各位同仁，下午好！
我是绝配供应链CTO曾涛。今天，我想和大家探讨一个非常具体的问题：在餐饮供应链行业，AI如何从概念真正转化为企业利润？
过去两年，AI产品快速普及。很多人已经习惯用AI获取信息、生成方案，甚至制作PPT。但在餐饮供应链行业，情况完全不同。餐饮供应链链路长、参与方多、场景复杂，同时又对确定性有极高要求。任何一个环节出现差错，都可能导致门店第二天无货可卖，严重时甚至会引发食品安全问题。
因此，在这个行业里，AI面临的核心问题已经不是“好不好用”，而是：
企业敢不敢用？应该从哪里用？如何持续创造价值？
目前，行业内还没有形成一套被广泛认可、可以直接复制的AI落地范式，大多数企业仍停留在单点探索阶段。过去一年，我们与香港大学持续合作，围绕AI在餐饮供应链中的应用进行实践。接下来，我将结合绝配的探索，分享我们如何从具体业务场景出发，让AI一步步转化为可衡量的企业价值。
先来看餐饮行业的基本面。
2024年，中国餐饮市场规模达到5.6万亿元，但增速已经回落至5.3%。这意味着，依靠门店数量和市场红利实现粗放式扩张的时代正在过去。
与此同时，餐饮连锁化率从23%提升至25%。连锁化率提高，带来的不仅是门店数量增长，也意味着采购、仓储、物流、库存和食品安全管理的复杂度持续上升。
估算到2025年，餐饮供应链市场规模突破2.8万亿元，增速达到15%，明显高于餐饮市场整体增速。
这背后的本质是：餐饮行业的竞争，正在从前台经营逐步延伸到后台供应链。
可以用一句话概括：前台一张单，后台一条链。前台的一张订单，体现的是门店的经营能力；而真正决定订单能否稳定履约、企业能否持续盈利的，是背后整条供应链。
供应链规模庞大，但痛点依然突出。
首先是高损耗。由于供应链过程缺乏可视化，企业往往无法准确判断损耗究竟发生在仓库、运输途中，还是门店收货和存储环节。问题看得见，原因却找不到。
其次是高成本。人力成本持续上涨，招工难、培训周期长、人员能力不稳定、管理半径有限，已经成为行业普遍面临的问题。
第三是规模化伴随着高风险。目前，餐饮行业冷链流通率只有35%，物联网使用率仅为15%，基础设施整体水平仍然偏低。背后主要有两个原因。一是企业“投不起”。行业前5%的企业只占约10%的市场规模，超过九成企业年收入不超过5000万元，很难持续投入物联网、自动化设备和数字化系统。二是“没人管”。虽然行业已经出台了不少标准，但大多属于推荐性标准，缺少强制执行机制，导致运输断链、温控失效等问题频繁发生。硬件投入不足加上强约束缺位，让食品安全风险始终像一把悬在行业头顶的利剑。
传统供应链依赖人工、经验和流程管控的方式，已经逐渐触碰到效率和管理的天花板。行业迫切需要一场由技术驱动的变革。
好消息是，这场变革所需要的技术条件正在成熟。历史上第一次，物联网、大模型和机器人三种技术真正具备了融合应用的基础。
物联网就像供应链的眼睛。通过传感器和智能设备，仓库、车辆、货物、温度、位置等信息可以被实时感知，原本不可见的物理过程开始转化为结构化数据。
大模型相当于供应链的大脑。它不再只是按照固定规则执行指令，而是能够理解业务语义，识别门店需求，进行需求预测、异常判断和方案优化。
机器人则是供应链的手脚。自动分拣、自动搬运、智能仓储和无人配送等场景已经逐步落地，并且投资回报率越来越清晰。
当这三种技术聚合在一起，供应链就形成了一个完整的智能闭环：物联网负责感知，大模型负责理解和决策，机器人和业务系统负责执行；执行结果再次被物联网捕捉，重新进入模型，推动下一轮优化。这一次哪里做得好，哪里还需要调整，系统都能够持续学习。
供应链也因此从一套静态的流程工具，逐步转变为一个能够持续进化的智能系统。
技术条件虽然已经具备，但为什么很多企业的AI项目依然难以落地？我们总结了三个常见误区。
一些企业一开始就讨论Transformer、模型参数和技术架构，却没有先回答一个最基本的问题：客户究竟遇到了什么问题？结果往往是模型能力很强，业务价值却很模糊。技术看起来先进，实际应用却停留在展示和试验阶段。
有些系统功能非常强大，但真正交给一线员工使用时，才发现操作复杂、学习成本高、培训难度大。系统虽然建成了，却没有真正融入业务流程，最终只能成为“少数人会用、更多人不用”的工具。
每遇到一个场景，就从头开发一套功能。一个场景做完后，下一个场景又重新开始。这样做看似解决了很多问题，实际上每个项目都是独立的“手工作坊”，数据、规则和流程无法沉淀，也无法形成规模效应。
因此，AI落地不能从模型出发，也不能从功能出发，而应从客户价值出发。
我们的实践路径，恰好与上述三个误区相反：先从门店体验切入，再沉淀数字化基础设施，最终连接生态，实现规模化。这套方法并不是一套抽象理论，而是绝配在真实业务中一步步走出来的路径。
