9月初，前阿里副总裁、钉钉CEO叶军在离职一年后正式创业，创办杭州深空之序智能科技，方向是面向企业场景的AI Agent。他在接受媒体专访时表示，离开大厂更有自由度，这一轮AI创业不抢入口、抢生态。对连锁零售企业来说，这个消息的分量不在明星高管的去向，而在于它验证了一条现实路径：过去只能靠外采的门店数字化工具，第一次有了被自研智能体接管的可能，而接管的成本账，值得每一家连锁品牌认真算一遍。
核心结论
叶军的经历本身就是零售数字化的缩影。他2007年加入阿里，历任阿里软件、速卖通、企业智能等岗位，在钉钉任内主导了组织在线与业务在线的建设，2025年3月收到调令、三个月后正式离职，此后一年走访多城企业，最终选择做面向To B场景的AI Agent。对门店运营者而言，这类工具的价值不在概念包装，而在于它把巡店、补货、排班、客服这些原本分散在Excel与微信群里的流程收进同一条数据链，让区域经理第一次可以在同一个界面上看到客流、库存与工单的联动。2026年9月叶军正式创办深空之序，方向锁定企业级AI Agent其创业方向获媒体披露
自研与外采的分界线正在移动。过去企业采购数字化工具的逻辑是买功能，一个巡店模块、一个排班模块各买一套，接口对不上就再买一套集成；智能体时代的逻辑变成买能力，一个能调用工具的Agent可以同时接手巡检派单与异常上报，把碎片流程重新缝起来。行业数据同样在印证这轮切换：工业企业应用大模型与智能体的比例已从2024年的9.6%跃升至2025年的47.5%，36氪研究院测算2026年我国工业AI可落地市场规模将达1163亿元，预计2030年突破3000亿元。大模型与智能体在实体企业的渗透率一年内接近翻两番研究报告给出量化区间
自研还是外采 三种规模门店的账本
百家门店以上 平台化外采仍是主轴
对门店数超过百家的连锁品牌而言，自研智能体的窗口并不紧迫。平台化SaaS的规模效应依然明显：一套系统服务上千家门店，单店分摊的license成本可以压到很低，而多品牌实战打磨出的最佳实践模板，恰好是单店自研最难复制的部分。这类企业的正确姿势是把外采平台当作数据底座，用智能体做二次加工，例如让Agent每天自动比对巡检照片与陈列标准，把异常清单直接推送到区域经理手机上，而不是从零搭一套系统。
百家门店以下 自研智能体的窗口正在打开
中小连锁的压力恰恰相反。外采平台按门店数计费，门店越少单店成本越高，而中小连锁的业务流程往往更简单，用一套开源模型加少量定制就能覆盖七八成需求。大模型赛道今年的变化是开源能力快速追平、调用成本持续下降，10月的大模型评测显示行业已全面转向务实落地。开源与降本让中小企业的使用门槛持续降低行业观察给出印证这类企业更现实的路径是先用开源模型跑通一个最小闭环，把省下的平台费用花在数据治理上，等业务复杂度上来再评估是否切换回平台化方案。
最佳实践
把智能体当成巡店数据的第一个消费者
不少连锁门店的巡检数据躺在后台无人问津，照片拍了、表单填了，却没有下一步动作。让智能体成为这些数据的第一个消费者，是投入产出比最高的用法：Agent每晚自动读取当日巡检记录与客流数据，标记出连续三天陈列不达标的门店，生成带证据链的整改清单。这一步不需要替换任何现有系统，只需要把历史数据接进模型，通常两到三周就能看到第一份有价值的报告。
用最小闭环验证投入产出再谈平台化
自研最容易犯的错是一上来就规划大平台。务实的做法是选一个最痛的闭环先跑通，比如把排班冲突与客流预测打通，用四周时间量化这个闭环省下的人力与减少的排班差错，再决定是否扩大投入。判断标准也很简单：如果最小闭环省下的成本已经超过模型调用与数据标注的总花费，扩大投入的决策就有了数据依据，而不是拍脑袋。
