夜雨聆风
上个月，两场比赛密集开打。
6月底，AICon全球人工智能开发与应用大会上海站，1500+产业从业者参会，48家头部企业参展。7月初，2026中国AI智能体大会杭州站，64位嘉宾，61场演讲，议题从自进化Agent一直聊到Agentic Infra。
两场大会的议题不完全重合，但指向同一个结论：零售AI的下一阶段竞争，不是比谁的模型更强，而是比谁能让AI真正"全域跑起来"。
这话说起来抽象，但如果你看过慧博科技CTO贾世龙在AICon上的分享，就会理解这个判断的含金量。
90%踩坑的根源：数据割裂+单点高成本
慧博科技服务了上千家零售品牌，他们在实战中总结出绝大多数品牌AI上线后效果不达预期的核心症结，全部绕不开两个问题。
第一个是全渠道数据孤岛。今天零售流量四分天下——淘宝京东的传统货架电商、抖音小红书的兴趣电商、企微私域、线下门店。每个平台独立存储用户数据，没有统一的One-ID客户身份体系。AI只能读取单渠道的零散行为数据，无法串联用户从浏览、加购、下单、复购到售后的全链路轨迹。残缺的数据直接导致人群圈选、营销投放、经营复盘的精准度大幅下滑。
第二个是海量数据下的单点AI成本失控。头部零售品牌全域用户数据超1亿条、年订单千万级、私域单日对话峰值10万+。把原始数据直接丢给大模型，Token调用成本暴涨，数据噪音引发AI幻觉，渠道身份割裂导致画像残缺。传统单点AI工具"一业务一套流程"，报表、短信、私域运营各搞各的，新增任何活动都要从零开发，长期运维成本居高不下。
贾世龙在现场强调了一个行业共识：零售AI落地的前置条件，永远是全域数据治理。品牌必须先通过CDP客户数据平台打通全渠道用户身份，搭建统一合规的数据底座，AI才能真正产生经营价值。
从Workflow到Harness：两层架构的进化
慧博自己走过的路，基本就是零售AI行业的缩影。
早期是单业务固定流程的Workflow AI，只能完成基础报表、批量消息推送这类简单工作。运营场景一多，渠道数据不通、新场景重复开发、策略无法灵活调整的问题全暴露了。
全新迭代的Harness全域三层架构，思路完全不同。底层保留成熟稳定的传统Workflow和数据工具，企业不用全盘重构现有系统；中间层把数据查询、生意诊断、营销方案生成、用户触达等高频操作封装为通用Skill，随时调取复用；顶层Harness调度层让运营人员用自然语言下达需求，系统自动拆解任务，调度多项技能协同完成。
一个具体例子：运营人员上传一张只有表头的Excel，说"补全这个表格"。Harness会并行调用「报表查询Skill」拉取全渠道会员、订单、活动数据，再通过「表格回填Skill」自动规整字段。这个能力不只服务于补表——会员分层、大促复盘、流失用户召回，都能直接复用。
效果数据也直接：整体技术运维工作量下降80%，内置6套标准化零售场景，品牌开通后几分钟即可上线。
自进化Agent元年：不只是零售的事
如果说慧博的案例回答了"零售AI怎么做"，那杭州的中国AI智能体大会则把视角拉到了整个Agent行业。
几个关键判断值得零售从业者关注。
蚂蚁百灵架构负责人李龙飞提出，提高Token效率是Agent规模化落地的前提。面对Agent时代Token成本剧增的痛点，大模型竞争将从单点能力走向效率、原生工作流和可服务性的综合竞争。这对零售企业来说很现实——你不可能无限烧Token，效率和成本控制是落地的硬门槛。
阿里Qoder产品线技术副总裁谢吉宝的描述更有画面感：办公人员就像"人形API"，每天在数十款软件、上下文之间切换，把大量精力消耗在"找、整、传"等琐事上。他认为未来的Agent将脱离桌面，配备自己的电脑，拥有独立的机器、账号、权限和队列，更像一个组织里的数字同事。
快手基础大模型Agent研发专家何菱的判断更犀利：现有Agent路径的局限在于，沉淀了"做事方法"，但缺乏"工作环境"。AI没能直接操作用户的真实工作工具，导致每次做事都得重复执行。他的解法是把程序员的日常工作环境开放给Agent使用，这种模式可以泛化给所有知识工作者。
MCP协议：Agent时代的"HTTP"
还有一个趋势值得注意：MCP（Model Context Protocol）正在成为Agent之间的通用语言。
Robinhood已经上线了"Agentic Trading"测试版，用户通过MCP协议把Claude、ChatGPT或开源Agent接到专用账户，AI可读持仓、扫研报、按目标自主下单。慧博的新产品小慧CLAW也内置了标准化MCP互联协议，作为全域系统统一连接枢纽。
MCP之于Agent，就像HTTP之于Web。它让不同的AI应用可以即插即用地调用外部工具和数据源，不再需要每个应用自己实现一套工具调用系统。对于零售企业来说，这意味着：你的ERP、WMS、CRM、电商平台，只要封装成MCP Server，任何Agent都可以调用，大幅降低了系统集成的复杂度。
一个判断
零售AI正在经历一次"操作系统级"的跃迁。
过去的零售AI是"工具箱模式"——每个场景一个工具，互不连通，各自为政。下一阶段是"操作系统模式"——统一的数据底座、可复用的能力层、智能的任务调度，AI从"解决某个问题的工具"变成"贯穿全链路的经营中枢"。
90%的企业还卡在第一阶段，不是因为技术不行，而是因为路径没选对。先治理数据，再封装能力，最后让Agent来编排——这个顺序不能反。
从Coding到Anything，从单点到全域，零售AI的操作系统之争，已经打响。
参考来源：AICon 2026上海站慧博科技CTO贾世龙演讲、2026中国AI智能体大会杭州站、智东西《从Coding to Anything》专题报道、凤凰网《好多人啊！Agent大会燃爆杭州》
