珠宝行业AI分水岭:从工具执行,到企业智能体与治理体系

过去一年，珠宝行业谈 AI，最常见的画面是什么？

AI 出一张珠宝设计图。

AI 把白底产品图变成模特佩戴图。

AI 写一篇小红书文案，生成一条短视频，甚至让一个并不存在的模特戴上一条并不存在的项链。

这些变化当然重要。

但如果今天还用“能不能出图、能不能写文案”来判断一家珠宝企业的 AI 能力，可能已经有些晚了。

因为在行业的另一端，AI 已经开始进入商品、门店、组织、鉴定、溯源，甚至企业治理。

2026 年，一个越来越明显的分水岭正在出现：

有人还在用 AI 生产内容，有人已经开始用 AI 重做经营系统。

差距，正在从这里拉开。

深圳水贝可能是观察这场变化最直观的地方。

据新华网 2026 年 8 月报道，在约一平方公里的水贝，聚集着 9000 余家黄金珠宝法人企业、近 7 万名从业者，年产业规模超过 2000 亿元；当地每年新增外观专利超过 1.2 万件，注册设计师超过 3000 人。

这里原本就是一个高度依赖速度的产业生态。

新品要快，跟款要快，直播要快，内容也要快。

AI 来了以后，速度被进一步压缩。

报道中的珠宝设计师已经在利用 AI 批量生成设计雏形、拓展创意思路。报道中受访设计师所说的“15 分钟”，指在已有首饰白底原图的前提下生成基础展示素材；过去一套完整的产品视觉物料至少需要半个月。

更有意思的是，AI 改变的已经不只是“怎么做图”。

一家在水贝开展珠宝业务的企业，把设计图与 AI 生成的视频结合起来，先在东南亚社交媒体测试市场反馈，再从数百款储备设计中筛选产品，首批只上线 5 款。

这其实已经非常接近一种新的商品逻辑：

不是先生产，再想办法卖；而是先用数字内容测试，再决定生产什么。

对于珠宝行业来说，这件事的意义可能比“15 分钟生成一张图”更大。

因为 AI 第一次把过去相对昂贵的“市场测试”，变成了一件可以低成本、大批量进行的事情。

一张图、一条视频、一个款式，都可以先进入市场接受反馈。

设计—内容—测试—生产之间的距离，正在被压缩。

但问题也恰恰从这里开始。

当所有人都能更快地生成图片、更快地做款、更快地测试市场以后——

快，还会是一种优势吗？

老凤祥的案例，提供了另一个答案。

中国黄金协会 2026 年披露，老凤祥从 2023 年开始探索 AIGC 创作，并联合院校尝试把 AI 生成的设计真正转化为产品。

但很快遇到了一个珠宝行业非常现实的问题：

AI 生成的是图，珠宝企业要生产的是一件真正戴在人身上的商品。

它必须考虑结构。

考虑材料。

考虑人体工程学。

考虑宝石工艺。

还要考虑佩戴是否舒适。

老凤祥为此用了约三年时间，让 AI 设计从偏“装饰性”的表达，进一步走向兼顾舒适性、人体工程学与宝石工艺的产品设计。中国黄金协会的材料同时强调，即使 AI 能够提升效率，在作品细微处仍然需要人的经验与判断。

