生成式人工智能零售业全景探索白皮书

生成式人工智能零售业全景探索白皮书 课题组成员 彭建真中国连锁经营协会会长田芮丰中国连锁经营协会创新与发展部主任尹恒中国连锁经营协会创新与发展部主任助理中国连锁经营协会 德勤中国戴自强德勤咨询合伙人强晓明德勤咨询高级经理徐宇豪德勤咨询高级顾问莫翌阳德勤咨询顾问卓自鹏德勤咨询顾问雍家念德勤咨询顾问 特别鸣谢华为、金山办公、腾讯、石基大商、汉朔、中科英泰、英特尔、中国电信等合作伙伴（排名不分先后）对白皮书写作的大力支持 目录 前言合作伙伴致辞报告背景主要发现与思考3567 一、生成式人工智能的发展现状二、生成式人工智能在零售行业的应用三、企业级生成式人工智能架构的思考四、对企业走入人工智能时代的建议9204460 结语78 联系我们80 前言 在全球数字化进程不断加速的背景下，中国零售行业正迎来深刻的变革。生成式人工智能（Generative AI）以其强大的数据处理和自动化生成能力，迅速渗透到零售业的各个环节，为企业在营销、供应链、客户服务等方面带来全新的变革契机。从前端的个性化营销到后端的智能库存管理，生成式人工智能的应用场景不断扩展，正在重塑零售行业的运营模式与竞争格局。 升，其能力以每隔半年或一年的速度在迭代，未来，随着生成式人工智能技术的持续成熟，零售行业将迎来更多前所未有的机遇与挑战。在这个过程中，零售企业应保持理性和谨慎，应评估相关的成本，并确保这些投资与企业的长期战略目标和财务状况相匹配，避免过度投资。彭建真 中国连锁经营协会会长 近年来，政策的支持和技术的进步为人工智能的快速发展提供了坚实基础。特别是在“十四五”规划的推动下，创新已成为我国经济高质量发展的重要引擎，AI技术成为推动零售数字化转型的关键力量。在这一背景下，生成式人工智能的引入标志着零售业数字化从基础阶段走向深度应用，行业各方不断探索和实践，为数字经济时代的零售模式注入了前所未有的活力。 随着头部企业的大规模投入，生成式人工智能模型和算力正在显著提 前言 中国零售行业在数字化领域的发展趋势正日益显著。随着数字化转型的加速，新技术不断涌现并被广泛应用，为零售业带来了深刻的变革。在过去的十年间，全渠道融合、大数据、人工智能、物联网、无人零售、社交电商等技术的每一次进步，都在快速提升和改变消费者的购物体验，同时也推动了行业的转型升级。 人工智能未来发展的建议。通过本报告的研究，希望能够为相关企业和研究者提供有价值的参考和启示。我们相信，随着新技术的不断涌现和应用，零售行业将更加智能化、个性化和可持续化，为消费者和企业带来更多的价值。 戴自强德勤咨询合伙人 2022年ChatGPT 3.5横空出世，使生成式人工智能迅速成为各行各业的焦点。与传统的判别式模型不同，生成式模型能够从数据中学习潜在的分布规律，进而生成与训练数据具有相似特征的新样本。这种能力不仅为艺术创作提供了无限可能，也为各行各业带来了革命性的变化。 中国连锁经营协会与德勤咨询持续关注生成式人工智能的发展。在一系列由连锁经营协会组织的研讨会之后，德勤咨询的顾问整理了相关讨论内容，从人工智能的发展现状，到零售行业应用场景的分析，再到企业应用生成式人工智能的架构建议，最后总结并给出了对生成式 合作伙伴致辞 人工智能技术正成为零售行业数智化升级的强大动力。华为将持续聚焦数字化底座建设，以数字基础设施为根，以AI平台和模型为芯，以场景为梁，构建百模干态的生态体系，为行业打造全场景智慧解决方案。 科技的每一次进步都深刻影响着我们的生活与工作方式。人工智能技术的迅猛发展正逐步改变传统零售业的格局。我们坚信此次的专题研究将为企业家提供参考与启示，推动零售行业的健康快速发展。 ——叶绍颋 中国电信销售拓展部经理 ——孔维明 华为政企物流与零售行业总经理 生成式人工智能正在以前所未有的速度冲击着每个人的生活。它不仅是一种技术革新，更是一场深刻的变革，改变了我们获取信息、解决问题及创造价值的方式。