作者｜一禾

编辑｜星奈

媒体｜AI大模型工场

餐饮，是一个足够大、却也足够“重”的行业。

5.08万亿市场规模，351.2万家企业、794.4万家门店、2150万从业人口，构成了一个庞大的产业基本盘。

但与此同时，经验分散、管理分散、资源分散的问题长期存在，大量中小门店依然依赖个人经验经营，专业化能力不足，人才缺口也始终是行业绕不开的难题。

当AI开始进入千行百业，餐饮也迎来了一次重新改造经营方式的机会。

在AI大模型工场2026 AI产业生态大会上，勺子AI x勺子课堂创始人、前西贝餐饮副总裁宋宣围绕餐饮行业的AI实践展开分享。

在他看来，AI正在给餐饮这样一个传统行业带来一次难得的“重新生长”机会，但真正的挑战已经不再是模型“能不能做到”，而是AI如何进入一家家企业、一个个岗位和一项项具体业务。

“模型不再稀缺，认知才是稀缺品。”

宋宣提出，AI行业的发展速度，正在远远超过AI在具体产业中的应用速度。

对于餐饮这样的高度非标准化行业而言，真正决定AI能否落地的，不只是技术能力，更是对行业Know-how、业务流程和一线问题的理解。

因此，比起追逐更大的模型、更复杂的技术叙事，他更关注另一件事：如何让AI真正解决营业额、复购率、人效、合同审核、门店运营等具体问题，并最终用ROI证明价值。

这也是他所理解的“AI时代的泥腿子”——走进一线，理解真实业务，把一个个行业里的“非共识”经验变成Agent，把一个个具体痛点变成可以被AI解决的问题。

核心观点梳理

AI发展的难题，已经不在“能不能”，而在“怎么用”。

模型不再稀缺，认知才是AI时代真正的稀缺品。 

AI应用真正的壁垒，不是模型能力，而是行业Know-how。 

AI时代，最值钱的不是模型、Token和算力，而是人。 

真正稀缺的，是既懂AI、又懂行业的人。

AI最大的价值，不是替代人，而是让普通人拥有专家级的工作能力。

每一个Agent背后，都应该是一条被反复打磨过的真实业务流。

AI落地，本质上是一场关于业务理解力的战争。

所谓AI时代的泥腿子，就是把每一个没人愿意弯腰解决的问题，变成AI可以解决的问题。

以下为宋宣演讲全文：

餐饮是个"没有教科书的行业"，AI时代给了这个传统行业一次新生的机会。

2026年，餐饮行业市场规模已经突破5万亿——351万家企业、794万家门店、2150万从业人口。规模庞大，但整个行业高度焦虑。

从外卖大战的利润挤压，到大众点评、美团各项名目繁多的费用，再到消费力变化带来的内卷，餐饮行业的利润已经薄到极致——日本同行的平均净利润率只有1%，这种极薄的利润大概率就是中国餐饮行业的未来。

“AI”是我们这一代餐饮人看见的、一次传统行业获得新增长的窗口机会。但我也相信，这不是一场速胜，是持久战。无论是巨头、还是普通创业者，产品技术能力的差距在缩小，在行业应用AI的大问题前，每个产品面临的问题都是一样的。

行业应用AI的速度，远远落后于AI发展的速度

最近三年，大模型的能力以半年为单位在迭代。大模型、多模态、具身智能、智能体、物理AI、世界模型……每过几个月，行业天花板就被重新定义一次。

但在各个具体的行业里，AI的渗透速度远比技术本身慢得多。

普通创业者和巨头之前的产品技术鸿沟被极大缩短。AI应用的难点是AI如何进入具体的业务、具体的场景、产生更适配这个行业的叙事、教育出更多原生AI人才。

我们做餐饮AI深有体会。联合创始团队四个人在餐饮行业摸爬滚打超过十年，当过去十年积累的Know-how能100%变成Agent的时候，每一个操作能力都可以被放大。

但这个过程非常慢。从一个智能体到一个工作流，从一个工作流到一个岗位的全部任务AI化——这不是写几句Prompt就能解决的事情。

AI发展的难题，已经不在"能不能"，而在"怎么用"。换句话说，模型不再稀缺，认知才是稀缺品。

AI时代，最值钱的是"人"

