首页 > 科技快讯 > 对话腾讯云副总裁程伟：零售企业用AI，不要从零开始造轮子

对话腾讯云副总裁程伟：零售企业用AI，不要从零开始造轮子

晰数塔互联网快讯
2025-09-26 18:39

本文来自微信公众号：亿邦动力（ID：iebrun），作者：李金津

在2025腾讯全球数字生态大会前夕，腾讯云副总裁、腾讯智慧零售技术架构与产研负责人程伟与亿邦动力等媒体交流，分享了零售与生活产业在AI应用方面的最新观察和实践经验。

当前，企业数字化转型已进入深水区，AI从“试水”成为一道“必答题”。数据显示，AI日均Token消耗量在1年半内增长超300倍，97%的企业计划在新财年加大AI投入。然而，企业普遍面临战略方向模糊、技术落地困难和组织保障不足的三重焦虑，陷入“为AI而AI”的困境。如何让AI从技术热词转化为真实生产力，成为行业共同关注的焦点。

面对这一挑战，程伟指出，AI的价值不在于模型参数的高低，而在于能否扎根场景、服务于人。腾讯的实践表明，AI需从“单点提效”迈向“全链路渗透”，通过智能体协同、数据融合与场景创新，重构企业运营模式。

随着AI技术趋同，企业的核心竞争力将逐渐从“拥有模型”转向“拥有高质量数据”。未来，AI的真正突破点在于能否以数据驱动决策、以生态加速落地，最终实现“人、货、场”的深度协同。程伟强调，腾讯将通过降低门槛、深耕场景、开放协作，助力企业将AI真正转化为可持续的生产力。

本文在不影响原意的基础上，由亿邦动力精编整理，以下为实录：

AI从“试水”成为企业“必答题”

正走向全链路渗透

Q：这一年以来你们在行业或类型上拓展了哪些新客户，这个外延主要是往哪里去？在服务场景、范围或者实际应用上您觉得有哪些突破？

A：今年，智慧零售和生活产业以全新组织阵型亮相。我们将过去在零售行业积累的全域经营和数字化实战经验，进一步服务到文旅酒店、农业、建筑地产等生活产业的头部客户。服务场景也更加多元化，从公有云底座到营销增长、交易经营和AI探索，我们正将在零售场景中积累的能力向外延展至更广阔的生活服务业。同时，零售跟AI深度结合上做了一些探索。

Q：“日均Token消耗量30万亿，1年半增长300多倍”，这组数据背后反映了零售企业应用AI出现哪些根本性转变？

A：这反映出两点核心变化：一是企业态度从“试水”转向普遍共识，97%的企业表示新财年将加大AI投入；二是应用现状从单点赋能走向全链路渗透，超过50%的企业在6个以上运营场景深度使用AI。这个过程是递进的：从单点提效，到流程改造，再到数据驱动决策，未来将走向主动策略乃至商业模式重构。

同时，今年国家出台了《关于深入实施“人工智能+”行动的意见》，也明确AI与产业深度融合的战略，提到了AI对消费提质的赋能。政策也作为一种强心剂，进一步推进企业投入AI的信心，加速我国AI应用的迅猛发展。

Q：每一个企业有6个场景应用，这些零售企业是什么规模，有大致描述吗？

A：没有特别要达到一定体量，还是跟企业自身发展阶段有关，也跟战略层的关注度，以及CTO在落地上是否思考得足够全面，不仅仅是CTO，更多是C-Level的。包括企业数据积累的程度，还有内部各块业务对AI的拥抱程度。我觉得是多方面的因素。

Q：现在零售企业应用AI最主要的趋势变化是什么？是更侧重于降本增效还是关注业务增长或者模式创新？

A：企业应用AI已远超单纯的降本，更关注通过场景、营销和服务创新来提升整体运营效率和市场竞争力。核心趋势体现在“人、货、场”的全面升级：“人”端重在用户体验与智能推荐；“货”端关注生产与设计环节的AIGC应用；“场”端则从“门店选址”升级为“以店选店”，结合腾讯数据与企业自身判断模型，实现更科学的决策。

Q：基于腾讯智慧零售目前的实践，您预测未来1-2年AI在零售企业最核心、最普适的应用将会集中在哪几个方面？

A：AI正实现从“对话”到“干活”的跨越，重点体现在三方面：一是提升消费者体验，如茶饮品牌的智能点单；二是优化内部运营效率，例如将数据洞察能力从总部下沉至区域店长；三是强化数据驱动的经营洞察，关键在于整合高质量数据并全局分析。