我们愿与各位携手并进，共创更智能、高效和个性化的未来。 在这个数据驱动的新时代，我们目睹了技术革新的浪潮不断重塑行业的未来。让我们勇敢地迈进这个崭新的时代，充分借助大模型的强大力量，开启零售行业数字化的全新篇章。 ——周宇 金山办公行业策略负责人 ——张师磊 石基零售AI联合研究院院长、九章数据创始人兼CEO 在零售行业，智能化技术的采用正在推动新一轮的智慧化革命。我们将与生态伙伴一道，共同勾勒零售业数智化转型图景，实现运营效率提升、顾客体验优化以及新商业模式落地。 中国在过去数十年的零售创新中曾达到全球领先的地位，在如今的人工智能时代，我们希望能够继续保持并引领这股创新力量，推动人工智能技术的深入应用，让中国的零售行业在全球范围内再次占据前沿位置。 ——郭威 英特尔市场营销集团副总裁、英特尔中国网络与边缘及渠道数据中心事业部总经理 ——童亮 汉朔科技零售研究院院长 报告背景 2024年伊始，中国连锁经营协会（以下简称协会）根据会员建议展开了生成式人工智能的专项课题研究，并于下半年在华南、华北与华东地区分别举行了多场专项讨论会，针对于生成式人工智能的发展现状、应用场景以及实施路径等进行了深入的交流与沟通。同时由协会牵头，课题组向协会成员企业及合作伙伴征集了生成式人工智能应用与部署 的案例，并对相关案例进行了深入的分析与总结。此外，课题组还对协会的零售数字化技术应用工作委员会成员展开了问卷调查，受访者包括协会各委员企业的企业人员，受访者岗位包括董事长、副总裁、首席信息技术责任官、技术总监、专家顾问等。在此基础上，课题组提炼汇总了相关内容，并结合国际研究成果，最终形成了本次报告。 受访企业按年销售收入额细分：有44%的企业销售收入达到100亿元以上，8%的企业销售收入达到50-100亿元，36%的企业销售收入达到5-50亿元，以及12%的企业销售收入在5亿元以下。 受访企业按企业性质细分：有56%的受访者来自民企，28%的受访者来自外企，12%的受访者来自国企，以及4%的受访者来自其他性质的企业。 受访业态分布细分：有72%的企业来自零售行业，12%的企业来自消费品行业，8%的企业来自餐饮行业，以及8%的企业来自其他行业。 主要发现与思考 面对人工智能，企业的转型之路需要考虑战略、投资、人才、风控与合规等多个方面 生成式人工智能在零售行业已有大量应用场景 生成式人工智能在零售行业中已展现出丰富的应用场景。无论是前端还是后端，生成式人工智能都已渗透并发挥作用。例如，前台的智能客服和营销内容生成，以及后台的供应链优化与风控防损，显著提升了管理效率和顾客体验。 在人工智能时代的转型中，企业需要同时考虑企业战略、风险治理、人才储备与技术基础设施等多个关键点。通过数字化和智能化转型，建立大数据平台、部署智能客服系统、优化供应链管理等方面，实现数据驱动的决策制定和智能化的业务运营。同时，构建灵活敏捷的组织架构，减少管理层级，增强跨部门协作，快速响应市场变化。此外，应建立创新驱动的组织文化，鼓励员工创新和学习，以适应人工智能时代的变革。 生成式人工智能企业应用架构需要包括知识、模型、智能体、场景等多个层次 企业级生成式人工智能架构的构建涉及知识库、模型选择、智能体建设和场景搭建等方面。企业需要深入理解业务需求，设计出符合实际应用场景的解决方案。明确每层架构的用途，有助于企业合理规划资源，提高生成式人工智能技术的应用效果。 主要发现与思考（续） 中国市场的企业需要小步快跑，赶上生成式人工智能的“快车” 企业在探索生成式人工智能的发展与应用时，仍需保持理性与谨慎，避免过度投资 中国生成式人工智能市场正在经历爆发式增长，为企业带来前所未有的机遇。然而，面对人才储备、治理机制及风险管理等方面的挑战，企业需要加快步伐，补齐这些短板。通过加强内部培训、完善治理结构和提升风险防控能力，企业才能确保在智能化转型的浪潮中稳健前行，把握市场增长带来的红利。 