AI 对零售业就业与门店形态的影响

基本信息

阅读时间：约 30 分钟

字数：约 14,516 字

摘要：市场担心：AI 正在把零售业的一线岗位成批抹掉。全国主要连锁超市和便利店的自助结账渗透率已达 67%、一线城市新开门店超过 80% [4][13]；AI 数字人直播在电商直播中的渗透率超过 60%、成本仅为真人的十分之一 [9]；线下零售基础岗位招聘量同比下滑 32%，收银员岗位需求较五年前减少超过 70% [12]；同期永辉超市全年关闭 381 家门店、从 775 家减至 403 家，沃尔玛中国五年间关闭 151 家传统大卖场、从 412 家减至 261 家 [9]。以零售业 5,600 万人的就业规模 [1]为分母，任何两位数的岗位收缩都意味着数百万人的生计变动。

市场担心：AI 正在把零售业的一线岗位成批抹掉。全国主要连锁超市和便利店的自助结账渗透率已达 67%、一线城市新开门店超过 80% [4][13]；AI 数字人直播在电商直播中的渗透率超过 60%、成本仅为真人的十分之一 [9]；线下零售基础岗位招聘量同比下滑 32%，收银员岗位需求较五年前减少超过 70% [12]；同期永辉超市全年关闭 381 家门店、从 775 家减至 403 家，沃尔玛中国五年间关闭 151 家传统大卖场、从 412 家减至 261 家 [9]。以零售业 5,600 万人的就业规模 [1]为分母，任何两位数的岗位收缩都意味着数百万人的生计变动。

我们认为：「替代」这个动词被用错了对象。被替代的是任务，不是岗位。世界经济论坛的调查给出了一个更精确的框架：到 2030 年，全球约 1.7 亿个新岗位将被创造、9,200 万个岗位将被替代，净增约 7,800 万个，同时伴随 22% 的岗位变动率 [5][6][7]。在职业层面，衰退最快的职业第一位正是收银员与票务员，而增长最快的职业中却包含了商店销售人员 [6]。同一份报告里同时出现这两条，说明变化的实质不是「零售没人了」，而是「零售的人做着不同的事」——批判性技能被机器接手，异常处理、客户关系与系统协同被推到前台。

1. 任务层：零售岗位中被替代的主要是「重复性操作」与「标准规则决策」两类任务，而「异常与例外处理」「情感与关系」两类任务的可替代性最低；收银与结算、理货与库存两个职能的重复性任务占比最高，因此替代率最高；门店销售与导购、生鲜与餐饮服务的情感与关系任务占比最高，替代率最低（测算）；
2. 岗位层：任务被替代不等于岗位消失。按本报告测算，至 2030 年零售业将有约 2,300 万人受到任务层替代影响，其中约 640 万人转入新设岗位、约 1,208 万人转入其他职能、约 452 万人形成净减少（测算），净减少占当前零售业就业的 8.1%；
3. 技能层：变化最大的不是就业总量，而是技能结构。基础重复性操作类能力在零售岗位能力要求中的占比将由当前的约 55% 降至约 22%，而人机协同与异常处理类能力将由约 12% 升至约 28%（测算）。

本篇增量：第一，把 AI 在零售七个环节的渗透情况做成一张矩阵，并逐项标注「已发生 / 正在发生 / 推测」三档，让读者能分清哪些是事实、哪些是判断；第二，把零售岗位拆成四类任务，做「岗位 × 任务」的替代性评分，替代率由此推导而非直接给出；第三，做替代量、创造量与转岗承接量的三方分解，给出基准情景下至 2030 年约 452 万人的净减少测算，并给出快替代与慢替代两条边界；第四，给出三条可证伪条件，把「技术冲击」这个宏大叙事落成可以逐季核对的读数。

评估一项技术对就业的影响，第一步不是看它有多先进，而是看它已经落地到什么程度。本节按零售的七个环节——选品、定价、库存、门店运营、客服、营销、供应链——逐项给出当前渗透情况的实测读数，并标注证据档次。

