车一到就认出你：星巴克要把得来速菜单改成 AI 实时生成的

开车进得来速，你看到的菜单牌通常是固定的：几款主打、几款新品、几行小字。星巴克想在不久的将来换掉这块牌子——车开到窗口前，屏幕上的内容可能已经根据你是谁、你常点什么、此刻几点，重新排过一遍。

一分钟速览

• 星巴克 CEO 布莱恩·尼科尔在财报电话会上表示，将探索“识别参与顾客、呈现个性化数字菜单、让支付更省事”的体验。
• 2027 年起，星巴克将测试在得来速场景使用后台 AI 模型，帮助店员更准确、更高效地录入订单。
• 公司还计划把 AI 接入 App 的搜索与发现功能，未来可能支持对话式乃至代理式下单。
• 星巴克此前已允许顾客通过 ChatGPT 下单，并上线了面向员工的 AI 助手 Green Dot Assist，可查询配方与服务标准。
• 塔可钟在试验“逐车”改变数字菜单板的布局、内容与视觉；麦当劳的 ArchIQ 聊天机器人能识别常客并让他们点“老样子”。
• 尼科尔强调这一切仍然“很早”，会先测试、再学习、最后规模化。

菜单从静态变成推断

尼科尔的原话是“识别参与顾客”（recognize participating customers）。这几个字很关键：不是识别所有人，而是识别愿意加入这套体验的人。个性化菜单的前提是知道你是谁、买过什么、现在需要什么，而这些信息只能来自会员体系与历史订单。星巴克在美国有庞大的会员基础，这让它比多数餐饮品牌更有条件做这件事。

技术上并不神秘。数字菜单板本来就是一串可编排的内容，接入用户画像和实时库存之后，排序、推荐、甚至视觉呈现都可以按车调整。真正难的是后台：要在几秒钟内完成身份匹配、偏好计算、库存校验，还要保证店员能看懂、能改、能兜底。点单是一个容错率很低的场景，推荐错了不只是转化率问题，还会堵住整条车道。

为什么是现在

餐饮业的利润结构正在被两件事挤压：人力成本和订单复杂度。得来速的痛点尤其明显——店员要一边听、一边记、一边确认，遇到口音、背景噪音、临时改单，出错率就上去了。用后台模型把语音转成结构化订单，再由店员核对，是投入产出比最直接的一步。星巴克把这件事排在 2027 年测试，说明它还处在验证阶段，不是马上铺开。

另一条线是渠道。星巴克已经允许顾客通过 ChatGPT 下单，这说明它在为“AI 代理替你买咖啡”做准备。如果未来用户习惯让助手代办日常消费，品牌需要保证自己在这些代理的候选清单里，并且能接住结构化订单。个性化菜单是同一套逻辑的线下版本：把选择权从顾客的即时注意力，转移到系统对偏好的推断上。

同行的动作说明了方向

塔可钟在试验的技术，可以按“一辆车一辆车”地改变数字菜单板的布局、内容和视觉；麦当劳最近展示的 ArchIQ 聊天机器人，能在少数得来速识别回头客，直接让他们点“老样子”。三家的路径不完全一样，但指向同一个判断：点单界面会从“人找商品”变成“系统猜人”。

这也把隐私问题摆到了台面上。识别常客、记住偏好、预测需求，每一条都建立在数据积累上。星巴克用“参与顾客”这个词，实际上是在给自己留出授权边界：加入会员、同意条款的人进入个性化池，其他人看到的仍是标准菜单。这条边界划得清不清楚，会直接决定舆论的反应。

趋势洞察

零售与餐饮的 AI 落地，正在从“客服机器人”转向“交易界面”。前者只影响体验，后者直接影响客单价与出杯速度，也更容易算清投资回报。但交易界面的容错空间极小：一次错误推荐、一次识别失败，用户感受到的不是“AI 还年轻”，而是“这家店变麻烦了”。星巴克说会“测试、学习、规模化”，这句话听着保守，其实是这类场景唯一稳妥的节奏。真正的分水岭不在于谁的模型更聪明，而在于谁能在几秒钟内把推荐做得足够准，又随时能被店员一键接管。