大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



有人还在试水，有人已经开始算ROI：餐饮AI的分化正在出现。

在过去两年里，AI开始频繁进入餐饮行业的讨论语境，越来越多的餐饮企业开始尝试将AI引入日常经营。

然而，热闹的AI叙事和真实的落地之间，往往横亘着巨大的鸿沟。概念容易，算账很难。什么场景适合先切入？ROI如何验证？组织如何承接？大多数餐饮企业对AI的理解仍停留在工具层面，真正能够在经营中稳定落地的场景并不多。对于很多品牌来说，AI究竟是“锦上添花”，还是能够改变经营方式的变量，仍然没有想清楚。

在“2026中国餐饮产业节暨第35届HCC全球餐饮产业博览会”上，红餐首席AI官、红餐成长社联合创始人李棒与碗蔚咨询创始人、羽化小红花AI联合创始人李蔚，林里柠檬茶创始人兼董事长王敬源，袁记食品集团数字决策中心负责人邓宪平，山东舜和酒店集团副总裁、数食汇丛创始人任丛丛，拓邦中央研究院AloT产品中心负责人蒋东君，许府牛AI&信息化负责人解钦，围绕“餐饮AI的生态共生，从工具应用到经营逻辑重塑”展开了一场深度对话。

李棒：在座六位嘉宾看来，目前AI赋能餐饮处于哪个阶段？餐饮企业使用AI，真实落地过程中，最大的难点和收获是什么？

李蔚：根据我们接触过的头部企业来看，目前AI应用还处于初级阶段，许多企业正在了解或准备尝试。头部企业更倾向于先从特定领域切入，再逐步扩展范围。

我们目前已经为超过50家头部连锁企业提供过服务，从这些经验来看，真正能有效落地AI的企业，往往是从创始人层面开始推动的。也就是说，创始人首先对AI有浓厚兴趣并愿意尝试，这种自上而下的推进方式使AI的引入和应用更加高效。

最大的挑战在于，很多企业希望全面应用AI，但全方位的应用成本非常高。即使创始人有意愿，高管团队的协同也需要时间。

一个好的AI工具要真正被采用，必须在短时间内帮助客户实现某些数值的变化。无论是提高效率、提升人效还是降低运营成本。从小范围开始，只要能够取得成果，就可以视为有效的AI应用工具，只有在这个基础上，AI的应用才是有意义的。没有成果，就很难解释继续投入的理由。

正是基于这个逻辑，我们去年投资了一个AI应用工具——小红花AI智能工牌。通过语音识别记录员工与顾客之间的对话，并根据后台设定的各岗位SOP，判断话术是否有效，并统计员工推广新产品、储值卡、高毛利套餐的频次，帮助企业提升收入和综合毛利率。我们能在两到三周内帮助企业完成有效的ROI测试。只有ROI可以在短期内量化，企业才会给出更多的试用机会。

王敬源：林里使用AI的核心在于一个问题，即如何利用沉淀下来的数据。SaaS系统已经发展了十余年，我们积累了大量关于会员消费习惯和用户消费场景的信息。

这些数据的应用，我觉得首先是用于产品开发上，比如看哪些产品可能成为爆款，让AI参与到研发过程中；其次，用在选址和开店层面，目前林里的目标是2000家门店，预计在未来三年内达到5000家。此外，我们还希望借助数据找到一个优秀的门店模型。

过程中的难题是，在积累了大量数据之后如何有效地利用这些数据。应该要先从最基础的客户需求出发，通过提供优质的产品和选择合适的地理位置，最终实现精细化运营。

邓宪平：我们现在更多是在企业内部找一些高频但是效率比较低的环节，去结合AI，先在小范围验证，没问题再往全国推广。

现在市场环境有了新的特征和要求，过去的打法放在现在已经不太适用，对应的企业算法、经营策略也必须要跟着变。

对于人工智能领域，袁记目前主要关注的是降本增效。随着企业规模的扩大，所面临的问题就需要更加精细化的管理。过去那种通过快速扩张、开设加盟店来迅速回本盈利的方式已经不再适用。鉴于市场环境与以往有了很大不同，袁记现在的主要方向更多是在企业内部寻找那些高频但低效的工作环节，与技术结合加以改善，小范围验证没问题再向全国推广。

任丛丛：舜和属于大型宴会与酒店结合的模式。去年，我们的AI应用主要集中在设计方面，包括视频和图片内容的处理。今年，主要致力于硬件机器人开发和离线智能的结合，下一步将在酒店中引入机器人，并通过一个智能体来调度这些机器人，提供更优质的顾客体验，同时节省人力成本。

