昨天我特地从南京跑到杭州，参加了虎嗅的AI 零售消费峰会，很想看一看，当下的 AI 究竟带给了企业什么，尤其给了出海企业哪些机会。
看完之后我的总结是：
首先，AI 在客服、数据处理、算法代码上的落地空间是巨大的。
我看到了安克用 AI 把 70% 的客服问题都处理掉了，剩下的 30% 才会流向人力，以及菜鸟用 AI 语音实现跟司机的讨价还价。几乎每家参会企业都会提到用 AI 做的客服系统。
我看到了交个朋友和叮咚买菜，都在用 AI 去提升数据处理能力，让 AI 结合统计学和运筹学，做数据拟合和预测。
我看到了安克 50% +的代码都是 AI 生成的，菜鸟有大模型和小模型去解决细分场景的不同问题。
其次，在图像和视频生成领域，AI 已经是个“平民化应用”，但如何做出爆款，创意本身还更依赖于人。
不管是交个朋友，还是安克，还是服装品牌 Urbanic，都在用 AI 去生成视频脚本、模拟模特生成图片和视频，区别是，大公司开发了自己的垂直 AI，效率比用通用大模型的小微企业，高出几个数量级。
大公司的先发优势和资金优势，在此一览无余。
最后，我深深感觉到，AI 的能力，到目前为止，还只是沧海一粟。
AI 的空间太大了，目前已经探索到的，还太少太少，归根结底，AI 的底层能力还不足以支撑全场景的覆盖。
所以，行业者的机会还有很多，随时可能弯道超车。
那么，对于普通企业，到底 AI 可以怎么用？先发优势的大公司们，都是怎么用的？
本文带你从客服、数据、算法、短视频，以及时尚行业的应用，带你看一遍这些先发优势的企业，都是怎么做的。
01
AI 第一刀先砍向客服
几乎所有参会的企业，都会提到，AI 客服的使用。
我觉得最值得一看的，是安克。
出海企业都知道安克 Anker，你去问美国人安克是哪个国家的，90% 的美国人一定会告诉你是美国品牌。
安克做出海，真的是太成功了。
但很多人以为的只做充电宝的安克，现在的业务触角已经延伸到智能家居和影音了。
AI 在安克，最成熟的应用，其实也是客服。
所有用 AI 的企业，都逃不过用 AI 做客服的命运，但是真正用 AI 做得好的，却不多。我认为最主要的原因，还是大多数企业根本没有足够的数据和资金来喂给 AI 去训练客服模型。
安克不一样，安克有钱，也有技术能力。
下图是安克 CIO龚银分享的 AI 客服在安克的实际使用。
如果你点开图片仔细看 AI 的回复，你会发现，内容很清楚、也足够结构化，如果我是这个客户，我觉得我的问题到这里，也确实被解决了。
所以你能看到，AI 的自动解决率现在在安克能做到70%，这个数据非常惊人。行业里我敢说没几家能做到这个水平的。
其他AI 服务还有下面这些，但我觉得都不如不如上面的智能机器人惊艳：
02
数据处理提效最惊人
峰会上，天虹集团的助理总经理徐灵娜分享的数字化案例，具体又有冲击力。
天虹是国内南方的连锁商场集团，过去他们没有数字化和 AI 的时候，有一次，停车场出现了大面积拥堵，上百个消费者打进他们的客服热线，但是他们几乎在3小时以后才反应过来停车场拥堵，等到真正去疏通停车场的时候，已经过去 4多小时了，现场怨声载道。
这次事件在当地，对品牌造成了不可估量的负面影响。
但是在引入数字化和 AI 监管之后，所有的商场包括停车场的动线和进出，都可以通过面板实时追踪。
现在，AI对异常数据会实时报警，1 分钟之内就可以快速派人解决。同类型的停车场拥堵事件，再也没有发生过。
而且以前公司大老板们来上班，早上第一件事就是来问昨天业绩如何，为什么销售出现波动，为什么数据上升/下跌，每天光给老总报告，找数据找原因就要花掉六七个小时时间，上班就光搞这些数据，专门服务老板了。
