2026年6月10日，国内最大AI智能零售柜运营商丰宜科技正式向港交所主板递交上市申请，旗下运营“丰e足食”品牌，这家深耕智能零售领域多年的企业，首次系统性披露了其技术体系、研发投入以及未来发展路径。

相比终端规模和营收增长，我注意到的是另一组数字。 2023年、2024年、2025年，这家零售公司技术研发费用分别是5610万、6370万、6390万元。

这可能放在互联网公这不算什么。但对一家以线下运营网络为核心的实体零售企业来说，连续多年维持这个量级的研发支出，不寻常。

一个问题自然浮现，一家智能零售企业，为什么要持续投入大几千万做研发？ 拆开招股书看，发现这家公司它解决的不只是零售效率问题，而是一个试图解决一个更大的命题：当AI开始承担运营决策，实体企业最终会演化成什么样子？

从ERP到决策流：三十年数字化的下一步

回顾过去三十年企业数字化的发展，每一次生产力跃迁背后都对应着一套新的基础设施。 ERP解决信息流，CRM解决客户关系，WMS解决仓储，TMS解决物流。这些系统共同构成了数字化时代企业的软件基础设施，让企业实现了信息在线化、流程标准化、管理可视化。

但这些系统有一个共同特点，它们负责记录信息、管理流程、支撑执行，但不真正承担决策。 采购多少商品？库存如何配置？哪些站点需要补货？哪些商品应该下架？这些关键经营活动最终仍然依赖人的经验判断。

这也是为什么很多实体零售企业在扩张过程中会遭遇规模化悖论，规模增长的同时管理成本同步上升，运营效率反而下降。

丰e足食在招股书里把企业运营能力划分成五个阶段：数字化1.0、系统化2.0、数据智能3.0、AI智能4.0、自主运营5.0。他们表示公司整体技术能力已经进入第4.0阶段，也就是AI开始承担“决策”功能，而不只是提供建议。

据招股书公开披露，丰宜科技是在2022年开始采用专有算法实现端到端运营自动化，并于2024年开发了FLOW Pilot智能体系统，凭借算法驱动自主运营，公司已建立了一个完全直营、高密度的度的分布式网络。

如果说ERP定义了数字化时代企业的信息流，那么丰宜科技的FLOW Pilot智能体试图定义AI时代企业的决策流。

FLOW Pilot：四项核心决策权

FLOW Pilot是丰e足食自研的全链路AI决策运营系统，融合了大模型、机器学习、多智能体协同和运筹优化。

从表面看它由四个Agent组成：Field Pilot、Link Pilot、Opti Pilot、Work Pilot。但如果从企业经营的角度重新审视，会发现这四个系统对应着企业最核心的四项经营决策权。

Field Pilot，增长决策权

在智能零售领域，企业要进入什么场景开发点位？选择什么类型资源位置？与谁合作？这些问题长期依赖经验丰富的拓展团队，但经验决策存在天然局限，不同区域、不同场景之间存在大量变量，单纯靠人很难做到持续最优。

Field Pilot聚合区域场景、地理位置、消费特征、合作伙伴资质和历史运营数据，可以对潜在点位进行智能评估，完成智能线索推荐、站点评估、风险识别和标准化巡检。

对大规模终端网络来说，错误的点位决策意味着长期低效运营，这个决策的重量远比看起来大。

Link Pilot，商品决策权

零售行业有一句经典的话，卖什么比卖给谁更重要。

消费者需求处于动态变化之中，不同区域、不同场景、不同时间段甚至不同天气条件下偏好都可能不同。大多数零售企业依赖运营人员经验选品，难以实现真正的千店千面。

Link Pilot可以整合跨站点需求感知、用户交易历史、消费反馈和商品关联关系，融合运筹学优化与强化学习，通过持续的决策—执行—反馈闭环迭代，在不同消费场景下实现最优商品组合，能针对办公楼、产业园、医院、学校不同细分消费场景人群需求，系统能够形成差异化的商品结构。

Opti Pilot，库存决策权

库存管理是零售行业最复杂的问题之一。库存过高意味着资金占用和损耗增加，库存过低意味着销售机会流失。整个供应链体系中需求、库存、物流、商品生命周期都在动态变化，对覆盖全国的大规模网络而言，这种复杂性呈指数级增长。

Opti Pilot协调区域配送中心、前置仓和前端智能零售终端之间的库存流转，负责动态库存配置、补货决策、出库决策和上下游协同。目标不是简单降低库存，而是在整个网络层面实现库存结构最优，提升周转效率，降低商品损耗率。

