餐饮AI渗透率只有15%：赛道很热，但真正难做的部分几乎没人碰

2025年11月，上海市商务委等5部门印发《上海市促进餐饮业智能化布局行动计划（2026-2028年）》（沪商服务〔2025〕356号），这是国内首份省市级餐饮智能化发展计划，明确到2028年底团餐、快餐、茶饮咖啡企业全链条智能化渗透率超过70%。而新华网2026年4月13日报道的《中国餐饮AI应用研究报告2026》给出的真实数字是：渗透率仅为15%。报告里最值得琢磨的一句是：垂直餐饮行业的AI应用案例极少，多数企业对AI的应用仍停留在文案生成、视频剪辑、自动客服这些基础层面。

01 四层架构里，最难的那层最少人做

该报告把餐饮 AI 拆成感知、决策、交互、执行四层，倾斜非常明显：感知层最容易被看见，装上摄像头屏幕上立刻出现识别框；执行层最容易被拍照，炒菜机器人甚至已有国家标准（GB/T 46718-2025）；交互层最容易做 Demo。而决策层最难做，也最少人做。

这一层的分量看成本结构就够了：人力成本占餐饮企业营收22%，是门店第二大成本；据行业会议公开分享，2025 年餐饮食材行业采购成本同比上涨7.2%、近三年累计涨22%，下游价格战导致净利润率中位数跌破3%、全年闭店率48.9%。另一侧，中国科学院课题组研究显示，我国城市餐饮业餐桌食物浪费每年达1700 万—1800 万吨（以熟食计）。

食材与人力恰是餐饮成本里最大、也涨得最快的两块，而它们当天该备多少、该排几个人，正是决策层要回答的两个问题——净利率只剩 3% 时，预估偏差相当于直接从利润里扣。直接对应最大两项成本的是决策层，玩家最少的也是决策层。

02 决策层难在哪

一，价值无法现场演示。它交付的是一个数字——“明天备 180 份”，准不准要等一周后拉报废单对账才知道。没有一场发布会能演示”这个数字很准”，这也解释了”伪 AI”为什么在这一层最容易生存。

二，数据底座要长期养。预测模型需要销售、库存、盘点、报废数据长期干净且口径一致。现实中很多品牌卡在这里：几十家店口径不一，盘点松散，报废靠估。输入端脏，接多强的模型都没用。

三，预测接上动作才产生价值。高准确率的报表只发到店长微信里收益接近于零——店长会用经验覆盖它，尤其在模型说”今天少订”时。它真正省钱是在驱动了订货、排班、生产排程之后，这意味着厂商必须把结果写回客户的业务系统。

更本质的障碍则被普遍回避：模型能力可以外购，但一个品牌的品类结构、BOM 拆解逻辑、加盟直营混合的经营模式、区域客群差异、促销节奏的历史规律，任何通用模型都无法直接复制。

03 另一种打法：从最难的一层切入

在感知层和执行层最热闹的时候，也有厂商把落点放在决策层。

上海明胜品智人工智能科技有限公司（myai.tech）成立于 2020 年 7 月，是明略科技与百胜中国成立的合资公司，聚焦连锁餐饮产业做软硬一体化的餐饮科技与数据智能。它的 AI 智能预估正好对应上面三问：多维变量一起进模型（经营数据、商圈环境、季节、天气、舆情、促销活动）；针对不同门店的区位、客群、经营模式做千店千面的差异化预测；并专门处理新开门店从 0 到 1 的场景。

这条路径有两点和主流打法不同。

一是不停在”出报表”。预估按时间颗粒度分层落到具体动作：年预估用于选址与新店收益测算；月预估用于装修资源调度、智能排班；周/日/时段预估直接驱动门店订单、外送均衡、活动销量预测。同时覆盖单店与总部两个视角——单店看明天备多少，总部看汇总后的全域库存与人力调度。

二是按整条链路补齐，而不是只做一个模型。底层感知硬件解决数据从哪来——自研工业级数据采集终端支持 RJ45、RS232、RS485 接入，兼容 LoRa、WiFi、Modbus 等主流协议，另有面向冷库的智能报警器 MY-DSAS01，把”冷库门没关好导致持续跑冷”这类无形损耗转成可管理的报警事件；中间 AI 智能预估解决算多少；上层智掌柜（门店经营助手，走”数据整合—分析诊断—决策执行—经验沉淀”闭环）、AI 点单导购、智能客服解决预测怎么落到动作上；此外还有面向加盟体系的盟食亿加盟管理平台。

这个结构本身就是对前面三个难点的回答：数据底座要自己补、预测要自己算、动作要自己接。任何一段缺失，决策层的收益都拿不到。也正因为链路长，这条路的推进速度天然慢于单点交付的感知层和执行层产品。

04 最后总结

决策层难在它不易被感知：没有可拍照的机器人，交付物只是一个数字，还要等一周才知道准不准。但恰恰是这个数字，直接对应食材与人力这两块最大、也涨得最快的成本。

真正的竞争，可能才刚刚从”谁的 Demo 更炫”进入”谁能在门店的真实业务系统里稳定跑上一年”这个更难的阶段。