桥梁﹒纽带﹒汇集﹒分享
时间：2026-07-06 13:31
零售业从来不缺少信息。每一笔交易、每一条库存记录、每一次客户咨询，数据一直都在那里。但过去，从"信息存在"到"信息被有效利用"之间，隔着一道巨大的鸿沟：人的分析能力。一个资深采购员能看懂数据背后的趋势，一个经验丰富的门店经理能从客诉中嗅到问题，一个老练的供应链总监能凭直觉调优配送路线。这些能力极其稀缺，也极其昂贵。
AI 的本质意义，正是打通了这条鸿沟。它不是简单地"帮人干活"，而是从根本上改变了信息与人之间的生产关系：过去是"信息存在→人分析→人判断→人执行"，现在变成了"信息存在→AI分析→人判断→人执行"。中间那个最耗脑力、最依赖经验的环节，被AI接管了。
这就是为什么2025年以来，全球头部零售商在AI应用上呈现出一种共识性的加速——不是因为技术突然成熟了，而是因为他们发现，AI真正改变的不是某个环节的效率，而是整个组织中信息流动和决策的方式。
本文综合了近期全球零售业的多个AI实践案例，试图从这些具体场景中提炼出一些规律性的判断，供中国零售同仁参考。
一、采购环节：AI 接管了"分析"，人专注"判断"
传统的采购工作，表面上看是"跟供应商打交道"，实际上大部分时间花在了信息处理上——分析销售数据、比对供应商报价、核算成本结构、评估库存风险。一个有经验的采购员，核心价值不在于发几封邮件、谈几次价格，而在于能从海量数据中识别出"什么时候该买、买多少、跟谁买、什么价位"。
现在，AI正在接管这个"从数据到洞察"的环节。
沃尔玛已采用第三方AI公司的自主谈判智能体，与数千家尾部供应商就付款账期进行延期谈判，实现了约1.5%的平均成本节省和额外35天的账期浮动。与此同时，一批专注于零售采购AI的科技公司正在涌现：有的开发了"数字员工"系统，采购员可以在网络会议和邮件中直接与AI智能体交互，由AI智能体代表公司与供应商进行价格谈判和合同条款协商；有的则专注于自动化供应商报价处理——AI智能体读取供应商发来的价格变动邮件，自动分析原材料成本、制造成本、人工费率、运输和包装成本，计算出合理采购价格区间，然后代表零售商做出接受或拒绝的决策。
Target的"趋势智能平台"则从消费端入手，处理视觉和文字趋势数据，为自有品牌的选品决策提供洞察。
这些系统的共同特征是：AI智能体完成了从信息到建议的全链路，人只需要做最后的判断和决策。 当供应商情绪激动或拒绝了过多提案时，AI会通知采购人员介入。使用AI智能体的员工得到的共识是：信任建立后，人类仍然在流程中，但可以从"全程参与"变成"关键节点介入"。
这不是效率提升，这是角色重塑——采购员从"信息分析者"变成了"决策判断者"。
二、门店与消费者：信息不对称正在被AI消除
零售业的一个长期存在的一个问题是信息不对称：商家不知道顾客真正想要什么，顾客不知道自己有哪些选择。过去弥合这个鸿沟的方式是"更多的人"——更多的导购、更多的客服、更多的设计师。AI带来的变化是，信息处理和匹配的工作可以由机器完成，而且做得更快、更准。
家得宝：用AI重建顾客服务体验
家得宝（Home Depot）是当前零售业AI落地业界可借鉴的案例之一，2025年3月他们上线了AI购物助理"Magic Apron"（魔力围裙）。
这个AI助手解决的是一个零售业的老问题：顾客带着模糊的需求走进门店，却找不到能准确回答的人。过去，一个顾客想装修卫生间，他需要找到懂行的员工，描述需求，然后等这个员工在脑海中从上万种产品里检索出合适的组合方案。这个过程高度依赖员工个人的经验和精力，高峰期根本排不上队。
“魔力围裙”基于家得宝全量产品数据训练，能在几秒内完成产品咨询、用户评价总结、搭配方案推荐等信息匹配工作。顾客不再需要"找人问"，而是直接"问AI"。
但这个过程并非一帆风顺。上线后，普通消费者很喜欢这个工具，但专业承包商——也就是那些靠家装吃饭的长期客户——却很反感。原因在于：AI助手在向这些专业用户了解需求时，提出的问题过于基础，像是在跟外行打交道，让对方觉得自己的专业经验被轻视了。家得宝不得不重新训练模型，让它能够识别不同类型的客户并提供差异化的交互体验。
这个教训很受启发：AI替代的不是人，而是信息匹配中的低效环节。 但如果这个环节做得不够好，用户照样不买账。
目前，家得宝正在将“魔力围裙”的员工版推广到门店员工的智能手机上，让员工也能随时调用AI辅助服务。同时，家得宝已明确所有AI投资必须挂钩三大核心：支撑门店商品运营、打通线上线下零售生态、服务好专业客户。
