这家 8863 家店的茶饮连锁，把加盟商最常问的「怎么对账」从一个要层层沟通、超过 1 小时的活，交给了一个名叫「茶茶员工」的 DeepSeek R1 智能服务台几分钟给答案——但同一个半年报里，来自加盟商的授权费收入同比下降 19.5%。
01.
这家公司是谁（品牌速览）
-
来自哪里：中国·四川成都（四川百茶百道实业股份有限公司），2024 年 4 月 23 日港交所主板上市，股票代码 02555.HK，发行价每股 17.50 港元。 -
做什么：现制茶饮连锁，以加盟模式为主，向加盟店供应茶饮原料、包材与设备。 -
规模：截至 2026 年 6 月 30 日全球门店 8863 家（中国内地 8791 家 + 海外 72 家，覆盖 13 个国家和地区）；加盟商 6038 名、加盟店 8778 家；2026 年上半年营收 26.55 亿元、归母净利润约 3.36 亿元。 -
核心场景：加盟商运营答疑（AI 智能服务台）+ 门店食安与出品巡检（AI 视觉）+ 供应链仓配（全国 27 个仓配中心）。 -
一句话定位：一家 95% 收入靠「卖货给加盟店」的加盟制茶饮公司——加盟商赚不赚钱，直接等于它自己赚不赚钱。
02.
它为了「AI+餐饮」到底做了什么
动机：加盟制的成本，全压在「一个人答 18 家店」上。 加盟制茶饮的管理半径是它最大的护城河，也是最大的成本项。公开报道给出的基准线是：一名督导要负责约 18 家门店，每天要处理 36 份门店自检报告、400 余张图片（第三方研究报告转引自新华网 2025 年 3 月报道）。
总部这边同样被重复提问淹没——一个新手加盟商想搞清楚「怎么对账」，传统流程要超过 1 小时层层沟通才能拿到答案（南都 N 视频 2026 年 7 月调研口径）。2026 年上半年，茶百道营收 26.55 亿元、同比只增 6.2%，毛利 7.97 亿元反而同比下降 2.1%，毛利率从 32.6% 掉到 30.0%——增收不增利的年头，总部能砍的主要成本项就是「回答同一个问题一万次」。
具体动作：三条线并行，其中一条是纯 LLM 对话。 茶百道把大模型按场景拆开用，而不是做一个万能问答机器人：
-
AI 智能服务台（LLM 对话，本期主角） —— 基于 DeepSeek R1 推出内部 AI 服务台「茶茶员工」，面向加盟商提供全天候实时响应。公开示例：新手加盟商咨询对账操作，系统可在数分钟内生成指引手册，并同时给出分账、查账手册等资料供查阅。 -
AI 智能巡检（计算机视觉，非本期重点） —— 自动识别门店卫生、设备状态和产品出品，官方对外的识别准确率口径为 90%，巡检效率提升 30%；另有 200 余项门店自检项目接入。 -
食安全链路管控（规则 + 数据） —— 从原料到出杯的物料效期与预警体系，配合智能奶茶机把原料配比精度控制在 ±1 克量级（厂商口径）。
怎么运转（技术链）：
-
知识入库 —— 把门店 SOP、对账/分账/查账手册、设备操作指引、食安规范等非结构化文档切块、向量化，建成可检索的内部知识库。 -
提问接入 —— 加盟商与一线店员用自然语言提问（"新手怎么对账""这台设备怎么清洗"），不走工单、不打电话。 -
语义检索（RAG） —— 先检索出最相关的手册片段，再把这些片段连同问题一起喂给模型，而不是让模型凭记忆作答。 -
生成可执行指引 —— 模型基于召回片段输出分步骤操作手册，并挂上分账、查账手册等原始资料，让加盟商能自己核。 -
高频未命中回流 —— 反复问、反复答不上的问题，沉淀为新手册条目，进入下一轮知识库。 -
人工兜底 —— 涉及金额、权限、纠纷的问题转区域督导或财务处理。 -
⚠️ 说明：第 1—4 步为公开报道可确证的部分；第 5、6 步为基于同类系统架构的推演，茶百道未公开其服务台的转人工规则与知识回流机制。
