> **来源：[研报客](https://pc.yanbaoke.cn)** # 2026年零售和消费品行业AI发展现状及趋势 # 目录 # 调研概览 # 深入调研结果 行业领导者需要了解的主要趋势 3 摘要 3 业务影响和投资趋势 6 迈向开源 8 代理式AI的兴起：下一个竞争前沿 8 零售和消费品行业 10 供应链弹性：AI成为战略要务 13 不断变化的挑战和推理的重要性 15 展望未来 17 调研方法 17 # 调研概览 # 行业领导者需要了解的主要趋势 零售和消费品行业在其人工智能之旅中已经达到了一个关键的转折点。从后台到供应链、商店和数字商务，AI正在部署在每条业务线中。最重要的是，这些AI解决方案对利润产生了切实且可衡量的影响，有助于简化运营并提高员工生产力。 随着实验让位于广泛部署，主要问题已从是否投资AI转向如何设计灵活、经济高效且与每个组织的数据、人才和风险策略保持一致的AI堆栈。这越来越意味着，在如何大规模优化推理、如何平衡开源模型和专有模型以及在何处引入代理式AI和物理AI等新功能方面，我们需要慎重选择。 这是第三份年度的NVIDIA零售和消费品行业的AI现状报告探讨了零售和消费品行业的AI部署状况，分析了业务影响和投资趋势、开放且灵活的AI堆栈的演变、代理式AI重要性的增加、战略用例，以及围绕人才、数据成熟度和推理优化的关键实施挑战。它探讨了企业组织如何借助AI驱动的解决方案应对供应链复杂性，并在最后为AI赋能的行业中的竞争定位带来前瞻性影响。 # 摘要 AI在零售和消费品行业中的作用正在从孤立的解决方案扩展到全面的企业范围战略。如今，AI可支持营销和广告、优化供应链并增强店内体验。本报告重点介绍AI正在重塑行业的关键领域，评估成熟度和投资水平，并重点介绍推动取得切实业务成果的主要用例。 以下是今年报告中的一些主要亮点： # AI成熟度曲线 # 58% 受访者表示其组织正在积极部署AI解决方案，相比2024年的 $42\%$ # 33% 受访组织目前正在评估AI解决方案，显示继去年更广泛的探索阶段(47%)之后，评估活动正趋于稳定。 在整个商业领域，企业正在从运行众多AI试点转向选择和扩展具有成熟业务价值的解决方案。这一趋势在零售和消费品行业尤为明显，其中活跃的AI使用率显著增加，评估AI的企业所占比例同比下降了14个百分点。 # AI如何影响利润 # 89% 受访者表示AI正在帮助增加年度收入。 # 95% 受访者表示AI正在帮助降低年度成本。 AI在三个关键领域产生了可衡量的影响：运营效率、客户体验和员工生产力。这些统计数据凸显了AI对利润的双重影响：它不仅是收入增长的强大驱动力，而且还大幅节省了成本。 # AI 成功带来投资增长 # 90% 受访者指出AI投资将在2026年增长。 # 58% 受访的高管表示，AI投资将增长 $10\%$ 以上。 随着AI解决方案展现出切实的业务影响，几乎所有受访者都期望投资增加或至少保持稳定。增加支出将提高AI性能，发现新的用例，并使员工能够将AI集成到日常工作流中。 # 开源AI提升战略重要性 随着企业组织不断扩展AI，领导者纷纷转向开源模型和工具，使系统适应自己的数据，保持部署方式的灵活性，并利用快速发展的创新生态系统。 # 79% 受访者表示将开源模型和工具集成到他们的AI堆栈中为中等到非常重要。 # 代理式AI正在兴起 # 47% 受访者表示他们的组织正在使用或评估AI智能体。 # 20% 受访者表示AI智能体已在其组织中得到积极部署。 代理式AI是一种能够自主推理、规划和执行复杂任务的先进系统，目前仍处于企业采用的早期阶段，而零售和消费品行业组织已经在对其进行试验。AI智能体可用于加速运营、增强客户体验，并利用实时数据改进决策制定。 # 简化供应链 # 91% 受访者表示AI正在帮助降低年度供应链成本。 # 51% 受访者表示他们正在使用AI来解决供应链中的运营吞吐量和效率问题。 