道阻且长

当大模型竞逐迈入第三年，作为消费符号的双 11，几乎每一年也成了大厂和创企们大秀 AI 电商肌肉的新舞台。

如果对比「AI 双 11」这三年的进化，仿佛走入一个大型的「新瓶装旧酒」现场：

越来越多的 AI 导购，层出不穷的营销、客服以及投放 Agent 产品，还有宣称取代主播的数字人，能「一秒出图」的 AIGC 创意生成工具 ......

天然具备数据和场景需求的电商，是 AI 最早落地的行业之一，也是离商业化最近的场景之一。今年双 11，电商巨头们没有再围绕单点 AI 能力讲故事，而是秀出全面的 AI 版图。

天猫总裁家洛将今年定义为「AI 全面落地的第一个双 11」。除了端出 C 端的 6 个 AI 导购产品外，B 端的 AI 工具也基本覆盖了电商人货场全链路，从经营分析、商品运营、人群运营、内容素材制作到投放策略优化，AI 似乎都能帮助品牌在流量内卷的大促里找到增长点。

京东也称，今年双 11 是京东 AI、大模型、机器人等技术融入程度最深的一届，不仅在双 11 前发布了全新的电商 AI 架构「Oxygen」，还首次把大规模投入的「超脑 + 狼族」智能设备集群，搬到了双 11 的技术舞台上，展露其「具身智能」的野心。

C 端精准的 AI 导购、B 端的商家经营助手，似乎在今年双 11 成为了现实，有媒体形容：" 今年双 11，我的 AI 比我还忙。""AI 拯救电商打工人 " 等等，我们和身处这股浪潮里的消费者、打工人们聊了聊，发现 AI 确实已深入了他们的实际工作上，也确实解决了部分问题。

但一些磨合和矛盾也在显现：AI 犯的错如何解决？AI 会不会取代我的岗位？当 AI 变得更懂我的需求，又会不会产生「过度理解」的新问题？

1、消费者：用 AI" 血拼 " 双 11，但信任却未完全 " 上车 "

今年双 11，用 DeepSeek 给自己做完购物攻略后，洋葱（化名）的购物体验确实变得更便捷了。她尝试过很多版提示词，比如将自己的预算和粗略的购物计划直接抛给 DeepSeek，但发现 AI 最终给出的价格预测并不准确，且无法提供跨平台的详细价格对比。

训了 AI 好几天，于是洋葱索性将自己购物的最后一步交给 AI：在支付前，让 AI 算出自己的双 11 购物折扣。

她先是将自己要买的商品让 AI 整理成表格，包括购物金、定金、尾款等，详细梳理自己的花费记录，随后又让 AI 帮忙算出商品的单价金额。" 我更多想让 AI 帮算清自己花多少钱，只要最终单价是划算的，说明就没有亏 "。

像洋葱这样用 AI 算清账的，只是「AI 导购」的一类目标群体，他们带着明确的购物目标，也大致清楚各平台的商品价格范围，使用 AI 只是想在既定选择里找到最有性价比的一个。

还有的消费者，对双 11 的购物攻略并没有详细的规划，他们更期待 AI 能尽力为自己包揽一切，贯穿产生购物需求、完成购买的整个过程。

双 11 恰逢手机厂商的「新机大战」，趁着国补，想要给自己换一部新手机的迪迪（化名）就让 Manus、ChatGPT Atlas 等 Agent 来为自己制定详细的购物攻略。

迪迪想入手一部 iPhone 17 Pro，但不知道怎么买更优惠。Manus 不仅端出了详细的购物节点和优惠折扣，甚至还给出了替代方案，对比了三星 Galaxy S25 Ultra、小米 17 Pro Max 等其他品牌的参数。使用 ChatGPT Atlas 的 Agent 模式，也就是 OpenAI 新浏览器，也能收获同等的效果。

使用 AI 来购物的人确实越来越多。OpenAI 此前的研究就发现，ChatGPT 每天收到的 25 亿条提示中，约有 2% 涉及「判断物品、服务或人员的质量」。

Adobe 公司今年九月的一项调查显示，逾三分之一消费者已在使用 AI 工具进行产品研究、获取推荐和寻找优惠。

OpenAI 在今年下半年已经开始加速自己的 AI 电商版图，一面是和 Shopify、沃尔玛等合作，另一面上线即时结账功能，打通「购物 - 交易」的闭环。

国内本就拥有电商业务的大厂，也从未放弃对 AI 导购的试探，端出 6 款产品的淘天，接入抖音商城的豆包，都已开始让 AI 为电商导流。

尽管用户有需求、大厂都在加速押注，并不意味着「AI 导购」就是富矿一片。

首先，用户体验端还存在诸多优化之处。

比如，迪迪就提到，Manus 给自己提供的优惠折扣并不准确："7699 元就能买到 iPhone 17 Pro 的 256GB 版，这根本不可能 "。她还提到，电商的折扣也随时都有变动，但 AI 攻略做不到实时动态调整。

还有用户则担心隐私问题。毕马威此前针对 1500 名美国消费者进行的一项调查就发现，43% 的人对公司使用 AI 分析他们的个人数据以提供购物推荐的想法感到不舒服。

其次，技术迭代也需要时间。

「AI 导购」依赖「人货」两端的长期技术进化，一方面，在「人」上，需要大量的用户行为数据积累，行业玩家需要在数据采集、数据合规、数据存储等多维度数据融合提升模型精度；在「货」上，则是通过 AI 迭代原有的搜推广基建，比如淘天就在 2025 年初对原有商品库进行了升级。

