以業務解構技術，
搭好資料“地基”。
在品牌零售行業，智慧化轉型陷入了一個怪圈。
技術團隊執著於利用越來越高的模型引數、演算法最佳化來解構標準化流程，帶來降本增效，而當系統運轉起來，業務部門卻難免會抱怨：“系統聽不懂人話”。
自2023年開始，企業數字化開始追逐大模型浪潮，在C端不斷湧現效率成果的AI，到了B端，業務與前沿技術卻開始錯位。
企業面臨新的資料治理成本，SaaS系統邊界存在侷限性，大模型輔助決策的能力有待驗證……尤其，從中大型企業的視角來看，AI雖然能應用於很多單點場景，卻很難找到體系化的切入點。
正是在AI產業化落地急需標杆案例的時刻，百麗時尚集團(以下簡稱百麗時尚)探索出了一條迴歸數字化本質的路徑——讓業務成為技術的“掌舵者”。
體系化重構：以業務解構技術，搭好資料“地基”
百麗時尚這家在中國300多個城市擁有8000多家門店的時尚鞋服巨頭，在過去的兩年多時間裡，與其長期合作伙伴滴普科技共同探索構建了一套AI落地方法論。
不是用技術來顛覆業務，而是將業務規則轉化為了AI的“母語”。這在如今大模型爭鳴的敘事中，體現了企業自身擁抱浪潮的主體性。
在決定體系化全面投入AI之前，百麗時尚首先意識到的是，大模型的幻覺問題在產業場景中會被無限放大。
比如，當管理人員詢問“某款產品為何滯銷”的時候，AI可能會針對同樣的資料推理出不同方向的解釋，卻很難穿透業務本質。
問題的核心在於，無論是通用類模型還是垂類模型，都缺乏企業自有場景的規則錨點。
這也就意味著，AI的能力上限需要以業務規則結合資料質量、工程化技術、人工經驗參與等形式來彌合。
因此，百麗時尚選擇與自己長期的Data+AI服務商滴普科技合作。透過整合模型棧，基於滴普科技企業大模型Deepexi和百麗時尚資料基礎精調訓練推理模型Deepexi-RM用於商業流通行業落地的垂類模型，並透過這一行業模型和滴普科技的FastAGI智慧體平臺構建Agentic AI（代理型人工智慧）應用的邏輯來實現應用的精確度（消除大模型的幻覺）。
除此之外，AI產業化落地還存在兩個關鍵痛點：
第一，資料治理問題，非常考驗組織的創新基因，也被看作AI產業化的“地基”問題。要實現從“資料沼澤”到“資料倉庫”再到“資料金礦”的資產化轉變，需要的是企業拋開孤立的技術視角，將資料治理納入戰略框架。
過去，百麗時尚的資料處理以標籤為主，但數倉下的標籤化思維在AI時代並不能發揮最大資料潛力，因此，百麗時尚開始設計標註體系，基於業務價值密度進行場景化拆解。
在部署AI驅動的治理工具集的同時，百麗時尚透過“標籤+標註”體系，將靜態資料轉化為動態業務上下文，易於AI理解和推理。例如，一款鞋的“熱銷”標籤不再由人工定義，而是根據即時銷量、試穿率、連帶購買率等指標變化而動態生成。
資料治理是企業向“AI工業化”邁出的第一步。而在長期應用、持續學習機制的過程中，資料驅動下的模型決策很難與業務端對齊，則是AI自身在產業化過程中“廣為詬病”的另一點。
根據百麗時尚的自身經驗，在真正的模型訓練過程中，企業的資料量很大，噪音也會很多，不能全盤餵給大模型，而需要透過系統性策略平衡資料質量與模型效果。
在包括時尚鞋服在內的大多數覆蓋產品研發、供應鏈、零售、市場營銷的行業中，業務推理的複雜性遠超想象。從市場趨勢預測、柔性供應鏈排程、動態定價、庫存銷售分析等，每個決策環節都需要融合經驗判斷和理性資料分析。這種多重屬性，也使得普通資料無法形成能夠直接作用於決策的關聯性。因此，構建業務思維鏈成為了關鍵突破口。
