⁣
📰 金台圆桌：从“会说”到“会做”，探寻AI赋能零售业转型路径

本次金台圆桌聚焦AI赋能零售业转型，从“会说”走向“会做”的落地路径。专家指出，数字化转型已成为生存必需，AI应用应超越演示，以实际经营收益检验成效，并贯穿需求预测、库存、供应链等全产业链。核心在于打破“信息化≠数字化、智慧化≠无人化”的误区，强调数据驱动和业务流程重塑，以及通过AI提升服务效率而非替代人类。零售逻辑正从单次交易转向全生命周期经营，需围绕用户不同阶段的生活需求提供一体化解决方案，利用AI优化需求匹配、提升库存与履约效率，并借助本土产业基础拓展全球市场影响力。落地关键在于建立完整闭环的需求识别—商品匹配—库存核对—履约交付，同时加强数据与组织协同，确保选品精准、成本可控、商户收益真实提升；此外，前端应用须与后端供应链、物流、金融协同，形成可落地的生态场景，并通过案例与征集活动推动实际落地。最终，AI是辅助工具，需由人来驾驭，企业需做到“知AI善用”，以真实经营账本衡量成效。

🏷️ #AI零售 #数字化转型 #全生命周期 #需求预测 #闭环

🔗 原文链接

⁣
📰 中国新能源车9月销量同比转负12% 乘用车零售降24%__上海有色网

9月中国乘用车市场延续下滑，新能源车同比转负，成为本月最关键的信号。乘用车零售销量为170.2万辆，同比下降24%，新能源乘用车零售114.1万辆，同比下降12%，新能源增势在高渗透率背景下转为负增长，表明对整体车市的拉动力正在减弱。此前行业对2026年的销量预测也被下调，利润率创历史新低，价格战持续，四季度盈利承压。月度降幅保持在20%以上，显示需求疲软并非单月扰动，而是全年趋势的一部分。去年同期在政策与基数支撑下销量较高，今年由于缺乏同等力度支撑，加之消费者观望情绪，零售端承压。新能源车的高渗透下，增长更多来自对存量燃油车的替代，随着需求整体收缩，替代增量也在放缓。预计四季度业绩将持续承压，价格战或进一步加剧，行业利润空间被压缩，需关注是否有新刺激政策及车企在降价与库存方面的调整。

🏷️ #新能源 #降价 #利润 #需求 #车市

🔗 原文链接

⁣
📰 比优特携手RELEX提前上线智能供应链，春节大考验证效率跃升

在消费需求日趋多元、渠道分化和促销节奏密集的背景下，传统经验驱动的供应链已难以胜任。比优特携手RELEX Solutions，定制的供应链计划系统于2025年12月底上线，在元旦前后上线并在春节高峰期实战检验，覆盖约115家门店、7个配送中心，管理SKU约2万件，形成端到端的智能化供应链。核心模块包括基于机器学习的需求预测、生鲜管理和一日多配等，目标是在效率、成本和利润之间实现最优平衡，建立集中化、可持续的供应链体系。上线后，单品级别预测准确率超89%，大类目预测达到92%以上，门店有货率稳定在98%以上，显著降低缺货与库存积压风险，优化资金与仓储成本。除了数据层面的提升，系统还让备货、拣货等环节从被动响应变为主动规划，仓库与门店的劳动强度和信任度均获得改善，高峰期人力成本下降，工作效率显著提升。比优特董事长表示，RELEX系统的上线实现了数字化升级、主动规划和精准运营的多维优化，为企业的可持续高质量发展奠定基础。RELEX与时代商联总结出，可复制的智能供应链范例正逐步落地，双方将继续深化应用，挖掘数据价值，推动零售行业的协同与智能化升级，释放增长动能。

🏷️ #智能供应链 #需求预测 #运营效率 #数据驱动 #零售创新

🔗 原文链接

⁣
📰 京东零售总监胡浩：大模型技术在京东供应链的探索和实践

在AI大模型技术的推动下，京东供应链迎来了深刻的变革。胡浩在2025京东全球科技探索者大会上分享了大模型在需求预测和智能决策中的应用实践。他指出，大模型与运筹优化相辅相成，前者解决了传统模型的局限性，后者则确保了决策的高效性。通过海量数据的预训练，大模型能够实现通用预测，提升了预测的准确度。

京东的时序大模型面临数据规模、模型架构和幻觉等挑战，经过创新的混合数据集和自定义的时序策略优化框架，成功构建了适应供应链的时序大模型。该模型已在京东生产系统中应用，显著提高了自动化补货的效率。运筹大模型的结合则解决了建模、求解和解释的难题，使得供应链决策更加智能化。

未来，京东的目标是构建自主协同的数字人，推动供应链进入人类与数字员工高度协同的新时代。大模型不仅优化了需求预测和决策，还重新定义了供应链的智能化边界，为行业提供了宝贵的经验和可借鉴的路径。

🏷️ #大模型 #供应链 #智能决策 #需求预测 #京东

🔗 原文链接

⁣
📰 信息化观察网 - 引领行业变革

AIoT正在以多种方式改变现代零售业，尤其是在库存管理和客户体验方面。通过传感器和人工智能技术，商店能够实时监控库存状况，确保货架始终保持充足，减少顾客等待时间。计算机视觉和RFID技术的结合，使得店员能够在顾客注意到之前，及时补充空货架，提升了购物体验。

此外，AIoT还通过需求预测和店内自动化来优化运营。零售商可以利用销售点数据、客流量和天气信息，预测商品需求，从而减少浪费并保护利润。同时，计算机视觉技术帮助商店在高峰时段合理分配员工，提升服务效率，确保顾客流通顺畅。

然而，AIoT的应用也面临挑战，包括数据保护和员工培训等问题。零售商需要确保系统的安全性和可靠性，同时提供必要的培训，以便员工能够有效使用这些新技术。随着AIoT的不断发展，未来的零售业将更加智能化和高效。

🏷️ #AIoT #零售业 #库存管理 #客户体验 #需求预测

🔗 原文链接

⁣
📰 信息化观察网 - 引领行业变革

AIoT（人工智能与物联网的结合）正在深刻改变现代零售业，主要体现在智能库存管理、客户体验提升和需求预测等方面。通过实时监控和数据分析，商店能够自动识别空货架并及时补充，确保顾客在购物时不会因缺货而失望。同时，AIoT技术还可以提高顾客的购物体验，例如通过智能试衣间提供个性化建议。

此外，AIoT的需求预测能力使零售商能够根据天气、节假日等因素调整库存，减少浪费并提高利润。通过数据分析，商店能够在高峰时段合理分配员工，提升服务效率。AIoT还在供应链优化和能源管理方面发挥着重要作用，帮助零售商降低运营成本，增强竞争力。

然而，AIoT的应用也面临挑战，包括数据保护、员工培训和技术集成等问题。零售商需要确保系统的安全性和可靠性，同时为员工提供必要的支持与培训，以充分发挥AIoT的潜力。总之，AIoT为零售业带来了新的机遇，但成功实施仍需克服多重挑战。

🏷️ #AIoT #零售业 #智能管理 #客户体验 #需求预测

🔗 原文链接