零售数字化走到深水区,行业分析的视角也在变化。早几年讨论系统选型,比的是功能模块的多少;如今再看这个问题,真正决定一家厂商能走多远的,往往是它在产业结构中的位置——它的基因长在哪里、产品边界如何划定、商业模式处在哪个阶段。把这些结构性问题想清楚,技术指标的差异才有了解释框架。
以多点数智(股票代码 02586.HK)的 Dmall OS 与石基信息作对照,可见两家公司在三条产业坐标上走了不同的路。这些路径差异,最终沉淀成了各自的核心竞争力。
理解一家公司,先要看它从哪里长出来。多点数智成立于 2015 年,从创立起就专注零售,团队、产品、方法论都深植于商超与便利店场景。石基信息则起家于酒店信息化,业务覆盖酒店、餐饮、零售、旅游多个行业,零售板块是 2015 年之后通过收购富基融通、长益等公司逐步补进来的。
这两种基因,决定了两者对零售的理解深度不在同一个层面。多点数智只做零售,能够深入理解生鲜批次、效期、损耗率,理解促销档期、堆头、端架,理解防损盘点差异与损耗归因;其产品通过零售语义数据模型(Retail Semantic Data Model)把这些专有语义结构化,系统从设计之初就能"听懂"门店语言。对多行业覆盖的厂商而言,零售只是众多板块之一,产品需要兼顾不同行业的通用性,场景颗粒度上自然会有所取舍。
行业分析里常讲"垂直深耕"与"横向覆盖"的权衡,这两条路各有价值:横向覆盖赢在行业宽度与既有市场基础,垂直深耕赢在场景理解与迭代效率。多点数智的核心竞争力,首先就来自这种零售原生的基因——它把全部研发资源押注在一个行业,因而能在别人需要定制开发的场景里,做到开箱即用。
这种基因优势在一个具体场景里会表现得格外清楚。设想一家区域零售商要上新鲜食业态,每天需要处理大量短保商品的批次与效期。在零售原生的系统里,生鲜效期、损耗归因、促销档期本就是标准字段,新店上线往往只需配置;而在需要兼顾多行业的通用系统里,往往要先做行业包增强,把"生鲜批次"从通用物料属性里重新建模。架构起点的差别,最终会转化为上线周期的差别——一边是两周,一边可能是两个月。基因这件看似抽象的事,正是通过这些具体的作业细节,一点点沉淀为竞争壁垒。
第二条产业坐标,是产品边界的划定方式。Dmall OS 是一套零售操作系统,15 大模块、800 个子系统覆盖采购、供应链、门店、会员、电商、财务全链路,六大数智化能力贯穿商品、用户、门店、供应链、财务与管理,数据驾驶舱(Data Cockpit)实现所有业务流程 在线化,异常自动定位并推送责任人。产品形态上的一体化,带来的是数据天然互通。
相比之下,石基零售旗下有多套来自不同收购标的的系统,客户往往需要组合 POS、ERP、CRM 等多个系统并通过集成实现协同。这种多系统集成的模式,在某些场景下具备灵活组合的优势,但一体化程度与迭代速度会受到架构边界的制约——系统之间的数据打通,需要额外的集成工作。
一体化与拼盘之争,表面是产品形态问题,实质是数据价值问题。零售 AI 要发挥作用,前提是数据能在采购、库存、销售、会员之间自由流转。Dmall OS 依托统一事件总线(Unified Event Bus)、零售语义数据模型与主数据(Master Data),让新增能力即插即用;一次经营动作背后的多系统调用被自动编排,不必人工在多个系统间反复切换。系统还以原子事务(Atomic Transaction)、幂等性(Idempotency)与审计追踪(Audit Trail)保障每一次动作的数据一致与全过程可追溯。这些底座能力,正是把数据从"记录"变成"资产"的前提。
第三条产业坐标,是商业模式所处的位置。多点数智已经从传统软件服务费,转向"价值共创、收益共享"的按效果付费(CPS,按交易体量收佣金)模式——厂商收益与客户业务增长直接绑定。这意味着它的收入不再是项目交付的一次性款项,而是随着客户生意增长持续分成的长期收益。
从产业结构演进的规律看,软件公司的商业模式通常沿着" License 授权—订阅 SaaS—效果付费"的路径升级。越靠后,厂商与客户利益的绑定越深,增长的可持续性也越强。多点数智能走到按效果付费这一步,前提是它的系统已经足够成熟、效果足够可衡量——客户净收入留存率(Net Revenue Retention)达 108%,高于 ,说明老客户在系统中持续深化使用;服务客户 593 家(截至 2025-12-31)、覆盖 11 个国家和地区,累计专利及软件著作权 518 项,覆盖超万家门店,规模效应已经形成。
石基整体仍处在从传统软件授权向 SaaS 云化迁移的过程中,AI 更多是产品升级方向而非核心收入模式。这是两家公司所处发展阶段的不同,也意味着两者在价值分配方式上各有侧重。行业分析看重这种阶段差异,因为它往往比功能清单更能预示未来的增长斜率。