從百麗時尚的實踐來看，AI實現決策落地的核心推理挑戰，目前在於多模態決策融合、快速反應機制構建等方面，由此，在自主構建垂類大模型的同時，針對關鍵場景最佳化數倉管理機制、沉澱企業知識平臺、開發人機協同的AI Agent，能夠初步做到將經驗驅動的思考過程轉化為可溯源、可計算、可最佳化的智慧決策體系。
數倉智慧化：從執行規則，到“創造”規則
在百麗時尚的智慧化數倉實踐中，AI正在重構資料的“活性”標準。
傳統數倉的模式本質是靜態規則容器，業務端需要窮舉分析維度，以至於所謂的智慧化仍然突破不了人的理解上限。因此，百麗時尚在過去數字化轉型中所建立的指標系統，以大模型所需的支撐來看遠遠不夠。
同時，市面上的企業級人工智慧應用提供商，如與百麗時尚合作的滴普科技，自身也在迭代企業資料智慧管理產品。在Data Fabric架構理念下，滴普科技開發了湖倉一體的智慧化資料平臺，讓新的資料管理模式能夠更敏捷高效地被融入大模型驅動的資料分析、智慧執行。
滴普科技的技術路徑，亦可觀察到智慧化時代，企業進行資料重構的必要性。
過去，重數字化的傳統數倉強調的是對於業務查詢規則的預先確定，即人工定義好靜態查詢規則下，業務邏輯固化在管道中，從而開展後續業務洞察，這種方式就類似大模型領域的預訓練（pre-training）過程。
而如今的智慧化數倉，則是以即時化的業務分析和應用決策為核心，讓模型動態生成規則，將業務知識儲存在模型引數與向量空間內，更強調的是業務洞察規則快速生成和執行的後訓練（post-training）過程。
因此，百麗時尚今年的重構性舉措是基於指標平臺的各種指標及相關含義作為冷啟動資料來生成業務上下文（business-context），讓模型能學習到指標背後的業務規則和指標與指標之間的相互關係，從而論證並實現了智慧數倉。
當AI的能力超越執行人工規則定義，上升到了理解業務、從而“創造規則”的維度，業務端和管理端的協同也會變得更高效。
比如，一個通用的標準化協同場景是，管理層做決策之前想要看資料，業務端需要調取資料指標。在傳統的中臺化系統中，業務動作和資料反饋往往存在割裂性：需要提交需求、手動串聯絡統，業務端很難精準理解到多少資料能支撐管理層的分析需求。而大模型創造規則的過程，則從業務流程上打破了這一“僵局”。
“智慧化數倉+大模型理解”的工作流，將業務動作轉化為規則生成器，透過即時圖譜、動態指標、業務指令封裝等資料引擎，讓業務端的每項操作都能成為訓練資料來源，實現從需求響應式分析到操作引導式決策的轉變，管理層所需的資料驅動決策也就不再僅僅停留在“看數”的維度上。
如果用中醫的“望聞問切”來比喻，以前是在“望”數，現在則已經逐漸過渡到了“問切”。
百麗時尚對中臺化場景的重新思考，也幫助品牌零售行業觀察到了當下數字化增效的本質邏輯：不應該由技術來拆解業務，而是應該由人來從業務場景出發，拆解技術。
基於這一目的，在和滴普科技共創的案例中，百麗時尚分別訓練出了決策類AI和執行類AI，打散傳統固化的數字化流程，將中臺能力後置，前方則透過AI的學習能力靈活呼叫API介面，從而讓中後臺能力實現靈活複用。
值得一提的是，在決策類AI中，百麗時尚透過引入多模態模型棧，構建了B端決策的物理約束系統，從而遏制了AI在業務場景中的幻覺漂移，進一步作用於智慧審批流重構，如合同合規審查等。其帶來的效率價值，對於當前其他行業的AI產業化落地也具有參考性。