Gap：AI让消费者自己做"选品决策"
快时尚巨头Gap与Google Gemini合作推出AI购物助手，帮助消费者找到合适的产品、确认尺码、发现新品。同时与第三方供应链软件商合作，推进产品可追溯性和数据采集。
Gap CEO Richard Dickson的表述很精准："我们是一家以品牌为主导、以智能为动力的时尚公司。品牌通过执行振兴计划创造需求，而数据和AI赋能我们的团队做出更具一致性和效率的决策。"Gap整体可比销售额已实现连续第九个季度增长2%。
这里的本质变化是：过去消费者需要自己完成"浏览→比较→筛选→决策"的信息处理链条，现在AI助理把前三个环节自动化了，消费者只需要做最后的判断。信息处理成本的大幅降低，直接转化为决策效率的提升。
宜家：从"卖产品"到"卖方案"
宜家推出了AI结合“光探测与测距”技术，对房间进行扫描的全新设计服务。消费者只需用手机扫描房间，AI就能结合风格、颜色和预算偏好，生成四五个设计方案供选择、修改和迭代。过去需要一名专业设计师花费6小时、客户每次花费约70欧元的设计服务，现在缩短到每个房间每名员工约30分钟。
宜家总部首席数字官在接受麦肯锡采访时，这样描述这个变化背后的本质转变："过去，客户来到我们的网站，明确知道自己想要一张沙发或一张餐桌。但如今，意图正在改变。客户在说：'帮我设计我的客厅。帮我打造我在家的生活方式。'"
这个案例的意义不在于"省了时间"，而在于它改变了零售服务的本质：从卖单品变成卖解决方案。过去，只有少数付得起设计费的客户才能享受这种服务；现在，AI把信息处理和方案生成的成本降到了接近零，让每个消费者都能获得个性化的空间方案。这是生产关系变化带来的服务民主化。
三、供应链与运营：AI重塑供应链——从经验驱动到算法驱动
供应链是零售业信息密度最高的领域。每一笔订单背后都关联着库存、物流、时效、成本、客户预期等多维变量。过去，优化这些变量靠的是人的经验，一个老练的供应链总监能凭直觉判断哪些订单该走哪条线路、哪个仓库该优先发货。这种经验极其宝贵，但也极其有限，一个人的认知带宽终究无法处理数百万个变量的实时组合。
家得宝：回溯百万数据点的"订单智能"
家得宝的"订单智能"系统回溯过往配送的数百万数据点，评估每一单的风险评分。它考虑的细节包括：收货地址是否需要门禁密码？是否位于蜿蜒窄路上（22英尺的配送车比36英尺的更合适）？系统能主动联系顾客处理潜在问题，并提供更准确的配送时间。
这里的本质改变是：过去这些"经验判断"只存在于老司机和老调度员的脑子里，现在AI把它们变成了可复制、可扩展的系统能力。
宜家：400个履约点的算法调度
宜家在全球拥有超过400个履约和发货点，每天处理海量订单从仓库到消费者手中的流转。面对如此复杂的物流网络，传统做法是靠调度员经验判断"这笔订单从哪个仓发货最快、走哪条线路最省成本"。
现在，宜家利用带权重的AI算法，综合考量库存位置、运输成本、配送时效和碳排放等多维变量，自动为每笔订单计算最优履约路线。这套系统显著改善了运输和物流方面的成本比率，让供应链决策从"凭经验拍脑袋"变成"数据驱动的最优解"。
Best Buy：数字孪生重塑物流网络
百思买（Best Buy）在供应链端做了一件很有想象力的事——为整个物流网络构建了数字孪生。这个虚拟副本让团队可以在不触碰实体仓库和配送路线的情况下，模拟不同的配送方案，找到成本最低、效率最高的布局。结果是：库存投资减少了，吞吐量反而提升了。
更值得关注的是其"数据驱动采购"系统。百思买内部称之为"青少年AI"（adolescent AI），意思是它还不够成熟到完全自主，但已经能大幅增强人的判断。这个系统实时评估配送节点、承运商绩效和服务成本，为每笔订单计算最优配送路径。配合这套系统，百思买60%的在线订单能在一天内送达。
这里的本质是：AI不是替代了物流团队，而是把过去只存在于少数资深调度员脑中的经验，变成了可复制、可迭代的系统能力。
四、智能体商务：零售业的新战场
如果说前面的案例是AI在"企业内部"改变信息和人的关系，那么智能体商务（Agentic Commerce）则是在"消费者端"重塑同样的关系。
谷歌Universal Cart：一个购物车装下整个互联网