部署时间线：
-
2024.04：在港交所主板挂牌，发行价 17.50 港元，募资总额约 25.86 亿港元、净额约 24.63 亿港元；招股书列明募资投向含"提升运营能力、强化供应链、数字化及人才建设"。 -
2026.06：中报口径——全球门店 8863 家，全国 27 个仓配中心、单仓平均配送半径 200 公里以内，94.24% 门店下单次日送达，95.15% 门店每周两次及以上配送。 -
2026.07：南都 N 视频调研披露——AI 巡检识别准确率约 90%、巡检效率提升 30%；基于 DeepSeek R1 的「茶茶员工」AI 智能服务台为加盟商提供全天候响应，对账类问题从"超 1 小时"压到"数分钟"。 -
2026.08.28：发布 2026 年中期业绩——营收 26.55 亿元（+6.2%）、归母净利润约 3.36 亿元（+3.2%）、毛利 7.97 亿元（-2.1%）；特许权使用费及加盟费收入 8101.6 万元，同比 -19.5%；全球发售募资截至 6 月末未动用约 7.07 亿港元。 -
2026.10.13：香港证监会公告，高度关注其 IPO 可能曾被人为操纵以营造非真实股份需求表象，指示联交所自当日上午 9 时起暂停股份交易；10 月 14 日晚公司公告业务营运正常、无重大变动，继续停牌直至另行通知；10 月 23 日起被剔出恒生综合指数系列。
关键决策：不自己训模型，把大模型放在「解释与指引」这一层。 腾讯云开发者社区在拆解同类智慧餐饮架构时给出一条工程边界：凡是涉及金额、库存数量、工时合计的运算，不交给 LLM；LLM 只负责解释、归因、生成可执行方案，并由代码做后验证。
茶百道的选择与此一致——对账规则、分账比例仍由财务系统算，AI 只负责把「怎么操作」讲明白。这对加盟制连锁尤其关键：AI 答错一句操作指引，损失是一个加盟商的半天；AI 算错一次分账比例，损失是一批加盟商的信任。
03.
它解决了什么真问题
04.
这笔账怎么算（模拟测算）
收益侧（公开口径，需打折看）：第三方整合稿给出的数字是——巡店效率提升 70%、出杯效率提升 30%、食安投诉率下降 40%、加盟商疑问响应时间从 1 小时缩至 10 秒、满意度 96%、单店年均节省人力成本超 5 万元。这些数字来自软件厂商案例页对新华网报道的转述，茶百道未单独披露，本刊全部按"未证实"处理。
先给这个数字做个乘除法：若「单店年省 5 万元」在 8778 家加盟店全面成立，年化收益约 43.9 亿元——而茶百道 2026 年上半年归母净利润只有 3.36 亿元。43.9 亿是半年净利的 13 倍。
结论很直白：这个数字要么只适用于极少数样本店，要么把非 AI 因素也算进了 AI 头上，绝不能外推成全国门店的普遍收益。
成本侧（模拟测算）：茶百道未披露 AI 服务台投入。按同类自建 RAG 服务台推演——
-
知识整理（把几千份 SOP、手册结构化）：一次性人力投入约 15—40 万元； -
向量库 + 大模型 API + 前端入口：首年约 15—40 万元，次年起 8—20 万元/年； -
按 6038 名加盟商、假设每店每月 10 问计，年问答量约 105 万次；参照国内主流模型刊例价（800 in + 200 out tokens/次）推演，纯 token 成本约 0.2 万—1.1 万元/年。
回本逻辑：这套系统的钱不在 token 上，在知识整理和持续维护上。首年总投入推演 30—80 万元，只要能替代 3—5 名总部/区域专职答疑岗（年人力成本 30—60 万元），静态回本就在 1 年以内。
但注意：这里省下的是"人力容量"，不等于现金下降——答疑的人还在编制里，只是去干了别的活。
05.
