过去几年，零售业的变革异常迅猛，不管是疫情原因还是技术突破甚至支付习惯的转变，中国市场的零售业面临着远远领先全球的变革需求。如果说早期的零售发展模式都是先从业态孵化到高速扩张，那么面对互联网时代的，国外是先做业态分化也就是企业差异化，国内则直接拥抱互联网零售。这个过程中，零售的趋同化越来越明显，差异化就成为变革的最迫切需求。

这就需要零售商首先要细分消费人群的需求，越是碎片化需求时代越要满足更多人群的需求才能保证零售的客流规模。比如国家强调“银发经济”，那是否可以有专门的零售连锁企业瞄准老年人的购物需求，里面70%-80%的商品是为老年人服务的。在锁定服务人群的需求之后，零售企业需要根据人群选择准备的商品，以及如何为他们提供尽可能多的服务或者是尽可能物超所值的服务来吸引和留住这部分人群，值得思考的是，零售商未来是不是可以更好地提供情绪价值或者是服务价值，这些都是零售企业需要做的转型。

要做到上述这些分类和特定服务价值，现阶段很多连锁零售企业在门店能力尤其是在AI和IT技术上，需要改进的软硬件体系还很多。联合生态合作伙伴与中国连锁经营协会一起推出了“零售门店应用与案例“白皮书（），确定适应中国市场的零售门店管理5P模型，即用户互动（People）、员工赋能（Personnel）、商品展现（Product）、供应链高效（Process）、设施完备（Premise）。绝大部分门店的核心就是服务周边1-3公里的人群，以这些设备为抓手，以边缘和云端设备为支撑，做整个门店的数字化整体方案。这样每家企业在做数字化改造的时候均有一个全景图，根据门店零售商的战略不同，会选择不同的优先级。

当和零售产业链以及其他产业链进行探讨的时候，可能因为AI出来时间不够长，看到大家对AI技术的诉求基本上还是聚焦在几个传统行业，其实数据并没有太大变化，希望改进用户体验，提高供应链效率，包括拓展一些业务的边界和保证数据资产的安全。我们对整个数据产业链的上下游合作伙伴说，你认为AI可以帮你做什么事情？其实AI在整个零售业应用最核心的就是如何提高效率以及如何增加收入，另外一个问题就是数据的安全性和时效性。

现在整个中国的零售从前到后整个产业链，其实各人用的设备、软件都不太一样，你要想把它统一管理起来，这些管理系统应该如何一致？还有这些应用系统、应用软件能不能自主升级，AI算力和场景是否能够匹配，你的功耗和运算速度是否能和实际应用相配合？这些都是英特尔和合作伙伴面临的问题。所以现在从做技术的角度来讲，英特尔尝试先从硬件和平台的角度解决这些问题，让用户可以从技术层面上有一些基本的保证。如果说想把AI应用到每一步，一定是云计算、边缘计算、终端大家一起发力，才能真正有利于整个物联网，或者说真正行业应用的场景。

其实每一个行业的应用，你要真正部署AI的话，一定要有一些相应的规范和数据采集。无论是当年的ChatGPT还是今年非常热的SORA，它的数据采集绝大部分都是从开放的互联网获取的，也就是说它如果想做特殊行业，比如医疗、工业生产，它要想拿这些数据就不大容易了。因为绝大部分这些数据是不会放在公开的互联网上让你随时随地、随便使用的。所以一个行业如果要用AI技术、大数据技术、大模型技术推动行业解决方案，有一个非常重要的关键点就是这些数据从哪里来。其实也没有更好的办法，所有的数据一定是从所有行业深耕的经营者手里头来。为了大家共同推动整个行业的进步，共用数据有两个关键挑战，解决掉后才能够使大家一起共用这个数据。第一，大家要统一制定一些相应规范，针对场景的规范以及针对数据采集格式标准的规范。第二，大家在合作过程当中，上下游产业链、平台和各个产业链达成一致，我们才可以共享这些数据，才能够推进整个技术向前进步。

所以英特尔希望把行业做一个简单的细分化，形成数字化的标杆性基础原则，助力未来的AI和数字化走得更远，这部分内容包括了：第一，建一个行业应用的规范；第二，共同采用好的算力平台；第三，把的成功经验拿出来和大家分享，希望大家一是能使用这些成功经验，二是能够不停提出改进和升级建议，这样的整个系统、平台和合作才能做得越来越好。

“零售门店数字化应用与案例“白皮书（）