门店运营环节的成熟度最高，因为它解决的问题最标准化。全国主要连锁超市和便利店的自助结账渗透率已达 67%，一线城市新开门店甚至超过 80% [4][13]；AI 收银设备的部署率为 22.5%，单台设备日均处理交易超过 800 笔 [9]；「即拿即走」技术已在 65.7% 的 24 小时便利店应用 [9]。这三个读数彼此印证：自助结账从「可选」变成了「标配」，而这正是收银职能被替代的直接机制。

营销与内容环节的成熟度被低估。电商直播中 AI 数字人的渗透率已超过 60%，成本仅为真人的十分之一，支持全天候运营 [9]。这个渗透率高于多数人的直觉判断，原因是数字人直播的主要内容工作量在脚本与选品，而非出镜表现——而脚本与选品恰好是大模型擅长处理的环节。

库存环节处在规模化落地阶段。智能货架与智能柜在 2025 年的保有量为 85.53 万台 [9]，配合 AI 视觉实现自动补货、动态预测与损耗管控，理货员的工作重心从体力搬运转为故障响应与货品纠错 [9]。这个转变方向很关键：它说明技术落地并不必然减少人头，但它必然改变人做什么。

门店运营的组织形态正在出现第三种选项。行业调研显示，融合「门店无人值守加云端人工在线实时支持」的人机混合门店，当前在无人零售新增落地中的占比达 42%，已超过纯无人门店与「日间有人、夜间自助」两种模式成为主流方案；该模式可将门店夜间订单占比提升 12% 至 15%、夜间客单价上浮约 20%，同时单店月度人力综合成本下降 38% [10]。2026 年新开无人超市中超过九成搭载一站式云端智能管理中台 [10]。这条数据的含义是：零售的技术路线选择了「人机混合」而不是「完全无人」——这直接决定了一线岗位不会归零。

相对而言，选品与定价两个环节的成熟度最低。它们的技术难点不在算法，而在数据质量与责任归属：选品失误的成本由谁承担、定价异常的责任由谁负责，在组织层面尚无标准答案。这也解释了为什么这两个环节的岗位（采购、选品、定价分析）目前受到的直接替代压力最小，但间接压力最大——它们的部分决策权正在被系统接管，而决策权一旦转移，岗位的存在理由就会弱化。

把七个环节按成熟度排序，可以得到一张清晰的技术落地梯度表。排序的依据是三个条件同时满足的程度：任务可标准化、数据可获取、责任可界定。门店运营与营销三项条件满足度最高，因此成熟度评分最高（4.5 至 4.7 分）；选品与定价在责任界定这一项上满足度最低，评分最低（2.7 至 3.0 分）；库存、客服、配送、供应链处在中间（3.2 至 4.0 分）（测算）。

本章把零售岗位拆开，这是全篇测算的基础。分析单元不是岗位而是任务，因为同一个岗位内部，不同任务的可替代性差异极大。一颗任务层面的显微镜，比岗位层面的望远镜看得更准。

零售岗位可以被拆成四类任务。第一类是重复性操作，特点是步骤固定、结果可验证、不需要判断，例如扫码收银、装袋、搬运、贴标；第二类是标准规则决策，特点是规则明确但需要少量判断，例如按补货阈值下单调拨、按话术处理常见咨询、按排班规则调班；第三类是异常与例外处理，特点是规则覆盖不到、需要现场判断，例如设备故障处理、顾客投诉升级、临期商品处置、突发客流疏导；第四类是情感与关系，特点是价值来自人际信任与情绪回应，例如导购推荐、熟客维护、生鲜加工的品质判断、门店氛围营造。

