2025 年 12 月，市值 9050 亿美元的零售巨头沃尔玛将上市地点从纽交所转至纳斯达克，这一举措不仅是资本层面的调整，更是其向 “科技驱动企业” 转型的明确信号。沃尔玛的 AI 战略核心在于摒弃通用大语言模型的追逐，聚焦 “定制化智能体 AI（Purpose-built Agentic AI）”，依托自有数据与技术基础设施，在供应链、门店运营、客户服务等核心场景落地实用型 AI 解决方案，同时直面 workforce 转型挑战，试图通过技术重构零售运营逻辑，不过当前仍面临执行风险与估值争议。
在 AI 战略核心路径上，沃尔玛以 “场景化、自有化” 为显著特征。其并未投入资源自主训练通用大语言模型，而是围绕零售业务痛点开发专用智能体工具，所有 AI 系统均基于沃尔玛数十年积累的交易数据、供应链数据等专有数据训练，避免 “一刀切” 的通用解决方案。例如，“Trend-to-Product” 系统通过分析消费趋势数据，将时尚品类生产周期缩短 18 周；零售专用大语言模型 “Wallaby” 整合海量交易数据，支撑商品对比、个性化购物路径推荐等核心功能；生成式 AI 客服助手可自主完成客户问题分流与解决，无需人工介入；开发者工具则能在 CI/CD 流水线中自动生成测试用例、修复代码错误。为支撑这些 AI 应用，沃尔玛搭建了自有 MLOps 平台 “Element”，该平台可兼容多云端 GPU 资源，优化算力使用效率，同时避免对第三方平台的依赖，为 AI 部署提供速度与灵活性保障，形成 “数据 – 工具 – 基础设施” 的闭环。
从实际业务影响来看，沃尔玛 AI 应用已在多场景实现可量化的效率提升与成本优化。在供应链领域，AI 驱动的路径优化技术减少 3000 万英里无效配送里程，降低 9400 万磅二氧化碳排放，该技术不仅为沃尔玛赢得 2023 年弗朗茨・埃德尔曼奖，还被商业化包装为 SaaS 产品对外输出；数字孪生技术可提前两周预测冷藏设备故障，自动生成包含维修模型、零件清单的工单，减少门店运营中断风险；山姆会员店的 AI 出口检测系统将结账时间缩短 21%，64% 会员已习惯这一无摩擦流程。在数据运营层面，生成式 AI 处理超 8.5 亿条商品目录数据，据 CEO 道格・麦克米伦透露，这一工作量若依赖人工需投入 100 倍人力。在客户体验端，动态配送算法结合交通、天气、订单复杂度等变量，实现分钟级配送时间预测，部分测试市场已推出 17 分钟极速达服务；在线 AI 购物助手可协助用户规划购物清单、筛选产品，山姆 “极速达” 业务借助智能仓配调度，多温层商品拣货打包平均耗时仅 2 分钟，订单 1 小时内送达率接近 100%。
workforce 转型是沃尔玛 AI 战略中不可回避的议题。CEO 麦克米伦直言 “AI 将改变每一份工作”，但强调转型并非裁员，而是岗位职能的重构 —— 随着客服、供应链跟踪等白领工作被 AI 承接，门店与仓库员工的任务也将从体力劳动转向问题解决，例如得克萨斯州配送中心的员工 Chance 表示，工作内容已从 “85% 体力劳动” 转变为 “85% 脑力决策”。为此，沃尔玛投入大量资源开展员工再培训，帮助员工适应 AI 辅助下的新工作模式，目标是在营收增长的同时保持总人数稳定，实现 “人机协同” 而非 “人机替代”。
从资本层面看，沃尔玛转板纳斯达克的核心诉求是获取科技企业级估值。当前其市盈率达 40.3 倍，高于亚马逊与微软，市场部分认可其转型逻辑，若未来纳入纳斯达克 100 指数，还将吸引被动基金增持。不过分析师存在分歧：杰富瑞分析师科里・塔罗维认为此举标志沃尔玛 “从传统零售商向科技公司转型”，但质疑者指出，沃尔玛营收仍依赖低利润率的零售业务，即便对外输出路径优化等 SaaS 工具，高利润科技业务占比仍极低，当前估值溢价缺乏足够支撑。
尽管成效显著，沃尔玛 AI 战略仍面临多重执行风险。其一，随着 AI 智能体在各业务线的渗透，如何避免系统碎片化、实现不同智能体间的协同，成为技术层面的关键挑战；其二，大规模 AI 应用可能引发算法偏见，例如商品推荐、供应链调度中的不公平性问题，需建立严格的风险管控机制；其三，外部竞争加剧，第三方购物 AI 可能分流用户，沃尔玛需持续强化自有 AI 的场景适配性；其四，AI 自动化边界的界定 —— 部分高风险决策（如食品安全检测、客户投诉处理）仍需人工介入，如何平衡效率与准确性尚无统一标准。
综合来看，沃尔玛的 AI 战略呈现出 “务实、聚焦、重基建” 的特点，通过定制化智能体与自有数据结合，避开通用 AI 的红海竞争，在零售核心场景创造切实价值。但其能否突破 “低利润零售陷阱”，真正实现从 “零售商” 到 “科技企业” 的身份转变，仍需观察未来数年 AI 技术对营收结构、利润率的实际拉动效果。对于其他企业而言，沃尔玛的实践提供了重要启示：AI 转型应聚焦具体业务痛点，而非追逐技术热点；重视自有数据与基础设施建设，避免依赖第三方工具导致的被动；同时需将 workforce 转型纳入整体规划，而非单纯追求成本削减。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/wo-er-ma-ai-zhan-lyue-ju-jiao-shi-yong-chang-jing-de-shu
