本文来自微信公众号：一鸣的AI交易思考，作者：刘宇轩，原文标题：《当ChatGPT陷入“数据混乱”：硅谷的焦虑与阿里千问的“笨办法”》，头图来自：视觉中国
涉及公司：$阿里巴巴、$OpenAI、$Google、$Preplexity、$亚马逊、$沃尔玛
2026年初，硅谷的科技圈发现，在ChatGPT里实现“一键购物”的愿景，比预期中来得更加艰难。
据The Information报道，尽管OpenAI高调宣布了与Shopify的深度合作，但直到今年1月，像Away行李箱（Shopify曾重点展示的合作品牌）这样的头部商家，依然未能上线聊天内直接购买功能。
另一位年营收约3亿美元的商家CEO，在申请加入测试后，被告知该功能推广缓慢，目前仍处于排队状态。
是什么在阻碍OpenAI做电商？
答案并非模型能力或算力问题，而是电商数据的“混乱现实”。在电商后台，一个简单的“有货”标签，可能意味着现货，也可能意味着“预售”或“调货中”。
AI Agent还难以处理这种跨系统的模糊定义，导致其在试图连接开放网络时，不得不面对价格不准、库存状态不明的尴尬。OpenAI不得不投入大量人力，与商家手动校对数据标准，导致进展缓慢。
过去二十年，互联网的商业模式建立在“点击（Click）”之上。但在AI Agent时代，商业的逻辑正在从“点击”进化为“指令（Command）”。
当OpenAI、Perplexity等硅谷“空军”，正试图在杂乱的开放网络中建立秩序时，旧世界的巨头们也做出了截然不同的反应：亚马逊选择筑起数据高墙以守卫其广告护城河，沃尔玛则激进地向AI开放其线下库存系统以求突围，Google试图通过全栈生态维持霸主地位，阿里也在展现另一种解法：利用既有的庞大生态，将AI变成了物理世界的“操作系统”。
巨头们频繁的动作，表明他们都盯着AI时代最激烈的战场——谁能成为那个新的“AI Layer”（AI层）？
这是一场从Ad-Tech（广告技术），向Agent-Tech（智能体技术）的商业模式跃迁。
摩根士丹利预测：到2030年，全球电商每10块钱里，就有1-2块钱，是由AI Agent“代劳”花出去的。对于电商平台和品牌商来说，如果不布局Agent，可能会失去这未来20%的市场份额。
一、硅谷的“空军”困境：OpenAI遭遇数据困境
在硅谷，OpenAI并不掩饰他们的野心——进军电商。
在最新的战略中，它推出了“Operator”智能体，并联合Stripe发布了ACP（Agentic Commerce Protocol，智能体商业协议），试图让ChatGPT直接切入交易环节。
然而，这个野心正撞上一堵厚重的墙：混乱的数据现实。
现实世界的电商数据，远比LLM训练所用的数据，要“脏”得多。OpenAI发现，如果不进行大量的手动调整，很难确保ChatGPT中显示的商品信息，与商家网站实时同步。
对某些Shopify商家来说，“库存”定义模糊不清，可能导致AI下错单，或承诺无法兑现的发货时间。
AI Agent如果不具备读取这些隐性商业规则的能力，就会导致灾难性的用户体验。这解释了为什么即便有Shopify和Stripe的加持，OpenAI的购物功能推广依然小心翼翼。
更深层的问题在于MoR（Merchant of Record名义商家）的归属。在交易中，谁是那个在法律上负责收款、退款、处理税务和纠纷的主体？
OpenAI明确表示不想做MoR，因为它不想陷入处理退货、客服纠纷的泥潭，这意味着它必须依赖Stripe和Shopify这样的中间层来协调。Perplexity曾尝试通过“Buy with Pro”自己做MoR，但这种模式风险极高，不仅要承担资金风险，还要建立庞大的售后团队，这对于一家轻资产的AI模型公司来说，几乎是不可承受之重。
AI Agent正在实现从“信息检索”到“任务执行”的跨越。在一个万圣节购物场景中，传统模式下，用户需要自己搜索“Top Gun夹克”、“墨镜”、“军靴”，可能要在淘宝、京东、亚马逊等不同平台分别下单，自己比价、自己凑单。而Agent模式下，用户的指令是模糊且基于场景的（“我想扮成Maverick”）。Agent具备了推理能力，它知道“Maverick =飞行夹克+墨镜+靴子+狗牌”。同时商品可能会来自eBay、DSW、Party City等不同平台，Agent本身将成为一个超级入口，它能跨平台聚合商品，并统一完成支付和物流追踪。用户不再面对一个个独立的App，而是面对Agent。图片来源：Morgan Stanley
另一方面，面对硅谷AI新贵们的进攻，旧世界的霸主亚马逊，则陷入了典型的“创新者窘境”。
亚马逊并非没有技术能力，其拥有庞大的云服务AWS和自研模型。但亚马逊面临一个尴尬的财务现实：其利润最丰厚的业务之一，是年收入高达680亿美元的广告业务。这笔收入建立在用户“搜索-浏览-点击广告”的链路之上。
