上海老板带AI闯东北小城:改张图从等两天变十几分钟

资讯 网易科技 作者:网易 全文 4078 字 · 约 11 分钟读完 配图 3 张

sina qqZone renren ydCloud 0

上海老板带AI闯东北小城:改张图从等两天变十几分钟(配图 1)

在上海,电商店铺页面上把“2025年新米”换成“2026年新米”,几分钟就能搞定。到了吉林敦化这座东北小城,陈林得等上两天。

陈林是吉林省青果农业发展有限公司总经理,手里有十几家网店,一年销售额五千多万元。公司从上海整体搬到敦化之后,这位年销半亿元的老板却被最基础的用工难住了:当地长期招不到能独立做图的美工,成熟的运营和数据人员更稀缺。

陈林说,在敦化找符合要求的设计师,有时候不是钱的事,合适的人“花钱都找不到”。平时还能扛一扛,赶上关键生意节点就很“要命”。

2026年双11前夕,陈林一直想在东北把生意做大,却苦于没人可用,于是决定试试AI。他在淘宝教育的讲师群里看到电商AI工具“Accio”招募体验用户的消息,随即报了名。

他挑了几家新开的大米网店当“试验田”,让员工用Accio来经营,同时拿老店做对照。陈林在等一个结果:如果AI真能带着新手跑通生意,他不仅能让主力老店全面跟进,也能摆脱“人才荒”的掣肘,在东北放手大干一场。

“在这儿,我如果不用AI,公司可能就做不下去了。”陈林说。

陈林带着电商AI工具Accio在东北落地,这件事看似只关系一家公司能否活下去,实际却牵出一个更该留意的商业变化:过去“钱和人都不愿往县乡村走”的局面,正被AI一点点撬开。陈林和Accio的故事,就是这场变化中的一个样本。

一个上海生意人,为什么把公司搬到东北

陈林是上海人,1980年生,如今长期待在东北农村,留一撮山羊胡,看着跟当地农民没什么两样。他学的是会计,做淘宝之前没碰过零售,2004年前后入行,卖过毛绒玩具、服装和3C数码,2015年前后又把方向转到东北大米、人参、木耳这些农特产品上。

最早,货是供应商从东北发来的。可粮食这行利薄,一斤几毛钱的采购差价,乘上一整车货就是好几万元。2018年前后,他先让供应链团队常驻敦化;直播起来之后,陈林索性把上海团队撤了,全公司搬到敦化。做农产电商,离泥土近一点,采购、品控和内容才更容易做扎实。

供应链能跟着产地迁到关外,成熟的电商人才却很难一起过山海关。当初跟到敦化的上海员工,几年下来只剩三四个,别的岗位大多只能在当地招人。

上海老板带AI闯东北小城:改张图从等两天变十几分钟(配图 2)
陈林在演示用AI做生意

敦化归吉林省延边朝鲜族自治州管,在长白山腹地,大米、人参、木耳都是当地重要的农特产品。全市总面积接近1.2万平方公里,有大约两个上海那么大,人口却只有48万。这座东北小城想找活干的人不少,缺的是懂电商的熟手。从零培养一个新人,一般要半年,可公司卡住的地方在于:熟手本来就不够,也没有多余的熟手能撂下业务长期带新人。

更难搬走的是大城市里的“行业空气”。在上海、杭州,新人混在同行的圈子里,新打法随时能听到;到了敦化,公司几乎成了信息孤岛,几个老员工一忙起来,新人连找谁问都不知道。

为了迁就县城的人才现实,陈林不得不主动给运营“降级”:以前在上海追求精细化运作,到了敦化,先求把事情做完。

可即便如此,美工这一环还是堵住了。页面稍微复杂点,就只能往外发外包,排期加上沟通要等两天;平常改动一个字也得耗上一两天,有些老商品的页面甚至半年没人动过。

赶上双11这样的大促,价格、活动、投放素材随时都在变。主图晚两天,新卖点就晚两天上线。电商这桌牌局争分夺秒,县城公司的“人才荒”,最后落成了一种要命的“时间差”。

