每逢节假日与企业促销活动，海底捞基础设施运维总监冯杰就格外忙碌。

" 我们要确保系统运行稳定性与可靠性，应对流量激增与海量订单快速处理；同时，我们还要优化算法，提前安排好食材库存，既不能预估错误，又要做到精准节约。" 冯杰说。

目前，海底捞逾千家门店的经营状况不一，算法系统需要根据不同门店以往节假日与促销活动的经营成效，差异化地调配食材库存。

在这个过程，外部因素对算法及数据分析的准确性构成新挑战，包括天气对民众出行就餐的影响、民众口感的变化等。

海底捞决定用 AI 解决这些挑战。

以进销存系统为例，海底捞通过 AI 等技术打通 " 线上预定—线下消费—库存调拨 " 的全链路：某个菜品订单突增时，系统会实时计算库存，自动向就近仓库补货，库存响应速度从 " 按天算 " 被压缩至 " 按分钟算 "。企业的食材库存调配决策也从 " 事后总结 " 转向 " 事中干预 "，甚至在某些方面实现 " 事前预测 "。

粒上皇 CIO 蔡艺铭称，AI 对零售业态的 " 财富创造 " 效应正与日俱增。他透露，粒上皇在全国设立约 2000 家门店，促销活动开展期间的单日业务量或达到 100 万单，这需要企业有稳定的海量订单快速处理能力，才能快速响应用户需求。面对这种情况，粒上皇引入融合 AI 技术的数据底座系统，在减少运维开支、提升系统性能的同时，满足海量订单快速处理的要求。

AI 正重塑零售行业的核心竞争力，给零售企业带来 " 财富创造效应 "。

中国连锁经营协会行业创新部主任田芮丰认为，零售行业已从粗放流量运营转向用户价值的深度挖掘，AI 技术贯穿 " 研、产、供、销、服 " 全链路，逾九成零售企业认为生成式 AI 将提升企业生产力。但零售企业的传统 IT 架构存在数据延迟、系统割裂、资源冗余等问题，难以支撑实时决策与 AI 创新应用。

在田芮丰看来，面对脉冲式流量冲击与 AI 变革的双重考验，一个稳定、高效且支持 AI 应用的数据底座将成为零售企业的制胜关键。

在国产数据库 OceanBase（海扬）CEO 杨冰看来，零售行业的数字化转型面临三个核心挑战：如何驾驭流量 " 脉冲式爆发 "，如何让数据成为实时决策引擎，以及如何让 AI 从锦上添花变为基础设施。

AI 如何赋能业务提效

" 对零售企业而言，数字化转型不仅是采购一套 ERP（企业资源规划）或人力资源管理系统，而是从业务、技术、数据等多维度深度重构业务链条，提升企业内部管理效率与更好服务客户。" 冯杰说。

为更好推进数字化转型，海底捞已实现会员系统上云，力争实现 " 千人千面 " 的智能推荐服务。

冯杰发现，广大会员的需求千差万别，如何精准识别每位会员的个性化需求，又是新挑战。

另一个让冯杰伤脑筋的事情，是数字化转型过程的成本控制。

以往，海底捞做业务数据与客户数据分析时，采取多套数据库，中间通过 DTS（数据传输服务）等方式确保数据同步。但此举导致数据分析链路延长和成本偏高。其中一个环节出现问题，会导致整个数据分析系统的停摆。

冯杰意识到，零售企业的数字化转型，一要保证业务稳健运营，二要保证技术架构运行的成本可控，三要支撑流量峰值，其中技术架构建设成本将是重要的考量点。

冯杰开始尝试引入支持 AI 等前沿技术的数据底座系统，打通 " 线上预定—线下消费—库存调拨 " 的全链路，既能根据用户以往餐饮偏好，提供千人千面的餐品推介，又可以针对菜品需求变化状况，实时计算门店库存状况并完成就近补仓。"AI 对实时数据的分析，可以让以往只能事后总结的工作，转变成事中干预，甚至做到某定程度的事前预测。" 冯杰称。而 AI 对海底捞产生的最大 " 财富创造 " 效应，体现在应对节假日与促销活动导致的脉冲式爆发的业务流量上。企业在食材库存储备调拨、会员线上预定、海量订单快速处理等方面不再是被动应对，而是精准备货与主动管理，既避免食材浪费，又能提升客户满意度。

