AI大模型在流通经营的应用

关键词　AI 大模型冷链调度损耗控制千橙云 AIGartner 预测行业微调

一、大模型进入流通经营的路径

大模型在流通经营中的落地，从知识问答与文本处理扩展到订单调度、路径规划与库存预测。最早的应用是客服与话术生成，投入小、见效快；往后走到作业环节，模型要接入企业的订单系统、仓储系统与车辆调度系统，用历史数据训练，输出可执行的调度指令。

两条技术路线并行。一条是在通用大模型上做行业微调，靠外部厂商提供的模型加企业数据；另一条是自建行业模型，投入大但数据与迭代留在企业内部。冷链与农批的头部企业多走第二条路线，中小流通企业多用第一条。

路线选择的差别在数据归属与迭代速度，不在模型的名气。自建模型的企业能把每一次作业结果回灌到训练数据里，调用通用模型的企业受制于服务商的版本节奏。

图 1　大模型落地的三类作业环节

二、冷链场景的落地

冷链是模型落地较快的场景，因为库内作业环节多、数据连续。华鼎冷链自研的「雪豹数智大模型」累计投入 3 亿元，落地后的运营成本平均下降 15%，食材损耗率减少 20% 以上，日处理订单量提升 127%，仓储人工成本下降 21%，企业预计每年节省约 9300 万元。

模型的输入是库内温度、订单与出入库记录，输出是库位分配、拣货顺序与配送线路。冷链货物有保质期与温区限制，调度规则比常温仓储复杂，模型的收益也更容易量化。

冷链的这些条件不是每家企业都有。库内数据没有打通、温控记录不连续的企业，模型只能停在问答层面，进不了调度环节。

图 2　华鼎冷链大模型落地成效（%）

三、生鲜流通的落地

生鲜流通的损耗控制给了模型直接的用途。深圳前海粤十信息技术有限公司与 DeepSeek 合作，把生鲜损耗率从行业平均的 15% 降到 3% 以下，能耗成本下降 50%，预警准确率达到 99.8%，该公司称其积累了 5700 万吨冷库的数据资源。

损耗与能耗是生鲜流通最主要的两个成本科目，模型的输出只要能改变一处，效益就能被核算。预警准确率决定模型在多大程度上取代人工值守。

生鲜数据的采样间隔短、更新快，模型的价值来自对温度、时间与库存三者的联合判断，单看任何一项数据都做不出可执行的预警。

四、农批市场的落地

农批市场的模型落地从智算中心开始。孝感首衡城的 AI 智算中心于 2025 年 11 月 28 日签约，定位为农产品行业大模型，武汉到广州的冷链运输时效从 48 小时缩短到 36 小时，单批次物流成本下降 12%。不同报道对损耗变化的口径不一致，中国商报网记下降 40%，人民网湖北频道与腾讯新闻记降低 15% 到 20%，两处口径并列保留。

农批市场的交易与物流数据集中在一处，模型对车货匹配与到场时段的预测能减少车辆等待。效果取决于进场量与价格数据的质量，数据不连续的市场难以训练出可用的调度结果。

五、下沉市场的落地

下沉市场的流通企业规模小，模型以订阅形式交付。汇通达网络股份有限公司的「千橙云 AI」于 2025 年 5 月完成网信办备案，以 24 个场景化智能体服务 25.1 万家会员店，抽样门店的经营效率提升 30%，库存周转缩短 15% 到 20%。2025 年上半年，该公司 AI 相关收入占服务收入的约 20%，服务业务板块收入 3.12 亿元；2025 年 11 月公司以 4.56 亿元收购认知边界 57% 的股权。

对小店而言，模型的价值在选品、补货与营销文案三处，单店不需要自建模型，按订阅付费即可使用。

订阅制的收益按门店数摊薄，服务商要靠规模覆盖研发与运维成本，门店数决定这门生意能不能持续。

图 3　汇通达千橙云 AI 的落地数据

六、零售与供应链的落地

零售与供应链场景的模型以全尺寸矩阵覆盖不同算力条件。京东的言犀大模型在 2025 年 7 月升级为 JoyAI，提供 3B 到 750B 的全尺寸模型，训练数据中通用数据占 70%、供应链数据占 30%。在家电品类的一个案例中，模型把成本降低 5%、履约时效提升 23%、库存规模压缩 20%。

供应链数据的占比决定了模型在具体品类上的表现。通用数据解决语言与常识，供应链数据解决库存、仓容与履约的判断，后者只有掌握交易与物流的企业才有。

同一套模型在不同品类上的效果不同，取决于企业在该品类上积累的供应链数据是否足够厚。

七、投入产出与效益数据

模型的投入与产出不对称。据 Gartner 的预测，2025 年只有约 1/5 的 AI 项目能实现投资回报，至少 30% 到 50% 的生成式 AI 项目在概念验证后被放弃，59% 的 AI 计划未能进入生产环境，74% 的首席财务官看到生产力提升但只有 11% 看到投资回报，生产力泄漏率在 20% 到 80% 之间。

流通企业的模型收益集中在损耗、能耗与人工三块。华鼎冷链披露的仓储人工成本下降 21%、运营成本下降 15%，前海粤十披露的能耗成本下降 50%，都属于可以直接核算的科目。

单项指标的改善与项目整体的回报不是一回事，前者可以单独核算，后者要把算力、数据治理与组织改造的投入一并计入。

图 4　Gartner 对 AI 项目的预测（%）

八、落地的算力、数据与组织条件

模型落地要满足三个条件，算力、数据与组织。算力靠自建智算中心或租用云资源，农批与冷链企业多选自建；数据要覆盖订单、库存、温控与车辆，接口打通的工作量往往大于模型训练；组织上要有人把模型的输出转成作业指令，并对结果负责。

三条缺一条，模型的效益就落不下来。数据不连续，模型给不出可用的调度结果；没人对接，模型的输出停在中控室里，进不了作业流程。

自建智算中心的投入大、周期长，企业与项目绑定的深度也更高，决策前要算清楚作业环节的收益能不能覆盖固定投入。

图 5　模型落地的三个条件

九、大模型在流通经营的应用判断

大模型在流通经营的应用，目前集中在损耗控制、能耗管理与库存周转三个可以量化的方向。能落地的案例有两个共同点，一是企业自己掌握连续的业务数据，二是模型输出能直接进入作业环节。华鼎冷链的日处理订单量提升 127%、汇通达的库存周转缩短 15% 到 20%，都属于这一类。

不落地的案例也有共同点，数据停在各自的系统里，接口不通，模型只能做问答与文案。Gartner 的预测给出另一面，59% 的 AI 计划未能进入生产环境，说明从验证到作业之间有一道不低的门槛。

行内实情

相关问题