我认为在未来2-3年内，在酒店应用场景中，轮式机器人、人形机器人以及炒菜机器人将会与智能技术相结合，实现较为显著的降本效果。不过，目前来看，这一领域仍处于探索阶段。

今年春节受益于具身智能技术的应用，我们在2026年年夜饭当天就预订满了2027年的年夜饭，这是舜和31年来的第一次。技术对品牌流量的提升作用非常直接。

蒋东君：拓邦专注于智能控制技术。AI的应用主要集中在为客户提供解决方案以及研发生产方面。

具体分为几个层面：一是在生产过程中通过数据分析提高效率、并结合机械臂进行AI检测；

二是在研发方面，AI能显著提升研发效率，目前公司内部已全面推广，尤其在产品开发上，拓邦早期定位就是实现四联一网，将这些技术应用于多种产品中，如智能家居、视觉相关的家居产品、新能源以及炒菜机等。在流程和激励机制上，我们都积极拥抱AI，定期评选优秀AI案例进行表彰。

解钦：许府牛是一家以牛肉为核心产品的企业，目前在全国拥有1300多家门店。

我认为，当前餐饮行业的AI应用正在从对话辅助向主动执行的方向发展。过去AI是一问一答的工具，现在它开始主动执行任务。以会议纪要为例，以前只能整合录音内容，现在已经能根据实际讨论内容生成待办事项并同时提醒相关人员。这也表明，在过去两年里，人工智能已经从仅能处理语言信息发展到尝试执行具体任务。

今年AI领域的热词是OpenClaw。它让很多企业第一次直观地认识到，AI不仅存在于浏览器的对话框内，还能深入飞书、钉钉等办公环境，帮助处理信息、撰写日报、阅读文档、编写代码以及主动跟进客户投诉。当AI进入你的飞书群聊，它就变成了随时待命、能与你协作的虚拟员工。

人们的注意力已从单纯关注AI能够生成多么精彩的文章，转向了它实际上能够为我们做些什么事情。

但回到餐饮AI落地的痛点，我认为有三点是行业共通的。第一是数据问题，数据的颗粒度和干净度直接影响AI效果，AI的上限往往取决于数据的下限。

餐饮行业生命周期链路长，涵盖了采购、仓储、物流、运输以及出餐外卖等多个环节。如果底层数据不准确或不完整，即使模型再优秀，也无法全面解决问题。因此，对餐饮行业来说，数据标准化仍然是一个亟待解决的问题。

第二是ROI能否算清楚。餐饮业本质上是一个需要精打细算的行业，利润率是通过精细管理得来的。AI能否帮助减少操作步骤、避免错误决策、降低损耗，这些账如果没算清楚，那实际应用可能反而会成为负担。

第三是组织能否有效承接，AI发展速度往往超过企业管理的更新速度，总部推出新工具，门店和基层员工能否学会、是否愿意用以及能否有效运用，都是实际存在的问题。真正具有挑战性的不是技术本身，而是如何让技术服务于人，而不是给人类带来困扰。

规模扩张之后，数据的价值才真正显现出来，但如何把沉淀多年的数据转化为可执行的决策，是许多大连锁品牌面临的共同命题。

林里柠檬茶在走向2000家门店的过程中，选择了用数据驱动产品研发和选址；袁记食品把AI算力集中在外卖这一核心战场上，用精细化运营换来可量化的ROI提升。许府牛则选择从组织层面入手，让技术更直接进入业务流程。

这三种路径，分别对应产品、渠道与组织三个层面的不同侧重点。

李棒：林里最近完成了3.0品牌焕新，在顾客偏好、单品表现、门店选择等决策中，AI是如何介入的？

王敬源：我们经历了三个阶段：1.0是验证单品，2.0是规模职业化管理，3.0是精细化管理。

过去开发产品，主要靠试用竞品和观察大企业的趋势，但在拥有2000家门店的基础后，再购买市面上已验证的产品会导致高度同质化，我能买到的，竞争对手同样可以买到，最终只能陷入价格战。这迫使我们必须向上游走，进行原料级别的开发。

原料级别的开发风险极高，例如林里开发一种茶叶，因为有2000家门店，备一批货就需要三五百万，如果要准备半年的库存，就可能超过千万元的资金投入。如果卖不出去怎么办？这种压力迫使我们在原料开发阶段就深入研究消费者的口味趋势、复购习惯和复购场景，并预测产品上线后何时能够售罄，以及销量和目标客群。

