马斯克用AI卖货，这家中国公司用AI管理18万个货架：无人零售进入“智能体时代”

2026年，AI行业正站在一个历史性的分水岭上。

不久前，谷歌在其《AI智能体趋势2026》报告中预言，人工智能正经历从“只会回答问题的工具”向能自主拆解任务、跨系统干活的“得力助手”的关键跃迁 。

而在这一轮全球AI浪潮中，一个极具象征意义的细节来自埃隆·马斯克：在2025年4月的Grok-4发布会及后续的Vending Bench测试中，马斯克用事实证明了AI不仅能聊天，更能卖货：马斯克以Vending-Bench 自动售货机模拟运营测试为例，让 AI 完整管理一台自动贩卖机，包括选品、定价、补货、供应商谈判、现金流管理，展示 Grok 4 的长周期商业决策与持续盈利能力，并以此调侃其规模化潜力。Grok-4驱动的自动售货机在营收上甚至超越了GPT-5，让业界惊呼“AGI的尽头是卖薯片” 。

此时，在国内竞争极其激烈的无人零售圈，马斯克 “AI接管百万售货机”的畅想正在发生：智能零售运营商丰e足食用AI智能体接管18万台智能柜，年营收达20亿。

当大多数企业在2024年、2025年才开始拥抱大语言模型时，丰e足食早在2021年底就埋下了算法的种子。

起步阶段，丰e足食困境重重——入行晚、租金价格战卷不起、低人流场景赚不到钱，彼时的AI也不成熟。但这家拥有数学、算法博士背景的管理团队还是做出了一个大胆判断：假AI终将变成真AI，于是将技术定为公司未来几年的核心发展策略。

随后4年时间，近2.5亿的研发投入、一支由互联网大厂人才组成的百余人算法团队，基于10万+台智能柜规模化商用经验的萃取，一个名为“星途智航（FLOW Pilot）”的综合智能体系统诞生。

不同于行业内零散的AI应用，丰e足食打造的“星途智航”综合智能体系统，下设四大智能体，覆盖销售、商品运营、供应链规划、履约执行全链路。丰e足食COO朱涛给出了一个类比：这套系统就像是无人零售管理领域的“L4级的无人驾驶”。

正如特斯拉通过上亿英里的路测数据训练其自动驾驶系统，丰e足食的星途智航每天基于18万个货架对运营做出上亿次决策，而需要人工干预的次数仅维持在4000次左右，仅在少量的客户主动申请调整情况下作出干预，朱涛表示：“这意味着其自动化水平已接近L4级自动驾驶。”

朱涛把2026年定义为AI从“助手”向“员工”转型的元年。放在无人零售这个行业里，当你的“员工”是一套每天做上亿次决策、只需要几千次干预的系统时，传统无人零售正在发生巨变。

最近，我们和丰e足食COO朱涛聊了聊，是如何把 AI 接管自动售货机做成规模化生意的。

以下为36氪与丰e足食COO朱涛对话（经编辑）：

四年2.5亿的AI豪赌

36氪：此前马斯克在Grok4的发布会上表示想用AI直接管理100万台自动售货机，当时您看到这个新闻时有什么感受？

朱涛：我们很兴奋，马斯克模拟测试方向，正是我们当时技术研究的方向，证明我们过去3年时间的投入方向是正确的。当时很多同行都不理解我们为什么非得研发技术，马斯克的预言给我们技术团队投喂了“定心丸”，让我们更加相信AI在零售商业潜力。

来源B站

36 氪：丰 e 足食在 AI 领域的投入起步于何时，具体的投入体现有哪些？

朱涛：2021 年底我们完成软银领投的 3 亿 A 轮融资后，确定了技术路线的发展打法，也从此时开始坚定加大 AI 领域投入。2022-2025 年，研发板块额外投入近 2.5 亿。