这张评分矩阵给出三条规律。第一，重复性操作的替代性在几乎所有岗位上都处于高位（3 至 5 分），这与自助结账 67% 的渗透率、智能柜 85.53 万台的保有量相互印证 [9][13]。第二，情感与关系的替代性在面向顾客的岗位上处于最低位（1 至 2 分），这解释了为什么「商店销售人员」会同时出现在增长最快的职业清单里 [6]。第三，采购选品与门店管理两个岗位的替代性集中在标准规则决策上（5 分与 3 分），这意味着它们面临的不是「人手减少」，而是「决策权上移」——算法接管常规决策后，这两个岗位的价值将集中在例外处理与跨系统判断上。

把任务评分与岗位人数相乘，就得到每个职能的加权替代率。按本报告测算，至 2030 年各职能的累计替代率为：收银与结算 90%（已发生阶段即达 70%）、理货与库存 60%、仓储与配送 45%、采购选品与供应链 40%、门店销售与导购 25%、门店管理 20%、生鲜与餐饮服务 12%（测算）。两个端点之间有 78 个百分点的落差——这个落差就是零售业就业冲击不均匀的根本原因：它不落在「零售人」身上，它落在「重复性任务占比高的人」身上。

需要强调的是，这组替代率是任务层的，不是岗位层的裁员率。两者的差额由两个渠道填补：一是同一岗位内未被替代的任务需要人来做（例如收银岗位转为终端引导与异常处理），二是同一企业内其他职能的吸收。行业观察已经记录了这个转变：收银员的角色转向终端引导与异常处理 [9][13]，理货员的工作重心从体力搬运转为故障响应与货品纠错 [9]，店长的职能从经验决策转向执行算法指令与处置异常 [9]。这三句话描述的是同一件事——岗位保留、任务重排。

本节把替代过程分成三个时间档，并按证据强度区分「已发生」「正在发生」「推测」。这个分档不是为了留后路，而是为了让读者知道每一句判断的证据强度。凡属「推测」的部分，本报告都给出对应的证伪条件。

已发生（约 2021 年至 2026 年）：收银与结算环节的标准化替代基本完成。自助结账渗透率达到 67% [4][13]，收银员岗位需求较五年前减少超过 70% [12]，线下零售基础岗位招聘量同比下滑 32% [12]。这一档的证据来自实测数据与招聘监测，可复核性最高。需要注意的是，这一档的替代高度集中在四五十岁、学历不高、长期从事简单重复操作的劳动者群体上，而这类群体的再就业难度显著高于其他群体 [11]。

正在发生（约 2026 年至 2028 年）：库存、客服、内容与配送四个环节加速。智能货架与智能柜 2025 年保有量 85.53 万台 [9]；AI 数字人直播渗透率超过 60% [9]；人机混合门店在新增落地中占比 42%，单店月度人力综合成本下降 38% [10]。这一档的证据来自行业调研与设备保有量，可复核性中等——保有量是硬数据，但「渗透率」的定义在不同机构之间尚未统一。

推测（约 2028 年至 2030 年）：门店形态的整体重构与岗位层的实质缩减。行业研究机构预测，到 2030 年无人配送将承担外卖行业 30% 以上的末端配送任务 [11]；参考基准是美团在 2025 年财报中披露无人配送已完成超过 500 万单 [11]。如果这一预测兑现，意味着至少两三百万个骑手岗位要被压缩 [11]。这一档的证据强度最低——它依赖线性外推而非实测，因此本报告对它给出的权重也最低：在第六章的测算中，2030 年的替代量级只比 2028 年高出约四成（测算），而不是翻倍。

三个时间档之间存在明确的先后依赖关系，这决定了替代不会是均匀加速的。收银环节之所以先完成，是因为它的任务完全标准化且责任界定清晰；库存与内容环节紧随其后，是因为设备与内容生产的标准化程度也已达标；而门店形态的整体重构之所以排到最后，是因为它需要前两个环节的数据基础与组织习惯同时到位。这条依赖链给的实务含义是：观察替代进度，看设备保有量比看技术发布会更有效。

