2024年4月28日，虎嗅智库举办了大鲸AI峰会·零售消费专场，该专场在杭州举行，会议邀请了15家以上来自快消、电商及出海、鞋服等零售消费领域的AI应用领先企业决策者，他们深度分享了自己的AI落地实践与思考。封面来源于叮咚买菜，由南仔编辑整理。

“卖菜”看起来是一个简单的零售行为，事实上其背后有着先进的底层技术作为支撑 。

4月28号举办了大鲸AI峰会·零售消费专场，虎嗅邀请到了叮咚买菜CTO蒋旭，他在演讲中提到，生鲜零售供应链面临着诸多挑战，生鲜商品容易损耗，对控水能力要求极高，同时，从供应商到消费者，整个链路长且复杂，如何保证各环节精准咬合，成为业务的核心问题。此外，前置仓模式靠近消费者，灵活性很强，不过相对库存较浅，这对管理提出了更高要求。面对这些挑战，叮咚买菜选择借助AI技术来优化业务效率，提升业务效率。

以下是虎嗅整理的演讲实录：

蒋旭 叮咚买菜 CTO

今天我要给大家讲一讲，会从多个方面来讲，一个卖菜的为何还需要用到AI ？

首先肯定有很多用户已经在使用叮咚买菜了。叮咚买菜是一家生鲜零售企业。它致力于把田间地头的农产品、自有工厂生产的自有品牌商品以及品牌商生产的食品，通过全链路冷链系统，从源头直接送到消费者手中。在这一过程中，叮咚买菜构建了完整的业务链条。这个业务链条从农场、基地、供应商开始，到城市分选中心，再到前置仓，最终通过骑手送达消费者。

那么怎样确保商品新鲜呢？冷链是极为关键的能力，我们达成了一整套全链路的冷链。其次，我们借助前置仓这种模式，做到距离消费者更近，还实现了即时零售的功能。最后还有效率问题，我们运用智能调度将这些订单聚合在一起，依靠更高的订单密度来达成更高的履约效率。

我要重点向大家分享两个业务数据。第一个是叮咚买菜库存的周转情况。特别是生鲜周转，仅控制在了两天。这应当是业界领先的一个数据 。

第二个，生鲜占比高达60%以上，我们端到端的全链路损耗能够控制在1.5%（2024年7月数据），这是技术部门针对供应链各个环节细节，多年来持续不断优化所取得的成果。

说到前置仓，我在此稍作解释，很多人认为前置仓模式不可行。然而，随着叮咚买菜成功打通前置仓模式，我们觉得前置仓本质上是一个分布式的冷链系统，是实现生鲜供应链的高效方式。其好处一是靠近消费者，能大幅提高冷链配送效率。二是库存周转快，商品新鲜度良好。叮咚买菜整个前置仓的所有库存，都能够控制在五天以内，这是传统零售很难达成的。

当然它存在难点，难点之一是有的仓面积小，这致使库存浅，容错率低，即稍微多一件或少一件商品，业绩差异就很大。另一个难点是仓数多，例如我们目前有一千多个仓，每个仓约有4000个品，这意味着有400万种组合，要把几百万种组合每天都管理得很好，这个计算量人力无法完成。所以这也是为什么我们一定需要系统去做这件事情。

“前置仓模式”已无法用于定义叮咚买菜，叮咚买菜借助前置仓形式构建了一套数字化生鲜供应链能力。其核心有两点，一是所谓的全链路数字化，要将所有环节都实现数字化；二是数据算法驱动，运用算法管理每日400万的组合。未来，随着生成式 AI 的应用，我们会全面重构整个数字化应用系统，使其更加高效，也更加富有人性。

我们能实现全程溯源且库存准确，这让很多线下零售商感到好奇。这看似简单，实则极难。关键在于，我们已将人、货、仓、运等所有要素进行了线上化。

全链路透明化的背后，是我们针对整个过程都建立了完整的数字指标体系，尤其是除结果指标外，还建立了许多过程指标。比如，有一个商品售卖期为五天，我们会设置可售期为三天，在第三天早上七点钟，计算该商品剩余数量，若发现商品数量过多，就要进行临期促销。通过这些非常关键性的指标，我们能够做到分钟级实时的处理。