如果一个完美的AI Agent直接帮用户选好了那个“唯一”的最佳商品，用户就不需要翻页，不需要点击那些排在后面的广告产品链接了。这意味着680亿美元的广告收入将瞬间蒸发。
因此，我们看到了亚马逊充满矛盾的“防御性动作”：一方面，它封锁Perplexity的爬虫，试图筑起数据的高墙；另一方面，它推出了自家的AI助手Rufus，但功能却被小心翼翼地限制，Rufus也不太好用，以免杀死自己的广告印钞机。
这就好比当年的柯达，发明了数码相机却不敢推广，因为卖胶卷太赚钱了，亚马逊还需要时间，来想清楚下一步要如何做。
不过在这种变局下，旧世界的其他玩家，也开始寻找突围路径。
谷歌的选择最高屋建瓴，开始“定标准”。在NRF 2026零售大会上，谷歌正式发布了UCP（Universal Commerce Protocol，通用商业协议）。与其亲自下场做电商或像亚马逊那样封锁数据，谷歌试图成为AI时代的“协议制定者”。
UCP旨在为不同AI Agent之间的交易，建立一套开源的通用语言，兼容A2A（Agent to Agent）和A2P（Agent to Protocol）标准。
谷歌的算盘很清楚：如果搜索入口注定要被AI Agent取代，那么它至少要定义AI之间如何对话的“语法”，从而保住其在数字商业中的核心地位。
而实体零售巨头沃尔玛，则选择向AI公司彻底开放“物理世界的API”。
沃尔玛不像亚马逊那样，背负着沉重的数字广告包袱。它拥有的是遍布全美的门店和实时库存数据。沃尔玛的策略是：既然我做不了最聪明的AI，那我就做所有AI背后那个最可靠的“超级履约中心”。通过开放API，无论用户是用ChatGPT还是Gemini下单，最后货都是从沃尔玛的货架上取走的。
这是“拥有数据者”对“拥有模型者”的一次反制，也是硅谷目前的战局：空军（模型公司）狂轰滥炸，但地面部队（零售商）紧守阵地，数据连接的“最后一公里”依然充满摩擦。
同时，AI也正在从“被动响应”到“主动预测”的进化。比如在一个每周杂货购物场景中，Agent不是在等用户下单，而是基于历史数据（History），主动发起对话：“早安Brian，这是你每周的采购清单”。用户可以说“我要做玉米片蘸酱”，Agent能理解这需要“玉米片+奶酪”，并自动调整购物车。这种能力将电商的频次从“按需购买”变成了“订阅式/管家式服务”，极大地增加了用户的粘性。图片来源：Morgan Stanley
二、重估“超级APP”
在硅谷AI新贵与巨头们探索API接口和数据标准时，大洋彼岸的阿里，正在开始一场“集团军作战”。
在Moffett Nathanson提出的“Push-Pull”模型中，AI通常被认为利好Push一端（生成内容更便宜），而威胁Pull一端（搜索被截流）。
消费互联网将如何受到AI的影响？Push-Pull模型。这张图超有价值！图片来源：Moffett Nathanson
与OpenAI一样，阿里在用Agent切交易时，也一样会面临电商的“数据泥潭”。
阿里的解决办法是——让千问App变成“C位”，倾全集团之力打造一个超级APP。在与阿里一位内部人士的调研中了解到，阿里会先选在外卖场景上，实现全闭环，让用户可以通过聊天来下达指令，千问App再去调用各个Agent来实现这个指令，并且能够完成支付。
如果我们细看，千问之所以能实现“一句话点奶茶”，核心在于阿里拥有数据的“所有权”。
这种方法是解决了最核心的利益谈判问题，但在技术层面上还需要面对一些数据难题。
如果这一切不是在内部发生，而是采取让不同的第三方Agent来串联干活，现在会非常影响最终任务的成功率，因为各个Agent的交付质量不一样，就会导致工作流有时就走不下去。
没有履约能力，没有精确到门牌号的POI（兴趣点）数据，AI只能陪你聊天，不能帮你办事，当AI拥有了调度数百万骑手的能力时，它就不再是一个聊天机器人，而是一个物理世界的操作系统。
而“本地生活”场景，无疑是AI与物理世界最高频、最复杂的交互界面。
这里不得不聊到豆包手机的尝试。这其实是一个非常前沿、有价值的先锋产品，但它太早了，以至于被其他大厂“围剿”，拍死在沙滩上。
豆包虽然拥有巨大的流量，但由于缺乏自有“物理生态”，只能通过不断截屏、上传云端识别、模拟点击的方式，来操作第三方外卖App。这种“外挂”式的技术路线，在速度和稳定性上，都有问题，在Agent能力不够的今天，最终任务成功率并不高。
所以一个全生态，在今天尤为重要。相信在OpenAI与谷歌Gemini的对决中，也一样会出现类似的问题。
三、当AI颠覆了广告收入，该靠什么赚钱？
过去二十年，谷歌和亚马逊本质上是全球最大的广告商。它们的商业模式是Ads（流量税）——用户搜索，平台展示广告，商家为点击付费，无论最终是否成交。