常见误区
常见误区之一是把数字化等同于买软件。不少企业认为上马了巡店系统和排班工具就等于完成了数字化，但工具之间数据不通，区域经理每天仍要在五六个后台之间来回切换，效率反而更低。数字化的本质是让数据在流程里流动起来，工具只是载体；判断标准也很朴素——一线员工每周花在数据搬运上的时间是在减少还是在增加。
另一个误区是让IT部门单方面主导工具选型。IT视角关注的是接口稳定性与安全合规，这没错，但真正天天使用工具的是店长与督导，他们对哪些环节最耗时最有发言权。见过太多案例，采购回来的系统技术指标全部达标，一线却因为操作路径太长而弃用，最后退回微信群派单。选型团队里必须有一线运营的常驻席位，试用期由业务负责人签字才算通过。
门店数字化落地的三个观察
第一个观察是数据口径先于系统建设。门店数字化的第一公里不是选型，而是把什么叫客流、什么叫有效陈列、什么叫复购这些口径统一起来。连锁品牌跨区域扩张后，同一张报表在不同大区往往算出不同数字，根源就是口径不一致。把口径写成规则文档、让智能体按规则执行，比让智能体自由理解业务要可靠得多，这也是当前企业落地大模型时最容易被低估的一步。
第二个观察是人的节奏决定系统的节奏。再好的智能体也只是把重复劳动接过去，判断与决策仍要留给门店负责人。成功的落地案例都有一个共同点：系统输出的不是指令而是选项，比如给出三个陈列调整方案并附上各自的预期影响，由店长做最终选择。这种设计既保留了人的判断空间，又让数据真正参与到日常决策里，员工的接受度会明显高于被系统指挥。
总结
回到叶军创业这件事本身，明星高管的去向只是一个信号，真正的信号是Agent正在把企业软件的边界重新画了一遍。门店数字化的下半场不会由某个单点工具决定，而由数据闭环的完整程度决定：谁能让巡检、排班、补货的数据在同一个闭环里流动，谁就能把智能体的价值真正落到单店损益表上。
对连锁品牌而言，现在的策略并不复杂：大门店继续深化外采平台的价值，把智能体当作增值层；小门店抓住开源与降本的窗口期，用最小闭环自建能力。无论哪条路径，先统一数据口径、让一线参与选型，都是绕不开的前提。数字化不是一次采购，而是一场持续的数据治理。
数据来源
- 专访前阿里副总裁叶军：离开大厂更有自由度，AI创业不抢入口抢生态
- 中控技术联合36氪研究院发布《2026年中国工业AI行业发展研究报告》
- 2026年10月大模型排行新变局：看懂AI行业真实发展底色
- 国家统计局：2026年1—8月份社会消费品零售总额增长1.1%
常见问题
中小连锁自研智能体的第一步应该做什么？
A: A: 先统一数据口径，把巡检、客流、排班的核心字段写成规则文档，再选一个最痛的闭环，比如排班冲突自动识别，用开源模型跑四周验证效果，不要一开始就规划大平台。
外采平台和自研智能体可以共存吗？
A: A: 可以，而且这是多数企业的现实路径。把外采平台当作数据底座，智能体做二次加工与流程串联，两者解决的是不同层次的问题，不构成替代关系。
叶军创业对零售行业有什么直接影响？
A: A: 直接影响有限，但它验证了To B智能体赛道的可行性，意味着面向门店场景的Agent工具会更快丰富起来，连锁企业的可选项会变多，价格也会更有竞争力。
智能体能替区域经理做决策吗？
A: A: 现阶段更适合输出选项而非决策。让系统给出带预期影响的方案，由区域经理结合现场情况拍板，既保留人的判断空间，也让数据真正进入决策链。
怎么判断一个最小闭环值不值得扩大投入？
A: A: 用四周时间量化它省下的人力与减少的差错，把节省金额与模型调用、数据标注的总成本做比较，节省明显大于成本时再扩大，避免拍脑袋上大项目。
