你每个月进货花了20万，但真正卖出去的只有18.4万。那1.6万去哪了？没去你口袋，去了垃圾桶。

这是餐饮行业一个公开的秘密——食材损耗。行业平均数据是8%，你越做大，损耗的绝对值越大。5家店的小连锁，一年在食材上白扔的钱顶一个店长的年薪。

大多数老板的视角是这样的：看到月底采购单上的数字和营业额一比，觉得"毛利还行，就是赚得不多"。你算过实际卖出去的食材占你采购量的比例吗？

后厨积压的过期调味料、冰箱里放了两周的半成品、怕断货多订的那10箱饮料、每天卖不完只能倒掉的当日鲜品——每一笔都不大，但加在一起，一个月就是上万。

人工订货 vs AI进销存预测：差在哪

对比维度 传统人工订货 AI进销存预测
订货依据 店长凭经验——"上次进了多少，这次还进多少" 历史销量+天气+节假日+促销计划+季节性趋势，多维度建模
订货准确率 60-70%（全凭个人判断，换人就换标准） 90-95%（数据驱动，不依赖个人经验）
每月耗时 每个店长每周花3-5小时盘点算库存+下订单 每周15分钟审核AI建议的订单量，确认后一键下发
食材损耗率 6-10%（行业平均水平，部分品类高达15%） 1.5-3%（精细到周度、品类级的滚动预测）
断货风险 为了不断货，宁可多备20%-30%——损耗就是这么来的 智能安全库存+应急预留，断货率控制在2%以内
多店统一管理 每家店各自订货，总部月底才知道总数，对不上是常态 总部统一看板，所有门店库存实时可查，支持中央采购比价

一句话：损耗不是管不严，是算不准。算准了就管住了。

真实案例：一家做连锁简餐的品牌，AI省回15万食材

某连锁餐饮品牌有5家店面，主做简餐+饮品，月均食材采购额约28万。传统模式是每个店长各自写采购清单，汇总到总部采购处统一下单。看起来流程没问题，但问题在于——每个店长都怕断货。

怕断货的后果是什么？每类食材都往多了订。从统计看的实际数据：饮品和调味料的平均库存周转天数高达18天——而保质期就30天。半成品食材的每周到货量比实际销量平均高出25%，多出来的那部分要么进垃圾桶，要么变成员工餐。

他们接入了一套AI进销存系统，做了三件事：第一，把过去12个月每个店每天每个品类的销售数据喂进模型；第二，接入当地天气预报API和附近学校/企业的放假日历；第三，给每个店长配了一个移动端审核界面，每天早上查看AI的当日/周订货建议。

效果：前三个月过渡期，食材损耗率从平均7.8%降到4.2%，稳定运行半年后降到2.1%。一年算下来，食材采购总额从336万降到302万，省了34万。扣除AI工具的月费（约2000元）和对接系统的首年实施费用（3万），净省超过15万。更重要的是——断货率反而从以前的8%降到了1.5%，因为AI不是少订，是订得准。

具体怎么干？

第一步：把你的数据理清楚。AI预测的前提是数据。至少需要过去6-12个月每个店每天的：菜品销量（单品级）、食材出库记录、食材报废记录、促销活动安排。没有现成的数据系统？那就先从电子表格开始，每天记录出库和报废量。数据量够了再上工具。

第二步：选一个AI进销存工具。市面上有垂直餐饮的进销存SaaS产品，一般内置了AI预测模块，按门店数收费。也有通用型的进销存系统可以接大模型的API做定制预测。5家店以内的连锁，直接用SaaS产品，月费1000-3000元。超过10家店的需要评估是否要定制方案。

第三步：跑一个月的并行测试。不要第一天就停掉人工订货。让AI跑建议，但执行按人工来。对比一个月的数据：AI预测的用量和实际用量差多少，人工订货的损耗和AI建议的损耗差多少。有了对比数据，老板自己就知道该信谁。

第四步：逐步放权。先选一个品类（比如饮品——数据波动大但可预测性强）做自动化试点。跑通后再扩展到半成品、调味料、生鲜。每扩展一个品类就多省一笔。

说句大实话

你每个月采购单上的数字，你以为是成本，其实里面有接近10%是白扔的钱。你把这10%省下来，等于利润率凭空涨了1.5-3个点——不用多卖一碗面，不用多做一单外卖，只是少扔一点。

餐饮连锁的利润本来就薄。你能拿到的食材成本和隔壁老王家一样，你能卖的价格也差不多。唯一的差距就在损耗上：你损耗率8%，他损耗率2%，他的净利润就比你多6个点。

AI进销存不是什么弯道超车的高科技，它就是把你后厨那个"总怕不够"的店长换成一台会算账的机器。你不需要花大钱，不需要换团队，只需要把店长从"天天算库存"变成"审核AI的订货建议并做最终确认"——他省出来的时间还能干更有价值的事。

行动建议：明天让财务把最近三个月的采购明细和报废记录拉出来。如果采购金额的8%以上被报废了，这篇文章就值得你花一周时间试一试。