01 零售运营正日益转向智能体人工智能 零售商正从传统的聊天机器人转向能够完成商品销售、门店运营、客户服务和商务等多步骤活动的AI代理。这些系统能够理解目标、获取相关的业务信息、提出建议并主动采取行动，从而减少持续的人工干预。因此，代理系统正在将人工智能从分析支持工具转变为连接不同零售功能的运营层。随着零售商寻求在日益复杂的全渠道运营中实现更高程度的自动化，这种转变正在强化零售市场中人工智能的发展趋势。2026年6月，DMALL在NRF 2026亚太零售展上展示了其最新的零售AI智能代理。该公司演示了该代理在商品陈列、门店运营和商业智能三大领域的功能，并展示了无人机和叉车等自主硬件。
02 对话式商务的普及程度日益提高 在线购物正日益从基于关键词的产品搜索转向自然语言对话，消费者可以在对话中描述自身需求并获得情境感知方面的帮助。人工智能购物助手可以帮助消费者发现商品、解答产品疑问、比较不同产品，并在购买后继续提供帮助。这打造了一个更加流畅的数字化购物体验，而非将搜索、购买和售后支持割裂成孤立的流程。对话式购物的日益普及，正在推动零售市场对人工智能的需求，尤其是在电子商务和全渠道企业中。2026年4月，Fynd公司报告称，其智能AI代理已使用OpenAI模型处理了超过430万次客户互动。该系统支持跨网页、移动应用、WhatsApp和其他渠道的对话，并将产品发现、互动和售后支持连接起来。
01 对更精准的库存可视性日益增长的需求推动了人工智能的应用 即使库存系统显示有货，但如果货架上没有商品，零售商就会损失销售额；而库存过剩则会增加降价幅度，并提高营运资金需求。人工智能驱动的计算机视觉它可以持续识别货架状况，并将视觉信息转化为库存和商品陈列方面的洞察。这使得零售商能够比定期人工检查更快地应对缺货和执行问题。因此，对更高门店库存准确性的需求正在推动人工智能在零售市场的增长。2025年5月，Simbe扩展了其用于门店智能的Simbe Vision计算机视觉技术。其更广泛的平台利用人工智能成像技术分析货架，而该公司的Tally系统每小时可采集15,000至30,000件商品信息，从而支持对价格、库存和商品陈列状况的自动化可视化。
01 与碎片化的零售技术整合可能会减缓人工智能的部署 大型零售商通常运营独立的POS系统、库存系统、电子商务系统、客户信息系统、供应链系统和商品销售系统。人工智能应用需要从这些系统中获取可靠的信息才能做出有效的决策，但数据格式不一致和数据彼此孤立会使企业级部署变得困难。因此，集成工作会增加实施时间、技术要求和成本，从而限制人工智能在零售市场规模的扩大，尤其是在那些使用传统技术环境的零售商中。2025年1月，Salesforce推出了Agentforce for Retail，并搭配Retail Cloud和Modern POS，旨在解决零售工作流程碎片化的问题。该平台整合了五大主要运营功能——POS、客户关系管理、无限货架、全渠道履行和库存管理——展现了零售商在人工智能能够有效贯穿客户旅程之前，需要连接哪些广泛的系统。
01 人工智能驱动的防损技术催生了新的店内应用 零售盗窃和库存损耗为人工智能在预测和客户互动之外的应用创造了机遇。计算机视觉可以分析顾客从货架上取走的商品，并将这些商品与收银台实际扫描的商品进行比对，从而使零售商能够在顾客仍在店内时识别潜在的损失。开发这些功能的供应商可以通过将人工智能投资直接扩展到实体店资产保护领域，从而提升其在零售市场的人工智能份额。2025年6月，Trigo Retail推出了一款基于人工智能的计算机视觉防损解决方案，该方案可与现有的闭路电视监控系统和POS系统兼容。该公司指出，零售业每年的损耗损失超过1300亿美元，而入店行窃事件比新冠疫情前增加了93%。
01 在扩大人工智能投资规模的同时，还要展现出持续的财务回报，这仍然是一个难题。 零售业人工智能面临的挑战在于，如何从孤立的试点项目过渡到能够产生可衡量业务成果的企业级部署。零售商必须为计算基础设施、模型、集成、数据准备、治理和熟练员工付费，同时还要确定哪些人工智能应用能够真正提高利润率。快速的技术变革也会使长期投资决策变得困难，因为平台和模型的功能都在快速更新迭代。2026 年 1 月，NVIDIA 发布的《零售和消费品行业人工智能现状调查》显示，十分之九的零售商计划在 2026 年增加人工智能预算。调查结果还表明，各公司正在扩大智能体和物理人工智能的应用，这凸显了零售商必须将不断增长的投资承诺转化为可衡量的运营和财务回报。
2026年1月：Salesforce 通过增强 Agentforce 和 Commerce Cloud 的 AI 功能，扩展了其零售 AI 生态系统。这些举措主要集中在 AI 驱动的客户服务、个性化购物体验和零售流程自动化方面。