这是一个足以让任何零售CEO坐直的数字。麦肯锡在2023年6月发布的《生成式人工智能的经济潜力：下一波生产力浪潮》中得出结论：生成式AI有望为全球经济每年贡献约7万亿美元的价值，并将AI的总体经济效益提升50%左右。其中，中国有望贡献约2万亿美元，将近全球总量的三分之一。
三年过去，这个数字不仅经受了检验，还被不断加码。
麦肯锡《The State of AI in 2025》显示，88%的组织已在至少一个业务职能中使用AI；2026年3月，欧洲零售协会Euro Commerce与麦肯锡联合发布的《Rewiring Retail in Europe: The AI Imperative》进一步测算：仅欧洲零售业，AI未来五年就能释放2400亿至3200亿欧元的增量价值，端到端转型可为行业增加4至10个百分点的营业利润。
对零售企业而言，麦肯锡给出了更精确的数字：生成式AI每年可为零售业带来2400亿至3900亿美元的经济价值，相当于整个行业利润率提升1.2至1.9个百分点；若把AI与生成式AI合在一起算，零售和消费品行业的机会高达每年4000亿至6600亿美元。

生成式AI正在重塑零售业的经济价值版图
但问题来了——这7万亿美元，零售企业先赚到哪一块？

01

7万亿的账本：钱集中在哪里？
麦肯锡分析了63个生成式AI用例，覆盖16个业务职能。结论很明确：约75%的年度价值集中在四个领域——客户运营、营销与销售、软件工程、研发。麦肯锡关于生成式AI的价值创造，可以概括为“4C”框架：
简化（Concision）：AI作为“虚拟专家”，从非结构化数据中提炼洞察。比如财务分析中，AI可提供外部信息与内部绩效总结，将财务成本降低4%-7%。
编码与软件开发（Coding）：推动代码重构、自动化测试，将数据管理成本降低5%-10%。
内容创作（Content Creation）：自动生成营销文案、产品描述、合同初稿，将营销成本降低5%-8%。
客户互动（Customer Engagement）：打造个性化消费体验，优化客户服务，有望降低9%-11%的客户运营成本。
麦肯锡2026年的agentic AI零售报告给出了更让人心动的数字：把重复性、规则化的工作交给智能体，零售商家最多能回收40%的工作时间；其自研的Merchant AI Accelerator（MAIA）方案，已帮助客户把销售额最高提升5%、利润率提升最多3%。
但也要泼一盆冷水：生成式AI在制造业和供应链等传统AI强项领域的边际价值反而较低——它的优势在语言和创意任务，而非数值优化。这意味着，零售企业想从生成式AI中赚钱，发力点应该在“人对人、人创作、人决策”的环节，而不是纯粹的物流优化。

02

从试探到生产：零售AI的三段时间线
如果把生成式AI在零售业的发展画一条时间线，大致分为三段：
2023年——试探期。ChatGPT引爆全球，零售高管们在财报电话会议中频繁提及“AI”，但多数还停留在“看看别人怎么做”。这一年，麦肯锡调研显示，约50%的企业部署了AI技术，但生成式AI才刚刚进入视野。
2024年——生产期。麦肯锡调查显示，65%的组织已在日常业务中使用生成式AI。同一年，麦肯锡发布零售业专项报告《从LLM到ROI》，现实略显骨感：报告调研了超过50位零售高管，只有2位表示已在全组织范围内成功实施生成式AI。
2025-2026年——规模化困境。麦肯锡《The State of AI in 2025》揭开了更扎心的现实：88%的企业已在至少一个业务职能中使用AI，但只有7%的组织实现了“全组织规模化”；超过60%的企业仍在等待AI对EBIT（息税前利润）产生实质影响，多数预期影响低于5%。真正称得上“AI高绩效企业”的，只有6%。在零售行业，仅39%的企业报告AI对EBIT有任何影响，约三分之二的零售商未能完成企业级规模化部署。

生成式AI价值创造的四大支柱：客户运营、营销销售、软件工程、研发
与此同时，新一波浪潮已经涌来——agentic AI（智能体AI）。麦肯锡数据显示，62%的受访企业正在试验AI智能体，23%已经开始规模化；但零售业明显落后：不超过10%的零售商在一个业务职能中规模化部署了智能体系统。零售行业的历史模式再次上演：测试技术很快，把技术嵌进流程、治理和门店运营，很慢。
换句话说，AI的普及不是问题，规模化变现才是。