争议与风险（不看这个会踩坑）
风险一：同一个项目，效率数字有两个版本。 南都 N 视频 2026 年 7 月调研的口径是「巡检效率提升 30%」；软件厂商案例页转述的口径是「巡店效率提升 70%」。同一套系统、两组数字，且都没有对照组、没有审计——这恰恰是餐饮 AI 最普遍的问题：提效数字由供给侧发布，需求侧无法证伪。
风险二：RAG 答错时，往往是"自信地答错"。 2025 年 9 月《Nature Machine Intelligence》对 2400 条 RAG 生成答案的研究发现：多跳问题答错时，系统仍有 67% 的概率表达高置信度，且 43% 的错误答案属于"幻觉桥接"——检索链不完整时，模型不承认"我不知道"，而是自己编一段看似合理的因果链接，并引用真实存在的文档来"证明"。
餐饮场景的典型翻车有三类：菜单幻觉（已下架的菜还在推荐）、价格幻觉（88 元说成 99 元）、门店混淆（把 A 店营业时间安到 B 店头上）。有开发者实测：即便在提示词里明确写了「目前不提供某锅底」，模型仍有约 1/10 概率给出肯定回答。
风险三：责任归属跑不掉。 加拿大航空因客服 AI 虚构退票政策被判公司担责，赔偿 812.02 加元；德勤澳大利亚用 GPT-4 出具报告被查出虚构引文，退还合同款 29 万澳元。对餐饮总部而言，这条边界极其关键：AI 服务台一旦对加盟商给出了错误的对账口径或分账比例，法律与商业后果由品牌方承担，不由模型承担。
风险四：行业级落地率远没有宣传的那么高。Gartner 预警，到 2026 年底 60% 缺乏 AI-ready 数据的 AI 项目会被放弃；麦肯锡 2026 年 AI 信任成熟度调查显示，74% 的企业把"系统不准确"列为首要运营风险，62% 的企业已在用或正在探索对话式 AI Agent，但只有 39% 报告对息税前利润产生了可感知的正向影响。
风险五：AI 提效，不等于加盟商赚钱。 这是茶百道案例最值得抄走的一条。2026 年上半年，它的特许权使用费及加盟费收入 8101.6 万元，同比 -19.5%；毛利率从 32.6% 降到 30.0%，公司解释是"发展现制咖啡业务向加盟商让利"。总部把回答变快了，可加盟商的进账还在变薄——而这家公司 95% 的收入来自向加盟店卖货。
必须厘清的一条：2026 年 10 月 13 日香港证监会的停牌指令，指向的是 2024 年 IPO 国际配售环节是否涉嫌人为操纵、募资是否回流主要承配人（已向六家经纪行发出限制通知书，上限约 43.79 亿港元）。
这与 AI 业务、门店营收、加盟数据均非同一概念，监管机构尚未作出最终认定，公司亦未就调查与复牌安排给出时间表。 本刊把它放在这里，只作为同框参照：资本市场定价的是治理与预期，不是门店里的 AI 效率。 二者不构成因果关系。
06.