阿里巴巴中国电商事业群搜推智能总裁凯夫也提到："AI 的本质是对人的洞察，从原来基于标品关键词的描述，转向更深度、更个性化的理解。"

换言之，「AI 导购」想要更懂人心，就必须要建立和消费者的「强信任」关系，但眼下信任还未实现真正「上车」。

2、电商打工人：AI 比我忙了，但心也更累了

对不少电商打工人们来说，今年双 11，AI 终于比自己忙了。

谭思（化名）在一家五十人左右的在线教育企业，负责电商课程运营，每年双 11 都是一场压力测试，加班更是常态。今年双 11，公司引入 AI 应用于私域群发和前端获客咨询后，大大减轻了她的压力。

" 过去我们十几个运营助手要手动私戳十几万用户，去私戳发送「文案 + 课程链接 + 群链接」，现在 AI 介入后，只需要 2-3 人负责群发设置，AI 可以同一时间 N 个账号同时在跑，规划好结束时间就可以了 "。

谭思还提到，过去人力私戳用户，如果速度过快或超过一定数量，账号会被封禁，但公司目前在测试咨询 AI，模拟助手的回复去和用户交流，降低被封禁的风险。

不过，尽管 AI 降低了她过去的重复劳动，但谭思的焦虑也并没有缓解。

一方面，公司裁撤了一部分的外包，甚至是运营人员，这让她感到自己随时都有可能被 AI 替代；另一方面，AI 提效之后，双 11 的 KPI 压力更重了，运营工作被 AI 替代后，今年双 11，她的工作内容又多了其他平台的投放。

" 身体的劳累减轻了，但心更累了 "。谭思说。

比谭思更早体会到这种蔓延的焦虑，还有电商的投手们。

今年 30 岁刚从一家电商代运营企业离职的李楠（化名）告诉我们，投手们可能是最早对 AI 电商有直接体感的一群人。

" 你如果不拥抱 AI，就会被 AI 淘汰 "。李楠告诉我们，AI 自动化的营销投放解决方案已经遍地开花，海外如 Google 的 Performance Max、Meta 的 Advantage+，Tiktok 的 Smart+，国内如阿里妈妈的万相台 AI 无界，抖音的巨量引擎等。

过去投手们可能要手动去创建和设置人群包，设预算，定出价，24 小时盯账户、调预算，更是常态，但现在 AI 介入后，投放变得智能化：" 后台设置已经智能化了，AI 能测图，批量生成素材，投手只需要设预算，填转化目标就行 "。

但智能化也有「负面效应」。李楠有一次负责大健康行业客户的账户，就由于过度信任数据，ROI 最后的表现并不好，他身边也有不少做基础性工作的投手已经转行。在投手们看来，AI 确实节省了人力，从过去的熬夜盯账户转向关注到素材的把控和账户的运营上。

但李楠也提到，智能化也有代价，比如智能化带来了「黑盒化」。过去广告主可以手动控制，圈哪个人群包，做哪个创意，但现在智能投放一键托管后，透明度大大降低了。

这给打工人带来的困惑是，" 以前不少甲方就不懂投放，现在更不懂智能投放 "。当出现问题时，AI 算法的锅，究竟是 AI 来背，还是打工人来背？

3、AI 电商，道阻且长

尽管这是充满了「AI 味儿」的一届双 11，但距离 AI 电商的全面应用落地还有很长的时间。

一位淘天内部人士告诉「硅基研究室」：" 包括 AI 万能搜在内的 C 端导购产品目前节奏上还是在逐步调优，重点放在打磨产品上，未来肯定会有一定的商业化的空间，但需要等到成熟 "。

想要进一步优化用户体验，让搜索变得更精准，一方面需要用户高频地用，这也是为什么今年双 11 大厂集体发力「AI 导购」的原因所在；另一方面，平台需要围绕搜索词，和品牌打通数据体系，这都需要一定的时间周期。

向内看，在搜推广的技术基建上，各家也都在探索大模型时代的推荐模型。UCSD 的 SASRec、Meta 的 HSTU、谷歌的 TIGER、快手的 OneRec、美团的 MTGR 和 UNM 等，这些模型都在不断优化结构，但也普遍面临如数据的不稳定性、推理延时高、存储与计算成本较高等挑战。

社交平台 Pinterest 的首席执行官比尔 · 雷迪就曾表示，AI 购物将是一场持久战。" 这种由代理商帮你买下所有东西，你什么都不用做的想法，我认为要实现它，将会是一个非常非常漫长的周期。"

而在 AI 电商的商业化上，拥有电商业务的大厂自然能率先搭建「需求 - 推荐 - 交易」的内循环，但 AI 公司多大程度能借「电商变现」，还要打上重重的问号。

来自汉堡大学的研究者在最新的研究中就发现，ChatGPT 等新电商渠道短期内并未对谷歌等传统渠道产生影响。

研究者找了 973 个电商网站的真实数据，检查了 50000 个 ChatGPT 推荐，对比了赚钱能力（转化率、客单价等）和用户活跃度（跳出率、访问时长等）两个维度，发现传统渠道的表现依旧优于 ChatGPT。

这也进一步表明，AI 电商的用户渗透和商业化依旧道阻且长，今年双 11 抢着带货的 AI 们，还需要解决更多电商场景的复杂挑战。