门店形态是就业变化的物理载体。一个门店配置多少个人，比任何行业总量数据都更直接地决定岗位数量。本节用「单店人力配置」这一个可测量变量，把门店形态分成四个阶段，并给出每个阶段的触发条件。

阶段一，全人工门店。收银、理货、导购、加工全部由人完成，典型配置是单店 40 至 50 人（以大型综合超市为例，测算）。这个阶段的特征是：所有任务都有人做，但每项任务的效率完全依赖个人熟练度。

阶段二，自助化门店。自助收银替代重复性结算任务，人工收银台数量减少但保留引导岗。行业观察记录的场景是：一名员工从过去管两个收银台变为照看六台自助终端，工作内容变为引导使用、处理卡纸、照看设备 [9][13]。单店人力配置降至 25 至 32 人（测算）。中国零售业目前主体处在这个阶段——自助结账渗透率 67% 就是这一阶段的标志 [4][13]。

阶段三，人机混合门店。门店无人值守、云端人工在线支持，现场只保留异常处理与补货人员。这一模式在无人零售新增落地中占比已达 42% [10]，单店月度人力综合成本下降 38%，同时夜间订单占比提升 12% 至 15% [10]。单店人力配置降至 8 至 14 人（测算）。这个阶段的关键不是「无人」，而是人的位置从店内移到了云端——一个远程支持人员可以同时服务多家门店，这正是成本下降 38% 的真实来源。

阶段四，全无人门店。现场无固定员工，仅有周期性的补货与维护巡检。这个阶段目前只在极小范围试点，本报告把它归入「推测」档，理由不是技术不可行，而是客诉与异常处理的成本尚未被证明可接受。单店人力配置降至 1 至 3 人（按巡检人力摊分，测算）。

四个阶段之间存在一条重要的非线性：从阶段一到阶段二的减员幅度小于从阶段二到阶段三的减员幅度。原因是阶段一之中有大量无法被自助设备替代的任务（生鲜加工、现场服务、防损），而阶段二到阶段三的跨越中，云端集中化把「每店一份」的岗位变成了「多店共享一份」。这解释了一个容易被忽略的事实：门店无人化的效率红利，主要来自人力的空间集中，而不是人力的消失。

门店形态的落地节奏还受需求侧约束。2026 年 1—8 月分业态数据显示，便利店零售额同比增长 5.5%、超市增长 3.8%，而专业店下降 2.2%、百货店下降 3.0%、品牌专卖店下降 10.0% [14]。增速领先的业态（便利店、超市）恰好是标准化程度最高、最适合无人化的业态；增速落后的业态（百货、专卖店）依赖体验与导购，无人化的经济性反而更低。因此门店形态演化的速度在业态之间会显著分化，不会出现全行业齐步走的局面。

技术冲击从来不是单向的，它同时创造与摧毁。本章按岗位职能与产业环节两个维度，给出受益与受损的排序，并说明排序的依据不是价值判断，而是任务替代性的高低。

受损端的排序与上一章的替代率排序高度一致，但也有两处差异。受损最重的是人工收银（替代率 90%），其次是人工理货与盘点（60%）、基础分拣搬运（45%）、标准化导购（25%）、基础店务管理（20%）（测算）。两处差异是：第一，基础分拣搬运的受损程度高于其所在职能的整体替代率，因为它集中在仓储与配送职能中，而该职能内部的任务同质性最高；第二，基础店务管理的受损被低估——店长职能从经验决策转向执行算法指令与处置异常 [9]，这个转变虽然不直接减少人数，但会显著压低岗位的技能溢价与薪资水平。

受益端的排序则来自任务的反面。受益最直接的是智能设备运维，因为设备保有量在持续增长（智能柜 85.53 万台 [9]、AI 收银设备部署率 22.5% [9]），而设备必然需要现场维护；其次是远程监控与即时履约，因为人机混合模式需要云端支持人员 [10]；再次是数据与算法运营、内容与直播运营、自有品牌开发与品控（测算）。