这个案例很值得珠宝行业认真看。

因为它揭示了 AI 进入实体产业之后经常被忽略的一道鸿沟：

生成，不等于设计；设计，也不等于商品。

一张看起来惊艳的 AI 珠宝图，可能根本无法镶嵌。

一个复杂漂亮的结构，可能无法量产。

一个在屏幕上完美的戒指，真正戴到手上可能并不舒服。

所以，AI 在珠宝行业真正的价值，不只是让设计师拥有一个更快的“灵感机器”。

更深的一步，是把工艺知识、材料知识、结构知识和人的经验逐渐带入 AI 工作流。

到了这里，企业之间的差距已经不再只是：

谁的 AI 工具更好。

而开始变成：

谁拥有更多可以让 AI 理解的行业知识。

如果说水贝看到的是生产效率，老凤祥看到的是产品研发，那么周大福正在发生的变化，则更接近企业经营本身。

微软 2026 年披露，周大福已经在企业内部部署超过 400 个定制 AI Agent，覆盖超过 2.4 万名员工，月均 AI 交互超过百万次。

按照微软案例披露的数据，AI 已让部分关键业务流程效率提升超过 70%。

但真正值得注意的，不是“400”这个数字。

而是这些 Agent 在干什么。

在门店，一线导购可以通过 AI Fook 查询产品工艺故事、实时库存和搭配建议，不再需要在多个系统之间反复切换。

AI Roleplay 则被用于销售训练：模拟不同消费者，让导购在正式接待顾客之前进行训练。

根据微软披露，结合相关 AI 工具和业务机制后，相关团队销售转化率最高提升 57%。需要说明的是，这是微软与周大福合作案例中的项目方披露口径，并非独立第三方审计结果。

这和“用 ChatGPT 写一篇文案”，已经完全不是同一件事。

因为 AI 开始拥有企业自己的知识。

知道产品。

知道库存。

知道规则。

知道销售 SOP。

并且开始进入真实的业务流程。

这意味着珠宝企业正在经历一个非常重要的变化：

过去，是员工使用系统。

未来，可能是员工和 Agent 一起完成工作。

而这件事真正的门槛，其实并不是大模型。

今天，模型能力越来越容易获得。

真正难复制的是模型背后的东西：

企业的数据、知识、流程和权限。

一家企业如果连库存数据都没有打通，会员数据散落在不同系统里，产品知识依赖老员工口口相传，优秀导购的销售经验没有形成 SOP——

即使突然拥有最先进的大模型，也很难直接长出 400 个真正能工作的 Agent。

所以 AI 带来的一个反直觉结果可能是：

它不一定首先缩小企业之间的差距，反而可能先放大企业原有的经营能力差。

案例数据分别来自公开报道、中国黄金协会与微软项目披露；口径不同，不作横向绩效比较。

还有一些变化，消费者甚至看不到。

比如钻石分级。

GIA 与 IBM Research 合作开发的 AI 净度分级方案，利用 GIA 长期积累的大规模钻石影像与分级数据，对数字影像作分析并提供分级建议，再由鉴定师复核。

IBM 披露，支撑这一系统的数据来自 GIA 专家过去检查的数千万颗钻石。

这已经不是 AI 帮品牌“卖得更好”。

它开始进入珠宝行业最专业的基础环节之一：

怎么判断一颗钻石。

另一端则是溯源。

2026 年 5 月，GIA 宣布签署协议，拟收购天然钻石溯源平台 Tracr 30% 的股份。GIA 表示，这项投资将推动 Tracr 向更独立、更具行业属性的天然钻石溯源基础设施发展。Tracr 是区块链溯源平台，这项投资本身不能证明 AI 已被用于溯源。

把 AI 净度分级与数字化溯源放在一起看，会发现技术正在进入珠宝行业更深的信任环节。

数字技术不再只存在于营销部门。

而是在沿着整条价值链往里走：

设计。

商品。

零售。

鉴定。

溯源。

越往后走，它接触的数据越敏感，做出的判断越重要。

于是另一个问题自然出现：

当 AI 真正进入企业核心流程以后，谁来管 AI？

Hermès 的选择很有意思。

它并没有把 AI 描述成一场激进的效率革命。

Hermès 披露，集团采取的是有针对性的 AI 部署方式：在认为合适的领域使用 AI，尤其希望减少员工繁琐、重复的工作，同时明确不能损害品牌赖以存在的手工艺卓越和人的维度。

更值得注意的是，Hermès 已于 2025 年建立专门的 AI 治理框架，用于规范 AI 的治理、评估与负责任部署。

与此同时，它还与员工代表展开相关讨论，并向全体员工提供负责任使用 AI 的培训；其中涉及的议题包括员工技能、客户隐私、敏感数据以及企业机密信息保护。

这其实代表了 AI 应用更成熟之后必然出现的一步：

最开始，企业问的是：

“我们能不能用 AI？”

