积极地创新,但从不冒进地落地。
2025年的夏天,AI对各行各业的颠覆作用还在持续——餐饮业也不例外。
就在刚刚过去的六月,旗下拥有肯德基、必胜客等头部品牌的餐饮巨头“百胜中国”,发布了首个餐厅营运智能体“Q睿”(Q-Smart Agent)。
这是百胜中国在生成式AI时代最重要的发布之一。这家已经拥有十余年数字化经验的餐饮行业巨头表示,此次发布的智能体Q睿,标志着自己在"AI+餐饮"领域正式迈入人机协同的智能化时代。
智能体无疑是当前生成式AI领域最前沿的议题——无论主打通用还是垂域,各种各样的智能体吸走了绝大多数关注AI的目光。
但在众多智能体中,百胜中国新发布的Q睿看似有着不一样的色彩。
这款脱胎于餐饮业务场景的智能体,被设计成和穿戴式装备深度协同的形态,能够通过查询、对话的方式革新餐饮业一线的营运体验、提升餐厅效能。它的每一处细节,都有着和自身业务深度融合的深思。
目前,Q睿已覆盖包含排班、盘点等管理任务和自动订补货、智能安防、生产管理、巡检等营运任务在内的20余个场景,能为餐厅经理提供全方位辅助支持。
Q睿不是百胜中国的第一次智能化尝试。早在决策式AI时代,百胜中国就将AI技术应用于日常、节假日、LTO(limited time offer限时供应产品)等场景的销售预测,用户偏好推荐等场景。
到了生成式AI时代,截止2024年底,借助60多个项目,百胜中国的相关应用覆盖了AI招聘、AI培训等多个场景。Q睿此时发布的战略意义,就是在2025年这个智能体2.0时期,把百胜中国AI落地的这些单点场景串联成线,为未来更进一步的全面智能化打下基础。
把数智化结合各类业务场景进行点、线、面的串联,对一家在国内门店数过万,员工达数十万的超大型企业来说并不简单。
要做到这一切,离不开这家行业巨头长达十几年的数字化投入,和在此期间积累的数字化落地智慧。
在百胜中国CTO张雷的眼中,2025年的数智化已经进入了智能体2.0时代。
"智能体1.0时代的特点是人找AI提出自己的需求。但现在已经进入了智能体2.0时代,也就是AI能够自己发现需求去找人。"张雷说。
2023年-2024年百胜中国做的不少生成式AI探索,就属于智能体1.0。比如AI培训,肯德基每几周就要发布新产品,每个产品的制作方式不同需要进行员工培训。针对这个场景,百胜中国落地了AI培训产品,帮助员工完成相关的教学和审核工作。
智能体2.0时代,百胜中国希望通过Q睿这个入口,完成更多由AI主动发现的需求。张雷举例,如果Q睿在系统中发现员工请假导致到岗人数不够,它可以主动发现新的可到岗人选,并直接通知管理者。
这种让智能体从单点变为协同的方案,能够更深入地解决业务问题。
不过从整个行业落地生成式AI的程度来看,现在要在企业中批量落地AI应用,并且让智能体和多系统协同并不容易。其中一个十分关键的原因是,在企业业务流中落地生成式AI需要效果绝对精准和可靠,不存在对幻觉的包容度。
从2023年起,业内用来保证大模型和智能体精准性的方式,主要是用RAG挂载知识库。但很多企业在落地过程中发现,自己的知识库由于数据缺失或者不准确,难以让智能体准确输出。
到了智能体2.0时代,模型需要越来越多精准的上下文信息和工具调用能力,否则智能体和各类业务系统、业务数据更深度的协同,只会层层累积出更多的"幻觉"。
这些属于智能体2.0时代的难题,全行业都还在克服过程中。但Q睿的发布,证明百胜中国有信心解决这些问题。
百胜中国的信心来自于过去十余年的数字化功课。
"我们之所以能落地智能体2.0,离不开两个原因:细粒度足够的业务数据和长期的数据治理。"张雷告诉36氪。
在国内餐饮业,百胜中国是第一批进行数字化和数据治理的企业。早在2010年,这家公司就把自己的数据仓库迁移回了中国,开始真正自主地做起了数字化。
数仓是分析业务数据的基础设施,拥有了独立的数仓,百胜中国的业务数据从2010年开始"有系统可依",能在治理后持续促进业务发展。
在数仓之上,百胜中国通过各个系统收集到的各类业务数据,颗粒度也非常细致。
这在餐饮行业是少见的。在这个行业存在着大量的加盟店或者小品牌——它们长期选择采购轻量化的SaaS产品辅助业务,只有超过1000家店的大品牌,才会考虑自己构建系统。
这里的问题是,SaaS类产品虽然上手方便,但过于通用化。这种模式无法满足企业更细致的数据采集需求,品牌很多时候只能获取一张订单的数据,对客诉、发票等信息无法回收,业务分析效果自然也有限。
