一句话看懂：星巴克在北美11300家门店全面部署的AI库存盘点工具“Automated Counting”仅运行半年多就被叫停，原因是真实门店环境中计算机视觉频频出错、后端系统陈旧、且高层变动导致项目失去支持。这一失败不是“试点未扩大”的常见剧本，而是“已大规模落地后被迫撤回”的典型案例，暴露了企业级AI从实验室走向现实的深层困难。
事件核心：发生了什么
2025年9月，星巴克宣布在北美所有直营门店（约11300家）上线由初创公司NomadGo开发的AI库存盘点工具，主打用iPad拍照替代人工清点。但实际使用中问题频发：摄像头反光导致燕麦奶数量翻倍、Wi-Fi不稳中断盘点、季节性包装需长达六周重新训练模型。2026年3月，星巴克通知NomadGo终止合作；5月18日，星巴克内部通知门店拆除二维码标签，恢复手工盘点。据GeekWire报道，NomadGo随即裁员，包括负责星巴克账户的技术团队。Fast Company调查指出，项目总投入可能超过1000万美元，且工具部署后仅一个月，星巴克CTO Deb Hall Lefevre便辞职，项目失去了最高层支持。
为什么重要
此次失败打破了一个流行假设：AI项目只要在小范围验证成功，扩大规模就能复制胜利。星巴克走的恰恰相反——它跳过长期试点，直接全量铺开，结果暴露了三大致命伤：第一，计算机视觉在零售货架场景的鲁棒性远低于实验室99%的准确率（反光、库存动线变化、产品包装迭代）；第二，企业后端基础设施（如1990年代的IBM AS/400系统）严重限制数据实时性与模型迭代速度；第三，供应商高度依赖单一客户时，一旦客户内部决策层变动，项目就面临无法挽回的风险。MIT NANDA研究显示95%的企业生成式AI试点未产生可衡量利润，而星巴克案例进一步说明，即使成功扩展到数千门店，仍可能因“执行赞助人流失”和“物理世界摩擦”而全盘覆灭。
对用户/开发者/创作者的影响
对技术采购决策者而言，这一案例提供了三个警示：第一，不要将项目风险完全押在单一产品上，应建立供应商风险分担机制；第二，AI落地必须同步改造后端数据基础设施，否则模型再准也无法上线；第三，项目成功依赖持续的跨部门执行支持，高层变动是常见且隐蔽的“项目杀手”。对于AI开发者，星巴克失败折射出行业长期忽视的“长尾维护成本”——零售包装的频繁更新意味着模型需要持续重训练，这不是一次性的产品交付。此外，这一事件也提醒风险投资人：企业级AI初创公司若大客户集中度过高，其估值应打折扣。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，星巴克保留的其他AI项目（如Green Dot Assist和ChatGPT客服集成）是否会因本次失败而调整路线？第二，NomadGo裁员后能否找到新的企业客户，还是成为“甲方风险”的典型案例？第三，行业是否会因此更重视“物理世界AI”的测试框架，例如建立零售场景的标准化评测基准？目前公开信息显示，星巴克并未完全放弃AI，但已明确表示优先用技术“支持而非替代”员工，这或许预示着企业AI采购将从“替代人手”转向“辅助决策”的更窄适用范围。
来源：The Next Web