然后变成：

“AI 能帮我们做什么？”

再往后，则是：

“哪些事情可以让 AI 做？哪些不能？谁负责？数据可以去哪里？出了问题谁承担责任？”

当一家企业开始讨论这些问题时，AI 才真正从“创新项目”进入企业治理。

这也是为什么，AI 用得越深，治理反而越重要。

把这些案例放在一起，会看到一张很有意思的图。

第一层，是内容 AI。

图片、视频、文案、模特图。

它降低的是内容生产成本。

第二层，是产品 AI。

灵感、设计、结构、工艺辅助。

它改变的是新品研发效率。

第三层，是经营 AI。

导购、客服、会员、库存、培训、供应链。

它开始改变企业的人货场决策。

第四层，是行业信任技术。

鉴定、溯源、标准与数据基础设施。

它影响的是整个行业的信任效率。

第五层，则是AI 治理。

数据权限、安全、责任、员工培训，以及人与 AI 的边界。

它决定的是 AI 能不能真正规模化进入一家企业。

这五层之间，并不是简单的“谁先进、谁落后”。

不同规模、不同商业模式的企业，本来就会从不同位置进入。

但有一点越来越明确：

如果 AI 永远停留在第一层，它带来的优势会越来越短。

因为生成一张图片的成本还会继续下降。

写一篇文案的速度还会继续提高。

模型之间的能力也会越来越接近。

当所有企业都拥有这些能力以后，“会不会生成”本身就很难继续构成壁垒。

真正开始形成差距的，是后面的东西。

这可能是珠宝企业今天最容易产生的误判。

看到一个更强的新模型，就认为自己的 AI 能力又提升了。

但模型只是最外面的一层。

真正决定一家珠宝企业能把 AI 用到什么程度的，可以用这样一个分析式帮助理解；它不是可实测的数学公式：

AI 能力 = 数据 × 流程 × 知识 × 权限 × 治理 × 模型

有没有结构化的商品数据？

库存是不是实时的？

会员数据能不能连接？

品牌知识有没有沉淀？

优秀设计师和导购的经验有没有变成组织知识？

哪些数据 AI 可以调用？

哪些数据绝对不能调用？

AI 做出的判断，最终由谁负责？

这些过去看起来属于数字化、IT、组织管理甚至合规的问题，现在正在一起变成 AI 问题。

所以，真正值得珠宝企业警惕的，也许不是：

“我们的同行已经开始用 AI 了。”

而是：

“我们的同行已经开始把过去十年积累的数据、流程和知识，变成 AI 可以调用的能力了。”

这才是更难追赶的部分。

回头再看水贝那 15 分钟。

它当然令人兴奋。

因为 AI 第一次让很多过去昂贵、缓慢的工作，变得便宜而快速。

但 15 分钟并不是终点。

从一张图，到一件真正可以佩戴的珠宝；

从一个 AI 工具，到 400 多个进入企业流程的 Agent；

从提高效率，到建立 AI 治理体系——

AI 每往产业深处走一步，需要解决的问题就会完全不同。

所以到了 2026 年，再问一家珠宝企业：

“你们有没有用 AI？”

这个问题已经越来越没有意义。

更值得问的是：

AI 现在停在你的内容部门，还是已经进入你的商品、供应链、门店和管理系统？

因为下一阶段真正拉开差距的，可能不再是谁更早用了某个模型。

而是谁能够把几十年积累下来的商品知识、工艺经验、消费者数据、零售流程和组织能力，重新变成 AI 可以理解、调用和执行的系统。

当 AI 成为所有企业都能获得的能力，真正稀缺的，反而会重新变成企业自己。

这或许才是珠宝行业这一轮 AI 竞争真正开始的地方。

相关推荐阅读

本内容仅供珠宝文化与行业研究参考，不构成购买或投资建议。