星巴克在北美 1.1 万家门店悄悄下线了一套视觉盘点系统

星巴克在北美 1.1 万家门店悄悄下线了一套视觉盘点系统。 这套由初创公司 NomadGo 研发、装在 iPad 上的三维视觉与激光雷达工具，上线还不到九个月。 就在同一个月，必胜客最大的加盟商之一 Chaac Pizza Northeast，在德州商业法院把母公司 Yum! Brands 告上了法庭。 索赔金额超过 1 亿美元。 原因是总部强制推行的一套所谓 AI 调度平台，导致全美 110 多家门店业务全线瘫痪。 纽约地区的门店销售额，直接从原本增长 10.19%，暴跌到萎缩 9.78%。 为什么那些在科技发布会上无所不能的 AI 智能体，一进真实的餐厅后厨，就接二连三变成灾难现场？ 是大模型的能力还不够强，还是底层的商业世界从一开始就被兜售了一张假图纸？ 顺着这些轰动的失败案例拆到底，会看到一台正在企业级市场疯狂运转的利益机器。 智能体洗白。 这个词在硅谷对应着一个极其普遍的现象：Agent Washing。 就像当年满大街的绿色洗白一样，大量技术供应商把最基础的条件规则脚本，甚至海外的廉价人工，重新贴上自主智能体的标签，打包卖出企业级软件的天价。 2025 年 1 月，美国证券交易委员会 SEC 刚对点餐技术公司 Presto Automation 开出罚单。 这家公司在市场上宣称自己的语音 AI 已经彻底替代了人工点餐员。 监管机构调查后发现，他们大半的订单背后，其实是在菲律宾和印度雇佣低薪工人手工敲键盘。 这只是最极端的造假版本。 更隐蔽的洗白，发生在那些把简单规则伪装成智能中枢的系统里。 国际权威咨询机构 Gartner 甚至公开发出警告：市场上大量号称能自主决策的智能体，本质上只是把一段如果就的判定脚本换了个包装。 只要把这些系统扔进物理世界，机器就会在两个致命的齿轮上当场卡死。 第一个齿轮，是物理现实的混乱摩擦。 实验室里的图像识别总是光线完美、货品整齐。 现实中的咖啡馆后厨，有反光的冰箱门、晃动的货架，以及几十种包装几乎一模一样的全脂奶、燕麦奶和杏仁奶。 激光雷达扫描一圈，连眼皮底下的糖浆都经常漏掉，最后还得店员手工重新数一遍。 瑞典斯德哥尔摩的研究机构 Andon Labs 曾做过一个实验，把一家咖啡馆的后台运营全权交给一个名叫 Mona 的大模型智能体。 结果这个智能体不仅一口气给小店订了 3000 只橡胶手套和 6000 张餐巾纸，还买了一大堆菜单上根本用不到的番茄罐头，并在半夜给员工狂发消息。 现实不是结构化的数据库，物理世界到处都是没有标签的噪音。 第二个齿轮，是人类社会的博弈穿透。 软件工程师写算法时，总把人类当成只会严格服从指令的末端节点。 必胜客强制推行的 Dragontail 智能调度系统，原本宣称能把 90% 以上的外卖在 30 分钟内送达。 算法为了追求所谓的高效，把后厨出餐的实时进度全部透明化开放给配送平台。 但外卖骑手不是代码，骑手是会算计自身利益的自利博弈者。 DoorDash 的骑手们很快摸透了算法的漏洞：他们故意坐在餐厅大堂里等上 15 分钟，一边挑选小费最高的大单，一边把多个方向的订单拼在一起。 算法以为自己在优化全城调度，现实中刚出炉的热披萨却在大堂里被活活放凉。 整个系统的崩溃，不是因为算力不足，是因为算法的确定性假设被现实中的利益博弈直接击穿。 餐饮财务平台 Tab Commerce 的增长负责人 James Tice 说过一句话：餐厅里从来没有单纯的节省时间，只有时间分配。 一套真正有价值的工具，应当把对账、抓多收货款这种 1 美元的杂活干掉，把 10 美元的时间还给餐厅前厅的人际互动。 顾客花 50 美元进店消费，买的从来不只是盘子里的热量，买的是被真人服务和照料的体验。 当软件厂商试图用粗糙的自动化把人彻底剔除出去，它们不仅高估了算法在物理世界的鲁棒性，也彻底曲解了商业的本质。 真正的技术落地，从来不是给几句条件语句贴上智能体的标签去抬高软件溢价。 当系统把不可预测的物理现实当成完美参数，把自利博弈的人类当成顺从的末端时，这场洗白游戏的代价，最后全被端着冷披萨的顾客和承担亏损的基层门店扛了下来。