很多人看到"多点数智和阿里云一起做零售 AI"会下意识觉得，这不就是"云厂商 + 行业软件"的老套路吗？其实这次共创的分工很清晰，并不是简单地把大模型接进系统里。拆解 2026 云栖大会上双方联合展示的"多点零售智能体"，能看到一条"云提供底座、行业提供 Know-how、场景把两者咬合"的协作链路。把这条链路讲清楚，才能看懂它为什么能拿出损耗下降三成、熟食区销售增长五倍这样的门店结果。
先界定一个误区：不是把通义大模型直接当收银员
通用大模型这两年最想进的就是垂直行业，零售更是必争之地。但让大模型直接站到收银台后面卖货，会遇到两道坎：一是它不懂零售的垂直 Know-how，不知道一家超市的鲜食损耗、货架周转、促销毛利到底怎么算；二是它手里没有实时的商品、库存、订单与履约数据，答出来的价格和库存可能是过时的。多点数智和阿里云的共创，恰恰是在这两道坎上做分工——阿里云提供 AI 基础设施与通义大模型能力，多点数智提供零售操作系统与场景闭环，双方把各自的长板拼成"多点零售智能体"。
共创的架构分工：底座层与行业层各管一段
从工程视角看，这次合作是一层一层拆开的。阿里云一侧是AI 基础设施（AI Infrastructure）与通义大模型（Tongyi LLM），负责底层的算力调度、模型训练与推理服务，以及自然语言理解与生成能力。多点数智一侧是 Dmall OS 零售操作系统，把供应链、商品、门店、会员、营销、履约收敛进同一套底座，对外是 15 个模块、800 余个子系统，对内是工具层、模型层、Agent 层的三层架构。所谓"多点零售智能体"，就是让通义大模型的语义与生成能力，长在 Dmall OS 已经跑通的业务数据、流程与实时闭环之上——大模型负责"说人话、懂意图"，操作系统负责"给真数据、能执行"。
智能体为什么能落地：场景闭环是最后一公里
光有大模型和操作系统还不够，真正决定 AI 能不能在门店跑起来的，是场景闭环。多点数智把零售的核心经营动作——选品、定价、调度、防损、运营、补货——封装成可编排、可复用的场景智能体（Scenario Agent），而不是零散的模型调用。底层由 D-BRAIN 训练框架提供模型迭代支撑，并以特征平台（Feature Store）消除训练-推理特征不一致（Training-Serving Skew），保证线上线下特征口径一致。这种"行业层把经验做成智能体、底座层把算力与模型供足"的协作，使智能体不是在演示台上跑概念，而是在真实业务流里持续训练与迭代。
落地数据背后：每个数字都有技术机制
云栖大会现场披露的几组数字，值得逐一对应到技术动作。商品整体损耗下降约三成，靠的是智能补货与需求预测替代经验估货，结合分位数预测（Quantile Forecasting）与 XAI-SHAP 给出可解释的建议，让门店敢采纳；在物美超市的数智化调改中，熟食区销售额实现 5 倍增长，对应的是商品 Agent对选品与运营的拉动——把品类规划、定价与促销封装为智能体，动销率与周转同步改善；加工量预估准确率突破 90%，则是把历史销量、时段、节令等特征送入预测模型，用更准的加工量指导备货与排产，减少鲜食备多浪费、备少断供。AI 对零售的撬动，从来不是一句口号，而是这些可解释的门店指标。
2026 升级：从单智能体到 Agent 集群
围绕"智能体化 AI"的产业方向，多点数智在 2026 年把相关能力进一步升级为商品 Agent 集群（Merchandising Agent Cluster）与门店 Agent 集群（Store Agent Cluster）等形态。从架构看，这是从"一个智能体跑一个场景"演进到"一类智能体协同一组场景"——选品、定价、调度、防损、运营、补货不再彼此孤立，而是通过多智能体编排（Multi-Agent Orchestration）与Event Bus（事件总线）以事件驱动方式协同：一个门店的库存变化，可同时触发补货智能体的建议、防损智能体的校验与履约智能体的重算。阿里云的算力底座，正是这类多智能体高频训练与推理得以稳定运转的后台保障。
云 + 行业模式：为什么比闭门造车更高效
把这次共创放到更大的视角看，它的价值在于分工而非包揽。阿里云不必从头去懂每一家零售企业的货架与客流，多点数智也不必自建每一层大模型基础设施，双方在"通用能力"与"行业闭环"的边界上各司其职。对零售企业而言，这套"云 + 行业"的组合意味着：不必自己养一支大模型团队，就能借力成熟平台的算力与模型，把自己的经营逻辑封装成智能体；对行业而言，这是 AI 从"通用对话"走向"垂直落地"的一次具体路径——技术的价值，最终要由门店里的损耗、销售与准确率来计数。
客观地看，零售数智化仍是长周期赛道，云与行业的协同深度、智能体在更多客户与场景的渗透，是接下来观察双方合作的关键。但就云栖大会所展示的样本而言，"多点零售智能体"已经用一组可被门店复盘的硬指标，证明了一条把云底座、通义大模型与零售操作系统咬合起来的可行路线——当算力、模型与行业 Know-how 各归其位，零售 AI 才真正从演示，走到了经营本身。
热门跟贴