现代供应链非常复杂，零售和消费品公司正在利用AI来简化运营。下一个前沿领域是部署数字孪生等物理AI解决方案和机器人，并且早期实施已经在进行中。 # 深入调研结果 # 业务影响和投资趋势 91% 的零售和消费品企业组织现在都在使用 AI，这标志着 AI 在该行业几乎得到了普遍采用。这一势头包括使用率活跃度的急剧上升：58% 的受访者表示他们的公司目前正在使用 AI，比去年增加了 16 个点。 在拥有1000名以上员工的大型组织中，积极使用AI的企业占 $69\%$ ，而在小型企业中，这一比例为 $48\%$ 。随着试验让位于广泛部署，主要问题已经从是否投资AI转变为组织与同行相比如何有效地部署AI。 91% 的行业企业组织正在使用AI。 # 验证商业案例 AI已从一项理想技术成为经过验证的业务驱动力。财务结果证实了该行业积极的投资态势：收入增长十分普遍， $89\%$ 的企业表示产生了积极影响， $57\%$ 的企业实现了 $5\%$ 或更高的增长。与此同时， $95\%$ 的受访者表示，AI正在帮助降低年度成本，其中 $58\%$ 的受访者将成本降低了 $5\%$ 或更多。 这些双重影响 (同时实现收入增长和成本降低) 解释了高管的承诺。AI正在实现营收加速和利润提升的结合，这是一个价值主张，即使在不确定的经济环境中也有理由继续投资。 89% 受访者表示AI对收入产生了积极影响。 95% 受访者表示AI正在降低年度成本。 # 战略目标和已实现的成果 受访者表示，他们所在的企业组织进入AI之旅的主要目标有三个： 1. 提高运营效率：45% 2. 改善客户体验：38% 3. 提高员工生产力：29% 借助AI，企业组织不仅正在实现而且正在超越其初始目标。54%的受访者表示AI提高了生产力，52%的受访者表示运营效率得到提高，41%的受访者表示客户体验得到改善。 # 投资信念 AI正在为零售和消费品行业塑造一个光明的未来，因为各种业务功能的智能工具相辅相成，从而简化运营。不出所料，高管对AI投资的兴趣十分浓厚， $92\%$ 的高管表示他们的AI预算将在明年增加，其中 $58\%$ 的高管预计将增加 $10\%$ 以上。 企业组织正在加倍投入AI，以产生真正的影响。优化AI工作流和生产是投资重点，占比 $36\%$ ，其次是确定新用例，占比 $33\%$ ，培训现有员工占比 $32\%$ 。 除了增加支出外，公司还在更具战略性地部署AI，从而创造投资、学习和绩效提升的良性循环。 92% 的高管计划在明年增加AI预算。 # 迈向开源 随着生成式AI逐渐成熟，企业组织正在从通用工具转向针对特定业务需求定制的专用解决方案。开源模型和工具可灵活地使用专有数据微调AI，同时利用社区创新加速开发。 零售和消费品行业组织正以不输其他行业的速度采用开源技术。近一半 $(48\%)$ 的受访者认为将开源模型和工具集成到其技术栈中非常重要，而另外 $31\%$ 的受访者认为这一点中等重要。 48% 受访者表示开源非常重要。 # 代理式AI的兴起：下一个竞争前沿 今年的调查新增了关于代理式AI的问题，这些系统通过自主推理、规划和执行复杂任务来解锁新的业务价值。 尽管代理式AI是一项新兴技术，但它已经进入了企业工作流。在零售和消费品行业， $47\%$ 的受访者正在使用或评估AI智能体，其中 $20\%$ 的受访者正在积极部署AI智能体，另外 $21\%$ 的受访者计划在明年进行部署。 # 战略目标和商业价值 企业组织正在部署AI智能体，以解决传统自动化无法完全实现的三项互连业务需求： # 1. 提高处理速度和效率：57% 代理式 AI 可以持续执行工作流程、自主处理异常并即时扩展，将原本需要数小时甚至数天的流程转化为实时操作。 # 2. 提升客户体验和个性化沟通：40% 代理式AI可以进行多轮对话，了解微妙的客户需求，访问跨系统的信息，并采取行动解决问题或完成交易，在不增加人工支持成本的情况下提供客户所期望的响应速度和个性化沟通。 