外卖后台只给你一个总数，可你的菜单上有上百道菜

周一早上八点四十，一家开了四家店的小炒馆老板坐在办公室，翻上个月的外卖结算单。

总收入那个数字他看懂了。再往下拉，佣金、配送费、活动补贴、退款、餐盒费、平台服务费，一长串科目。他又打开自己那张Excel，两个总数差了几千块。查了两个小时，没查出来差在哪。

这种事，做餐饮的都不陌生。

我想说的是：算不清这笔账，跟你用哪个AI没有关系。卡点不在模型聪不聪明，在于你的菜单、配方、采购单、平台账单，本来就是四堆各说各话的数据。AI再有本事，它也不认识你菜单上那道“农家小炒肉”。

过去这活儿是怎么干的

大多数中小餐馆的毛利管理，其实只有三个动作。

老板凭感觉定价。青菜涨了，少卖点；猪肉贵了，菜单上把分量悄悄收一点。店长凭经验报单。今天卖了多少、剩了多少，写在本子上，或者干脆不写。会计月底把平台账单导出来，按总额入一笔账，把总账做平，交差。

至于单品毛利——堂食卖一份赚几块，外卖卖一份赚几块，基本没人算得出来。

不是不想算，是算不动。你菜单上有上百道菜，外卖平台上每道菜的成交价都不一样：满减摊下来是多少，活动补贴是平台出还是你出，配送费谁承担，退款算在哪一单。要把这些拆到每一道菜上，一个人一周都干不完，而且下个月规则一变，全废。

卡在哪：不是算不出，是四张表对不上

我见过最典型的四种断点，多数店里至少中两个。

第一，同一道菜有三个名字。后厨配方表上叫“小炒肉”，菜单上叫“农家小炒肉”，外卖平台上叫“农家小炒肉（单人份）”，采购系统里原材料写的是“猪肉-前腿”。AI去数，这是四样东西。

第二，配方没有版本，也没有损耗率。一斤肉出几份？切下来损耗多少？没人记。冷链化冻之后缩水多少？也没人记。算出来的成本只能是毛估。

第三，堂食和外卖共用一个配方，成本结构却完全不同。外卖多一个餐盒、多一次配送、多一笔平台抽成，米饭可能还少半份。用堂食的账去算外卖，结论一定是错的。

第四，平台账单里的科目是混的。佣金和配送费通常还好分，活动补贴最乱——有些是你出的，有些是平台出的，有些是各出一半，规则月月变。会计按总额入账，细项全埋在流水里。

代价是什么？你不敢调价，不敢砍菜，不敢报活动。因为你不知道哪道菜在赚钱、哪道菜在赔钱。更难受的是，你以为的爆款，很可能是负毛利。

这笔账你算一下：一个月外卖做三十万，如果其中两成营业额来自三道实际赔钱的菜，那你每个月在往外送钱，还送得挺开心。

接上AI之后，流程变成什么样

先说清楚，AI不是拿来“问一句”的。问它“我该给哪道菜涨价”，它一定给你一个听起来很对的答案，然后你照着做，月底发现更亏。

真正跑得通的流程，是四步。

第一步，先把菜单统一成一份能算的清单。 一道菜一个名字，一个配方，一个规格，一个损耗率，一个成本口径。这是最土、最慢、也最不能跳过的一步。

我们在这个场景里做事，这一步不是装模型，是陪着老板把菜单、配方、采购料号这三样东西对齐。做完之后有一份干净的“菜谱本体”——AI知道你有几家店、多少道菜、每道菜用多少克什么料、料是从哪个供应商什么价进的。

爱分析在2026年9月11日的一篇访谈里说得挺直白：企业AI落地的最大瓶颈，不是模型不够聪明，是AI不认识你的企业。文档问答走不进经营分析，幻觉根除不掉，根源都在这。他们把这个“让AI认识企业”的东西叫本体。名字怎么叫无所谓，道理是同一个：你不给它一张地图，它就只能在你的账本外面猜。

第二步，把平台账单拆成结构化的流水。 每一笔订单的科目分开，佣金、配送、补贴、退款各归各位，然后分摊到菜品上。这一步以前靠人做，一个月的量够一个会计做三天。现在让AI按规则跑一遍，几分钟出结果，人只需要复核异常的那几条。

第三步，出一份每天都能看的单品毛利表。 不是月底才看，是每天早上看前一天的。哪道菜在亏，亏多少，堂食和外卖分别什么情况，哪一个渠道的补贴吃掉了最多利润。

第四步，人确认，再动手。 改价、下架、调分量、换供应商，全部是老板点的确认。AI只负责把账算清、把异常挑出来。

最容易翻车的几步

第一坑，一上来就要算全店全品。上百道菜、四个渠道、三个月的账，一起算。结果数据一脏就全乱。正确的做法是先切一个口子：外卖渠道，最贵的那十道菜，最近一个月。跑通再扩。

第二坑，数据没洗干净就上模型。同一道菜三种写法还留着，AI算出来的一定是错的，而且错得理直气壮。

第三坑，让AI直接下单、直接调价。这一点必须钉死。分析和执行是两回事，分析完由人确认、一键执行，和让AI自动执行，风险边界完全不同。餐饮这种一天几十次决策的生意，任何自动改价都可能直接打到客人身上。

第四坑，只做表，不动流程。表躺在电脑里，没有任何人在任何时间点看它，等于零。必须挂一个固定动作：早会上花五分钟过一遍昨天的异常菜品和异常订单。谁看、几点看、看完谁负责改，这三件事定不下来，前面全白做。

第五坑，指望它替你做决定。它算得清一道菜赔八毛，但要不要为了引流继续卖，是你的判断，不是它的。

再驳一句：AI数数不准，会瞎编

这话说对了一半。通用模型自己去猜你的成本，确实会瞎编。

但这不是模型的毛病，是用法的问题。当你的菜单、配方、采购价、平台账单被组织成一张AI能读、能算、能调用的地图，它的每一次取值都必须落在这张地图里，不能自由发挥。取数准不准是设计出来的，不是模型自带的天赋。

还有个更常见的说法：这活儿我请个兼职会计，或者买个系统就行了。

会计能把总账做平，但她不会去帮你重建菜谱，那是另一门活。系统能记账，但字段是它定的，你的菜单不是它的核心，你多一道私房菜就得求人改一次配置。

再说一句可能不中听的：这活儿也不是大企业才配做。蚂蚁集团CEO韩歆毅在2026年9月9日的外滩大会上说，降低个人和中小企业使用AI的门槛，关键是把复杂的模型能力转成低成本、能直接解决实际问题的产品。餐饮老板每天面对的是几十道菜、几百笔订单，这个复杂度，恰好是AI处理起来最舒服的区间。

把话再往前推半步

算清单品毛利，不是为了每月省那几千块。是为了让你第一次知道，钱该往哪里投。

哪道菜该砍，哪个供应商该换，新菜上哪一类更能赚钱——这些决定以前靠感觉，现在有数顶着。

韩歆毅在同一场论坛上讲了个电气化的类比：真正推动经济跃迁的，不是发明电、建电厂，而是几十年后无数新电器、新服务、新生活方式出现。AI也一样，不能只停在存量提效。

放到餐馆里就是：你把每道菜的真实毛利算清楚了，不是为了把账做平，是为了敢上一道新菜、敢开一家新店、敢在别人都在降价的时候，把菜做好一点。

顺便提一句，就在2026年9