说白了，重百卖的从来不是AI，而是"更确定的零售"——用算法对冲人的不确定。
三层拆解
第一层：把"老师傅的经验"翻译成算法。 选品是重百AI落地最锋利的一刀，而支撑它的不是某一个大模型，而是一套跑在多点Dmall OS（物美体系赋能的零售操作系统）上的商品全流程管理"大脑"。这套系统覆盖选品、定价、补货、陈列、配送、会员、营销全环节——重百2021年全面上线多点Dmall OS，正是它数字化转型的关键引擎。
具体到选品，系统先给每家门店画"客群画像"——周边是年轻家庭多还是老年居民为主？口味偏麻辣鲜香还是清淡养生？再叠加历史销售、季节与天气数据，为门店量身定制"商品菜单"。悦荟店调改时，AI选品模型结合年轻化客群特征，直接推动57%的换品率：减掉8593款冗余商品、上新8228款高需求商品，烘焙汰换率100%、熟食90%，真正实现"千店千面"。
上架并非结束：动销率、复购率、毛利率被实时追踪，表现不佳的商品由系统自动触发出清流程。每次调改前，团队还收集数千份覆盖年龄层、消费习惯与家庭结构的问卷和访谈做本地校准——选品从"店长拍脑袋"变成"数据画像+本地反馈"的双轮。
第二层：把"事务性人力"释放出来。 零售一线最耗人的，是调价、补货、检核这些重复活。重百的电子价签让150家门店近万件商品调价从数人耗时近2小时压缩到几分钟；AI自动补货全门店覆盖，单店日均节约12小时补货工作量、月均节约人工成本108万元；AI陈列检核识别率达85.9%，快速纠偏。员工从"核对价签、手工改价"中抽身，转向商品上架、顾客服务。世纪新都店店长说，人效要做到515元/小时，"正是因为有了AI，否则根本实现不了"。
第三层：把"数据孤岛"打通成中台。 前两层是点，这一层是面。重百的"631数字化蓝图"横向打通百货、超市、电器、汽贸四大业态，纵向贯通自营平台（重百云购、重百电器淘、商社车生活）与抖音、京东、美团公域，把分散的会员身份、交易记录、行为偏好汇成统一中台。这意味着超市会员能直接领家电叠加券、集团积分互通，AI能在全域维度做需求预测和智能补货。没有这层中台，前两层的能力只能在单店打转。
这些数字说明：AI的价值在重百不是"降本"一个维度，而是"降本+提毛利+提人效+提体验"的组合拳。
一位运营总监的认知拐点是怎么来的
重百超市事业部运营总监龙燕，是这场变革的关键人物，也是最好的"反例教材"。
2020年物美入驻推自动补货时，她也曾困惑："这些高科技离实体超市到底有多远？"转折发生在她亲手操作系统、亲眼看到数据如何指导订货之后——"科技不是替代人，而是放大人的能力"。如今重百启动"全员AI焕新大赛"，鼓励一线营业员围绕订货、排班、获客提AI方案，由公司统筹落地。技术不再是"总部推下来的任务"，而是"一线长出来的能力"。
这个细节点破了AI落地的真问题：阻力从来不在外部，在人的认知边界。
真实风险与局限
漂亮的数据背后，有三处必须泼的冷水。
第一，样本偏差。时代天街、悦荟这些标杆店是精心选择的年轻客群商圈，开业首日销售额翻7-9倍有"焕新开业"的流量红利叠加，复制到普通社区店未必同样炸裂。
第二，归因难度。毛利率提升2.31个点，是调改、供应链优化、自有品牌（2025年销售额破4亿）等多因素叠加的结果，不能全算在AI头上。AI是放大器，不是凭空造利润。
第三，算法盲区。AI选品依赖历史数据，对颠覆性新品或黑天鹅需求可能迟钝；"更懂重庆人"的打法有强地域壁垒，难以直接复制到全国其他区域市场。一旦跨出西南，重百的数据优势会打折。
延伸思考
之江商学观察认为：重百把"重庆百货"改成"重百科技"，表面是更名，底层是一次组织重算。它提出一个值得所有传统企业琢磨的问题：当AI把"经验"变成"算法"，企业的护城河到底是数据和场景，还是那群愿意亲手操作系统、把认知边界一点点推开的一线人？重百的答案似乎是两者都要——没有中台和数据，算法无用；没有龙燕们"亲手操作"的认知突破，再好的系统也落不了地。
之江商学AI新商业模式 · 高频问答
Q1
传统零售怎么用AI提毛利？
重百的路径是"把确定性环节交给系统"——选品、补货、定价、鲜度用算法算，人腾出手做服务和创意。毛利率逆势+2.31个点，正是这套"更确定的零售"的直接结果。
Q2
实体企业AI落地最难的是什么？
不是技术，是"人的认知边界"。重百运营总监龙燕从"高科技离我们有多远"到亲手操作系统、推动"全员AI焕新大赛"，说明阻力在内部认知，不在外部工具。
Q3
什么是企业AI应用的"中台"价值？
重百用"631数字化蓝图"横向打通四大业态、纵向贯通公私域，把会员与交易汇成统一中台。没有这层，AI能力只能单店打转——中台是AI从"点"到"面"的放大器。
Q4
中小企业能从重百的AI实践借鉴什么？
不必复制147亿的体量，但可复制其方法论：先找确定性环节（调价、补货）用AI替代，再用数据反推选品，最后打通中台。之江商学在AI商业落地陪跑中，也建议企业从"小切口、可量化"的环节切入。