生成式人工智能在生产力和效率优化、关键风险防控、产品和服务提升等方面可以发挥重要作用，但企业在进行投资时需考虑多方面的成本，确保与战略目标相符，不宜过度投资。保持理性与谨慎，有助于企业在激烈的市场竞争中保持稳健发展。 一、生成式人工智能的发展现状 人工智能简介与发展历程1 随着科技的不断发展，作为计算机技术的分支之一，人工智能技术应运而生。 人工智能是指由人制造出来的系统所表现出的智能行为，主要研究如何使计算机具有人类智能的功能，以模拟、延伸和扩展人的智能，旨在解决复杂问题，包括学习、推理、自修正、感知和处理语言等。 AI技术的演变-从“死”规则到“活”智能 基于规则的人工智能 基于知识的人工智能 自主学习 机器学习 通用人工智能 机器学习是人工智能在神经网络分支领域的重要研究成果。该学派认为智能体应当模拟人脑，通过大量神经元之间的相互联结和交互作用来实现复杂的信息处理和学习功能。它使计算机能够通过数据学习并改进其性能。在这个阶段，AI系统可以从数据中学习规律，并用这些规律来做出预测或决策，而无需明确编程。在此阶段，神经网络的训练仍然在数据准备、模型选择和参数调整等环节依赖大量人工干预。 在这个阶段，AI系统能够利用统计学原理，自动化地从环境中提取数据。通过对海量数据的分析，智能体能够识别出数据中的模式和关联，从而作出预测或决策。这类网络被称为“自主学习”网络。自主学习系统能够根据环境变化或反馈自我调整其行为或参数，极大减少了人工干预。这种形态的AI更加接近于人类的学习方式，能够自我进化和适应新环境。 超人工智能是理论上的终极AI形态，这一形态下的AI不仅在逻辑推理、数据处理、模式识别等现有AI强项上达到极致，更在创造力、直觉、情感理解及跨学科融合等人类智能的精髓领域展现出超乎想象的能力。能解决人类无法攻克的难题。它在所有领域都将超越人类，推动科学飞跃，但尚处于理论和科幻阶段，面临技术、伦理、社会多重挑战。 随着技术的发展，人工智能在基于规则的智能体的基础上进一步发展。在此阶段，智能体开始集成大量的数据和专业知识库，使系统能够利用预设的规则来分析数据库中的信息，并通过推理机制解决领域内的更复杂问题。这种形态的AI可以进行模式识别、分类和预测等任务。与传统的基于规则或符号推理的人工智能相比，基于知识的人工智能更注重知识的表示、获取、推理和应用。 基于规则的人工智能认为世界的实体和人类的思维可以被编码为符号，而人类的思考过程则可以被视为对这些符号的操作。计算机能够通过设计合适的规则和算法来处理这些符号，展现出智能行为，例如解决问题、推理和学习等。20世纪80年代初，开发者们开始整合大量的专家知识，并将其编写成庞大的规则和算法集合，嵌入系统之中，从而使系统能够处理特定领域的专业问题。这种基于规则的系统被称为“专家系统”。 中国人工智能的发展历程 全球人工智能的发展历程 对于人工智能的概念最早可以追溯到20世纪50年代。经过几十年的发展，人工智能已经取得了显著的成果，尤其在机器学习、深度学习、自然语言处理等领域。目前，人工智能已经逐步广泛应用于各个行业，如医疗、教育、金融、交通、家居、安防等。典型应用场景包括语音识别、图像识别、自动驾驶、推荐系统、智能机器人等。 1956年人工智能的概念正式确立，标志着人工智能作为一门学科的起点。当时的研究者乐观地认为广泛应用指日可待。但由于期望过高和技术限制，人工智能进入了第一次低谷期。到19世纪90年代，随着互联网的发展，机器学习和数据挖掘开始受到重视。 2006年，杰弗里·辛顿等人提出了“深度学习”这一概念。随后，大数据和计算力的提升使得深度学习在图像识别、自然语言处理等领域取得了突破性的进展。 2017年7月，中国政府正式将人工智能列为国家战略，并明确提出了面向2030年的中国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。近年来，我国在人工智能领域取得了一系列重要成果，并在全球范围内具有较高的竞争力。