所以，我们对消费者复购、NPS（净推荐值）等的准确性要求非常高。去年，公司还坚定推进全面飞书线上化，以便系统性获取和应用数据。

再之后，就是在选址和优化门店模型方面的应用。行业红利期，消费者只要对某个特定品类有需求，就会主动寻找这些产品。即使店铺位置偏一些，只要能满足需求，生意依然可以很好。但随着行业整体供过于求，产品质量和消费者复购率已经很难完全呈正比。

同样面积的店铺，租金和人工成本略有不同，就可能导致盈亏差异。选址模型、店铺大小、人工配置和定价策略都需要数据支撑，机场店、学校店、社区店等不同类型门店需要分级精细化管理，不能简单复制同一套打法。

李棒：袁记在门店AI管理方面起步较早，目前哪些核心场景已经实现AI覆盖？有哪些可以分享的关键指标？

邓宪平：袁记对AI的应用最早是门店品控，比如与厂商合作做虫害监测，如果有问题就在对应位置重点监控，再做防控措施。这一应用主要是辅助门店解决食安问题，但本质上还要看ROI，目的是让产品更合规、让消费者吃得更放心。

公司内部应用方面，因为企业的精力是有限的，主要精力一定要分到最有价值的点上，如何找到那个最有价值的点是比较难的。袁记做的是快餐，外卖占比相对较大。所以，我们在外卖精细化运营上会花比较大的力气，在这方面也引入了AI。

一是外卖投流，通过引入算法技术和AI分析，给出针对性的改善策略，逐步实现自动化地优化门店产品以及投流策略。

二是门店运营效率，例如通过AI和算法介入，我们可以及时响应并且优化出餐效率、产品品质和消费者体验，良好的消费体验也带动了自然曝光增长，企业减少了对付费推广的依赖，加盟商的实际经营回报也更加稳定。

李棒：许府牛已经把AI单独列出来做了一个职能部门，公司对AI职能部门有怎样的规划，期望这个部门未来会进化成什么样子？

解钦：我们没有设立传统的IT部门，而是直接独立设置了AI职能部门。这个部门既有从内部转岗的，也有从外部招聘的员工。内部有真正懂业务且对新技术感兴趣的人，我们会把他们引导到这个方向；同时，我们也需要更懂前沿技术的人，帮助精准判断哪些AI场景最有可能高效落地。两者缺一不可。

设置AI部门，主要基于许府牛对行业逻辑的一个思考——餐饮行业没有直线，只有抛物线。当品牌走到规模化扩张的拐点时，所有的问题都会被无限地放大。

传统IT部门更像一个安全带，保证系统正常运转；但在品牌规模化扩张的拐点上，我们需要的是导航仪。所以我们独立设置AI职能部门，核心就是让懂新兴技术的人沉入业务深水区，一头连接核心业务，一头连接新兴技术，帮助企业最精准地提效。

我常说，餐饮行业里的AI没必要那么高大上，真正高级的AI反而是有烟火气的。烟火气是它能从有效的数据里帮我们判断加盟商的核心需求，从重复的工作里解放员工。不一定要仰望天空，只希望它能帮我们低头看路，让AI能像“空气”一样，渗透进餐饮行业的日常运营里，让管理变得更轻，方向做得更准。

我相信未来会有更多企业设置类似职能部门，从管系统进化成管Agent。我们现在已经有很多数字员工，在核心岗位上帮助每位员工精准提效。

具身智能正在从噱头变成真正落地到餐饮门店的场景设备。

一端，舜和酒店把人形机器人引入宴会场景，让它主持婚宴、寿宴，探索以酒店为载体的机器人展厅商业模式；另一端，拓邦等设备厂商在经历了多年与餐饮企业的共同打磨之后，将AI炒菜机器人推向真正的商业化拐点。两者都在回答同一个问题：机器人的价值，何时能被算进账里？

李棒：舜和为何选择全面拥抱机器人？这会不会成为独立的新业务板块？

任丛丛：用“拥抱”这个词还不太准确，舜和目前真的是All in机器人了。

大多数人一开始不接触机器人，会觉得它只是在电视屏幕里唱歌跳舞。但一旦真正接触，你会发现真的会上瘾。现在的人形机器人已经非常类人，甚至会产生情感波动，当你和它交流心情，比如说自己比较累的时候，它真的会给出非常好的情绪价值，并持续稳定地输出。

舜和最初也只是让机器人表演唱歌跳舞，但现在用得最好的其实是将宴会场景以及给客人传递情绪价值融合在一起，比如在订婚宴、结婚宴、寿宴、宝宝宴等不同场景中，我们会让机器人全程主持互动，客人也喜欢这种方式。

关于是否会成为新的模式，其实舜和现在已经在做了。我们建立了首家在酒店里的AI+机器人智能展厅，目前是以人形机器人为主，下一步会把轮式机器人和炒菜机器人全部融合进来。