无数打工人听到这里，应该都会流下相似的泪水。
后来天虹开始了解 AI 和大模型，意识到，通用大模型对他们的意义不大，因为通用大模型无法解决他们行业内的垂直问题。于是他们自己找人喂AI 数据和知识库，确保数据都是保密且垂直的。
AI 上线之后，直接让 AI 每天汇总统计数据，分析异常值，老板每天上班先问 AI，把数据全部过一遍，实在搞不定的问题才会再找到人。
这么一套下来，人力得到了大量释放。
而且他们拆分 AI 到不同的业务，比如门店服务、供应链等等，你是客服就去问客服的专业 AI，你是供应链就专门找供应链的，足够垂直，也足够提高问题解决成功率。
03
不敢相信50%的算法是AI写的
说到算法，还是不得不提到安克。
下图是AI生成代码在安克的应用率，数据是 2023 年的，而今年几乎能做到 50% 以上的使用率了。
关于如何计算使用率，龚银也特意做了澄清，在代码生成时，安克会记录哪些代码是 AI 生成的，在使用的时候，通过工具会去核对有多少是纯 AI 生成的代码，通过这种方式来比对 AI 代码使用率。
AI 已经能生成企业 50%+的代码了？这个比重，很惊人吧。
但龚银认为，程序员不会消失，但需要长出自己对业务的理解。未来，结合技术能力和业务理解的人才，会是 AI 无法替代的。
而叮咚买菜，作为互联网的生鲜品牌，出乎我的意料，非常依赖数字与算法。
叮咚买菜现在能够做到平均2.1 天的前置仓生鲜周转天数，意味着从生鲜采购到前置仓，到被用户买到家里，只用了 2.1 天。
更可怕的是全链路损耗率，居然做到了 1.5%，要知道生鲜这个行业，最大的损耗就是生鲜本身。1.5% 这个数值，很难想象。
这两个数字，对生鲜电商的每个环节的精准咬合，提出的挑战是巨大的：
在前置仓必然劣势“面积小库存浅”情况下，对算法和供应链的灵敏度提出了非常高的要求。
运营每天都需要对采购量和库存量做实时判断，4 百万个 SKU 不可能是挨个人力手工调整，必须依赖数字化算法的能力去做预测。
而AI 的能力，给了叮咚买菜更加智能化的算法，更实时的业务能力：
04
SaaS 系统和短视频都离不开 AI
参加峰会之前，看到”交个朋友“的副总裁会来参会交流，我就很感兴趣。一半是出于对罗老师的公司好奇，另一半很想知道这个快速成长起来的直播公司，到底是怎么做的。
事实证明，这场峰会最实在的内容之一，也确实是“交个朋友”。
补充个冷知识，“交个朋友”现在是上市公司了，虽然是借壳上市：
交个朋友的副总裁刘亚平直接分享了公司用的后台系统，虽然只是系统截图，但是可供参考的空间也很大：
这套系统据说是”交个朋友“自己找 SaaS 公司开发的，在有这套系统之前，每个子团队用的系统都不一样，今天团队 A 提需求要搞一个这个系统，团队 B 提需求要搞一个另外系统，部门墙严重，信息同步成本很高，2023 年花大力气做了这个系统之后，整体运营效率提升非常多。
这个系统里有一个“法务资质自动化审核看板”让我印象很深刻。大家都知道，这些年因为供应商资质不全，货不对版，导致大主播深陷舆论风波的事不少。这个系统就是为避免这类问题而生的。
策略产品经理和运营，在设计之初就对好审核需求和对应的规则，让系统能够完成快速的初步的资质审核跟筛选，看板统计日审核的数量、风险等级、责任落到审核人。
可能对于大公司来说，这套看板见怪不怪，但对于大量中小型企业，尤其是初创公司，要拥有一套这么完整的风险控制体系，却是不是我想就能立刻有的。
其实，市面上的 SaaS 系统选择很多，我在北京也见过一些专门做 SaaS 的公司，但是跟业务能结合得多深，能用得多好，并不好说。毕竟 SaaS 公司不懂业务，懂业务的人不懂做系统，中间的信息损失很难避免。