47% 表示他们已经在使用或评估代理式AI。 # 3. 使用实时数据改进决策制定：40% AI智能体可以持续监控数据流，检测需要人工介入干预的情况，根据业务规则评估选项，并根据需要采取行动或升级，使组织能够以数据的速度运行，而不是人工审查周期。 通过AI智能体解决的五大商业目标 # 代理式AI实施领域 代理式AI的部署侧重于将高业务影响力与技术可行性相结合的用例。 当前五大AI智能体的使用场景 内部运营是重中之重，其中 $59\%$ 的受访者同时提到工作流程自动化以及知识管理和检索。这些解决方案解决了一个由来已久的挑战：文档、系统和个人中的关键专业知识。检索、合成和应用机构知识的AI助手使员工能够利用组织的集体智慧。 员工和客户支持同样为 $48\%$ 。员工助理提高了各职能部门的工作效率，而客户支持助理则处理日常查询，让员工能够专注于复杂的案例。这种平衡凸显了AI如何在内部和外部创造价值。 客户相关应用包括个性化营销和广告占比为 $48\%$ ，购物助理占比为 $41\%$ 。这些智能体超越了分析。他们根据洞察实时采取行动，调整消息，推荐产品，并根据单个客户的情况指导购买决策。 48% 的受访者表示，担心 AI 智能体使用经过相关训练的模型会影响实施策略。零售和消费品行业组织运营的产品、流程、客户行为和业务规则独一无二，而这些都是普通模型可能无法理解的。企业正在应对利用专有数据和领域专业知识定制基础模型的挑战，越来越多地转向开源模型和工具来保持性能，同时避免长期技术债务。 # 零售和消费品行业 越来越多的企业组织正在部署AI技术来推动整个企业的价值提升。生成式AI、大语言模型和高级数据分析处于领先地位， $66\%$ 的受访者优先考虑使用这些技术来优化运营、提高客户参与度，并提供决策制定方面的见解。如前所述，根据 $47\%$ 的受访者的说法，代理式AI首次亮相表现强劲，成为其第一年衡量的核心技术重点。 大型企业正在引领这些AI趋势，其中 $77\%$ 的公司优先考虑数据分析， $72\%$ 的公司专注于生成式AI。规模较小的公司(通常资源更为有限)更依赖于代理式AI。 $54\%$ 的企业正在使用或评估AI，而大型企业的这一比例为 $40\%$ ，这反映出代理式AI能够帮助企业扩展容量并以更少的资源实现自动化。 小公司对代理式AI的参与度(54%)高于大型企业 $(40\%)$ 。 使用或采纳三大AI领域 # 面向客户和后台用例的增长 AI在主要业务职能部门的采用率持续上升，电子商务通过面向客户的应用不断增长，后台通过分析和自动化得到强化，供应链作为成熟的运营价值来源保持稳定。这些趋势共同表明，该行业将继续投资于运营支持和以客户为中心的创新，这反映出人们在AI最直接影响增长和竞争力的领域部署AI时更具信心。 五大用例类别 后台 供应链 实体店面 # 面向客户的应用：大规模个性化 电子商务、营销和广告等数字商务继续引领零售业转型， $61\%$ 的受访者表示，这一比例高于去年的 $57\%$ 。这一增长反映了企业向AI驱动的营销和个性化的转变，因为企业组织使用智能系统在整个客户体验过程中提供量身定制的体验。 该领域的一个主要发展是代理式商务，其中AI智能体塑造、策划和响应客户意图。首要产品发现应用包括： > 目录扩充率，高达 $42\%$ ，其中涉及对产品信息（包括文本、图像和视频）进行动态增强和定位 > 购物助理，占 $31\%$ ，指导客户完成个性化的发现和购买 虽然实体店应用仅占整体关注的 $24\%$ ，但在实施的地方展示了深度和数据驱动的采用。在这些采用者中， $74\%$ 的人部署了客户分析和商店分析。这标志着在了解和优化店内客户体验方面进行有针对性的投资，这些投资可用于补充数字个性化策略。 # 员工生产力：借助AI增强人类能力 AI正在重塑整个企业中员工的工作方式。后台运营(包括营销运营、财务、产品开发和IT)是AI应用的第二大领域，占比达 $54\%$ 。