我觉得酒店是个做人形机器人展示和应用的天然场景，它可能比商场更合适。我们现在探索的模式是每个城市都应该有以酒店为主体的机器人展厅，既可以对内收费，让机器人为自己的酒店打工，也可以对外服务，形成独立的商业模式。

本来我们没预期这么快地发展，但感觉行业的火很旺，火烧得我们都不得不拼命地往前跑。另外还有个信号：今年，头部餐饮企业已经在考虑在引位、迎宾环节，用机器人替代人工了，这已经是确定要发生的事情。

李棒：2025年被称为炒菜机器人元年，您认为炒菜机器人跨越了哪些关键门槛？一台AI炒菜机器人，要跑通商业闭环，需要满足哪几个关键条件？

蒋东君：“元年”这个说法，意味着炒菜机器人已经从实验室阶段跑到商业化，且出现了明显的拐点。这背后离不开前两三年的蛰伏期，当时有很多敢于做“第一批吃螃蟹”的餐饮企业，愿意尝试在他们的直营门店使用炒菜机器人，并和我们这样的设备厂商不断地沟通需求和痛点，这些机器人得以在直营门店跑数据，验证后产生示范效应再扩展，这个过程中，双方把ROI一起算清楚。

作为具身智能，炒菜机器人在硬件上一定要达到跑得相对稳定，能够去完成客户的核心痛点的程度。

这里面有几个核心痛点。第一是技术突破，餐饮行业一直相信大火炒菜才好吃，用电怎么达到同样的锅气？这个问题积累了大量数据并引入AI算法才完成突破，让大家开始相信电炒机真的可以做到这件事。

第二是技术稳定性，炒菜机是复杂系统，需要在不同时间加热到不同温度，在正确时间放调料、进行搅拌，高强度使用下能稳定工作几个月、不需要频繁维护，这一点在2025年前达到了餐饮企业可以接受的程度。

第三是账算清楚了。基于前两点的突破，设备方按照合理的价格出货，自己能生存下去；餐饮企业实现降本增效，后厨不需要那么多大厨，省出来的资源可以投入其他经营活动。两边的账都算通了，回本周期可能是几个月、半年或者一年。回本之后，机器还在持续产出，品质有保障，这在当下餐饮连锁化扩张的大背景下，本身就是一个很强的商业逻辑。

第四是示范效应。行业头部企业率先跑通，案例口口相传，企业之间互相学习，我们在跟其他客户接触的过程中也会邀请他们去参观。这种示范效应促成了全行业都在关注这件事，也带动了后续的融资热潮。双方都受益，这个生态是良性健康的。

李棒：企业或个人，OpenClaw用了吗？效果怎么样？

解钦：OpenClaw主要分两种部署方式：云端部署和本地部署。

对中小企业来说，建议从云端部署开始。目前腾讯云、阿里云等主要厂商都提供了一键部署服务，不需要了解代码或运维逻辑，购买服务器后系统自动完成安装，可以像操作手机一样快速配置模型和技能，并连接到飞书、钉钉或企业微信。对于对OpenClaw或AI领域不太熟悉的人来说，这是一种快速入门的方法。

进阶玩法是本地部署。如果你有一台闲置的Windows电脑或Mac电脑，可以为其配置好相关环境，并部署一个OpenClaw，只需部署一次，就可以拆分成多个独立工作空间，每个空间的模型记忆相对独立。

我个人建了几个：一个专门用于信息调研和竞品数据爬取，对于这个模型，我配备了适合搜索的一些国内外模型的API，并赋予了它自由浏览网页和总结信息的能力；一个负责运营逻辑拆解，具备小红书MCP技能，能自由浏览感兴趣的话题，帮助我了解最近的热点或营销策略的重点；还有一个个人助理，负责日程和待办，我不再自己操作手机日历，直接告诉它，它就会在那台闲置电脑上添加日程并截图给我确认。

OpenClaw本质上是一个躯壳，最大的优势是可以为它装配任何想要的大脑和手，也就是技能。

蒋东君：我也只是尝试性使用。我本人是产品和技术出身，在操作时会思考其中的风险。公司层面也做过评估，讨论是否应该在公司层面上直接采用这项技术，但目前还是存在一定安全隐患。

就个人的使用而言，目前仅限于让它帮我收集信息、总结内容和撰写文档，涉及个人信息的部分尚未敢尝试。

任丛丛：我是最近才开始用的，主要目的是观察离线智能如何与具身智能结合。国外已经有将OpenClaw和智能机器人结合的案例，潜力巨大，但也存在安全问题。因此我们还在探讨这种模型是否可以在酒店中广泛推广。从长远来看，无论是具身智能还是离身智能，最终还是会在某个点上实现融合，届时将会释放出极大的能量。我很期待能把酒店餐饮场景融入其中。