叮咚买菜在数字化方面有个经验想分享给大家，那就是实验驱动和快速迭代，这意味着将整个数字化系统打造成一个大型实验平台，平台上每天有上百个实验同时进行，通过快速迭代来试错，实验结果有成功的也有失败的，对于结果良好的实验，会继续大力推广。

最后说说AI，20年开始在叮咚全面推行机器学习，23年到24年进入深度模型阶段，24年下半年开始逐渐引入大模型，今年则进行全面重构 。

AI的应用目前存在几个方向，第一个方向是搜索推荐，在推荐方面，不仅要考虑转化，还需兼顾多样性与新颖性，这是因为即时零售业务中，品宽极为关键，即一个人购买的品类越丰富，其对平台的粘性就越高，所以针对不同目标，需要调整不同参数 。

第二块比较重要的是商品和用户运营。本质上，运营就是要实施一个动作，并且想知道这个动作的投资回报率。怎样准确评估运营动作的投资回报率以及因果归因，尤其是针对那些无法直接进行实验的场景，像定价策略，需要依靠观测性数据进行反事实推断，构建因果模型来估算因果结果。其次，建立无偏的量价模型是颇为复杂的，需要剔除活动这一干扰因素，需要剔除天气这一干扰因素，需要剔除备货等干扰因素 。再者，商品间的可替代性和关联性分析，要借助知识图谱等工具，要深入探究 。

第三个方向是预测和调拨，叮咚这个业务本质上全由预测驱动，我们每天都会计算今天会有多少单，每个品在每个仓会卖多少，不过这件事情非常复杂，因为不同的品类和不同的场景会表现出极大的差异性。

所以，在AI趋势的情况下，我们的核心应用存在于消费者侧，存在于供应链侧，也存在于内部运营侧。

那么，在消费者这一侧，叮咚买菜正在积极推动两大交互方式的革新 ，其中一种是全面推广对话式交互 ，特别是针对老年用户群体 ，借助语音交互降低数字使用门槛 ，从而实现更便捷的服务体验 ，另一种是支持多媒体交互 ，这也能够进一步丰富用户互动形式 。

在推荐系统方面，叮咚买菜正在发生转变，即从单一行为推荐转变为行为加知识的融合推荐。过去，公司的AI应用主要依靠用户行为数据，知识元素的应用比较少。但是，随着AI技术的发展，模型里包含了大量世界知识，叮咚买菜正在积极探索怎样有效抽取并利用这些知识，来优化推荐效果。

以对话式 AI 助手作为例子，叮咚买菜塑造了一站式的饮食智能管家，它包含商品咨询、健康饮食建议、食谱推荐等多种功能。在购物时，用户选好商品后，AI 助手能够提供商品特性、烹饪辅助等信息。在售后阶段，AI 助手还能及时告知商品过期等关键信息，全面提高用户体验。

此外，叮咚买菜在首页部署了AI助手，在分类页部署了AI助手，在商品详情页等关键触点也部署了AI助手，这些AI助手会根据用户隐私设置提供个性化推荐，针对地区性商品，AI助手还能深入解析商品问题，能深入解析商品特性，能深入解析烹饪方法，为用户带来更加贴心、精准的购物指导。

在供应链领域，叮咚买菜正运用多模态技术攻克账实相符难题，监控证照、种子、物流等关键环节，确保商品质量符合标准，通过用户评价解析反馈持续优化服务，确保线上数据与物理世界一致。

同时，叮咚买菜在内容管理方面，广泛应用了LLM/Agent技术，以帮助内部运营提效，在成本优化方面，也广泛应用了该技术，以助力内部运营提效，在办公行政方面，同样广泛应用了此技术，以推动内部运营提效，在食品研发等多方面，还是广泛应用了LLM/Agent技术，以促使内部运营提效。

本文来自虎嗅，原文链接：