在展开具体实践之前，需要先明确一个前提：门店，是品牌方和绝配共同的客户。品牌方希望门店销量更高、损耗更低；绝配希望门店订货更准确、配送更稳定。双方服务门店的目标是一致的。因此，我们把AI落地的第一站放在了门店。原因很简单：门店场景高频、痛点具体，而且结果可以量化。店长每天都要下单、查询物流、核对库存。订货不准确、货物少送、配送延迟、温度不达标等问题长期存在。这些问题都能够通过送货及时率、温度达标率、订单准确率和库存周转率等指标进行衡量。
经过调研，我们首先把AI应用在门店服务入口。过去，门店主要通过传统客服解决问题，但普遍存在三个难点。第一，沟通渠道分散。门店、品牌方、客服和供应商分别在不同微信群中沟通，信息高度分散。经常是门店打电话询问没有收到货，企业才发现订单被遗漏。第二，人工处理效率低。一名客服往往需要同时对接四五十个微信群，大量消息无法及时阅读、分类和处理。第三，服务水平不稳定。不同客服的经验、响应速度和处理能力存在差异，门店获得的服务质量难以统一。
针对这些问题，我们通过AI Agent搭建门店与供应链之间的统一桥梁，重点实现了三项能力。一是协作入单。门店只需要把订单发送到群里，Agent便可以自动识别订单信息，向门店确认后完成录单，减少人工参与。二是消息聚合与分类。Agent自动抓取群内消息，识别门店意图，并将问题统一归类到客服系统。客服不再需要逐个查看微信群，只需要在一个系统中集中处理。三是状态判断与进度跟踪。Agent能够持续跟踪问题处理状态，并自动向门店和客户推送进展，减少人工查询和重复沟通。
目前，这套系统已经实现100%的消息聚合。AI意图识别率从最初的81%提升到90%。也就是说，Agent已经能够做到：看得见、接得住、不遗漏。
在第一阶段，Agent主要承担咨询和问答工作，能够实现7×24小时服务，并自动回答约85%的咨询。但对门店而言，仅仅“知道答案”还不够，真正需要的是把问题解决掉。
因此，在第二阶段，Agent开始从信息服务走向业务执行。当系统发现库存不足时，Agent可以帮助门店生成采购单、完成确认，或者发起调拨。当物流出现延迟时，Agent可以自动进行调度、催单，必要时甚至重新改派。这意味着，Agent不再只是一个问答工具，而是逐步成为连接订单、库存、采购、仓储和物流的业务执行入口。
最终沉淀下来的这套基础设施，包含三个关键环节：前台统一触点，中台统一能力，后台统一联动执行。这三者把我们带向一个共同转变——从人驱动变成数据驱动。人的经验不再是系统执行的依据，而是转变为监督和优化的依据。
这套基础设施，本质上就是统一服务入口、统一数据标准、统一协同规则。基于这套基础设施，向上游连接供应商，中游连接物流商，下游连接履约，不同客户看到的内容各不相同，但底层都是同一套基础设施。当基础设施链接起整个生态之后，真正的规模效应自然就出来了。我们常说多签客户就能形成规模效应，但实际上，多签一个客户往往意味着成本增加、管理成本上升。我们认为真正的规模效应应该是网络协同——当你有一套标准化的基础设施时，每增加一个客户，带来的是整个网络利用效率的提升，而不是成本的同步叠加。
再看我们的实际案例，以某连锁零售客户的实际业务改造为例，基于数字化基础设施，我们进一步实现了仓网协同、需求预测和智能规划。系统可以根据门店需求、库存分布、配送距离和履约时效，对仓库布局和配送频次进行优化，用更少的仓库和资源支撑更高效的履约。对供应链企业而言，减少一个不必要的仓库、降低一次无效配送、避免一批库存损耗，最终都会转化为利润。对客户而言，供应链节省的每一分钱，也会变成门店经营效率和品牌利润的一部分。
最后，结合绝配的实践，我想分享三点启发。第一，先做高频、强痛点、可验证的场景。走到一线去，找一个店长，每天帮他解决好这几个核心问题，建立价值认同。第二，沉淀可复用的数智化基础设施。每落地一个场景，都要反问自己：数据积淀了没有？规则沉淀了没有？流程是否可复用？这些才是核心资产。第三，走向平台化、规模化。真正的规模化不是简单的客户叠加，而是每增加一个节点，都能提升整个网络的效率。
绝配做的，不只是一个聪明的AI Agent，而是一套从客户价值里长出来的，最终服务于整个餐饮供应链的数智化基础设施。
谢谢大家！
本文根据绝配供应链CTO曾涛在“2026农产品与食材供应链大会暨第七届餐饮零售渠道合作交流会”上的演讲整理。中物联农产品与食材供应链分会将对本次大会的主旨报告进行详细梳理，并陆续在官方微信公众号上推送，以飨读者。敬请持续关注！
半年亏完70万，闭店超200万家！餐饮人所期盼的行业春天又“迟到”了
原创报告 | 2026上半年农产品与食材供应链行业运行形势分析
从专业到卓越：北京站供应链管理师（中级）职业能力等级认证培训正式启动