但餐饮品牌要做好数字化,拿到细粒度足够的数据又是必须——人力和物料是餐饮品牌的两个最大支出项,只有拿到更全面更细致的数据,才可能从各个环节指导业务减少这些成本。
百胜中国的优势在于,它在国内拥有数量庞大的直营店,系统也是独立的,可以依靠这些店和系统回收自身需要的、颗粒度足够细的数据。
依托于这些源源不断的高质量数据,百胜中国之前已经能准确地预测某一时间段内的餐厅员工数量,也能规划出最佳餐厅运营效率,还可以帮供应链预估采购量,几乎把数字化能力应用到了所有场景中。
拿必胜客的i-kitchen系统管理后厨举例。这套系统的模型由多年累积的业务数据训练而成,可以帮人规划出最优的生产方案。
在实际场景中,过去必胜客只能按出单时间顺序生产,但在外卖单里,很可能披萨烤完,饮料里的冰已经化了。而且,一旦有公司聚餐这样的外卖大单,堂食客人就要等更久。
i-kitchen可以把所有订单混排,先给堂食客人做小食,让他们能更耐心地等披萨;外卖订单也可以在食物做完时再打饮料,保证送出时冰不化。
百胜中国的供应链和门店营运体系也在2019年前后完成数字化转型。供应链部门可以精确预估采购量提升供应链效率。门店积累多年销售数据已经精确到不同时段、街道和天气条件对应的店内流量、销售额,能为新店型测算盈利模型、选址提供参考。
“现在马上是暑假,我们能预测到什么时候会有员工流动,再预测到假期消费者的客流量,结合员工流动数据就能提前进行人员储备。”张雷接着举例告诉我们,把各类细粒度足够又准确的数据“连”在一起,会产生非常实用的效果。
这些长期积累的数字化优势,已经让这家公司真正降本增效。
数据显示,2024年百胜中国经营利润率按可比口径同比增长70个基点至10.3%,核心经营利润增长12%。
到了生成式AI时代,和很多落地新技术的公司一样,百胜中国需要应对大模型天生的大数据量需求和高数据质量要求。
为了收集海量数据并发挥它们的效能,业内在这两年开始流行合成数据、人工标注高质量数据等等创新且昂贵的方案。
百胜中国也在探索新的数据处理模式。
张雷告诉我们,Q睿背后关联的是各类业务知识库。为了让这些知识库中海量不同模态的数据(比如视频、PPT、文档等)被大模型正确使用,百胜中国花时间做了知识图谱和问答数据。
为了赶上新技术落地的需求,百胜中国选择用大模型帮忙,快速从文档等内容中生成能够直接使用的问答数据。
用大模型技术落地大模型应用,这在餐饮品牌中并不常见。但这种能力出现在百胜中国这家“被炸鸡耽误的科技公司”身上,似乎也不奇怪——毕竟在最近10年,它是国内最早使用手机点餐的连锁餐厅之一,同时率先提供数字支付选择,并将人脸识别技术应用于支付场景。
按照张雷的逻辑,百胜中国的数字化可以分为获客和履约——也就是获取用户和满足用户需求两大方向。
数字化时代,百胜中国在这些直接面对消费者的业务场景中取得过十分亮眼的成绩。
最经典的案例当属肯德基超级APP。2016年,肯德基将品牌APP、宅急送APP和手机自助点餐APP整合而成"超级APP",集下单、支付、预约等功能于一体,成为用户体验的核心入口。
还有疯狂星期四。
很早之前,肯德基管理团队观察到周四的单量是一周中最低的,于是从2018年8月开始做"疯狂星期四”"营销。2021年起,随着"疯狂星期四"的各种段子被网友自发传播,肯德基官方举办"疯四文学"直播等活动营销。到了2023年,百胜中国的三季报显示,"疯狂星期四"推动星期四的销售额比其他工作日高40%。
即便已经有过如此多成功的To C案例,但百胜中国对生成式AI的探索还暂未大规模面向消费者铺开,而是在企业内的60多个场景中落地。比如2024年,AI客服通过辅助人工,已经每天为百胜中国处理超过15万次消费者沟通,问题解决率高达90%。
"数字化要从前往后做,也就是从前端获客运营做到后端的供应链,但数智化要从后往前做。"张雷说,这是百胜中国面对数智化的节奏。
从后往前做,指的是让数智化工具先从组织内部开始发挥作用,再逐步向前端渗透。
就像这次新发布的餐厅营运智能体Q睿,已经在部分门店测试。
它的设计和功能,是为了提升一线员工的营运体验和餐厅效能,让"人"的价值在服务最前端发挥出来。
那么,为什么生成式AI的数智化落地,需要先从内部场景做起,再推向外部?