邓宪平：从两个维度说。

个人层面，从使用Claude阶段就开始涉足了。OpenClaw还是比较容易上手的，但核心问题是成本较高，仅一个下午就能消耗100元人民币，如果将其应用于企业环境中，或者作为生产力工具使用，那么每天的运行成本可能达到200元，一个月下来就是6000元，不亚于雇一名全职员工的成本。

但关键是它能否创造等值或更高的价值？也因此很多人转向免费模型，但免费版本往往有使用限制和速度限制，高峰期可能需要排队超过100个用户。所以如果要深入用这个东西，必须做好付费的心理准备，建议按月订阅，预算充足也可以考虑直接购买Token。

OpenClaw本身旨在解决大模型缺乏记忆的问题，现有大模型Chat模式下的上下文空间非常有限，OpenClaw能在有限的空间内尽量帮你回忆之前的问题，用起来会觉得它像一个真正记得你的人。但实际上它的记忆能力仍然有限，存在很多偏差，有时反而会变得不那么聪明，确实存在许多这样的问题。

关于技能的问题，技能本质上就是一个很好的插件。它本质上类似《黑客帝国》里的逻辑——你不需要亲自掌握某项技能，只要有人总结了这项技能并放进系统，你就可以直接调用。

但也要警惕风险，目前技能插件数量已达十几万，其中也不乏恶意插件。OpenClaw的开源架构从底层开发至今只有两个月，最初是为个人使用设计的，安全性尚未得到充分保障，已经出现了黑客利用漏洞攻击电脑、导致数据泄露的案例。

因此，只是个人使用，在自己的电脑上自行承担风险，我认为这是可以接受的，问题不大。袁记内部不推荐在工作笔记本上安装，个人笔记本可以考虑。如果工作确实需要用，建议选择云端部署。我们内部目前推广的是腾讯的Workbuddy，类似OpenClaw但提供沙盒环境，活动范围限制在特定目录内，相对可控。

王敬源：我尚未开始使用，目前还在学习基础知识。林里拥有2000家店铺、年收入20几个亿。但在科技行业里，即使把所有资金都投进去，也难以产生显著影响。让大厂去开发模型，成熟后再直接采购，不失为明智之选。

至于是否需要自行开发POS机点单系统，我认为购买SaaS系统并每年支付几十万元费用是可行的。我的观点是，在技术发展成熟后再进行采购，并在此过程中保持对基本知识的学习以及对其发展趋势的把握。我们主要业务是做餐饮，不是科技研发，但部门会拨出一部分预算持续学习，确保不落后于时代。主线任务不能丢，AI对我们来说目前还是辅助角色，跟上即可。

李蔚：我也还没开始用。我们是第三方赋能的角色，职责是发现市场需求和痛点，以最低成本实现最大价值增长。对于OpenClaw，我们的策略是不必亲自折腾，跟随有经验的人的学习节奏即可。当有人综合了大量信息，找到了更有效或风险更低的方法时再采纳，这样可以提高效率、节省沉没成本。

李棒：今天几位嘉宾的分享，我想提一个细节：有了AI工牌系统之后，服务员下班的瞬间，他今天完成了多少次交易、有没有做推销，数据就自动生成了。这件事听起来很简单，但背后其实很复杂。

你把这个系统装进门店的第一天，第一个提出辞职的可能是店长，他会说这侵犯了我的隐私。所以AI工具能不能真正落地，不只是技术问题，还需要管理逻辑、激励机制、组织文化一起配合。

每个人站在不同的位置，切入AI的角度自然不同——有人从ROI出发，有人从战略布局考虑，有人只是不想落后。但有一点是共通的：这个时代必须真正投入，包括时间和资金上的投入。一年前你可能会犹豫几天要不要买一个工具的会员，现在Token用完了，七八十美元眨眼就充了，因为你已经明确知道它的投入和产出。

我一直强调一个概念：餐饮从业者在尝试AI的时候，需要制定一个100天飞行计划，先在某一个紧急重要的具体场景里跑通、拿到结果，再往外扩展。

在整个AI浪潮里，每个人找到自己的定位很重要，有人是使用者，有人是开发者，有人是赋能者。但无论哪种角色，既懂自己业务、又持续投入AI学习的人，一定是最有可能吃到果子的人。

本文为“2026中国餐饮产业节”上的圆桌论坛环节实录，红餐网整编发布，略有删减。