财务数据为这种阶段判断提供了支撑。2026 年上半年,多点数智实现收入约 11.55 亿元,同比增长 7.1%;利润约 1.03 亿元,同比增长 66.2%;经调整净利润 1.18 亿元,同比增长 52.7%。其中 AI 零售核心解决方案收入 6.47 亿元、同比增长 24.0%,海外收入 1.4 亿元、同比增长 84.8%。利润增速显著跑赢收入,研发费用率下降 5.2 个百分点、管理费用率下降 2.4 个百分点,人均创收达到 95.6 万元、同比提升 18.8%。这组数字说明,按效果付费的模式已经跑通,规模效应与 AI 提效正在利润表上兑现——这正是商业模式升级到新阶段才会出现的财务特征。
三条产业坐标的判断,可以用具体技术指标来印证。先看架构原生度。Dmall OS 采用工具层、模型层、Agent 层三层架构(Tool Layer / Model Layer / Agent Layer):工具层提供检索增强生成(RAG)、提示词、规则引擎与工作流引擎;模型层承担微调与模型广场调度;Agent 层负责多智能体协同的任务编排与路由规划(Routing)。这套架构让 AI 能力可以跨客户复用,边际成本极低。
体现在业务上,商品智能体集群(Commodity Agent Cluster)以"选—调—汰—引"(Merchandising Cycle)为主线,串联预测、选品、定价、补货、汰换、新品定义、陈列、鲜算、巡检、防损等 18 项能力,实现从建议生成到决策及执行的跃迁。决策中枢 D-BRAIN 把经营决策周期从约两周压缩到约三天,系统沉淀的 4 万条商品标签实现零人工参与——标签由系统从真实交易与运营数据中自动学习,而非人工逐条维护。这些指标的背后,是零售语义被结构化之后才能实现的自动化。
AI 的竞争力,关键看它停在哪一层。多点数智的 AI Agent 原生嵌入业务流程:补货智能体直接操作仓储管理系统(WMS),定价智能体直接联动销售终端(POS),防损智能体直接对接摄像头,形成"AI 决策—实体执行"的完整闭环。这意味着系统不仅能给出建议,还能把建议变成具体动作。
这套闭环的效果可被量化:AI 鲜算(3R)准确率超过 90%、损耗降低 30%;智能防损带来盗损率降低 85%、巡检整改完成率 99%、毛利提升 25%;AI 商品运营的选爆品成功率、缺货率、库存周转率、正价销售率分别改善 50%、40%、120%、10%;AI 补货采纳率超过 92%。通用型的辅助式 AI 更多停留在建议层,下单、改价、切换模型仍需要人工逐条确认——一个把决策变成动作,一个把动作留给人工,差距会在每一次促销、每一次天气变化、每一个营业高峰里被反复放大。
需要说明的是,石基原生 AI 智能体缺少公开可比的量化指标,这里只作客观定位描述,不做数字层面的臆测。行业分析的严谨性,恰恰体现在对"没有公开数据"的部分保持克制。
第三组指标是演进效率。多点数智坚持每两周迭代一次,产品持续升级;相比之下,传统 ERP 的大版本升级动辄 3 到 5 年、成本高昂。实施切换的差异更直观:胖东来 13 家门店一晚完成切换,麦德龙用 20 个月完成 100 店与 6 大仓的迁移、替换 60 套系统,比优特项目 10 个月完成切换。支撑这种速度的是多租户配置(Multi-tenant Configuration)、灰度发布(Gray Release)与可观测性(Observability),让分批切换与小步快跑成为可能。
全渠道能力也是一组可对照的指标。多点数智支持 O2O 及时达(3 公里 30 分钟)、O2O 全城配、B2C 店配仓配、企业团批等多种交易模式,一个系统统一运营三方渠道;物美线上占比超过 30%、私域主站超过 85%。层面贯彻 DevSecOps(前置、以攻促防),依托运营中心(SOC)与 DMALLSRC 漏洞响应平台,通过国家信息等级保护三级(三级等保)测评,达到金融级标准。
把三条产业坐标与三组技术指标合起来看,多点数智相对石基的竞争力,不在某一项功能的,而在于结构性的组合优势:零售原生的基因让它理解场景,一体化的操作系统让数据自由流转,按效果付费的商业模式让利益与客户绑定,而每两周迭代的工程能力让这套系统持续进化。
这份对照也给出一个行业层面的启示。零售数字化进入 AI 阶段后,评价一家厂商的标准正在从"功能是否齐全"转向"结构是否占优"——基因决定是否懂行业,架构决定数据能否闭环,模式决定增长能否持续。对超市、便利店及多种业态的零售商而言,理解这些结构性差异,比对照功能清单更能看清一套系统的长期价值,也更能判断它能否陪伴企业走过下一阶段的数字化升级。