别把买软件叫数智化:有些企业装上了AI,脑子还停在20年前

食品企业真正需要的，不是再买一套系统，而是完成一次世代交替

这两年食品行业有一种病，叫“数智化焦虑症”。出去听一次论坛，回来要上AI；参观一家工厂，看见数字大屏，也要挂一块；咨询公司讲平台，就搭平台；PPT最后再补一句“构建产业生态”。钱花了一轮，系统多了一堆，员工每天多记三个密码。年底一盘账，新品还是老板拍脑袋，研发还是老师傅凭手感，销售还是区域经理拍胸脯。机器到了2026年，企业脑子还活在2006年。

最近Food Business News介绍达索系统在食品行业应用虚拟孪生。过去复杂的软件和业务体系，从采购部署到真正产生价值，往往以年计算，现在一些项目可以缩短到8周至数月。电脑可以先模拟成千上万种配方、包装和工艺，再筛出少数方案进入真实世界试验。听着挺性感。但别急着问多少钱一套。人家的奇迹不是电脑突然聪明了，而是企业几十年的笨功夫，终于可以被电脑调用了。

雀巢能让算法调用十几万份历史配方，同时考虑营养、法规、口感、成本和工艺；Bel把产品生命周期、制造、研发和数据往一套体系里连接。它们今天跑得快，是因为昨天记得细。我们不少企业正相反：上市成功的配方留下，前面失败的三十八版扔掉；原料为什么波动不知道；温度差两度会发生什么不知道；老师傅说“今天这批肉不太对”，至于哪里不对，只可意会，不可Excel。然后老板问：我们什么时候上AI？有点像账都没记明白，开始研究量化交易。

所以几个词还是要分清楚。买机器人、自动包装线，是自动化；把纸和脑袋里的东西变成数据，是数字化；让研发、采购、生产、质量、销售真正连起来，是系统化；让这些能力跨产品、跨工厂反复调用，才叫平台化；等供应商、渠道、客户围绕这套能力不断创造新价值，再谈生态。

五件事不是五个近义词。而便利店，是观察这件事特别有意思的地方。零售行业过去形成了一套非常现实的新品逻辑：市场变化太快，消费者嘴巴太刁，谁也不敢保证一个新品一定成功。于是最简单的办法就是——多上新品、快速测试、快速淘汰，最后把卖得好的留下。

这套办法本身没有错。问题是走着走着，有些企业把前半截给省了。上市以前的消费者研究、场景研究、竞品分析、产品结构分析做得越来越轻；然后大量SKU一起冲上货架，让真实销售去“投票”。说得好听，叫快速试错。说得不好听一点，就是：该在会议室里想明白的问题，拿到货架上交学费。而这个学费，很多时候还不是零售企业一个人交。

后面的鲜食供应商天天接Brief，今天抹茶，明天麻薯，后天生椰；这个月流行低糖，下个月流行高蛋白。大家接到同样的市场信息，看同样的小红书，盯同样的爆品，最后找差不多的工厂，用差不多的原料，做出来一排长得像堂兄弟的商品。研发很忙。采购很忙。工厂更忙。消费者转了一圈，说了一句：好像都差不多。

这就是今天很多便利店鲜食供应链非常尴尬的地方：新品越来越多，创新越来越少；研发越来越忙，企业资产留下得越来越少。

真正应该升级的，不是放弃快速试错，而是把快速试错往前后各延长一步。我把它归纳成三件事。

第一，上市以前，研究做深一点，提高成功率。

新品立项以前先回答：谁会买？为什么买？在哪个场景买？愿意花多少钱？这个品类真正没被满足的是什么？我们凭什么能比别人做得更好？然后再研究产品。不是隔壁便利店出了一个爆款饭团，我也做一个差不多的；而是先看看我们的商圈、时段、客群、设备、供应链到底有什么机会。研究多做一步，后面可能就少死十个SKU。

第二，上市以后，迭代做快一点，提高渗透率和复购率。

新品上市不是研发结束，而应该是研发进入第二阶段。哪个地区卖得最好？上午和晚上有什么差别？第一次买的人为什么买？第二次为什么不买？是价格、分量、口味、包装，还是微波以后口感出了问题？