2026年Google I/O大会上，谷歌正式推出Universal Cart（通用购物车），打通了谷歌搜索、Gemini、YouTube、Gmail四大场景，消费者可以在任何一个场景中一键加购。首批接入的零售商包括沃尔玛、Target、耐克、丝芙兰、Ulta Beauty、Wayfair，同时接入Shopify平台旗下的大量中小商户。
Universal Cart的核心能力包括：
• 全场景加购：搜索页、AI对话、YouTube视频、Gmail邮件，"所见即加购"
• 智能价格监测：自动追踪降价和优惠，整合历史价格数据
• 兼容性校验：当购物车内的商品存在搭配冲突时，AI主动预警并推荐替代方案
• 权益整合：自动同步零售商会员体系、优惠券、银行卡权益
• 双模式结算：可直接通过Google Pay结账，也可跳转零售商官网
配合年初发布的通用商务协议（UCP）和智能体支付协议，谷歌搭建了一套完整的AI零售底层标准。UCP免费向全球所有零售商开放，零售商无需额外开发即可接入基础功能，深度合作可解锁无缝结账、会员同步等进阶能力。
五、人：被释放，而非被替代
在所有这些案例中，有一个共性值得注意：AI改变的不是"要不要人"，而是"人做什么"。
Costco："我不认为AI会为Costco做商品选择"
Costco CEO Ron Vachris在芝加哥经济俱乐部的一番话，堪称近期零售业最清醒的AI判断：
"AI对我们公司最大的价值在于辅助性质。它在药房、加油站、会计部门和IT部门都运作得很好，补充了我们的员工和系统。"
"我不认为AI会为Costco做商品选择。我不知道我们是否会从有经验的采购员手中拿走这些权力。"
"我们没有因为AI而裁掉任何人——因为业务在以更快的速度增长。但那些以前做这些任务的员工，现在已经被提升到了更具前瞻性的角色。"
Vachris划出的边界很清晰：AI接管信息处理层的工作（数据分析、流程调度、代码编写），但商品选择、客户关系、战略判断——这些需要经验、直觉和信任的工作，仍然是人的领地。AI让人从"处理信息"中解放出来，去做"运用判断"的工作。
沃尔玛：210万人的"认知升级"
沃尔玛为美国和加拿大210万员工启动了AI培训计划——从总部白领到门店理货员，从叉车司机到面包师，无一例外。培训的核心不是教操作，而是围绕三件事：把AI用顺、判断AI给的结果靠不靠谱、确保最终决定权掌握在人手里。
沃尔玛内部开发的"氛围编码"平台，让一线员工用自然语言就能构建自己的AI应用。蛋糕师做了一个"蛋糕装饰教练"，新员工上传照片就能获得即时反馈；物流经理做了一个"返程路径优化器"，帮司机减少空驶里程。弗纳的态度很明确："想法从哪里来不重要，重要的是，无论最好的想法在哪里，我们都能把它规模化。"
这就是"释放人的能力"的具体含义。 AI接管了know-how（怎么做），人的价值锚点迁移到know-what（该做什么、为什么做）。一位43年工龄的资深员工，不再用AI替她更快地写培训文档，而是让AI帮她重新设计培训方案本身——从"写文档的人"变成了"设计方案的人"。过去六年，沃尔玛员工总数保持稳定，但人均产出大幅提升。AI带来的效率提升没有导向裁员，而是导向了人的升级。
宜家：4万人培训背后的组织逻辑
很多零售商做AI，是技术部门的事情。宜家选择了一条不同的路：先让所有人理解AI，再决定怎么用。
公司已为4万名员工完成了AI素养培训，并在三个国家启动了门店级"AI大使"试点——在每个门店培养一批理解AI、能帮助同事的"种子选手"。宜家首席数字官Parekh的逻辑很务实："一项能力的好坏取决于它的部署和采纳程度。有些人把AI视为机遇，有些人视为威胁。我们的目标是帮助每个人理解AI的价值，而不是让它停留在技术部门的PPT里。"
在落地层面，宜家用一个四象限框架来对AI项目做优先排序，避免"什么都想做却一事无成"：
• 面向客户 × 增长导向：推荐引擎、智能定价、智能体商务——直接拉动营收
• 面向员工 × 增长导向：员工AI工具——让人做得更多更好
• 面向客户 × 成本导向：客户服务自动化——用AI替代重复性客服工作
• 面向员工 × 成本导向：供应链和最后一公里优化——降本增效
这个框架的本质是：每个AI项目上线前，先回答两个问题——它服务谁（客户还是员工）？它的目标是什么（增收还是降本）？答清楚这两个问题，资源该往哪里投、先做什么后做什么，就清楚了。Parekh说得好："成功不在于构建，而在于部署和采纳。"技术本身不是壁垒，让技术真正被用起来才是。
