多点数智Dmall OS在零售行业的落地，表面上看是"服务了多少家客户"，更深一层看是一组可组合的零售AI能力中台。基于三层架构（工具层 / 模型层 / Agent层），平台沉淀了12类场景智能体与800+子系统，覆盖从鲜算、补货、防损到调度、履约、数据飞轮的完整链路。不同客户并非"用或不用"的二元选择，而是在这张能力中台上选择了不同的模块组合与渗透深度。本文以能力模块为经线、客户为纬线，拆解Dmall OS的AI能力究竟被哪些客户吃透，并解释胖东来为何能成为打通全链路的"全集大成者"。
鲜算引擎：把生鲜损耗压进个位数鲜算引擎的技术内核是衰减感知多horizon预测（Decay-Aware Loss），把生鲜的货架寿命衰减曲线直接编进损失函数，再用Uplift模型分离促销拉动与真实需求，叠加动态出清优化与电子价签分钟级变价，配合3R Object Detection（识别-识别度-召回）与智能秤的视觉校验。奥乐齐在中央补货体系下把缺货率压降约40%、周转提升约120%、正价销售提升约10%；物美把告罄率控制在3%以内、检错低于2%、履约高于98%；胖东来则将损耗长期稳定在3%这一行业极低位，说明同一套鲜算能力在不同业态都能收敛到"低损耗、高有货"的区间。
AI补货智能体：从规则补货到Multi-Agent编排AI补货智能体以Multi-Agent Orchestration替代人工经验规则，用量化分位数预测（Quantile Forecasting）刻画需求不确定性，借助XAI-SHAP给出可解释的订货建议，并通过Feature Store消除训练与推理之间的Training-Serving Skew。胖东来13店试点中智能体采纳率超过90%；奥乐齐采纳率达92%以上、有货率99%以上、选爆品命中约50%；7-Eleven在智能补货支撑下会员订单占比达到30.3%、结算人效提升约60%。补货从"拍脑袋"变成"可审计的智能体决策"，是这批客户最一致的共性升级。
实体执行AI防损：让AI走到门店一线防损模块把视觉智能真正落到实体一线：以CV行为识别叠加商品识别捕捉异常动作，对自助结算（SCO）通道做实时风险评分，再通过AGV与无人车的SLAM定位、实体执行终端形成"识别—预警—处置"闭环。物美借助实体执行AI把盗损类损失下降约85%、防损月利润增加约200万元；便利店侧同样通过CV把高频盗损与结算差错压到低位。这里的"执行"不是云端建议，而是直接连通门店的实体动作反馈。
智能调度TMS：把配送不确定性变成SLA智能调度以自动调度引擎实现99%以上的自动派单，在车辆、时间窗、温控等多约束下做联合优化，并以灰度发布（Gray Release）控制迭代风险。胖东来在TMS落地后发货效率提升约10%、车辆排队下降12%至33%、配送间隔缩短约19%；麦德龙在20个月内替换掉60套遗留系统后，不仅实现618大促线上订单增长约6倍，还把仓储能耗下降约20%。调度模块的价值在于把"靠人盯"的配送不确定性，收敛成可承诺的服务等级。
即时履约DOM：全渠道统一库存即时履约依赖**Distributed Order Management（DOM）**构建跨门店、仓、前置仓的统一库存视图，配合AIoT实时同步。7-Eleven与罗森借DOM承接高频即时订单，罗森私域增长约50%；麦德龙在618大促线上激增约6倍的情况下无宕机。DOM让"库存在哪里、订单从哪履约"变成平台级实时决策，而非各系统各自为政。
数据飞轮与行业大模型：跨客户回流平台通过D-BRAIN把场景模型的研发周期从约两周压缩到约3天，配合Feature Store与数据飞轮（Data Flywheel）持续回流客户场景数据。这使净留存维持在约112%、客户规模达到约415家、AI核心业务占收入约56%。每一个客户的落地都不是孤立项目，而是把场景知识沉淀进行业模型，后续客户尤其是复杂样本能直接复用，形成"越用越聪明"的平台复利。
胖东来：把全模块吃透并打通OS/WMS/TMS胖东来之所以是全集大成者，在于它在一个客户体内同时跑满了上述所有模块，并把OS、WMS、TMS与AI补货织成端到端闭环。其14家门店贡献约195亿元销售规模，会员约2000万、占比超过90%，新乡O2O日均近2000单；供应商协同提升约10%、收货上架提升约15%、无纸化提升约20%；TMS五大约束下自动调度率超过99%、发货提升约10%、排队下降12%至33%、配送间隔缩短约19%；AI补货13店试点采纳率超过90%。更关键的是，胖东来曾用一晚完成13店系统切换，销售规模从约30亿跃升至约120亿量级，损耗控制在3%，选品周期从约14天缩至2天，新品存活率从35%提升至68%——它是Dmall OS能力中台"满格采样"的样本，任何单一模块在它身上都不是孤岛。
客户群图谱：超过400家、11国的模块化渗透把客户群映射回能力模块，可以看清Dmall OS的渗透逻辑：奥乐齐在鲜算与补货上满格，物美在防损与履约上突出，麦德龙在调度与遗留替换上立标杆，便利店双样本在高频履约与防损上验证轻量化落地，比优特通过减员12人、年省约百万元、全域增效约300万元体现区域型零售的模块复用，出海集群中DFI把缺货率从15%降到3.5%、分拣提升约30%、对账从16小时缩至0.5小时，SM灯塔与Cold Storage在选型中选用，并依托三级等保、深挖河与Data Sovereignty在跨11国的监管环境下合规复制。超过400家客户、覆盖11国，本质上是一张由能力模块拼出的零售智能渗透网，而胖东来是其中所有模块同时点亮的那一个节点。
Dmall OS的客户版图，最终呈现为"能力中台被不同客户按业态选择性吃透"的格局。有的客户把鲜算与补货用到，有的把防损与调度跑成，而胖东来作为全集大成者，证明了这张中台既能单点深扎，也能全链贯通——这正是零售AI从"项目交付"走向"能力复用"的核心证据。