人才方面，组建了核心来自美团、字节、腾讯等互联网公司的研发团队，2022 年团队规模从 40 人扩充至 130 人左右，目前仍保持在 120-130 人的水平，这在无人零售行业来说是比较少见的。

36氪：这两年大家都在谈AI元年、谈技术爆发，但如果把时间倒回到2021年，那时候AI还没像现在这样成为行业共识。当时是什么因素，促使丰e足食决定要做那个“较早吃螃蟹的人”？

朱涛：在国内自助零售行业里，丰e足食很早就引入了AI动态视频识别技术智能柜，并在2019年就实现了大规模应用，那时行业主流技术路线还是倾向用准确率高但成本也贵的RFID 射频识别与传统机械货道。

我们也很早就接触了基于 AI 技术的智能柜，虽然那时候智能柜的识别技术还是“假AI”的状态，大部分靠人工后台识别。但即便如此，我们还是大规模采纳了这种智能柜，笃定就是AI技术的发展是能够真正实现AI识别。后来，AI识别真的实现了，设备成本和消费者体验都有显著优化，我们作为行业大规模使用智能柜的运营商，享受到了这波AI的红利。也是从这时候开始，我们打下了坚定布局AI的基础。

接下来，我们也预判到，公司要实现大规模成长，后续会涌入各类场景，消费者的需求也会越来越多样化，点位的增加必然会让人工管理的成本持续走高，需要投入大量的管理人员，这显然不是长久之计。所以我们就把AI柜的升级思路和模式，迁移到了整个公司的业务发展中。当时虽然还没有成熟的大语言模型，但图片识别、视频识别、深度学习这些技术已经显现出发展苗头，再结合我本身出身互联网公司算法开发的博士背景，我和公司CEO、CTO一致判定，AI和算法会是公司未来几年的核心发展策略，也从那时开始正式加大投入。

我们提前围绕算法和AI架构，设计了整个公司的管理组织和指引体系，这也让我们在2024、2025年GPT这类大语言模型爆火时，能最快地拥抱这些先进技术，现在我们发布的智能体，也是在过去的智能体基础上，融入了语言模型、多模态模型等组件，让它的能力和效果得到了进一步提升。

无人零售技术演进

36氪：行业大部分都是加盟模式，而你们选择了重投入的直营模式，主要考虑什么因素？这为你们AI落地提供了哪些优势？

朱涛：确实。直营体系最大的优势就是服务质量远优于兼职或外包模式，团队不会只盯着短期盈利，而是会严格按照公司要求，尽可能满足客户的各类需求。

但直营体系也有明显的缺陷，我们的无人零售设备数量多，每个点位的事务繁琐，补货员的管理幅宽大，且点位分布在不同区域，想要发挥直营体系的服务优势，就必须对人员和点位做到事无巨细的管理，这带来了极大的管理难度。

也正是为了解决直营体系的管理难题，我们才选择用AI算法来指挥整体运营，简单来说，我们先是为了保障服务质量选定了直营体系，又为了管好直营体系，落地了AI算法的全链路应用。

36 氪：在外界看来，无人零售智能柜更多是一个铺设点位、比拼运营的“苦生意”。丰e足食依靠自研AI智能体找到自己的打法，似乎打破了这种传统的认知？同行是怎么评价你们的？

朱涛：是的，智能柜无人零售这个行业过去大家可能会认为是一个比较传统的运营行业，其实不是这样的。你看丰e足食，之所以能达到现在的规模，恰恰是因为我们在技术这一块的专注和投入，也是一家用 AI 真正能赚到钱的公司，我们是真的拿 AI 和技术去革命这个零售行业的这样玩家。当我们把规模做出来时，同行也才发现我们其实不是一类公司，不是来抢他们饭碗的。

无人零售的“自动驾驶”