在零售行业，库存本质上就是资产。Opti Pilot承担的是企业资产配置能力。

Work Pilot，履约决策权

简单总结，Field Pilot解决去哪里开发点位，Link Pilot解决卖什么商品，Opti Pilot解决放多少商品，Work Pilot解决怎么把所有决策真正落地执行。丰宜科技这套智能决策系统可以实现自主决策，有效取代了在点位扩张、消费者服务、供应链及库存管理以及履约等关键领域大部分人为判断。

在智能零售这个行业，网络规模几百个点位时，人工协调尚能运转，但扩展到十余万个终端时，人工协调迅速成为瓶颈。而丰宜这套智能系统，正是智能零售行业解决规模化运营需求的有效解决方案。

再好的决策，若无法高效执行，最终都无法转化为经营结果。Work Pilot位于自研OMS、TMS和WMS之上，覆盖补货任务、库存盘点、商品调拨、设备巡检、故障维修、仓到点配送、司机调度、路径规划、履约验证几乎所有执行场景。该系统不只决定任务由谁完成，还动态规划执行顺序、优化路线，并对执行结果进行验证和反馈。

当四个系统同时运行，企业最核心的四项运营决策权全部被纳入统一的AI决策框架，可以说，丰宜科技的FLOW Pilot智能体，更接近是一套面向实体零售网络的企业操作系统。

终端规模不是护城河，数据网络才是

招股书显示截至2025年底，丰e足食管理和运营的智能零售终端超过18万台，设备保有量约为行业第二名的近4倍，规模量远超同行。但对AI系统而言，真正重要的是规模背后的数据。

互联网时代最强大的商业模式叫数据网络效应，Google、Facebook、TikTok都遵循同样的逻辑：更多用户产生更多数据，训练更好的模型，提供更好的体验，吸引更多用户，形成持续强化的正向循环。

长期以来，实体零售不具备这样的能力。现实世界的数据获取成本远高于互联网世界，传统便利店每天发生无数运营动作，哪些商品被购买、哪些被忽略、消费者在货架前停留了多久、补货是否及时，这些信息长期处于不可见状态。

智能终端的出现第一次改变了这一点。每一次开门、每一次购买、每一次补货、每一次调拨、每一次维修、每一次配送，都能转化为数字化记录，进入统一的数据体系。

丰宜科技机18万台智能零售终端最大的价值不只是销售网络，更是一张覆盖真实世界消费行为的数据网络。随着网络规模扩大，FLOW Pilot获得更多训练样本，需求预测更准，商品配置更精准，库存调度更高效，形成持续增强的数据飞轮。

终端规模是结果，数据网络才是能力。

Nebula：实体世界的数字神经系统

如果说FLOW Pilot负责思考，那么Nebula负责感知。

Nebula是丰e足食自研的核心IoT平台，支撑超过18万台智能设备的统一接入与管理。但它承担的角色远比「连接设备」更重要，更像是整个零售网络的数字神经系统。Nebula与FLOW Pilot的关系很像人体的神经系统与大脑，Nebula负责感知现实世界，FLOW Pilot负责理解和决策，执行体系完成动作，最终形成闭环。

多制式兼容快速接入

在连接层，Nebula支持4G/WiFi双模接入，兼容超过19种主流工业设备型号。通过硬件抽象与统一建模能力，不同设备能被纳入同一套治理体系，新增设备型号时无需重构整套系统架构，快速完成接入与复制。

真正限制规模化的往往不是设备数量，而是管理复杂度，Nebula通过标准化建模能力大幅降低了这种复杂度。

从连接设备到管理设备

传统IoT系统中，连接设备往往已经是主要目标。但Nebula进一步延伸至设备全生命周期管理，实时监控设备从接入、激活、运营、告警到退役的全过程，所有设备状态都被纳入统一可观测体系。

对18万台设备的网络而言，人工逐一排查不现实，可观测性成为平台的重要能力：设备问题不只能被发现，更能被提前发现。

中央AI识别编排中心

Nebula将不同识别算法统一接入和管理，能够根据业务场景动态选择最合适的识别模型，必要时自动切换。AI识别从单点能力变成平台级能力，算法不断迭代时，整个网络能够同步获得能力升级。

自动化运维体系

传统设备运维高度依赖人工协同，发现故障→分析原因→创建工单→分配任务→执行维修→验证结果→关闭问题。

Nebula把这个过程自动化，通过监控指标和实时告警发现异常，自动触发数字工单，自动完成任务分派，自动跟踪执行状态，实现从问题发现到闭环验证的全流程管理。运维能力从被动响应向主动治理转变，直接影响设备在线率、服务水平和总体拥有成本。