这里需要插入一个重要的提醒：新岗位的技能门槛高于被替代岗位。世界经济论坛指出，受影响群体面临的困难不是「有没有新岗位」，而是「新岗位的技能要求与自身技能库之间的距离」——无人配送催生的无人机飞手、远程监控员、设备维护员等岗位需要技术门槛，与原骑手群体的技能重合度并不高 [11]。同样的逻辑适用于零售：从收银员转到远程支持人员，需要的是系统操作、异常判断与沟通能力，而这些能力在纯重复性操作岗位上是无法积累的。

产业环节层面的受益方与零售内部不同。受益的是提供无人化设备、云端管理中台与算法服务的技术供应商——2026 年新开无人超市中超过九成搭载一站式云端智能管理中台 [10]，这意味着技术供应商的收入与门店数量直接挂钩。受损的是依赖人力规模收费的传统服务外包方，包括以人数计价的保安、保洁、促销与理货外包服务商。这两端的差异说明：AI 对零售的冲击不只是零售企业内部的事，它会沿着服务外包链条向外传导。

本章把前五章的结论收敛成一组数字。测算框架是三方分解：任务层受影响人数 = 转岗至新设岗位 + 转岗至其他职能 + 净减少。这个恒等式的意义在于，它强迫每一个「替代」都找到去向，从而避免把任务替代量直接当作失业量。

受影响人数的合计约 2,301 万人，占零售业就业的 41.1%（测算）。这个数字看上去很大，但它不是失业数字——它是「需要重新安排工作内容的人数」。按世界经济论坛的调查，近半数雇主可能会将员工从易受人工智能影响的岗位转移到其他业务部门，这样既可以缓解技能短缺，又可以降低技术转型的人力成本 [8]。把这个逻辑翻译成体量：2,301 万人中，一部分被企业内部新设岗位吸收，一部分转入其他职能或行业，只有剩下的部分形成净减少。

新设岗位的体量按七个方向估算：智能设备运维与现场支持约 85 万人、数据与算法运营约 65 万人、即时零售履约与远程监控约 140 万人、内容与直播运营约 110 万人、自有品牌开发与供应链品控约 75 万人、客户体验与异常处理专员约 130 万人、门店体验设计与人机协同约 35 万人，合计约 640 万人（测算）。其中最值得关注的是「客户体验与异常处理专员」这一项——它正是被替代任务的镜像：机器接手了标准流程，人接手了流程处理不了的例外，而这个方向的人数反而在增加。

把三项代入恒等式：2,301 万人 = 640 万人（新设岗位吸收）+ 1,209 万人（转岗至其他职能）+ 452 万人（净减少）（测算）。净减少占 2026 年零售业就业的 8.1%，占受影响人数的 19.6%。需要说明的是，这 452 万人并不等于「失业 452 万人」——其中相当部分会通过自然减员（退休、主动离职后不补员）实现，而零售业的年龄结构偏大，自然减员的吸收能力不容忽视。

围绕净效应的速度，本报告给出三条边界。慢替代情景：技术落地受阻或需求扩张超预期吸收，净减少约 240 万人；基准情景：按当前的设备保有量增速与转岗承接率，净减少约 452 万人；快替代情景：技术成本快速下降且企业不建转岗通道，净减少约 620 万人（测算）。三条情景的差距（240 万人到 620 万人）约为 2.6 倍，这个倍数本身就是结论：政策与企业培训投入的效果，会直接决定这 380 万人的差额落在哪一侧。

最后是技能结构的测算，这也是本报告认为最值得关注的结论。零售岗位的能力要求中，基础重复性操作类能力的占比将由 2026 年的约 55% 降至 2030 年的约 22%；人机协同与异常处理类能力由约 12% 升至约 28%；客户与关系类能力由约 25% 升至约 32%；技术与数据类能力由约 8% 升至约 18%（测算）。技能结构的变动幅度（33 个百分点）远大于就业总量的变动幅度（8.1%），这个不对称是本报告最核心的结论：零售业的就业总量只会小幅收缩，但门店里每一个人的工作内容都会被重写。