各组织正在部署AI来增强员工的能力，从而加快决策速度、提高工作效率并获得更深入的见解。 # 61% 都倾向于使用数字商务来实现业务转型。 # 卓越运营 越来越多的企业组织使用AI来改变供应链绩效， $45\%$ 的受访者认为AI对于实现卓越运营至关重要。这些计划侧重于解决整个端到端供应链(从规划和采购到履行和物流)中复杂、高影响的优化挑战。 # 供应链弹性：AI成为战略要务 供应链压力激增， $64\%$ 的受访者表示挑战逐年增加。这一升级反映了以下结构转变的融合：地缘政治不稳定、劳动力限制、消费者对速度和透明度的期望不断变化，以及全球运营的监管复杂性。供应链已从注重成本的功能发展为推动客户满意度、竞争优势和业务连续性的战略能力。 # 64% 受访者表示供应链挑战与日俱增。 # 多维AI响应 企业组织正在跨多个供应链挑战部署 AI，每个应用都针对特定的业务压力： 1. 运营效率和吞吐量，占 $51\%$ ，仍然是主要关注点，这反映了更快、更经济高效地运输货物的基本需求。AI驱动的自动化、预测性维护和流程优化可帮助企业组织从现有基础设施中获取更多价值，而无需按比例增加资本。 2. 满足客户期望，占 $45\%$ ，强调供应链绩效如何与客户体验密不可分。AI支持需求感知、库存定位和订单履行编排，以实现快速、准确和灵活的交付承诺，这些功能日益成为客户期望的标准。 3. 可追溯性和透明度，占 $38\%$ ，比去年提高了15个点。这反映了来自多个利益相关者的压力越来越大：消费者要求了解产品来源和可持续发展可行性，监管机构要求合规性文档，企业需要跨复杂的多层供应商网络管理风险。AI驱动的追踪系统、供应商监控和来源验证正在从一个可选优势逐渐成为业务必需。 三大AI针对的供应链挑战 # 物理AI和机器人：新一代供应链的开端 物理AI和机器人的采用可能还处于早期阶段，但其价值主张正变得越来越明确。目前， $17\%$ 的受访者表示使用或评估了物理AI和机器人技术。早期的推动者表明，经过深思熟虑的集成后，这些技术提供的不仅仅是任务自动化。它们提高了灵活性和吞吐量，以应对劳动力压力和日益复杂的物流。 在供应链AI领域的投资中，物理AI的部署侧重于内部物流仿真和优化(33%)、机器人拾放(23%)以及智能叉车和自主移动机器人(18%)。 随着试点计划演变为物理AI、数字智能和人类劳动力无缝协作的协调系统，这些技术有望推动下一波供应链转型浪潮，并释放整个行业的价值。 # 正向影响促进供应链中AI的持续投资 在供应链AI方面表现出色的组织可以在成本效益、客户满意度和运营弹性方面建立复合优势，这使得竞争对手越来越难以匹配。目前，91%的受访者表示AI降低了供应链中的运营成本，而去年为80%。 91% 受访者表示AI降低了供应链中的运营成本。 AI在降低供应链运营成本的影响 这凸显了该技术日益增长的影响力和持续投资的理由。 $75\%$ 的受访者表示，他们明年将增加供应链中的AI支出，其中 $22\%$ 的人表示支出将增加 $10\%$ 以上。 # 不断变化的挑战和推理的重要性 随着生成式AI走向成熟，组织正在跨越早期的障碍，专注于执行，这涉及到平衡数据准备、人才限制和新兴技术。 # 数据成熟度进度 在生成式AI时代初期(始于2022年)，数据是主要障碍。企业花了数年时间来获取、整理和准备数据，使其能够普遍用于AI驱动的问题解决。今年NVIDIA AI现状调研显示了重大进展：较少的受访者将数据列为首要问题。在零售和消费品行业，用于模型训练的充足数据从去年的 $27\%$ 下降到今年的 $13\%$ ，而隐私和主权问题从 $22\%$ 下降到 $18\%$ 。 # 人才差距：制约因素 AI人才短缺加剧，从去年的 $31\%$ 上升到今年的 $46\%$ ，现在是主要的实施障碍。这一增长既反映了AI采用的激增，也反映了代理式AI等专业技术的兴起。 人才短缺对业务产生了切实的影响。