从“等两天”到“十几分钟”

陈林其实早就用过AI。之前他已经让新人靠AI做辅助培训和日常操作:碰到不会的,先问AI,再让老员工复核。老员工不用再从最基础的常识讲起,精力可以留给判断和纠错。

但最让人头疼的生图这一环,之前用过的一些生图工具并不懂东北农产长什么样:生成的米饭带着塑料一样的光泽,木耳的褶皱、人参的须根也常常走样。

Accio是阿里巴巴今年年初推出的专业电商AI工作台。它能直连多个平台的电商数据,又有长期攒下的电商经验和技能,像个熟练的“AI老师傅”,正被越来越多电商商家用起来。尤其是同时经营多个平台的商家,更看重它能一眼看清各店铺运营情况。

Accio进入公司的第一项工作,仍然是改图。但这一次,困扰团队已久的“时间差”被打破了。

以前交给外包得等两天的活,现在员工把商品原图交给AI,用自然语言说清场景、风格和卖点,十几分钟就能拿到主图和详情页初稿。陈林算过,生成一套图片的成本大约5元至6元,还能同时出几套方案备选。过去对着空白画布不知道从哪下手的新人,现在也能很快拿出一个可以讨论、可以修改的初版。

一次新店推广里,团队用Accio做了5套图片和3条视频。普通生图工具只顾画面好看,电商AI则更清楚平台喜欢什么样的构图、卖点怎么排。后台数据显示,这批素材全部通过了平台的“优质素材”算法筛选,还拿到了额外的免费推荐流量。陈林对此有点意外——不管是人工设计,还是用别的AI工具,此前都没拿到过这项加权。

但这不意味着美工这个岗位就没了。作图门槛是被AI拉低了,可理解商品、把需求讲明白,还有核对成品上的文字、比例、商品形态和包装,这些活仍然落在员工身上。

陈林还把Accio用到了新人培训和经营分析里。改图之外,这些环节也串了起来,顺带解决了他过去用AI的另一处别扭。公司以前试过不少工具:生图一个、查数一个、给经营建议的又是一个。员工得在几个平台间来回倒腾,把数据从一处搬到另一处,再靠人把结果拼到一起。陈林管那种状态叫“一排工具”——每样都能干一点,可凑不成一套完整的工作方法。

现在做图、查数、经营分析能在一个系统里跑通了。陈林先花约一周时间,拿Accio和原有流程的结果做对比,再放到非主力的新店上试。双11正忙,主店他不敢直接拿去冒险。

双11关键决策时,AI反驳了这位“老电商”

做电商20多年、常年给商家讲课的陈林,在测试期间头一回被AI“泼了冷水”。

当时团队想按老经验推一款大米体验装:把不同口感的大米做成500克小包装组合,让消费者一次买回去试吃。方案输进系统后,Accio却投了反对票。

AI的分析是,组合试吃装得花大量篇幅去解释不同米种的差别,更适合靠短视频和直播“种草”;而淘宝新店主要靠搜索成交、又缺品牌基础,买家往往目标明确、决策极快,很难耐着性子看懂一套复杂的组合产品。

上海老板带AI闯东北小城:改张图从等两天变十几分钟(配图 3)
陈林在吉林敦化的工厂车间

老经验被推翻,这位常年给商家讲课的“老电商”琢磨之后,决定听一回AI的。在靠经验吃饭的传统农产品电商里,AI开始对老板的判断提出不同意见。团队撤下复杂组合,重新调整单品规格、价格和页面,再放进新店测试。

大约两周后,新店测试的两个商品链接开始稳定起量,其中一个链接日销量一度超过1000单。

测试不到一个月,陈林很难把这波起量完全算在AI头上,但至少说明这条路走得通。比起眼前的销量,他更清楚AI现在的边界。眼下他还远不敢把生意整个交给AI。他发现,有些老员工一眼能看懂的表格,系统可能会读错;过去几个人凭经验心领神会的活,现在必须标准化留痕,AI才知道该怎么干。