但在Agent-Tech时代，当AI Agent成为入口，用户不再浏览冗长的搜索结果页，广告展示的机会消失了。AI只会给出一个或几个最精准的“答案”。
这意味着商业模式将被迫从“流量税”，转向Take-Rate服务佣金。
广告费（CAC）本质上就是一种“抽佣”。在传统模式下，商家可能花费30%的成本购买广告来获得一个客户；但在Agentic Commerce模式下，这笔钱可能会转化为，支付给AI Agent的10%-15%的服务费（Take-Rate）。
这可能就是”流量税“模式的终结，与”服务佣金“的崛起。
这正如摩根大通（J.P. Morgan）分析师Alex Yao所指出的，互联网商业模式正在经历一次从“流量变现”到“服务变现”的重估。他认为，AI虽然大幅推高了单位算力成本（Token Cost），但也通过极高的转化率，打开了通向“Take-Rate（佣金率）”的大门。
传统的广告模式，本质上是在瓜分商家的“营销预算”，这个池子是有限的（通常占GMV的3%-5%）；而Agentic Commerce切入的是“交易佣金”，这个池子直接对应GMV本身。
对于平台而言，这是一种更健康的模式：收入从“为无效点击收费”，变成了“为成交结果收费”，这让收入质量提升。
摩根士丹利为各大零售商算了一本“生死账”。这张图为了回答了一个关键的财务问题：如果零售商必须向AI Agent支付佣金（比如5%），那么Agent带来的订单里，必须有多少比例是“全新增量”，零售商才不会亏本？这个“盈亏平衡点”在哪？
不过，这场变革对商家意味着什么？
这是一场效率与控制权的博弈。对于商家而言，直接流量（官网访问）曾是最值钱的，因为商家可以追踪用户的Pixel，分析用户的浏览路径，进行再营销。
AI Agent变成了一个超级“间接流量”来源。虽然它的转化率极高（从传统电商的3%提升到可能的30%），但商家失去了对用户行为数据的掌控。商家将不再知道用户“看了什么”，只知道用户“买了什么”。
在这个新世界里，SEO（搜索引擎优化）将消亡，取而代之的是GEO（生成式引擎优化，Generative Engine Optimization）。商家的目标不再是买一个显眼的广告位，而是如何让自己的商品数据结构化、标准化，从而进入AI的“推荐名单”。
那在这场洗牌中，谁会是赢家？
首先，基础设施提供商是结构性的赢家。后端的Stripe（支付基建）和Shopify（独立站基建）、支付等等，都是必不可少的“水和电”。
它们不参与前端的入口争夺，但所有交易都要经过它们。在AI Agent的世界里，支付和店铺基建是不可绕过的底层协议。
“物理世界API”的拥有者也是赢家。像阿里、沃尔玛这样拥有实时库存和履约能力的巨头，将掌握谈判的主动权。因为AI再聪明，也变不出一个汉堡，它必须调用拥有汉堡库存和配送能力的人。
而输家将是那些依靠信息不对称赚差价的中间商，以及依赖SEO堆砌关键词欺骗算法的商家。AI Agent具有阅读海量评论和数据的能力，它会无情地过滤掉那些“刷单”出来的虚假好评。在一个由AI筛选的世界里，平庸的商品将彻底失去能见度。
很明显，我们正在从Ad-Tech（广告技术）时代，迈向Agent-Tech（智能体技术）时代。
Morgan Stanley在这篇报告《Agentic Shoppers Are Coming...Who Could Win or Lose?》里，分析了当AI Agent普及时，谁会受伤，谁会受益？毕竟，流量漏斗重构了。
四、结语
Stripe CEO Patrick Collison在和Shopify CEO Tobi Lütke的访谈中，设想过一个情境：应该有人去构建一个“通用名录（Universal Catalog）”。
这个名录不仅仅是针对Shopify的商家，而是囊括世间万物——从耐克的跑鞋，到街边小店的奶茶，再到飞往伦敦的机票。这正是Agentic Commerce的终极梦想：用标准化的产品数据驱动AI Agent进行智能化购物。
在今天，“帮我找个露营帐篷”这样的Prompt依然过于笼统。但也许接下来，Agent就可以精准理解“我要一款重量低于2公斤、防风等级7级以上、且明晚之前就能送达的双人四季帐篷”这样的需求了。
而要实现这一点，不仅需要针对特定商品的模型，更需要极其丰富和结构化的元数据支撑，让AI Agent可以像读取数据库一样，去读取这个物理世界。
这场关于新“AI Layer”的战争，才刚刚开始。
谁能最先让AI从“连接信息”进化到“操作世界”，谁就将定义下一个时代的互联网——那不再是一个用来“逛”的数字橱窗，而是一个能听懂并执行人类指令的AI操作系统。
本文来自微信公众号：一鸣的AI交易思考，作者：刘宇轩
华泰优配提示：文章来自网络，不代表本站观点。