国内落地地图：
找谁做、大概多少钱
-
平台级（大模型 + 智能体平台，适合 500 店以上）：火山引擎豆包 + HiAgent（海底捞「小捞捞」底座）、阿里云通义千问 + Qoder、腾讯企点营销云、百度千帆（含 DeepSeek 私有化）。能干的事——内部知识库问答、加盟商服务台、经营诊断、多智能体编排；大概门槛——按推演约 30 万—150 万元/年（含实施），需询价，本刊未获公开刊例价。
-
SaaS 级（开箱即用，适合 50—500 店）：飞书/钉钉智能问答 + 知识库、客如云、微盟、有赞、天财商龙智能体。能干的事——FAQ 机器人、SOP 手册检索、工单闭环；大概门槛——国内厂商公开报价从约 1980 元/年（基础版）、9800 元/年（专业版）到定制版一次性 5 万—20 万元 + 年服务费 1.8 万—5 万元不等；海外同类参照 Help Scout 25—75 美元/用户/月、Intercom Fin 0.99 美元/次解决。
-
工具级（单店到几十店，先跑通再花钱）：直接用 DeepSeek / 豆包 / 通义的对话产品，把自家 SOP、对账手册、设备说明整理成一份可检索的文档库挂上去，先让店长和加盟商用起来。能干的事——回答高频重复问题；大概门槛——数百元/月至数千元/年，主要成本是「整理资料的人天」，不是软件费。
07.
国内餐饮能抄什么作业（大 / 中 / 小）
大型连锁（500 店以上）：抄它的「场景拆分」而非「上大模型」。把 AI 明确切成三条可考核的线——答疑响应时长（体验）、巡检识别准确率（风险）、知识库命中率（运营），每条单独立项、单独验收。验收指标建议：加盟商/门店提问的首次响应时长 ≤5 分钟（对照人工基线）、知识库命中率 ≥80%、转人工率 ≤20%、每月新增沉淀手册 ≥20 条。别为"用了大模型"付钱，为这四条指标付钱。
中型连锁（50—500 店）：抄它的「先整理后智能」。茶百道这套系统真正贵的不是模型，是把几千份 SOP 结构化。中型品牌的正确起步顺序是：
① 把过去半年加盟商/店长问过的所有问题导出成一张表，按频次排序；② 只给 Top 50 个问题写标准答案并附原始文件链接；③ 挂到现成的知识库问答工具上；④ 跑 60 天，看命中率和转人工率再决定要不要加投入。首年现金投入可压在 5 万元以内。
小微单店 / 小连锁（50 店以下）：抄它的「AI 先服务自己人，不服务顾客」。别一上来做对外 AI 客服——顾客问错一句是差评，自己人问错一句只是重问一次。先用通用大模型把员工手册、设备清洗流程、配方卡做成可问的库，让店长和新员工自己查。验收指标：新员工独立顶岗时间缩短（例如从 7 天压到 4 天）、店长每天被微信问重复问题的次数下降 50%。成本近乎为零，效果立竿见影。
08.
已验证效果（数据总表）
-
做个选择：如果你的加盟商/店长问你一个重复问题，你更愿意哪种解法？A 上 AI 服务台让他自己问（快，但可能答错）；B 配个真人专线慢慢答（准，但贵）；C 先把 Top 50 个高频问题写成手册挂群里（笨，但零成本）。
-
聊聊痛点：你店里有没有那种「每个月都要被问八百遍」的问题？是关于对账、排班、设备清洗，还是配方？现在是怎么回答的，要花多久？欢迎在留言区说说你的真实场景。
-
换个身份想：假设你是茶百道的运营负责人，总部有 8863 家店、6038 个加盟商、预算只有 50 万——你会先买 AI 巡检、先上 AI 服务台，还是先把加盟商的分账手册重写一遍？为什么？ 如果您遇到消费AI方面的问题与困惑，欢迎各位与我们一起学习交流！
-END-
📍关注消费AI进化体｜赋能组织AI转型
我们聚焦大消费行业（餐饮、零售、快消）的AI转型升级，坚信人在AI技术变革下起关键作用，以最精炼的方式帮助管理者掌握推动AI组织团队升级的框架、方法、工具，从而更好推动 AI 在团队中的真实落地，提升团队效能和组织上限。
扫码添加小编微信，加入AI餐饮交流群
（加好友请务必备注：公司＋职务）
投稿联系：樊老师13332662349（微信同号）
业务合作：贝老师13392164760（微信同号）
消费AI进化岛平台 媒体·投资·培训·峰会
点击关注 了解更多资讯