虽然 $92\%$ 的高管计划增加AI预算，但缺乏熟练人才可能会造成投资偏好超过执行能力的瓶颈。通过招聘、战略合作伙伴关系或提升技能来弥补这一差距的组织将获得决定性优势，将AI雄心转化为运营影响。 75% 明年将增加供应链 AI方面的支出。 仅 $13\%$ 受访者表示训练数据是今年面临的最大挑战。 AI人才的缺乏是今年实施AI的首要障碍。 # 推理的重要性 AI推理是每次AI交互背后的引擎，即训练好的模型生成预测并将学到的知识应用于新数据的过程。每次查询模型时，都会进行推理，从而推动实时决策、建议和运营操作。优化推理对于将AI投资转化为可衡量的商业价值至关重要。 # 推理的主要注意事项： # >成本效益和总拥有成本： $41\%$ 生产规模的推理成本可能会迅速侵蚀AI原本旨在提升的利润率。对于每天处理数百万次推荐、个性化请求或库存预测的零售商来说，每次查询仅几分钱的成本也会累积成可观的年度开支。未能优化推理的组织可能会使人工智能从利润驱动因素转变为成本中心，特别是在高容量、低利润率的运营中。 # >延迟、准确性和吞吐量： $35\%$ 这些技术因素直接影响客户体验和运营效率。毫秒级延迟会影响转化率，有限的吞吐量会影响需求峰值期间的性能，准确性问题会削弱信任，增加支持成本，并导致库存失衡和订单履行效率低下。在测试中表现出色的模型可能会在生产负载下出现故障，从而产生限制增长和ROI的瓶颈。 # > 模型性能和基准测试：32% 随着AI的广泛采用，竞争优势取决于拥有卓越的模型。即使是准确性或有效性方面的微小差距也会增加成本、减少销售额并降低客户生命周期价值。如果不进行基准测试，组织可能会面临投资于表现不佳的模型、资源分配不当以及错过优化机会的风险。 这些因素相互关联。优化推理可带来更广泛的部署、更快的优化周期和更好的结果等复合优势，而失败会让AI陷入小规模试点，限制影响和增长。对此，如前所述，许多组织正在转向结合开源模型和专有模型的开放、灵活的堆栈，以大规模满足其推理需求。 优化推理可带来复合优势。 # 展望未来 零售和消费品行业正处于变革时刻。数据基础设施的成熟，加上开源AI组件的重要性与日俱增、代理式AI的出现以及物理AI在供应链和运营中的发展势头与日俱增，使得企业组织能够提供前所未有的个性化、效率和响应能力。 战略叙事已从实验转向执行，从后台自动化转向面向客户的创新。在客户期望、供应链复杂性和运营需求不断增加的环境中，成功解决人才缺口并扩展代理式AI功能的组织将建立竞争优势。 投资势头依然强劲，技术基础日趋成熟，而商业成果也验证了对AI的战略性押注。行业正在从是否投资AI的问题转向优化如何在整个价值链（从供应链预测到个性化客户参与）中最有效地部署AI。 接下来的12个月，更深入地将开源组件集成到生产堆栈中，实现代理式AI的可操作性，继续向专用AI应用演进，并能够吸引和培养保持创新速度所需的人才。有效执行这些要求的组织不仅要优化现有运营。他们将重塑零售业和消费品行业的未来。 # 调研方法 这项调查从2025年8月到9月进行，得到了数百名受访者的回应，其中包括零售和消费品行业各细分行业的高管、经理和从业者。细分领域包括服装和鞋类、汽车零件和配件、清洁和洗用品、便利店、化妆品和美容、百货公司、电子商务、食品和饮料、家居装饰、家居用品、办公用品、制药、专业和体育用品、超级市场和杂货店，以及仓库俱乐部和超级购物中心。该在线调查来自NVIDIA的分发列表和全球社交媒体。 行业正在从询问是否投资AI，转向如何优化AI部署。 # 准备好开始了吗？ 如需详细了解领先的零售商如何使用AI, 请访问：nvidia.cn零售 © 2026 NVIDIA Corporation。保留所有权利。NVIDIA 和 NVIDIA 徽标均为 NVIDIA Corporation 在美国和其他国家/地区的商标和/或注册商标。其他公司名称和产品名称可能是其各自关联公司的商标。其他所有商标均为其各自所有者的资产。4769176。2026 年 1 月 NVIDIA