台智能柜补货完毕。没人知道这台机器今天做了多少次决策——该补什么、补多少、何时补货、怎么定价。这些过去需要区域经理开会讨论的事，现在由一个AI智能体在毫秒间完成。

丰e足食管着18万台这样的柜子，分布在全国84个城市。2026年4月，这家公司做了一个决定：把自家研发的"星途智航"智能体，接入阿里云的千问大模型。

这不是简单的技术升级。丰e足食CEO单新宁的算盘很清楚——自研AI已经让经营门槛降到月销300元就能存活，但想再进一步，需要借外力。

从"能跑"到"更聪明"：一场关于边际效益的谈判

丰e足食不是AI新手。2023年到2025年，这家公司砸了近2亿元做研发，核心成果就是"星途智航（FLOW Pilot）"智能体。

这个系统的运作方式很直接：24小时不间断分析全网络实时数据，基于每个点位的需求预测，靠自研算法和近百个决策模型，每天做出上亿次运营决策。人工干预？每天大概4000次，集中在客户主动申请调整的场景。

单新宁给这个数字打了个比方——智能化水平接近"L4级自动驾驶"。

效果是真实的。过去三年，经营门槛从"必须月销大几千才能回本"被打到"月均1000元、最低300元也能跑"。这意味着大量微型场景突然变得经济可行：工厂角落、小型园区、偏远站点。丰e足食从"抢优质点位"的红海，摸到了"深耕小微场景"的蓝海。

但单新宁在签约现场说得很坦诚：自研有天花板。千问大模型在多模态理解、跨行业知识迁移上的能力，"在整个AI领域都是领先的"。

具体来说，丰e足食想要三样东西：订单识别和效期管理的质量检核能力升级、C端零售交互体验优化，以及一套可复制的AI大模型企业级工程化方案。

阿里云公共云事业部副总裁张翅的回应 equally 直接："星途智航"接入千问后，要打通数据接入层、工具接口层，与多个子智能体协同运营，"进一步提升整体决策智能水平"。

阿里云的真实意图：找一个"够疼"的场景

阿里云不缺客户。但张翅解释为什么选择无人零售时，用了一个很重的词——"真正办成事"。

翻译过来：大模型不能只在云端生成文本，得深度参与实体行业的链路交互，提供决策分析服务。无人零售是个绝佳试验场——它连接线上算法与线下实体（货柜、商品、用户），高频、高并发、强实时、多模态数据交织。

更关键的是数据质量。18万台货柜每天产生的"物理世界"多模态数据，对训练大模型理解真实世界规律、提升推理能力，"具有不可替代的价值"。

这不是阿里云第一次谈"物理世界AI"，但丰e足食可能是第一个能提供如此规模真实运营数据的合作伙伴。

张翅的野心不止于此。他在现场画了一张更大的图：把丰e足食打磨出的方案，复制到零售商超、无人值守门店、甚至无人店。视觉识别、操作规范检核、库存管理、供应链优化——这些需求在餐饮、物流、制造行业高度共性，"具备规模化商业价值"。

说白了，丰e足食是块磨刀石。磨出来的刀，要卖给更多人。

无人零售AI的三座大山：为什么这事难做

业内人士点出了这次合作的深层意义：验证"云+AI"在实体经济的闭环能力，观察大模型从"辅助生成"走向"实体办事"的跃迁。

但跃迁不容易。无人零售是典型的"原子世界"业务，技术落地面临三个硬约束：

第一，"幻觉"容忍度极低。大模型错误识别商品导致扣款错误，是真金白银的损失，加上消费者信任崩塌。零售支付对准确率和稳定性的要求，远高于内容生成类应用。

第二，多模态数据的异构性与实时性矛盾。货柜要同时处理视频、图片、语音、交易流水、库存信号，数据格式不统一，但决策必须毫秒级响应。

第三，长尾场景与动态环境的适应周期长。中国零售的特殊性——动态促销机制、即时配送协同、下沉市场消费特征、合规监管要求——让通用模型经常"水土不服"。

丰e足食CTO蔡亮透露，技术团队正在集中攻克"中间策略崩坏、记忆丢失"等问题，深度消化交易数据、用户行为、库存波动、供应链延迟等多维信息。千问大模型的价值，在于其"针对商业环境积累的跨行业深度案例"，以及长对话、长文本处理能力。

一场关于标准的话语权之争

合作还有一层更隐蔽的博弈：评测标准。

目前全球主流的Vending Bench评测体系，基于仿真环境搭建。消费习惯、供应链规则、定价逻辑都是仿真数据，与真实零售运营存在显著差异。

国内的动态促销机制、即时配送协同、下沉市场特征、合规监管要求——这些核心变量在现有基准中完全缺失。结果是：评测结果无法真实反映AI在国内业务的落地能力，企业也难以用这套体系筛选适配方案。

张翅在现场宣布，阿里云将与丰e足食合作，"依托18万台真实货柜的运营数据，共同构建一整套评测和应用大模型智能体的新标准体系"。

覆盖范围包括：履约检核、消费者营销互动，未来还将深入探索智能决策安全、长周期连续决策等领域。

这套标准的特殊性在于，它是"行业首个由企业真实业务数据驱动的评测体系和应用范式"。张翅的定位很清晰：成为"衡量大模型商业落地价值的核心标尺"，推动AI从实验室性能向实际经营能力跨越。

换句话说，谁定义了"好AI"的标准，谁就掌握了行业话语权。

18万台货柜的下一步

单新宁对合作的期待很务实："背靠阿里云优质的AI大模型，既能收获事半功倍的效果，也能为从业者带来更多灵感。"

他补了一句判断："AI技术对企业经营效率提升仍有巨大空间，实体行业可以基于业务深度理解，深入探索AI的应用。"

张翅的回应 equally 务实：未来解决方案将辐射至更多行业痛点，"这些需求在餐饮、物流、制造等行业具有高度共性"。

一个做货柜的，一个卖算力的，在2026年春天达成了一个共识：AI要赚钱，得先学会在真实世界里不犯错、能决策、可规模。

至于18万台货柜能不能教会千问大模型"中国货柜怎么赚钱"，答案大概藏在某个凌晨两点的补货决策里——那时候，人类都睡了，机器还在算账。