以下风险与正文判断一一对应，按「劳动者—企业—行业与社会」三层列示：

1. （一）转岗通道不足的结构性失业
2. （二）年龄与学历结构错配
3. （三）新岗位技能门槛过高
4. （四）设备投入压垮小店现金
5. （五）无人门店客诉与信任风险
6. （六）数据与算法治理缺位

对号入座：（一）对应第六章，净减少 452 万人中相当部分依赖自然减员吸收（测算）；（二）对应第三章与第六章，收银员岗位需求较五年前减少超 70% [12]，而受影响最重的是四五十岁、学历不高的女性劳动者，再就业难度更大 [11]；（三）对应第五章，无人配送新岗位需要技术门槛、与原群体技能重合度不高 [11]；（四）对应第一章，人机混合门店前期需投入设备与云端中台 [10]，对单店现金流是压力；（五）对应第一章与第四章，全无人门店尚未被证明客诉与异常处理成本可接受（测算）；（六）对应第一章，选品与定价环节成熟度最低的原因正是责任归属不清（测算）。

三层风险之间存在一条贯穿的传导路径：企业端的技术投入 → 岗位任务重排 → 劳动者技能不匹配 → 转岗失败 → 净减少放大 → 消费能力下降 → 零售需求收缩 → 企业进一步用自动化压缩成本。这条闭环的关键节点是「转岗失败」而不是「技术应用」——因为如果转岗通道有效，同样程度的技术应用只对应约 240 万人的净减少，而不是 452 万人（测算）。这也是本报告反复强调边界情景（慢替代与快替代之间相差约 380 万人）的原因。

还有一条容易被忽略的风险来自培训供给的时滞。世界经济论坛的调查显示，59% 的工人需要培训，但雇主预期其中 11% 将完全错失培训机会 [5][8]；同时 85% 的雇主计划优先开展技能升级 [5]，也就是说投入意愿存在，缺口在执行能力上。对零售业而言，这个时滞尤其关键，因为受影响的岗位多分布在中小连锁与个体工商户，而它们普遍缺乏建制化的培训体系。

本报告不提供任何就业预测的确定性结论，也不对任何企业或群体的用工决策作出评价。所有列示读数均来自公开披露，用于说明技术冲击的传导机制与量级。

结论一：被替代的是任务，不是岗位。零售业 5,600 万人的就业基数 [1]不会归零，但其中约 2,301 万人（41.1%）的工作内容会被重排（测算）。判断这一点的证据来自技术路线选择本身——人机混合门店在无人零售新增落地中占比 42%、已超过纯无人门店 [10]，说明行业选择了「人机协同」而不是「完全无人」。

结论二：净就业变化的量级远小于任务替代的量级。在基准情景下，至 2030 年零售业就业净减少约 452 万人，占当前就业的 8.1%（测算）；慢替代与快替代两条边界分别为 240 万人与 620 万人。这条结论的实务含义是：真正需要担心的不是「零售没有岗位了」，而是「被替代的人能不能接上新岗位」。

结论三：替代压力高度不均匀，落在重复性任务占比高的职能上。各职能替代率从生鲜与餐饮服务的 12% 到收银与结算的 90%，落差 78 个百分点（测算）。受影响最集中的群体是四五十岁、学历不高、长期从事简单重复操作的劳动者 [11][12]，而他们转入新岗位的难度最高——这是本报告认为最需要被正视的结构性问题。

结论四：技能结构的变动幅度（33 个百分点）远大于就业总量的变动幅度（8.1%）。基础重复性操作类能力在零售岗位能力要求中的占比将由约 55% 降至约 22%，人机协同与异常处理类能力由约 12% 升至约 28%（测算）。换句话说：零售业的就业总量只会小幅收缩，但门店里每一个人的工作内容都会被重写。