36氪：丰e智能体是什么样子的？

朱涛：我们综合全链路自动化的综合智能体叫星途智航，英文是 FLOW Pilot。星途的 “星”，就像我们的点位，分布得又密又广；而 “途”，是因为这些点位并不是孤立的点，而是形成了一个网络，里面有商品的互联互通，还有运营人员在点位之间走动，有途经的概念。“智航” 的意思，就是在这张密密麻麻的点位网络里，我们的智能体能指挥运营人员，在网络里导航完成特定的任务，这就是名字的来源。名字也契合航图的概念，都有 “流” 的感觉，刚好和英文的 FLOW有一点关联。

星途智航下设四个核心智能体，按业务全链路分工：

丰域智行（Field Pilot）：服务销售人员，负责线索筛选清洗、商机推荐、拜访路径规划、客户转化政策推荐等；

丰聆智行（Link Pilot）：聚焦商品运营，聆听消费者需求，负责点位商品配置、消费者个性化需求对接；

丰策智行（Opti Pilot）：主导供应链规划，负责大仓、前置仓、货架的库存备货决策，以及上游供应商的下单规划；

丰行智行（Work Pilot）：负责库存履约执行，将供应链规划转化为具体任务，匹配物流人员、车辆运力，完成任务排班与调度。

tuyu

36 氪：各个子智能体之间是怎么打通协同的？

朱涛：这其实也是现在做智能体的一大挑战。多个智能体虽然决策角色不同，但在很多事情上会出现决策冲突。比如丰策智行如果补货偏多，是为了减少缺货；但如果它的考核核心是商品周转、减少滞销，就会倾向于少补货。而丰策智行补货少，丰行智行的补货任务频次就会被迫增加，要是丰行智行的目标是控制成本，就会产生明显的决策矛盾，这也是多智能体协同的核心难题。

当然我们也花了很多精力做智能体之间的协调，会通过大量 AB 测试，去权衡各指标的利弊，最终做出全局最优的决策，还会把这些测试积累的经验沉淀到智能体中，完善决策冲突的协调问题。

36氪：丰e足食的智能体已经实现大规模的商用，为什么选择这个节点才首次公开？

朱涛：是的。过去大家都没听说过，我们听过写代码的 coding agent，也听过一些帮着做推荐、规划生活的智能体，但没人听过无人零售领域的这类智能体。

所以为了让大家更好理解，我们可以类比无人驾驶。它和 coding agent 不一样，coding agent 全在电脑上执行，而我们这个智能体是落地实际业务的，更接近无人驾驶的智能体。比如无人驾驶需要感知模块，通过视觉、雷达、超声传感器，融合这些信息来了解自身状态，我们的智能体也有这样的感知能力，它通过处理各种销售、库存这些结构化的数据，融合用户对话信息，还有运营人员现场采集图片信息来支持自己做决策。

2026 年被视为AI 智能体商用元年，我们希望更多顶尖 AI 技术人才加入丰e平台，同时希望开放给行业一起来研讨，共同来提升行业数智化水平。

36氪：智能体其他部分具体怎么理解？

朱涛：无人驾驶有个任务规划模块，从起点到终点，不同时间各条路的路面、交通情况都不一样，算法可能根据时间最短规划出一条导航线路。我们这边的丰行智行就负责类似的任务规划。比如，我们一个补货员每台设备每天的任务都可能不一样，丰行智航会为补货员将各个任务按点位打包，然后规划出一条当天最优的补货线路出来。最后无人驾驶有执行模块，把任务下发给方向盘、油门来控制执行，我们也会把复杂任务拆解成一个个子任务，拆解给不同执行人员，由丰行智行这个子智能体来统筹完成。说到底，我们这个就是无人零售管理领域的无人驾驶智能体，相当于驾驶着我们整个运营网络，去实现我们的运营目标。

其实技术指标上也能做类比，衡量智能体能力高低、自动化水平，有个关键指标，无人驾驶里看的是每百万公里的人工干预次数，比如特斯拉号称每百万公里也就几百次人工干预。我们这边没有实际的行驶里程，但星途智航每天做出的决策量级能达到上亿次，因为我们有 18 万个货架，每个货架大概有 50 多个商品，仓库里还没上架的商品还有上百个 SKU，针对这些商品做的选品，库存，其他方面的任务决策加起来的决策量就是上亿级的。