六、本质：AI改变的是信息与人之间的生产关系
回看以上所有案例，如果只用一句话概括AI对零售业的变革，我会说：AI改变了信息与人之间的生产关系。
第一层：从"人分析"到"AI分析"
传统的零售业，信息处理和决策高度依赖人的经验和精力。一个采购员一天能分析几十个SKU，一个门店经理一天能处理几十条客诉，一个供应链调度员一天能优化几十条配送路线。信息就在那里，但人的认知带宽有限，所以大部分信息被浪费了。
AI做的事情，本质上是把"从信息到洞察"这个环节自动化了。AI可以同时在数百万个SKU上运行分析，在几秒内完成过去需要几小时甚至几天的信息处理工作。然后，它把结果——建议、预警、方案——直接呈现给人，让人来做判断和决策。
这就是生产关系的变革。 过去是"信息→人分析→人判断→人执行"，现在是"信息→AI分析→人判断→人执行"。中间那个最耗脑力、最依赖经验、也最不可复制的环节，被AI接管了。
这不是简单的效率提升。效率提升是"做得快了10%"，而生产关系的变革是"原来做不了的事情现在能做了"。宜家的AI设计让每个客户都能获得个性化空间方案，这在人工模式下根本不可能规模化；家得宝的订单智能能处理数百万个配送变量，这是任何人类调度团队都无法企及的；AI采购谈判系统能同时与数千家供应商进行账期博弈，这是任何采购团队的人力都无法覆盖的。
而且，这种变革还带来了一个经常被忽视的效果——信息处理能力的民主化。过去，只有大型零售商才养得起庞大的数据分析团队，才能在每一个品类上配备经验丰富的采购专家。现在，AI把这种分析能力变成了可负担的基础设施。当AI能自动读取供应商报价邮件、核算成本结构、计算合理采购价格区间时，一个中小零售商也能获得接近大企业的信息处理能力。这是AI对零售业竞争格局最深层的影响。
第二层：释放人的能力，激发创造力
生产关系的变革，直接带来一个更深层的结果——人的能力被释放了，人的思维获得了更大的自由空间，创造力因此被激发。
这一点，在上述案例中体现得尤为清晰。
Costco的采购员不再需要花几小时分析数据，而是直接基于AI的分析结果做选品判断。他们的时间被释放出来了，可以用在更有价值的地方——比如去深入了解供应商的新品开发思路，去观察消费者在门店里的真实行为，去思考未来两年的品类战略方向。这些工作不是AI能做的，而是需要人的经验、直觉和创造力。
家得宝的门店员工，以前需要在脑海中检索上万种产品的组合方案来回答顾客问题，现在Magic Apron能在几秒内完成这个匹配。员工的时间被释放出来，可以专注于理解顾客的真实需求、提供更有温度的服务、处理AI解决不了的复杂问题。
沃尔玛的案例更直白——当AI接手了事务性工作，公司立刻推出了"员工到验光师"项目，用全额资助让员工去学习全新的专业技能。这说明什么？说明AI释放出来的人力，不是闲置的，而是可以被引导去创造更高价值的。
这就是AI在零售业最被低估的价值：它不只是让现有的工作做得更快，而是让人有可能去做以前做不了的事情。 当信息处理的重担被卸下，人的思维从"处理数据"中解放出来，才真正有了空间去思考"为什么"、"如果……会怎样"、"还能怎么做"——这些才是创造力的源泉。
第三层：释放不等于自动升级
但这里有一个至关重要的判断：释放，不等于自动升级。
AI把信息处理的活儿接过去了，人的时间确实多了，思维确实自由了，但这并不意味着人就会自动走向创造。释放出来的空间，可以被用来做更有价值的事情，也可以被浪费掉。关键在于组织和个人如何选择。
宜家首席数字官Parekh说得好："一项能力的好坏取决于它的部署和采纳程度。有些人把AI视为机遇，有些人则视为威胁。我们的目标是帮助员工更好地理解AI及其带来的价值。"宜家为4万名员工完成了AI素养培训，这不是技术培训那么简单——这是在帮助每个员工重新定义自己在AI时代的角色。
Costco CEO Vachris的话更值得品味："那些以前做这些任务的员工，现在已经被提升到了更具前瞻性的角色。"他没有说"被裁了"，也没有说"被闲置了"，而是"被提升了"。这背后是Costco有意识的组织选择——90%的会员续约率、55%的员工工作超过5年，这些数字说明Costco的文化本身就是"投资于人"的文化。AI在这样的土壤里，自然催生的是人的升级而非淘汰。