同时，生成式AI正重塑营销与创意环节。例如，我们的客户周大福已经将AIGC用于珠宝设计，实现用户共创；在供应链领域，我们与泰国正大零售旗下的Lotus's超市合作，利用AI和大数据能力进行库存预测、动态定价与自动补货，显著提升运营效率。腾讯将持续在技术、产品与生态层面重点布局，推动AI在零售关键场景的深度应用。

应对企业三层焦虑

腾讯的“场景+生态”实践路径

Q：腾讯的零售AI战略是什么时候开始实施的？2023年开始已经有些企业陆续用AI做业务。您判断现在零售企业最大的挑战是什么？

A：AI是腾讯长期坚定的技术方向。近年来，我们从传统机器学习演进至大模型技术，持续与行业头部客户共探实战路径，今年我们看到的是行业批量落地的过程。

回到企业应用AI最大的挑战，我们发现企业面对AI是一个必答题，但仍然有很多疑虑和焦虑，焦虑主要分三块。

尽管零售行业积极拥抱新技术，且已有不少AI应用成功部署，但企业在推进AI过程中仍普遍存在三层焦虑：

战略层焦虑：CEO关注AI方向与投资回报，担忧路径不明、资源错配，陷入“为AI而AI”；

战术层焦虑：技术团队面临模型选型、架构设计等挑战，需从“重硬件投入”转向“场景实效”；

保障层焦虑：组织缺乏既懂AI又懂业务的复合人才，同时需应对数据安全、合规与可持续运营问题。

面对这些挑战，腾讯提供从基础模型、算力底座、模型部署再到应用落地的一站式服务。我们不仅帮企业在落地上做一些开展，也组织企业的C-Level走进腾讯，看到AI发展；借助智慧零售知道整个行业都在做什么，也帮助企业内部形成共识。最终是想让企业不要从零开始造轮子，更不要走偏方向，提供“开箱即用、按需调用、小步快跑”的AI能力，降低企业应用AI的门槛。

Q：今年公司新发布的一些AI产品，有哪些亮点？能够帮助行业解决哪些痛点的问题？

A：比如，面向行业旺盛的智能体开发需求，我们升级了智能体开发平台（TCADP）3.0版本，结合企业专属数据搭建出稳定、高效、契合业务需求的智能体。

我们的智能体基于大模型知识引擎构建，核心能力之一是RAG技术。该技术能够便捷地接入企业多模态知识，仅需导入文档或问答数据，即可实现稳定、精准的知识问答。目前系统已支持与TDSQL数据库千万行级别数据的交互，并可对接腾讯文档，支持微信/QQ账号授权后快速导入企业资料。这一技术已应用于大参林，为其构建专属医药知识库。

同时，我们提供工作流（workflow）编排功能，通过可视化画布灵活连接企业API，使智能体具备流程可控、节点可回退的全局决策能力，相关能力已在华住酒店的运营场景中落地。

此外，平台支持零代码创建多智能体（Multi-Agent）系统，通过多个Agent协同完成复杂任务。例如绝味食品通过多智能体协同实现从营销推荐、会员运营到门店定价的一体化决策，有效提升客户粘性与销售转化，经实验验证，AI带来的销售是人工组的3.1倍，这也是AIAgent首次实现全链路营销的开创性案例。

多智能体的Agent一定是企业重要的方向，以前只解决单场景的问题，但最终把整个串起来才是企业提升生产力的关键步骤。

Q：相比于企业做本地化部署，选择腾讯云部署AI底座的优势是什么？

A：我们一直坚持做的是最靠近产业的、好用的AI，将大模型能力深度融合到企业研产供销服的每一个环节。

这中间包括三个方面：

第一，降低门槛，让AI接入快、用得起。腾讯对中小企业“开箱即用”，按量付费；对大型企业支持私有化部署与定制，保障安全可控。我们坚持“混元+开源”的双模策略，让客户成本最优。

第二，深入业务场景，让AI用得好，更聚焦。我们深入30多个行业与客户共创。在零售领域，为大参林打造的医药知识库“AI小参”，服务超5万名员工，店员查询效率提升80%；为碧桂园服务构建的物业行业首个智能助手“零号助理”，已全员推广应用；我们还联合伊利打造了智能点单智能体、导购助手智能体等应用，在实时互动场景里，导购智能体辅助导购提供个性化话术，结果显示，导购社群商品链接点击率提升15.7%，导购订单数提升26%。我们与华住集团合作的华小AI智能体，可实现“AI客服住中需求5秒响应”，未来将覆盖其旗下万家酒店及超2亿会员。