03

零售企业先赚到哪一块？
结合麦肯锡的数据和零售一线实践，有三个场景的ROI来得最快。
第一块：客户运营——最快回本
这是麦肯锡标注的“75%价值池”之首。典型案例如Klarna：2024年2月，这家金融科技公司上线AI客服助手，首月处理了230万次对话，相当于700名全职客服的工作量，平均解决时间从11分钟降至不到2分钟，预计当年带来4000万美元的利润改善。2025年的案例更加成熟：奢侈品牌BURBERRY在电商平台部署AI一对一导购，为不同顾客配置不同人设的AI导购，实现个性化推荐与情绪价值传递，转化率提升47%，成交额增长12%。在国内零售实践中，通过智能客服与客户之声系统，企业能够从多平台评价中自动提取消费者洞察，精准定位产品改进方向，将跨系统数据查询时间缩短83%-90%。
第二块：营销与内容——最大规模效应
个性化推荐通常能带来10%-15%的营收增长，而生成式AI让内容创作从“手工坊”走向“工业流水线”。ASOS用AI自动化了90%的产品描述，每月节省40万美元。2026年，零售商正在把目光投向AI搜索——麦肯锡称之为“GEO（生成式引擎优化）”：84%的欧洲消费者日常使用AI，38%已依赖AI研究产品、辅助购买决策，约15%的消费者在零售商网站上用过AI工具，1%-3%已经通过AI平台完成过购买。John Lewis把AI纳入8亿英镑的转型计划，目标正是让顾客在跟AI聊天时也能找到自己的商品；Tesco的AI购物助手已进入28万员工的试用阶段，能生成个性化餐单、动态构建购物篮。
在中国市场，伊利通过生成式AI生成适配品牌传播与电商场景的短视频，使内容生成成本降至传统方式的10%左右，数字人直播使单店月销售额突破1500万元；某国际奢侈品牌部署AI数字人直播后，ROI从4提升至15，并获得平台“AI先锋榜TOP1”。
第三块：商品与供应链——最深结构性价值
这不是“快钱”，但一旦跑通，价值最深。沃尔玛用AI优化人员排班、补货和设备维护，一年省下23亿美元；麦肯锡测算，AI需求预测可将预测误差降低20%-50%，因缺货导致的销售损失最多可挽回65%。
在百胜软件服务的某医药物流企业，基于数据中台的智能分仓系统将缺货率从10%-15%降至3%以下，库存周转从90天压缩至45天，大促调拨从5-7天缩短至24-48小时。在服饰行业，GXG通过智能商品运营系统实现新品配货、日常补货与大促调拨的自动化，释放了60%的商品运营人力。这些不是“撒一把AI”的结果，而是将AI嵌入业务流程、重塑工作方式后的结构性收益。

从试点到规模：多数企业卡在“撒盐”阶段，而非“编织”进核心流程

04

为什么多数企业卡住了？
麦肯锡2025年报告给出了一个精准的判断：很多企业把AI“像撒盐一样撒进去”，而不是“把AI编织进核心流程”。
数据揭示了一个关键差异：高绩效企业——即那些将至少5%的EBIT增长归因于AI的组织——重新设计业务流程的可能性是其他企业的近3倍（2.8倍）。它们不是在旧流程上“加一个AI”，而是围绕AI能力重建工作方式。BCG的研究把价值分布说得更直白：AI带来的价值，10%在算法本身，20%在落地技术，70%在人、流程和运营模式。大多数零售商把钱投在了前30%，却把70%留在了原地。
结果就是普遍的“落差焦虑”：45%的零售商自称“AI先锋”，但只有三分之一真正拿到了可衡量的经济价值；83%的零售高管认为这轮AI投资热潮会在2030年前退潮——因为大多数公司没能把它变成真金白银；可同时，80%的人相信，不用AI就会彻底失去竞争力。
在中国市场，挑战更具体。麦肯锡指出，中国企业部署AI的速度“慢了一步”：AI战略与公司总体战略契合的企业不足30%；完全认可AI战略的高管仅有25%；而AI“转译员”——那些能将业务问题翻译成技术方案的关键人才——招募率仅6%，远低于领先国家的14%。仅有7%的中国企业称AI对EBIT的贡献率突破20%，而领先国家有14%的企业突破了这一比例。

05

先动者先赚，但别乱动
7万亿美元的蛋糕很诱人，但零售企业需要的不是“全面拥抱AI”的口号，而是精准选择一个价值密度最高的场景，重新设计流程，用数据说话。
麦肯锡给零售商的建议很务实：不要把资源分散到各种场景中，而是专注于特定领域；从试点和概念验证过渡到大规模部署；不要只在旧流程上“加AI”，而要重新布线组织的能力、人才和流程。面对2026年的新变量——agentic AI与AI搜索——这套逻辑同样适用：先把数据基础与治理做好，再谈让智能体替你下单。
回到开头的问题——7万亿美元，零售企业先赚到哪一块？
答案不是“哪块热做哪块”，而是：在你最痛的那个环节，把AI用深、用透。客户运营、营销内容、商品供应链——选一个，做穿。
这不是撒盐，是种地。先深耕一亩，再谈万顷。