交个朋友有提到，希望未来能把这套直播的系统做成标准化解决方案，推给行业里的人。
至于 AI 做短视频，这已经是视频行业基础操作。交个朋友也是靠行业爆款➕自有爆款，让 AI 结合去自动生成更多的视频脚本。
这个过程，AI 是辅助、是工具，但是否能产出真正让市场接受的内容，还是要有专业的人把关。
05
时尚行业离不开 AI 图片和视频
禾观科技Urbanic上场分享的时候，旁边有个年龄大我不少的姐姐问我，这个是我们平时看到的服装品牌 Urban Revivo 吗？我笑笑说不是，演讲人说这是个英国品牌。
这个品牌名确实让人不得不联想到 UR，但这是完全不同的两个品牌。
这个品牌的官网：
另外，我查证看到36 氪曾报道，Urbanic品牌成立于2019年，创始人是中国人薛驰，曾就职于Google，联合创始人邓秋霖曾就职于阿里巴巴，其他核心成员来自LVMH、Chanel等欧洲时尚行业。
我可以简单理解成，这个品牌是个英国注册，但几乎从头到尾都是中国血液的中国品牌，用的是中国的服装供应链，公司也是全套的中国团队。
熟悉服装出海的人，肯定会拿这家 Urbanic 和 Shein 比较，但我觉得它俩走的是不一样的市场和价格策略。
Urbanic 的主要市场在英国和欧洲，定价也走的是中端甚至更高端的路线，这也是为什么这个品牌强调自己是英国品牌。
Shein 的打法是小单快反、高效供应链，走的是低价策略，最大的市场来自美国。本质的商业逻辑和Urbanic 不一样。
那么这家公司为什么让我印象深刻？
很简单，他很接地气，很实在。
上来就给我们看了他们公司的看板：
我一看到这个看板，一股字节风神 Aeolus 看板的熟悉感迎面扑来。
仔细看这个看板，我就想问业内有多少做服装的，自己有这么一套全数字化可实时更新和追踪的看板？
如果连基础的数字化都还没达到，AI 来了也帮不上什么忙的。
后面罗军直接展示了他们用的 AI 工具，是怎么直接生成仿真度极高的服装展示照片和视频。
选你要的服装类型：
选你想要的 AI 模特：
生成的 AI 模特照片和视频：
最后生成的 AI 模特毫无违和感，不跟你说，完全分辨不出来是AI。
市面上现在还有很多做服装的，还在用第三方的 AI 软件，苦兮兮地自己写 AI 程序，为了替换服装图片，仿真度和 服装细节度都不够。在这样的软件面前，无疑是成本和效率端的被降维打击。
跟“交个朋友”类似的，Urbanic 也有自己的 AI 爆款生成器。
下图中，最左侧的蓝色连衣裙（灰色背景下）是 urbanic 之前的一大爆款，这个 AI 在旧版型基础上，引入新的面料和曾经的爆款花色，自动设计和生成了新的 SKU：
爆款两两结合下，在 AI 帮助下可以开发的款式数不胜数，但这个是基于过去的爆款。
Urbanic 还分享到，他们针对时尚趋势、风向元素，也有自己的监控看板，通过这些AI工具，去监控未来可能的爆款元素，并用过去的数据辅助预测未来的爆款可能性。
AI 同时也能帮助他们更快速确认服装制版，效率提升显著。
06
结语
我觉得，这次虎嗅办的峰会，比大厂办的招商峰会，用的素材有趣多了。
入场后，观众等待时期，播放的影片素材是 B 站 up 主的视频，趣味性和科技感比起大厂好太多，我脑子里蹦出来俩字——“腔调“哈哈。
整个会议过程中，我时不时会联想到，现实生活中，有很多小微企业，只用着通用大模型粗粗接入了公司系统，却不知道如何真正去提效使用。
更有很多更小的公司，根本没有能力接入 AI，顶多员工日常问问DeepSeek 一些问题，期待 AI 给出一些回答。
希望，本文的分享能给到你一些启发。