我们每天上亿次的决策当中，需要人工干预的次数大概就几千次，差不多是4000次的水平，这个比例其实是相当低的。如果说把每一次决策对应成一公里的话，星途智航每百万次决策需要40次的人工干预，自动化水平以及超过L4级别的无人驾驶了，无人自动化程度是非常高的，这也能体现出星途智航的智能水平。

36氪：已经开始落地应用了吗？

朱涛：我们从2022年就开始投入研发，2023年6月就基本完成了全链路智能体的研发工作，并全面上线。后续我们也一直在持续迭代，尤其是最近结合现在更先进的AI大模型技术（比如下图所示，我们今年的日token消耗量将超过百亿），来提升它的自动化水平和感知能力，还有多智能体之间的协同能力。

来源企业

无人零售智能体带来的改变

36氪：使用智能体主导决策后，相比人工决策有哪些核心改变，效率提升体现在哪些方面？

朱涛：过去上亿次的运营决策需要几千名一线运营人员、管理人员完成，且补货小哥等岗位的培训周期长达一个月，对人员学历和能力要求高，还难以匹配公司每年 30%-40% 的点位增速；现在所有货架、商品、仓库的具体决策均由 AI 完成，仅宏观目标调控需要人工参与。

效率层面最直观的是，一个补货员可管理的点位数量接近翻一倍，2022 年约能管理 60-70 个货架，2025 年已能管理 120 个货架，同时管理人员数量还有略微减少。

36氪：除了提升人工管理效率，智能体在点位选取精准度、选品这些方面是否有提升？毕竟不同场景的柜子需要千人千面的运营。

朱涛：有很大提升，而且是持续提升。普通零售渠道很难快速识别爆品，但我们的选品全由丰聆智行这个子智能体决策，会完全根据消费者需求做定制化选品，每个点位的商品分布、补货量差异都非常大。别家可能是按固定陈列图摆放商品，而我们全是算法推荐上架，差异性很明显。

这样做的结果就是，每个点位的爆款商品会非常突出，比如工厂场景的点位，火腿肠、泡面、东鹏这类能量饮料，还有高性价比补水饮料会占比很高，这些品类在其他渠道很难看出爆款属性，但供应商能明显感受到我们这边的订单会大幅增长，也就是说智能体让我们能更快发掘场景爆款。

从数据上看，单看丰聆智行选品算法的迭代，通过AB测试控制其他变量后，每年能带来五六个点的销售提升。

36氪：基于智能体的应用，感觉丰e足食不只是品牌商的销售渠道，还具备了新品孵化的能力？

朱涛：是的，很多品牌出新品都会先找我们测试。原因就是丰聆智行的逻辑和抖音很像，抖音能快速推爆爆款视频、主播，我们的算法也能快速把爆款商品推广到更多点位上面。供应商不用做复杂数据分析，看到订单几倍增长，就知道这款商品成爆款了，就能去其他渠道扩大投放，我们的智能体能帮他们快速识别新品爆款，现在行业里做新品，大家第一个想到的渠道就是我们。

反观其他渠道，想判断一款商品是不是爆款，上架后要等几个月，慢慢看销售数据、调整补货，要很久才能有结果，而国内快消品的竞争又很激烈。

36氪：智能体的出现解决了行业哪些只有AI能做到、人工却难以解决的痛点？

朱涛：我们的设备点位分布差异很大，有的放在人流密集的通道，有的放在人少的茶歇间，销售情况各有不同。但如果靠人工做决策，人都会考虑投入产出比，会把有限的工作量倾向于分配到高销点位，对低销点位就不会太上心、不会频繁补货。

