连锁超市巨头Albertsons正大力推进AI在企业内部的规模化应用,并将其纳入2026财年20亿美元资本支出计划的核心议程。在2025财年第四季度财报电话会议上,首席执行官Susan Morris表示,该公司已从AI技术应用中获得了切实的业务回报。
AI需求预测与计算机视觉技术正在优化供应链管理,有效降低库存与履单成本,同时提升商品供应稳定性与品质管控水平。与此同时,自动化数据洞察工具与智能定价系统的引入,也在推动商品管理能力的全面升级。
生成式AI排班工具是Albertsons的另一项重要应用场景。Morris在投资者会议上表示,该工具显著提升了劳动力需求预测的准确性。她强调:"技术与AI是我们转型战略的核心支柱。"
在同行竞争持续加剧的背景下,Albertsons正加大技术投入力度。其他连锁超市同样在积极寻求通过AI实现生产效率提升、运营优化与营收增长。Albertsons当前的核心战略投资聚焦于四大方向:数字化客户体验、商品智能化管理、劳动力优化以及供应链效率提升。
首席财务官Sharon McCollam在财报会议上透露,公司在2025财年共投入18.4亿美元用于资本支出,重点推进AI与技术能力建设、门店现代化改造及供应链运营优化。展望2026财年,公司预计资本支出将进一步增至20亿至22亿美元之间,技术议程是驱动这一增长的主要因素。
McCollam表示:"数字化业务持续成为强劲增长引擎,助力我们扩大忠实用户群体,并以更具纪律性、更具盈利性的方式推动业务规模扩张。"
在Albertsons持续加码AI投入的同时,沃尔玛、Kroger、Sprouts Farmers Market等零售商也在积极布局AI智能体、AI购物助手及其他智能工具,以提升运营效率与消费体验。沃尔玛去年推出了用于优化内部运营的超级智能体,并将其AI购物助手Sparky视为早期AI落地的重要成果。
Albertsons的AI投资同样成效显著。Morris指出,公司旗下AI购物助手的用户使用量持续攀升,同时供应链库存透视工具与商品陈列促销管理工具也在有效帮助控制运营成本。
"外部环境依然充满变数,食品零售领域的竞争强度并未减弱,但我们的战略正是为应对这一现实而构建的,"Morris说道。
尽管AI与技术正在驱动Albertsons的数字化转型,Morris强调,公司引入这些技术是为了赋能员工,而非取代员工。
"归根结底,我们对未来一年充满信心,这份信心来自我们的员工,"Morris说,"在推进转型的过程中,我们将持续投入工具、技术与支持体系,帮助每一位员工发挥出最佳状态。"
Q&A
Q1:Albertsons在AI方面具体投入了多少资金?
A:Albertsons在2025财年共投入18.4亿美元用于资本支出,涵盖AI与技术能力建设、门店现代化改造及供应链优化。2026财年预计资本支出将进一步增至20亿至22亿美元,其中技术议程是主要驱动力。
Q2:Albertsons的AI技术主要用在哪些场景?
A:Albertsons的AI应用主要集中在四大方向:一是供应链管理,通过AI需求预测和计算机视觉降低库存与履单成本;二是商品管理,借助自动化洞察工具和智能定价系统优化决策;三是劳动力排班,利用生成式AI工具提升预测准确性;四是数字化客户体验,通过AI购物助手提升用户互动与忠诚度。
Q3:Albertsons使用AI会不会导致员工被裁员?
A:根据CEO Susan Morris的表态,Albertsons引入AI技术的目的是赋能员工、提升工作效率,而非替代人工。公司表示将持续投入工具、技术与支持体系,帮助员工更好地完成工作,而非通过自动化缩减人员规模。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。