从某种程度说,引进AI不只是换工具,也是在逼一家县城公司告别“作坊式经验”,把藏在人脑子里的生意经变成机器读得懂的数据资产。

另外,AI能提商品组合、定价和投放方面的建议,可它并不知道公司当天报过什么活动,也不清楚库存、资金、货盘和业务边界。

这意味着,企业得在权限可控的前提下,让AI读到更多真实的经营信息。陈林的说法是:“你必须把AI当成心腹员工,让它了解企业核心信息。你把它当工具,它能干的就是一线员工的活。”

“投资和人才不下县乡村”的魔咒正被打破

陈林的公司目前有三四十名员工,最初从上海带过来的人还剩三四个,其余大多招自敦化本地——有刚从中职毕业的年轻人,有婚育后重返职场的,也有从别的行业转来的新手。按过去的标准,这些连电商后台都没怎么摸过的本地人,很难迈进专业岗位的门槛。

引入AI之后,陈林招人的“尺子”变了。以前招美工,熟练用Photoshop是硬前提;现在他更看重基本审美、能不能把需求说清楚、能不能给AI纠错。他算过,有了AI帮忙,新人从入职到独立承担基础工作,时间从半年缩到了一两个月。商品判断、经营取舍和责任心,则放到真实业务里慢慢磨。

对敦化这样的小城来说,变化也在悄悄发生。AI没有凭空变出一支成熟团队,也没让陈林一夜之间扩招出成百上千个岗位——一次直播里,主持人夸他在当地创造了不少就业,他当场说了实话:“没有多少,还谈不上。”

可岗位数量之外,更深的变化落在具体的人身上:公司不必再靠主动给运营“降级”来迁就人才荒,一批原本被挡在专业门槛外的普通人,也能留在小城,吃上电商这碗饭。陈林说:“我没有突然培养出一批成熟人才。只是有了AI以后,什么样的人能成为人才,这件事变了。”

陈林并不是唯一想靠 AI 补齐经营短板的商家。按照 Accio 给出的数据,到 2026 年 7 月,这个平台的全球用户已经突破 1000 万,其中不少是一人公司、中小企业,也有源头工厂。美工、运营、数据分析这些岗位缺人手,AI 正被这些经营者拿来顶上。

最近,阿里旗下的1688也全面接入Accio,平台上的采购买家和源头工厂都能直接开通使用。1688上聚集了大量中小企业,不少进货商和工厂扎根在三四线城市、县城及偏远乡村。一位1688内部人士透露,随着产品入口开放,Accio正加快覆盖县城乃至偏远乡镇的经营者,越来越多像陈林这样的电商商家会用上,这有机会缓解县域电商人才缺乏的难题。

20多年前,淘宝让陈林这样一个学会计、毫无零售经验的上海年轻人,从拍照、上架、发货开始做起了生意;20多年后,在东北一座县级市里,AI又让一群没有完整电商履历的本地人,开始独立处理做图、查数和基础运营。

对人才充足的大城市来说,AI带来的首先是一场工具革命;到了小城市和偏远地区,它更可能成为革命的工具。资本与成熟人才 still 难以抵达县城的时候,AI开始把一部分做生意的能力带过去。“投资和人才不下县乡村”的魔咒,也由此一点点被打破。

原标题:《AI跨过山海关:当一个上海老板带着AI闯进东北小城》

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 盖茨再发警告:AI危险超核武,人类应对尚未就位

    “AI当然比核武器更危险。” 近日,比尔·盖茨在美国哥伦比亚广播公司(CBS)的播客《好问题》中警告,过去一年,AI模型已经跨过一些危险门槛,社会和政府却还没有做好准备。 从2023年宣告“AI时代已经开始”、强调风险可以管理,到今年8月发文提醒世界为动荡做准备,盖茨的警告越来越急迫。 “达到人类的智能水平之后,它也不