可有些低销点位，可能只是因为客户临时放假、公司搞活动等原因人员暂时离开，人工决策者没法及时掌握这些信息，只会因销量低减少补货，进而导致服务质量下降，消费者购买意愿降低，销量就更差，人工又会进一步减少补货，最终让低销点位陷入持续低销、服务质量越来越差的恶性循环，这是人工决策的一大弊端。

但通过AI驱动直营的补货运营就不一样了，哪怕是低效的设备点位，我们也能保持高标准的运营水平。哪怕是销售额相差两三倍的柜子，从外观上也看不出差别，商品都很丰富，还会不断上新调动消费者的好奇心。这让我们能长期运营那些别人不愿运营的平销点位，也帮我们打开了更大的场景。

落地最大的困难除了技术，还有人性

36氪：星途智航从研发到落地，遇到的挑战有什么，如何克服？

朱涛：最大的困难其实是技术+人性的双重挑战。

我们要把一线人员原本的补货、选品等运营决策权，还有区域规划、调度类岗位的相关权利，全部回收到算法，让大家从“决策者”变成单纯的“执行者”，这从人性角度来说很难接受，内部推进必然会有阻力。

而由此延伸出验证AI决策有效性的困境：要取代人工决策，首先得证明AI做得更好，但测试阶段我们还没完全回收决策权，一线人员可参考也可无视AI建议，一旦运营效果不好，我们根本没法判断是AI决策本身有问题，还是人工未按算法执行导致的。

我们的解决办法，还是源于公司2021年底定下的技术战略：哪怕短期AI决策效果不如人工，也先执行，就像我们早期做AI智能柜，明知是“假AI”也坚持落地一样。

我们笃定AI的迭代潜力，在执行中不断复盘、优化算法，最终用结果证明了AI的价值——比如前置仓管理中，我们实现了缺货率下降1个点，库存周转还减少1天，做到了“库存更少、缺货更低”，这也说明AI决策最终超越了人工。

此外，技术上，像多目标协同、多模态数据的处理清洗，还有智能体调用的销售预测等工具的研发，每个环节也都有工程和技术上的挑战，我们也投入了大量精力去打磨迭代。

36氪：在智能体的测试和应用过程中，有没有出现过AI决策失误的情况，遇到这种情况你们是怎么修正迭代的？

朱涛：这种情况在各个环节都有，比如补货调度环节，我们过去的算法没考虑到同一栋楼临近点位的补货便利性，其实这类点位顺路补货的边际成本很低，只是我们之前没把这个因素量化进算法。后来补货员提了这个问题，我们复盘数据后发现确实存在漏洞，就把这部分数据采集、评估后纳入算法，在后续的决策中考虑临近点位的补货问题，补货效率也就得到了明显提升。

36 氪：作为算法研发出身的博士，为何会负责公司的运营业务，这背后体现了公司怎样的战略？

朱涛：这背后是丰 e 足食用 AI 和算法贯穿全运营的核心战略，我们并非传统的零售企业，而是将算法和 AI 的价值应用到运营各个环节的科技公司。我负责运营业务，并非用传统的零售运营思路管理，而是通过管理 AI 智能体来管理运营 ，让技术真正成为运营的核心驱动力。这也是我们公司的核心特点：核心管理团队兼具技术和业务视角，能实现技术与业务的深度融合。

36 氪：对于 2026 年 AI 行业的发展，你们有怎样的判断？

朱涛：2026 年将会是 AI 从 “助手” 向 “员工” 转型的元年 ，过去的 AI 更多是解决问答、咨询类问题，而未来的 AI 智能体，只要赋予足够的技能和权限，就能像真实员工一样完成具体的业务工作。我认为未来会有更多企业跳出客服、问答等低价值的 AI 应用，将 AI 投入到无人零售、自动驾驶等实际业务场景中，让 AI 真正转化为业务生产力，实现更低的管理成本、更高的运营效率和收入，这也会让 AI 技术进入更良性的发展阶段。