张雷告诉我们,这样的节奏来自于百胜中国的数字化经验。百胜中国2015年开始落地移动支付,让超过5000家门店全面接入移动支付。当时大力推进,正值全行业的支付基础设施都在齐心协力让这件事普及。产品的成熟加渠道的支持,让消费者的接受成本降低,移动支付很快普及开来。
有了移动支付,消费者的支付体验更便捷,再加上外卖系统、会员系统、订单系统的优化和统一,百胜中国的数字化,迅速形成了前端业务量增长带动后端供应链改革的正向模式。
如今的生成式AI,虽然各类模型轮流登顶技术榜单,并且已经把成本降低,但更强大的多模态基座模型还在打磨过程中。各种各样垂直、通用Agent,也依旧处于打磨场景和交互体验的状态。
这种大前提下,百胜中国面向消费者的新一代生成式AI产品,也在等待一个类似移动支付的时间点。
"教育消费者大规模地使用生成式AI,不是某一家公司能做成的。"张雷说,"就像当年的移动支付,大平台在前面做,我们再一起去推动,整个落地的速度就会非常快。"
在"先内部再对外"的生成式AI落地规划中,百胜中国在2024年底已经完成超过60个内部生成式AI尝试——2023年底,这个数字是30个。2023年底前,它只在行政、客户洞察、食品安全风险评估、产品创新等10个场景开始探索生成式AI。
到了2025年夏天,百胜中国还举办了自己的第一届全国黑客松大赛。据百胜中国披露的信息,这次大赛总共收到来自全国市场近200份的方案,覆盖门店营运、客户营销、用户体验、供应链优化等核心业务场景。这其中经过层层评审的优秀项目,将会获得公司“一线员工创新基金”专项资源支持,进入项目孵化和落地阶段。
"我们内部鼓励大家多尝试生成式AI的落地,没有什么场景的限制。"张雷说。
在更细致的层面,百胜中国IT部门和业务部门的合作方式也因生成式AI而发生了些许变化。
张雷告诉我们,之前,百胜中国业务和IT的合作模式主要因业务需求而推动。而生成式AI目前的落地特点是"因为看见而相信",也就是在落地过程中持续优化,AI应用才会变得越来越"聪明"。这种和之前不同的技术—场景特征,让业务和IT部门越走越近。
"生成式AI的进展很快,我们希望业务同学往外多迈出一步,学习生成式AI。现在很多品牌同学、法务同学,都学会了自己编排智能体,和IT同学的交流也变多了。"张雷表示,百胜中国目前对人才的定义也发生了变化,鼓励新生代的人才更加拥抱生成式AI,在业务中直接使用它。
当然,对内部AI场景的积极落地,并不意味百胜中国对面向消费者的场景彻底"佛系"。
百胜中国旗下肯德基超级APP,也在因为生成式AI而焕发出新可能——它计划用AI分析更多类型的数据,从而在APP内推荐出更多匹配用户喜好的内容。
如果从更宏观的视角审视百胜中国对生成式AI的布局,会发现无论是面向消费者还是提升组织内部效率的AI,都只是它新一代数智化图景中的一部分。
张雷告诉我们,自己一直有个关于"智慧餐厅"想象。在这家餐厅里,消费者可以用语音直接在APP点餐,不用再做任何多余的动作就能吃到自己心仪的食物。而作为餐厅的员工,即使没有经过任何训练,只要走进任何一家餐厅,就能在AI技术的帮助下立刻做好各类服务,不需要再经历重重培训后才能上岗。
能看出,在这个"人、货、场"高效交汇的图景里,既需要面向消费者的智能体,也需要面向餐厅、供应链运营的智能体。而如今已经发布的、能让员工在各个环节解放双手去工作的Q睿,就是打开这个想象力的第一把钥匙。
在更详细更酷炫的整体流程中,机器人也会和智能体等AI原生应用一起进入智慧餐厅。
目前,百胜中国已经让人形机器人在餐厅门口进行迎宾,之后还希望它能承担起厨房和餐厅内的工作。
"机器人是我非常关注的方向。让它们进入厨房和餐厅,早晨开店,晚上盘点,可以让员工的工作更轻松。"张雷说。
不过,她也对这项技术的进展有着清晰的认知:"目前大部分的机器人还需要持续训练才能达到更好的效果。我们也会给这些机器人'锻炼'的机会。"
积极地创新,但从不冒进地落地。百胜中国这种对生成式AI的态度,贯穿了智能体和机器人,也渗透在前后端各种场景之中。这是这家餐饮业数字化尖子生,一直秉持的AI落地智慧。
文章来自于微信公众号“36氪”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。
项目地址:https://github.com/labring/FastGPT
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI
【开源免费】VideoChat是一个开源数字人实时对话,该项目支持支持语音输入和实时对话,数字人形象可自定义等功能,首次对话延迟低至3s。
项目地址:https://github.com/Henry-23/VideoChat
在线体验:https://www.modelscope.cn/studios/AI-ModelScope/video_chat
【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案,生成数字人形象进行直播,并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。
项目地址:https://github.com/PeterH0323/Streamer-Sales