过去做法是：卖得好，留下；卖不好，下架。未来应该多一步：卖得不够好，先研究为什么，再快速改。甜一点，辣一点，饭少20克，肉多10克，包装换个结构，加热方式调整一下，都可能让一个“差不多的产品”变成真正能跑起来的产品。

AI和数据真正应该用在这里。不是帮老板写会议纪要，而是让企业更快知道：为什么这个东西有人买，为什么有人买一次却不买第二次。

第三，商品稳定以后，继续精进，提高毛利率。

这一点反而是很多企业最容易忘记的。商品做到月销几十万份，大家就认为研发完成了。其实真正的大钱，可能这时候才开始。

一块鸡排出成率从72%做到76%，一年是多少钱？西兰花加工损耗少两个点是多少钱？酱汁从三个配方整合成一个基础酱汁平台，再做后段差异化，一年采购、库存和换线能省多少钱？包装少一克，生产快两秒，货架期多半天，微波以后少出一点水，乘上几百万份以后，都是真钱。

新品解决销售问题，精进解决利润问题。很多企业天天研究下一个新品，却没有人认真研究那个一年卖三千万的老产品，为什么不能再多赚两百万。这就是数智化和传统新品逻辑真正应该发生的变化：上市前，不靠猜，提高成功率。上市后，不靠等，提高复购率。卖起来以后，不躺平，提高毛利率。而这三件事，不应该只是便利店总部做。给便利店供应便当、饭团、面包、三明治、沙拉的鲜食工厂，更应该主动做。

过去的供应商逻辑是：客户给需求，我报价；客户下订单，我生产；客户要降两毛，我研究怎么降两毛。未来真正有价值的供应商，应该主动告诉客户：这款鸡肉过去六个月的原料波动和出成率是什么关系；这个便当微波以后蔬菜为什么出水；这个SKU在哪种门店、什么时段卖得特别好；这三个产品能不能共享一个底层工艺平台；这个成熟单品如果重新调整工艺，毛利能不能再出来两个点。这时候你卖给便利店的，就不再只是一个便当。而是一套让这个便当卖得更准、迭代更快、生命周期更长、利润更高的能力。这才是鲜食工厂真正值得建立的数据资产。

原料的理化指标、配方变化、工艺窗口、得率、感官评价、客诉、废弃、销量、复购、不同门店表现，包括那些失败的实验，一点一点留下来。一个新品失败，不能只剩一句“市场不好”。如果花了二十万研发费、三个月时间、几十个人的精力，最后只得到“卖得不好”四个字，这二十万基本算白花。失败也应该告诉企业：什么人不买，为什么不买，什么价格不成立，什么风味走不通，什么工艺已经试过。

AI时代最值钱的东西之一，就是企业犯过一次、以后不用再犯第二次的错误。所以真正的数智化第一步，根本不是问“哪个AI最好”，而是问一句很土的话：我们这家企业最值得被放大的能力，到底是什么？新品规划？研发速度？鲜食保鲜？肉类得率？冷冻复热？蔬菜加工？门店销售预测？还是商品生命周期管理？

先把最疼的地方找到。一把手亲自抓。再把研究、研发、工厂、门店和消费者反馈连接起来，把个人经验变成数据，把数据变成组织能力，最后再让AI把它放大。顺序对了，AI叫新质生产力。顺序错了，AI就是又一个需要交年费的软件。

我们做味觉引擎，也越来越相信这个逻辑。不是见客户先谈AI，而是先研究“什么值得做”；做出来以后继续研究“怎么卖得更多”；跑起来以后继续研究“怎么赚得更多”。研究，提高成功率；迭代，提高复购率；精进，提高毛利率。

这三步如果真正连起来，再把每一步的数据沉淀下来，AI自然有地方落，第二增长曲线也才有地方长。软件可以买，机器可以买，模型可以买。企业的脑子，买不到。这一轮AI真正可能淘汰的，也未必是暂时没有AI的企业。而是那些新品换了一代又一代，工具换了一代又一代，自己的能力却始终没有进化的企业。