第三，开放生态，让AI落得快，覆盖广。我们坚持“平台+生态”战略，与ISV、咨询公司及软硬件伙伴紧密合作，通过AI共创营孵化出覆盖搜索、医疗、教育、客服、法律等50多个垂类场景的解决方案，显著缩短企业AI落地周期，使其能够快速获得智能体能力而不必从零构建。

大模型时代才刚刚开始，我们不追逐于短期的热度，而是坚持长期的投入，与客户伙伴在一起，真正把AI的热闹变成生产力。智慧零售和农文旅这样的产业，我们在国内还是蛮有特色的，因为很少有哪一家把行业经验和生态单独落地和执行的。

我们给企业的建议是站在当前发展的角度为它提出最好的建议。通过企业的数据积累、当前组织的实际情况决定要做到什么样的程度，我们也不希望企业的过度投入。我们建议具有一定能力的企业，要培养既懂行业又懂AI技术的人才。

未来数据是核心竞争力

以人为本是最终答案

Q：以前零售都是千人千面大数据推送，与AI结合后打法跟以前有什么本质上的区别？

A：以前讲的精准推送场景，要么基于会员标签、会员洞察、私域数据。现在在大数据+AI的场景中更加综合，不仅仅是围绕会员的单一场景，还包括货方面的数据积累，新品研发，哪类会员会更加喜欢哪类商品。

一是在数据源的分析上会更容易。二是在AI落地过程中有一个庞大的类似于数据中台的组织（Data+AI），很多数据分散在企业各个部分，现在要融合类似数据。

Q：为什么在给企业做智慧零售时，知识库是很重要的？

A：企业普遍存在两类核心知识需求：一是业务知识问答，覆盖财务、人事、IT等多场景，但员工通识能力有限且数据敏感度不一；二是办公效率提升，如合同、周报、会议纪要的查询，传统方式信息孤岛严重，难以串联门店、选品、供应链及法财税等环节。构建企业统一知识库，通过数据脱敏和关键信息整合，可为不同角色提供一站式知识获取入口，解决数据沉淀分散、甚至管理层也难以定位知识资产的问题

零售业尤其需整合商品端与产业知识，包括研发背后的决策逻辑，这正是企业专属知识库的核心价值。

Q：您提到的很多案例都超越了传统营销或者客服的范畴，在改造企业传统核心业务的流程。对于企业来说整个过程最大的挑战是什么？

A：挑战有几方面：在合作过程中，一是企业战略层的重视程度。需求是存在的，但如果仅仅定义成一个IT团队该做的事情，推动和落地就非常困难。这既涉及到产线改造又涉及到市场端。我们很多时候是帮企业内部形成共识，做一些诊断和投入。如果企业已经提前定义好，几方要充分协同，一定是一把手要抓的工程。

二是真正要找到对企业内部流程、产品、协同机制特别熟悉的执行人，这在内部推动上是关键环节。三是在数据打通上不是一蹴而就的，一是历史积累，二是很多数据是流动的，这也需要可持续和长效投入才能达到。

Q：碧桂园服务的案例很有意思。以前零售行业主要是卖货，现在AI可以大力转变服务业的生产力，腾讯云是否有计划大力发展这方面的业务？

A：腾讯云在农文旅体领域作为唯一具备成建制能力的云厂商，核心优势在于深度融合行业知识（Know-How）与数字技术，推动服务业从“交付产品”向“交付体验”转型。服务业与零售业底层逻辑相通，但前者以“服务”为货品，更强调以人为中心的体验升级。

比如酒店提供的AI机器人，住前、住中和住后也在体验服务过程，我们需要更贴心的服务。在地产物业里，可能需要通过AI聆听用户之声，提升业主的客诉服务体验。像景区，注重千人千面的需求和客户体验。我们希望AI能够思用户之所思，提供智能化、创新性的优质性用户服务。

服务业本质上还是以人为本。以前通过客服电话或者问卷调查，存在失真的情况。现在有数字化、企微，企业文档的沉淀。客户表达的情绪，对产品是否满意？都在类似的语料和数据中。借助AI能力就能获取到真正的用户之声。

在服务效率上。从物业上看，哪里产生了打闹、有人群的摔倒、哪边有火情……AI能做很多事情，能洞察一些新的用户需求。

Q：当AI模型和能力越来越趋同时，您觉得未来企业的核心竞争力是不是从拥有AI变成具有独特高质量的业务数据来喂养AI，腾讯在这其中怎么帮企业构建竞争力的差异？

A：我很赞同这个观点，从以前的模型到高质量的数据，最终支撑好企业在场景中高质量落地。

腾讯能做好几方面的事情。第一，在战略层面，基于我们服务的业态，会有一个横向的视角。我们与企业共同摸爬滚打做出来，对行业洞察有充分认知。