Agentic AI：大模型產業化的最後一公里
隨著Manus的炙手可熱，Agentic AI的能力和應用潛力也一併進入了大眾視野。
事實上，在國內最早一批走上AI產業化之路的企業眼中，Agentic AI早就不是什麼新鮮名詞，而是AI產業化落地最後一公里的必經之路。
以百麗時尚在補貨流程上的最佳化方案為例。過去，總部每週會透過郵件向區域發放補貨清單，透過層層數字化審批後，橫跨多個系統回傳，材料版本存在一定的混亂和滯後性。
而如今，百麗時尚已經基於釘釘等企業業務協同底座，構建輕量化應用，將整個鏈條以嵌入式的方式進行傳達，再基於滴普科技的智慧體平臺fastAGI構建Agentic AI的智慧化手段自動觸發系統指令和審批流，提高即時效率。
Agentic AI的優勢，不僅僅是透過自動化指令釋放生產力，還有將原本分散在各個系統中的檔案格式和動作收束為連貫的資料流，讓整個執行過程可追溯、可干預、可由大模型實現智慧化判斷。
透過Agentic AI，百麗時尚將企業管理流程中最看重的“操作痕跡”，直接轉化為數字化軌跡，再為後續的模型訓練提供基於真實業務場景的“細胞級”資料養分，這就是AI助理在產業化中的魅力所在。尤其是在品牌零售領域，傳統“人貨場”和新型數字化組織管理之間的協同效率，往往能夠成為決定一家企業成敗的關鍵因素。
由此可見，智慧化重構既需要清晰的業務邏輯，也需要重視人和技術底座的價值。
無論是釘釘的智慧化應用生態開放性，還是滴普科技自身從中臺化走向智慧驅動平臺的底層架構升級，體系化實踐的成果，都是基於百麗時尚對於供應商業務理解能力的篩選，而不是單純考量其技術的先進性。
未來，Agentic AI將有望開啟AI產業化的“鎖”，在一段時間內主導大模型ToB應用的形態。而在此過程中，除了系統性重構之外，企業還應考慮三點差異化壁壘：
1.IT基礎建設方面，技術架構與業務邏輯的耦合深度
2.行業Know-how的工程化能力
3.在技術合作夥伴的選擇上，其產品形態與自身商業價值點高度匹配，能夠長期共創
在滿足了這三點要素之後，AI產業化的核心價值才不會是資料資產的堆砌，而是像“資深店長”一樣全面感知業務的細微變化，即時適配和改善業務連線點，更精準的響應需求，提升企業競爭力。
技術解決方案，是為了縫合業務斷層，連線人與人，而並非刻板追求標準的數字化體驗。滴普科技能在Agentic AI尚未成為企業智慧化主流形態的短時間內，迅速將過去長期合作經驗中對於時尚行業的理解封裝為標準化產品，也是在生態協同中業務與技術共同演進的體現。
在產業智慧化時代，技術供應商的角色將不再侷限於傳統定製化SaaS的銷售模式，讓前沿技術“蹲下來聽需求”是必須要完成的前置底座環節。
從百麗時尚的案例來看，這種轉型沒有捷徑，全域性重構、資料治理的過程可能是艱辛且默默無聞的，但一個行業的創新活力、商業競爭力也往往由此而來。
今天，Agentic AI已經讓我們看到，最好的智慧化並非一上手就要開始生成與創造，而是先重構企業理解世界、理解人的方式，下一步再去創造。之所以目前產業化價值最高的AI應用形態仍是AI Agent、AI Copilot，就是因為“協助”才是智慧化轉型的主題。
最深刻的產業升級，往往始於對傳統業務的敬畏，而不是新興技術的獨舞。