人，才是AI应用的主角。

人才，是AI应用的主角。

我在各种场合反复讲这个观点，但在具体落地的时候，发现这恰恰是最容易被忽略的一点。

什么最值钱？不是模型、不是Token、不是算力，而是人对AI的理解与认知、人对业务本身的理解与认知。

今天最稀缺的是两类人：

第一类，真正懂AI的人——他们能用AI工具把一个岗位的效率提升十倍。

第二类，真正懂行业的人——他们知道这个行业的真痛点是什么。

我们见过很多通用AI高手，一上手做餐饮就被各种"非共识"问题绊倒——土豆丝卖多少钱、客诉具体怎么处置、店长排班里"老员工工时"这种行业潜规则。我们也见过很多行业老炮，AI用得还很初级。

一个好的AI应用产品，必须是"两个懂"结合的产物。

这就是为什么勺子AI不追逐通用大模型，深耕餐饮垂直业务场景——我们要把Know-how沉淀到产品里，让581个品牌、每天四五千次提问背后的每一个店长、品牌方，都能具备专家级的工作能力。

这是AI带来的最大变化——能力平权。一个刚入行的小白餐饮人，也能具备专家级的工作能力。

AI入企，需要"叙事"

今年，我陆续拜访了20多个顶级连锁品牌的老板和核心高管，我发现：员工天然对AI替代有抵触情绪，而老板天然对"与结果直接挂钩"的产品服务更感兴趣。

这两个立场之间，差的不是技术，而是一个"叙事"。

行业或者企业"AI化"这个说法本身是错的。企业需要的不是AI化，而是聚焦具体的增长问题——营业额、复购率、人效、坪效、库存周转——在AI真正擅长的领域里，更高效地解决问题，并且能清晰衡量ROI。

所以我们做产品的方法论是：先找到一个具体的增长场景，再看AI是否能放大这个场景下的能力，再看如何衡量。

举个例子，一家广州的连锁品牌，他们最痛的不是"AI没进来"，而是法务总监审一份租赁合同要花两天。我们做的不是一个"AI法务系统"，而是把"租赁合同审核"这一个动作做到了极致，600分钟审核时间降到240分钟。

再比如，勺子AI的生图功能用得最多，因为餐饮人改菜品是天天发生的事，以前要去淘宝花50元找设计师，现在AI直接生成商用海报图。

这背后不是"AI技术多牛"，而是"这个场景的叙事打通了"。

FDE核心，是对业务的深度理解

"FDE（Forward Deployed Engineer，驻场工程师）"这个词最近非常火，但绝大多数人把它理解成了"AI外包"、也干成了“AI外包”。

大量FDE把AI工作做成了外包，那是因为很多外包做了FDE——他们交付的是"我们上了个AI系统"，而不是"这个问题被解决了"。

真正的FDE，最大价值是首先你足够懂业务、懂行业，有垂直领域的Know-how；其次，你擅长用AI去解决真实场景中的"真问题"。这两个能力缺一不可。

懂业务但不会用AI，你只是个行业顾问；会AI但不懂业务，你只是个技术外包。FDE应该是两者的复合体。

我经常跟团队讲，我们不是在做一款软件，我们是在解决一个个具体的经营问题。

每一个Agent背后，都是一个被反复打磨过的业务流；每一次提问背后，都是某个店长、品牌总监、法务负责人正在经历的真实痛点。FDE不是把AI塞进企业，而是和企业一起把"AI擅长的那部分"做出来。

做AI时代的泥腿子

进入具体的场景、与具体的"人"沟通、解决具体的问题——这是AI时代的体力活。没有捷径，没有PPT上的宏大叙事能替你完成这件事。

在餐饮行业，升级行业认知比做好一个AI产品更重要——因为再好的产品，遇到一群不知道"AI能为我做什么"的用户，也只能吃灰。

这要求我们每一个做垂直AI的人，必须走进一线，走进一家家门店、一份份合同、一次次客诉、一个个排班表。客人是一桌一桌拉来的，照顾好眼前的顾客，就是抓住未来的机会。

AGI到来那一天或许可以解决所有问题，但在它没有来的每一天，遍地都是AI应用的机会。

我甘愿做AI时代的泥腿子，把每一个"非共识"的Know-how变成Agent，把每一个不被看见的痛点变成产品。我们还有很长的路要走，但走一步、看一步，对当下充满信心，才是最大的实事求是。