报告概述
本报告聚焦零售和消费品行业的人工智能（AI）部署现状与发展趋势，覆盖电子商务、供应链、实体店面及后台运营等核心业务环节。报告基于对数百名行业高管的调研，分析了AI从实验转向规模化部署的进程，探讨了开源模型与专有模型的平衡、代理式AI的兴起、供应链AI应用以及数据与人才挑战，旨在为企业制定AI战略提供参考。
报告的核心结论
AI在零售和消费品行业已从试点转向广泛部署
58%的受访企业正在积极使用AI，较去年的42%显著上升，评估中的企业比例下降至33%，表明行业已跨越实验阶段，进入规模化落地。
AI显著提升收入并降低运营成本
89%的受访者表示AI帮助增加年度收入，95%表示AI降低了年度成本，其中超过半数企业实现了5%以上的成本节约，验证了AI对利润的双重推动作用。
代理式AI成为行业下一竞争前沿
47%的零售和消费品企业正在使用或评估AI智能体，20%已积极部署，主要应用于内部工作流自动化、知识管理与客户支持，能够自主推理并执行复杂任务。
供应链AI应用带来明确的成本效益
91%的受访者表示AI降低了供应链运营成本，高于去年的80%；75%计划明年增加供应链AI支出，重点解决运营效率、客户期望及可追溯性挑战。
人才短缺成为AI部署的首要障碍
46%的受访者将AI人才匮乏列为主要挑战，比去年的31%大幅上升，限制了预算增长向实际成果的转化，企业需通过招聘或技能提升弥补差距。
报告回答的关键问题
零售和消费品行业AI部署现状如何？
AI在该行业已实现广泛采用，91%的企业正在使用AI，其中58%处于积极部署阶段，较去年提升16个百分点。大型企业（69%积极使用）领先于小型企业（48%），但整体正从试点转向规模化执行。
代理式AI能为零售业带来哪些价值？
代理式AI通过自主推理、规划和执行任务，帮助企业提高处理速度和效率（57%）、改善客户体验与个性化沟通（40%），以及利用实时数据改进决策（40%）。当前主要部署在内部工作流自动化（59%）和客户支持（48%）等领域。
供应链AI如何降低运营成本？
AI通过需求预测、路线优化、内部物流仿真等应用，帮助91%的企业降低供应链成本，其中超过半数企业成本降幅超过5%。企业还利用AI应对日益增长的供应链挑战（64%企业表示挑战增加），如运营效率和可追溯性。
开源AI为何对零售业越来越重要？
79%的受访者认为开源模型和工具对AI堆栈至关重要，其中48%认为非常重要。开源允许企业利用专有数据微调模型，保持灵活性和创新速度，避免长期技术债务，尤其在代理式AI和定制化应用中需求突出。
零售企业如何应对AI人才短缺？
人才短缺已成为首要实施障碍（46%），企业可通过招聘、战略合作伙伴关系或内部技能提升来弥补。虽然92%的高管计划增加AI预算，但缺乏熟练人才可能导致投资无法有效执行，弥补差距者将获得竞争优势。
报告中的代表性数据
积极部署AI的企业比例
2025年调研（2026年报告），表示正在积极使用AI解决方案的受访者占比，较2024年的42%增长16个百分点。
AI降低年度成本的企业比例
2025年调研，其中58%的企业成本降低5%或更多，显示AI对成本控制的显著作用。
AI降低供应链运营成本的企业比例
2025年调研，2024年该比例为80%，表明AI供应链成本效益持续提升。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 调研概览与行业领导者需要了解的主要趋势：总结AI从实验到部署的关键转变，以及开源、代理式AI和供应链AI的战略价值。
- 业务影响和投资趋势：详细分析AI对收入、成本的影响，以及企业投资计划，包括按公司规模划分的AI使用率。
- 迈向开源：探讨开源模型和工具在零售和消费品行业中的重要性，企业如何利用开源实现定制化与灵活性。
- 代理式AI的兴起：深入介绍AI智能体的定义、战略目标、商业价值及五大实施领域，如内部工作流自动化和客户支持。
- 零售和消费品行业AI用例：按电子商务、实体店面、供应链、后台等类别，展示具体应用领域及采纳率，如营销内容生成、需求预测等。
- 供应链弹性与AI战略：分析供应链挑战加剧的背景下，AI如何应对运营效率、客户期望及可追溯性，并涉及物理AI和机器人的初期采用。
- 不断变化的挑战与推理重要性：讨论数据成熟度进步、人才差距扩大以及推理优化对成本、延迟和模型性能的影响。
- 展望未来与调研方法：预测未来12个月的关键趋势，包括开源集成、代理式AI运营化及人才建设，并说明调研的样本和细分行业覆盖。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
