便利店的热气与背后的算法

凌晨两点，便利店关东煮的格子锅里冒出白茫茫的热气，模糊了玻璃罩。值夜班的店员打了个哈欠，顺手用夹子翻动了一下萝卜和竹轮。就在他做这个动作的同时，后台系统已经根据过去三小时的销售数据，把下一批需要补货的鱼丸数量调整了十二个。热气的形状没有规律，算法的曲线却精确到个位。这种反差每天都在无数个街角上演，没人觉得奇怪。

那台能记住每种丸子销量的机器，本质上是一串概率计算。它不管外面下没下雨，也不管刚下班的人是不是特别饿。它只认历史数据：周二凌晨两点到三点，鱼豆腐平均卖出七串，那就准备八串。误差在一到两串之间浮动，很少出错。人觉得这是智能，机器只是在做减法，把不确定的东西一点点削掉。

往前推三十年，同样一家便利店，补货靠的是店长的经验。他记得住附近工厂的倒班时间，也记得住哪个熟客爱吃魔芋丝。那种记忆会出错，会受情绪影响，但也能捕捉到数据看不见的东西。比如某个老顾客突然连着三天没来，店长会留一份他常买的组合，放在保温灯下多等一刻钟。算法不会等，它只会把滞销品下架。

现在的收银台旁边多了一块屏幕，滚动播放着根据天气和时段调整的推荐。下雨天推关东煮和热咖啡，晴天推冰镇饮料。路人扫一眼，觉得贴心。其实背后只是几个变量在打架：温度、湿度、历史转化率。屏幕不知道有个女孩每次加班到深夜都会买一份萝卜，只买萝卜。她今天没来，屏幕也不会失落。

真正改变的是速度。过去一家店调整菜单要等一周的销售周报，现在每卖出一串，数据就往上跳一格。供应链那边看到跳动的数字，冷链车在半夜就改变了路线。从昆山的仓库到上海内环的这家店，中间经过三次分拣，两次换车。每一环都盯着屏幕上的剩余库存，像接力赛一样把一盒鱼丸送进冷柜。热气的背后是一张不停收紧的网。

天快亮了，关东煮的汤底熬得发浑。店员把最后一串海带结捞出来，扔进旁边的废弃盒。系统提示他该清洗格子锅了，因为过去七天这个时间点的清洁记录都是准时的。他拧开水龙头，热水冲进锅里，蒸汽一下子涌上来，比刚才更浓。他伸手去够抹布，手背碰到滚烫的锅沿，缩了一下。机器没提醒他这个。