感受到 AI 赋能的 " 财富创造 " 效应后，海底捞又借助 AI 技术优化员工排班制度；针对菜品质量与提升丰富度，海底捞也使用 AI 技术提升管理效率。

冯杰透露，当前成效显著的 AI 应用场景，主要集中在解决重复劳动力与提升业务数据分析准确性等方面。在他看来，海底捞要做的是让 AI 这项技术辅助业务，实现真正意义上的提效。此外，通过 AI 赋能，企业还希望能将以往有益的业务经验转化成数据驱动。" 就海底捞的 AI 发展策略而言，内部管理的 AI 赋能会优先于外部服务。毕竟，菜品质量与服务体验是海底捞的核心竞争力，企业会投入更多力量推动 AI 在内部标准化管理与食品安全管理的应用。" 冯杰说。

蔡艺铭也透露，粒上皇也在探索 AI 在更多业务场景的应用，包括用户关心的食品安全、内部工作效率提升、驱动业务增长等。" 粒上皇虽然属于零食行业，但企业要求新鲜现制，如板栗炒完后不允许隔夜出售。如何做好这项工作，我们一方面借助 AI 摄像头等技术掌握门店的销售行为，另一方面通过现场督察保障食品安全新鲜。" 蔡艺铭说。

AI 投入产出比的评估标准

OceanBase 公有云事业部总经理尹博学发现，近年来，越来越多的零售企业开始拥抱 AI 等前沿技术。过去两年，OceanBase 旗下云数据库 OBCloud 已服务逾 200 家头部零售企业，涵盖鞋服、餐饮、快消、商超、DTC 新经济等全零售业态。

在尹博学看来，零售企业之所以积极拥抱这些技术，主要基于四个因素考虑：一是实现交易与数据分析融合，增强企业实时精准决策能力；二是实现多源数据融合，简化数据架构，降低数字化转型过程的系统运维成本；三是加速 AI 应用落地，有效应对大促、直播等场景流量脉冲式激增下的海量订单快速处理需求；四是提供 " 千人千面 " 智能推荐，有效提升客户服务满意度与助力业务持续增长。

尽管 AI 在零售行业的应用日益广泛，但企业如何精准评估 AI 的投入产出比，仍缺乏权威标准。

在蔡艺铭看来，客户满意度或许是粒上皇的一项重要评估标准。此外，企业还会使用 ROI（投资产出比）衡量 AI 的投入产出比，如要解决企业的某项内部管理问题，原先需涉及多少业务链条、使用多少人力成本，但在 AI 赋能提供智能问答服务后，可以节省多少人力成本与业务链条。这也是相对简单的评估标准。

冯杰称，除了客户满意度与人工成本节约等显性评估指标，企业还应关注 AI 应用的隐性评估指标。比如，企业通过 AI 建设知识库，可以将以往业务运营经验、业务处理心得、运作制度优化建议等纳入企业知识库，并以 AI 智能问答形式解决员工在实际工作过程中遇到的困惑与挑战，从而提升整体管理效率与市场快速反应能力。

目前，海底捞通过 AI 技术，梳理了 1994 年以来的众多 " 知识 "，这在冯杰看来是一项非常有意义的工作。这或许意味着零售企业需要构建企业专属的 AI 大模型，方便员工通过后者的智能问答，快速掌握企业的 " 成功秘诀 "。

冯杰认为，零售企业若单独构建一整套向量架构与 AI 大模型，不但流程复杂且成本昂贵，因此他们会考虑借助第三方 AI 技术平台的向量化能力与多模能力，帮助海底捞快速将 AI 大模型能力在业务系统落地，推动企业数字化转型取得成效。