隐藏在背后的第二层护城河：AI基础设施

比FLOW Pilot和Nebula更容易被忽略的，是AI与智能计算平台层。

大模型本身不等于企业能力，真正决定AI价值的往往是背后的基础设施体系。企业能否稳定调用模型？能否持续训练优化？能否在不同场景之间复用能力？这些问题的答案，决定了AI是演示工具还是生产力工具。

丰e足食在这一层的布局包括LLM Gateway、Unified Computing Agent、异构算力调度系统、向量数据库和MLOps全生命周期管理体系。

如果说FLOW Pilot是驾驶员，这些基础设施就是高速公路、电力系统和交通规则，决定了整个系统能否长期稳定运行。

更关键的是，FLOW Pilot不是静态产品，它的价值来自持续学习。每一次补货、每一次调拨、每一次履约、每一次消费行为，都在不断反馈给系统，推动模型进一步优化。

真正的竞争优势不来自某一个Agent，而来自支撑Agent持续进化的能力体系。

正在被AI重构的研发团队

截至2025年底，公司拥有101人的研发团队，其中约25%专注于AI、算法和数据研究。

除了团队规模和研发费用，市场更关注的是他们的研发方式，这支团队不只在用AI改造零售运营，同时也在用AI改造自己的研发过程。

招股书披露，目前约40%的功能代码已经实现AI自主生成，且这个比例仍在持续提升。前端开发环节，超过90%的组件创建和页面布局调试由AI独立完成。公司自研的PRD Agent能够自动解析业务需求，将自然语言转化为标准化技术规范，通过Design-to-Code技术让产品原型自动生成可部署代码。

企业利用AI研发AI，AI又帮助企业构建下一代AI系统，这种递归式演化正在成为技术团队的新特征。

未来衡量研发效率的标准，或许不再只是研发人数，而是研发团队与AI协同创造价值的能力。

产学研双向循环

招股书显示，丰e足食与香港中文大学联合成立了智能零售联合实验室，研究方向覆盖大模型行业应用、智能库存管理、商品选品优化、AI决策模型。

很多企业与高校合作，最终成果停留在论文和实验室阶段。丰e足食更关注工程化落地，联合实验室的研究方向几乎全部围绕实际运营场景展开。招股书特别披露，实验室产生的知识产权及研发成果归属于丰e足食。

前沿研究进入真实场景，真实场景又反向推动研究迭代，这种双向循环对企业长期技术积累具有重要意义。

Autonomous Operations：下一阶段的判断

如果说丰宜科技的FLOW Pilot代表今天已经实现的能力，那么Autonomous Operations代表他们对未来十年的判断。

丰e足食定义的企业演进路径中，自主运营5.0是下一阶段。很多人会将其理解为「进一步降本增效」，但其实它真正指向的是企业管理方式的变化。

过去的管理模式中，人负责观察、分析、制定方案、组织执行，系统扮演辅助角色。在AI主导运营体系中，系统观察、系统分析、系统决策、系统优化，人逐渐从决策执行链条中抽离，转而负责定义目标、设置边界和处理例外。

这和自动驾驶的发展路径极为相似，从系统辅助驾驶到系统负责驾驶，司机从驾驶员变成监督者。

从技术架构看，这种演化已经具备基础条件。Nebula负责感知，FLOW Pilot负责理解与决策，执行体系完成动作，结果反馈至系统，形成持续学习和持续优化闭环。感知、理解、决策、执行、反馈、学习，这恰好是一个完整智能体的运行逻辑。

Autonomous Operations真正指向的是一种新的企业形态，企业开始具备持续学习和自主优化能力，不再只是一个组织，更像一个持续演进的智能系统。

AI开始进入实体世界

过去二十年，互联网改变了信息世界。过去三年，大模型开始改变知识世界。下一阶段，AI正在进入实体世界。

仓库、货架、供应链、物流网络、零售终端，这些高度依赖人工经验运转的系统，正在被数据和算法重新组织。丰宜科技FLOW Pilot所管理的已经不只是业务流程，而是企业运营中的部分决策权。

Nebula连接的不只是设备，而是现实世界与数字世界之间的感知网络。18万台终端是今天能够看到的结果，而FLOW Pilot与Autonomous Operations所指向的，可能是未来十年实体产业数字化演进的方向。

过去，企业依靠人管理系统。未来，企业或许将通过系统管理网络。

这，也许才是丰e足食这份招股书最值得关注的地方。

关键词：