结论五：门店形态的演化红利来自人力的空间集中，而不是人力的消失。人机混合模式单店月度人力综合成本下降 38% [10]，来源是一个远程支持人员可以服务多家门店；而门店形态的落地速度在业态之间会显著分化——便利店（+5.5%）与超市（+3.8%）这类标准化业态推进最快，百货店（−3.0%）与品牌专卖店（−10.0%）依赖现场体验、推进最慢 [14]。

需持续跟踪四个观察指标，作为上述判断的验证锚点：

1. 分职能的零售岗位数量年度变化（验证任务与岗位是否分离，证伪线为总量降幅超替代率）；
2. 企业内部转岗人数占比与培训覆盖率（验证转岗通道有效性，证伪线为转岗率低于三成）；
3. 新设岗位的内部填充比例与到岗周期（验证技能门槛，证伪线为内部填充不足两成）；
4. 各类零售智能设备的年度保有量与增速（验证替代节奏，证伪线为保有量增速连续两年回落）。

本报告共设六条可证伪链，覆盖摘要的任务与岗位分离口径、技术路线选择、替代压力分布、替代推进顺序、门店形态红利来源与技能结构不对称。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：国家统计局的就业与劳动工资数据、政府部门的公开讲话与统计口径数据，可直接复核；
• [T2]机构二手口径：国际组织（世界经济论坛）的雇主调查与行业机构的市场报告，方法与样本公开但口径可能与国内统计体系不一致；
• [T3]媒体转引或第三方汇总口径：权威媒体转引的行业调研、第三方机构的设备保有量与渗透率数据，未经审计，仅用于交叉验证与量级参照；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

本报告实际用到的数据档次逐条落位如下。零售业就业规模、批发和零售业增加值与法人单位数 [1]、全国就业人员总数与服务就业占比 [2]、分行业就业人数与年平均工资 [3]为 [T1]；世界经济论坛《2025 年未来就业报告》的岗位创造与替代总量、职业增减排序、技能变动与雇主行为调查 [5][6][7][8]为 [T2]；中国连锁经营协会的自助结账渗透率 [4][13]、AI 收银设备部署率与智能柜保有量、数字人直播渗透率、无人零售市场规模 [9]、人机混合门店占比与人力成本降幅 [10]、无人配送单量与 2030 年占比预测 [11]、线下零售基础岗位招聘监测 [12]、分业态零售额增速 [14]、连锁百强与折扣零售企业增速 [15]、即时零售规模与用户 [16]为 [T3]。

本报告需要特别提示两处口径问题。第一，零售业就业规模存在两个口径：商务部流通业发展司给出的零售业吸纳就业总数超过 5,600 万人 [1]，而按统计年鉴的行业划分，批发和零售业就业人数为 5,325.8 万人 [3]。两者的统计范围不同（前者为零售业，后者含批发业），本报告在总量测算中采用 5,600 万人这一较大口径，并把它作为零售业就业基数的上限。第二，各类「渗透率」的定义在不同机构之间尚未统一：自助结账渗透率可能按门店数、按终端数或按交易笔数统计，不同口径下的读数差异可达 20 个百分点以上，因此本报告只在方向性判断中引用，不用于精确测算。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果。核心测算框架为三方分解恒等式：任务层受影响人数 = 新设岗位吸收 + 其他职能转岗承接 + 净减少。参数取值方式如下：各职能 2026 年就业量由零售业就业总量 5,600 万人 [1]按职能结构拆分（拆分比例为本报告假设，合计等于总量）；各职能替代率由「岗位 × 任务」替代性评分矩阵（0 至 5 分）加权得出；新设岗位的七个方向体量由设备保有量、门店数量与配比假设推导；净减少取 452 万人（基准），边界情景分别为 240 万人与 620 万人。技能结构比例的 2026 年基准值由零售岗位任务分解得到，2030 年值为按替代率外推的结果。所有假设均为本报告的建模选择而非数据事实，在外部锚缺失处已明确标注为假设，读者可据此重新赋值得出自己的结果。