反观那些只把AI当作"降本工具"的企业，结果可能完全不同。如果AI释放出来的人力没有被重新引导到更有创造性的工作中，如果组织架构和考核体系仍然按照旧模式运转，如果员工没有得到学习和成长的支持，那么"释放"就只是"闲置"的另一种说法。
第四层：全触角直连——零售巨头正在吞下整条链路
以上三层讨论的是AI如何改变企业内部信息与人之间的关系。但在更宏观的层面，AI正在催生一种更深层的结构性变化：零售巨头正在进入"全触角直连"时代。
过去，零售商的核心业务是卖货，物流外包给快递公司，广告交给广告公司，消费者发现商品的渠道依赖搜索引擎和社交媒体。现在，亚马逊、沃尔玛正在把这些过去外包出去的环节逐一收回来，自己直接掌控。
亚马逊已经不再是一家"卖东西的网站"。它自建物流网络，平均每单配送时间压缩到17小时，每单物流成本仅3.2美元；它做广告业务，2025年广告收入超过800亿美元；它做内容发现，Rufus购物助手直接接管消费者从"了解"到"下单"的链路。沃尔玛同样在走这条路——自建履约网络覆盖90%的美国家庭，Walmart Connect广告业务利润率超过40%，AI购物助手Sparky嵌入ChatGPT和Gemini直接截获消费意图。
它们这样做的逻辑很清晰：每收回一个环节，就多拿一份数据、多赚一层利润、减少对一个第三方的依赖。物流自己做了，就不用等快递公司的数据回传；广告自己做了，就不用把营销预算交给外部平台；内容发现自己做了，就不用担心消费者在别人的AI助手里被推荐走。
而AI，是这一切的基础设施。 没有AI，亚马逊不可能用算法优化千万级包裹的配送路线；没有AI，沃尔玛不可能让Sparky在多个AI平台同时截获消费需求；没有AI，这些巨头不可能同时运营零售、物流、广告、内容四条战线。AI让它们有能力成为"全触角直连"的企业——从消费者发现商品、做出决策、下单支付到最终收货，每一个触点都自己掌控。
这对中小零售商的启示是双重的：一方面，巨头的全链路整合会进一步压缩中间环节的生存空间；另一方面，AI本身也在降低能力门槛——当AI采购助手、AI客服、AI供应链优化变成可购买的标准化服务时，中小企业也有机会在自己的细分领域实现某种程度的"全触角直连"。关键在于，你能不能找到值得自己掌控的核心触点。
结论：三个问题的回答
对中国零售企业来说，最需要理解的不是"该不该用AI"——这个答案已经没有悬念——而是三个更本质的问题：
第一，如何重新设计信息与人之间的关系？ 哪些分析工作应该交给AI？哪些判断仍然需要人来做？组织架构、岗位定义、培训体系、绩效考核，是否需要随之调整？
第二，如何把释放出来的能力导向创造？ AI省下来的时间和脑力，是用来做更有价值的事，还是被白白消耗掉？有没有机制帮助员工从"信息处理者"升级为"判断决策者"甚至"创造者"？
第三，组织的文化准备好了吗？ Costco和宜家的案例说明，AI时代真正拉开差距的，不是技术本身，而是组织对待人的方式。那些真正投资于人、相信人的创造力的企业，才能把AI的生产力红利转化为长期的竞争优势。
注：本文基于外文原始报道综合编译，编译过程中使用AI辅助进行资料整理、翻译和初稿撰写，全文经本人审校、编辑和定稿。
本文综合编译自以下来源：
• Modern Retail 2026年6月22日《AI is now doing parts of merchants' jobs, managing products and vendors》
• Fortune 2026年6月24日《How Home Depot is using AI to rebuild retail》
• Retail Dive 2026年6月4日《Retailers turn to AI for productivity, personalized shopping》
• Fast Company 2026年6月《Costco CEO Ron Vachris: 'I don't see AI making choices' for the retailer》
• McKinsey 2026年6月《提升客户体验：宜家的智能体AI之旅》
• 沃尔玛官网 2026年6月29日《Keeping the Future in Focus》及《Bringing New Career Paths into Focus》
文章来源：杨德宏博士 老杨博士
关注公众号
关注抖音
关注微博