    来源 AI 行业观察
  2. 盖茨再谈AI风险:比核武器更危险,呼吁提前建机制

    “AI当然比核武器更危险。”近日,比尔·盖茨在美国哥伦比亚广播公司(CBS)的播客《好问题》中警告,过去一年,AI模型已经跨过一些危险门槛,社会和政府却还没有做好准备。从2023年宣告“AI时代已经开始”、强调风险可以管理,到今年8月发文提醒世界为动荡做准备,盖茨的警告越来越急迫。“达到人类的智能水平之后,它也不会停下

    来源 腾讯网
  3. 李开复:企业上了AI没见效,缺的是这两类人

    内容来源:笔记侠(Notemans)。责编 | 柒 第 9956 篇深度好文:4433字 | 11 分钟阅读思维方式43年前,一个年轻人申请卡内基梅隆大学博士时,在申请信里写下这样一句话:AI是人类认识并理解自己的最后一里路。那封信他一直留着。今天,这句话有了新解释:AI不替人定义意义,却让人重新证明自己的价值。11月

    来源 腾讯网
  4. Signal加密协议完成AI数学验证:形式化验证成本能降多少

    Signal的端到端加密协议完成了一项为期四周的AI辅助形式化验证,用数学方法检验其核心加密逻辑的正确性。这项实验的意义不止于Signal本身:它显示AI有望大幅降低形式化验证的门槛与成本,让这种过去只有少数专家才能驾驭的“数学体检”逐步走向工程实践。

    来源 AI 科技快讯
  5. Kora桌面系统登场:Cyanogen联合创始人做的Linux,专为本地AI用户

    Cyanogen联合创始人打造Kora,一款基于Linux、面向本地AI模型用户的桌面操作系统,被视为Windows与macOS的下一代替代方案。它瞄准需要高性能与可控性的高级用户,试图在隐私、开放性与AI工作流之间找到平衡。本文梳理Kora的定位、行业背景与潜在挑战。

    来源 AI 科技快讯
  6. Signal加密协议完成AI辅助数学验证:形式化验证门槛正在降低

    Signal的端到端加密协议完成了一项为期四周的AI辅助形式化验证,用数学方法检验其核心加密逻辑的正确性。这项实验的意义不止于Signal本身:它显示AI有望大幅降低形式化验证的门槛与成本,让这种过去只有少数专家才能驾驭的“数学体检”逐步走向工程实践。

    来源 AI 行业观察
  7. Cyanogen联合创始人打造Kora:面向AI极客的Linux桌面系统

    Cyanogen联合创始人打造Kora,一款基于Linux、面向本地AI模型用户的桌面操作系统,被视为Windows与macOS的下一代替代方案。它瞄准需要高性能与可控性的高级用户,试图在隐私、开放性与AI工作流之间找到平衡。本文梳理Kora的定位、行业背景与潜在挑战。

    来源 AI 行业观察
  8. AI成数学“神谕”:斯特罗加茨新书追问理解是否还在

    康奈尔大学数学家史蒂文·斯特罗加茨在新书《Big Math》中探讨AI对数学的冲击。当AI成为能瞬间给出答案却难以解释过程的神谕,这门以证明与理解为核心的学科将面临怎样的认识论挑战?本文从AlphaProof等前沿进展出发,分析AI如何改变数学研究、证明验证与人类直觉的角色,并追问:当答案唾手可得,我们还想理解什么。

    来源 AI 行业观察
  9. Radical Numerics推离线模型:断网也能识别AI工程病原体

    WIRED报道,初创公司Radical Numerics开发了一种可在无互联网连接环境下识别自然与AI工程病原体的模型。本文梳理其潜在价值、技术挑战与生物安全治理议题,并分析离线AI为何可能成为生物防御体系的重要补充。

    来源 AI 科技快讯
向下滚动自动加载更多