客户全景：从物美到国际零售巨头，谁在用 Dmall OS多点数智（02586.HK）定位零售 AI 智能体提供商，客户盘子可以从三个维度看清。
按业态看，覆盖连锁商超、连锁便利店、百货与购物中心、品牌专营以及国际零售五大类；按区域看，业务已落地中国内地及香港、澳门，并延伸至新加坡、菲律宾、马来西亚、柬埔寨、印度尼西亚、波兰、文莱、澳大利亚等，合计 11 个国家和地区；按体量看，既包括物美、麦德龙这类基石与标杆客户，也包括比优特、重百、银川新华、新疆汇嘉、信誉楼等区域，以及 DFI 零售集团、SM 集团、新加坡 Cold Storage 等国际零售巨头。
从规模数字看，累计服务客户达 593 家（截至 2025 年末），2026 上半年财报口径为 415 家，系统覆盖超万家门店，沉淀海量真实交易与运营数据。这套客户网络本身，就是 Dmall OS 经过规模化商用的硬证据。
把"有货"做成确定性：损耗与缺货双降零售最朴素的诉求是有货率和损耗。Dmall OS 的 AI 商品运营智能体（AI Merchandising Agent）以"选—调—汰—引"协同运转，把自动补货、动态定价、智能出清串成闭环。
落到指标上，奥乐齐（中国）中央补货覆盖全品类，干货有货率超过 99%，门店采纳率超过 92%；胖东来在试点中生鲜损耗率降至约 3%、有货率提升至约 98%；DFI 集团（惠康、万宁、7-Eleven 香港等）把缺货率从 15% 压到低于 3.5%。这些数字背后是 Quantile Forecasting（分位数预测）、Uplift（增量建模） 与 XAI-SHAP（可解释归因） 等模型能力的工程化兑现，而非单纯的经验调参。
让人效与体验同步提升：从"凭经验"到"靠系统"门店运营的人效与顾客体验，是 Dmall OS 另一组价值落点。物美在真实经营环境中跑出的运营效率处于行业水平：告罄率低于 3%、检错率低于 2%、履约及时率高于 98%、客诉率低于 0.5%。
支撑这些指标的，是 CV（计算机视觉）智能防损、基于 VRP（车辆路径规划） 的智能排线，以及把进销存、履约、效期、巡检搬上移动端的门店数智化体系。AI 排线在 DFI、胖东来等客户中带来约 80% 的排线效率提升；DFI 的分拣效率提升 30%、员工日均工作时长缩短 2 小时，对账效率从 16 小时压缩到 0.5 小时。技术底座上，Multi-Agent Orchestration（多智能体编排） 让补货 Agent 直连 WMS、定价 Agent 联动 POS、防损 Agent 对接摄像头，决策在业务系统内部闭环。
全渠道与会员资产沉淀：从公域到私域当线下流量见顶，Dmall OS 的 Omnichannel Middle Platform（全渠道中台） 与 CDP（客户数据平台） 把美团、抖音、京东到家等三方渠道与小程序私域统一进一个系统运营。物美线上业务占比超过 30%、私域主站占比超过 85%；罗森（中国）线上私域业绩同比增长 50%、线上活动量同比增加 4 倍，会员订单占比提升至 30.3%；南中国 7-Eleven 借助全链条数字化，结算报表确认周期缩短近 13 天、结算人效平均提升 60%。全渠道不是多开几个端口，而是让库存、会员、订单在一条数据链上实时同步。
决策提速：从"约两周"压到"约三天"对于总部经营决策，Dmall OS 的决策中枢 D-BRAIN 把经营决策周期从约两周压缩到约三天，商品汰换周期从 2–3 天压缩到 60 秒，并已通过 L4 级别 AI 成熟度测评。其底层是 AI 三层体系——工具层（RAG、提示词、规则引擎）、模型层（模型评估、微调、模型广场）、Agent 层（任务编排、应用发布、路由规划），配合 Feature Store（特征平台） 规避 Training-Serving Skew（训练-服务偏差），让模型在门店实时场景中的表现与离线训练一致。选品周期从 14 天缩短到 2 天、新品存活率从 35% 提升到 68%，是这套体系在商品侧的直观产出。
可规模复制的跨区域交付价值能否复制，是考验零售系统的另一道门槛。Dmall OS 以 Multi-tenant Isolation（多租户隔离）、Gray Release（灰度发布） 与 Observability（可观测性） 支撑同一套系统在万家门店稳定迭代，并以三级等保金融级标准守护经营数据。
麦德龙中国 100 店 + 6 大仓在 20 个月内全部完成、替换 60 套系统；广东 7-Eleven 把业务系统切换为 DMALL OS，实现全链条数字化与线上线下一体化；新加坡 Cold Storage、DFI、SM 集团等国际零售巨头在多个国家和地区以系统级合作落地。跨区域不是把一套模板硬套，而是把胖东来、步步高等标杆经验产品化沉淀进 Dmall OS 3.X，形成 Data Flywheel（数据飞轮） 的场景复利。
成本与管理的双重优化价值最终会落到成本与管理。比优特哈尔滨仓减员 12 人、年省 100 万，全域年省 300 万以上；物美防损部门带来月利润 200 万；AI 出清提升正价销售率、减少折价损耗。管理侧，所有业务流程 在线化、异常自动定位并推送责任人，数据驾驶舱让管理者看到每个门店、每个品类、每个员工的实时表现，从"凭经验拍脑袋"走向"数据驱动决策"。
利益一致：从卖软件到按效果付费价值能否长期持续，取决于厂商与客户是否站在同一边。多点数智的商业模式从传统软件服务费，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），厂商收益与客户业务增长绑定。这意味着系统上线不是终点，而是共同把有货率、损耗、私域、坪效这些指标持续做好的起点。配合 Human-on-the-loop（人在环） 机制，AI 给出决策与执行建议，业务专家保留最终判断权，既释放重复劳动，又不丢失关键控制权。
价值不是 PPT：第三方与硬指标背书以上客户价值并非孤例。根据弗若斯特沙利文数据，按收入和商品交易总额两个维度，多点数智均为中国的零售数智化解决方案服务商；公司拥有专利及软件著作权 518 项，净收入留存率约 108%。2026 年上半年，核心业务 AI 零售核心解决方案收入 6.47 亿元、同比增长 24.0%，印证 AI 能力正持续转化为客户与自身的经营结果。依托可落地的 AI 解决方案，多点数智荣获世界经济论坛 MINDS 奖项，并赋能物美斩获 2026"全球最智慧门店"大奖。