出品 | 何璽

排版 | 葉媛

AI大模型進入商業(yè)化新階段。

近期，豆包、騰訊元寶、Kimi等國內AI大模型紛紛在對話中加入電商平臺商品鏈接。更早之前，國外的ChatGPT已與沃爾瑪合作，支持用戶在聊天界面內直接完成下單支付。

從回答問題到上鏈接“帶貨”，AI工具正從“信息提供者”向“交易入口”轉型。這場靜悄悄的“改變”背后，是整個大模型行業(yè)在探索商業(yè)化道路上的一次關鍵轉向，有較為現實的壓力和需要。

那么，AI對話大模型會成為“帶貨”主流嗎？

下面，筆者就從AI大模型廠商的壓力和焦慮說起，聊聊個人的一些看法。

01

AI大模型廠商集體上鏈接“帶貨”的背后

從根本上說，大模型廠商紛紛上鏈接“帶貨”，最直接的驅動力是尋求商業(yè)變現，背后則是高企的成本壓力。

來看OpenAI最新發(fā)布的2025半年報，數據顯示，2025年上半年，OpenAI營收約為43億美元，同比增長16%，虧損卻高達135億美元。這筆錢主要流向了研發(fā)和ChatGPT的運營。

這種高成本是全行業(yè)的宿命。

公開數據顯示，2020年，訓練一個前沿模型僅需數百萬美元，而到2025年，這一數字已激增至3億美元以上，訓練成本正以驚人的速度攀升。硬件壟斷、能源消耗和高質量數據稀缺等多重因素疊加，將模型訓練變成了奢侈游戲。

除了模型訓練費用，日常運營更像燒錢競賽，頂尖AI工程師年薪動輒幾十萬美元，服務器運維團隊一年成本就要五十萬美元，再加上合規(guī)審查、碳抵消等隱性支出，賬單是越堆越高。

用戶使用時的“推理成本”同樣不容小覷。一次簡單的問答成本可能不到0.6美元，但如果是用智能體做復雜分析，成本直接達到上百美元，差距高達百倍。

有行業(yè)從業(yè)者直言，“大模型的訓練和推理就是一場‘燒錢競賽’。”

面對如此高昂的成本，傳統(tǒng)的變現模式顯得力不從心。即使是頭部玩家也扛不住這種壓力，不得不探索新的生存之道。

目前，大模型行業(yè)主要依賴三種變現模式：API調用、會員訂閱和企業(yè)定制化解決方案。其中，API調用是最主要的收入來源之一。今年前6個月，Anthropic的API收入達到31億美元，OpenAI為29億美元。但國內市場競爭激烈，API價格一降再降，從以前的幾毛錢降到現在的幾分錢，利潤空間被嚴重擠壓。

會員訂閱模式則是OpenAI一家獨大。其ChatGPT Plus會員費為每月20美元，年化經常性收入中約70%來自會員訂閱，約91億美元。 但OpenAI的付費會員占比僅為5%，顯示出訂閱模式的天花板。

定制化方面，企業(yè)客戶對高昂的部署費用望而卻步，個人用戶習慣了免費服務，付費意愿低迷。還有，很多廠商投入巨資研發(fā)的行業(yè)解決方案，要么和實際需求脫節(jié)，要么落地時面臨數據適配難題，變現效率大打折扣。

面對傳統(tǒng)變現模式的不足，大模型公司只能將目光轉向“離用戶更近”的變現方式：廣告和電商。而在這兩項中，廣告因可能損害用戶信任而被謹慎對待，電商則成了更優(yōu)選擇。因為與可能干擾用戶體驗的廣告相比，電商鏈接通常是對用戶主動提問的響應，感覺上更自然、干擾更小，所以被大模型廠商認為是當前更優(yōu)的變現模式。

總的來說，大模型廠商集體上鏈接“帶貨”這事，我們可以將其理解為行業(yè)在巨大成本壓力下追求商業(yè)變現的一次關鍵轉向和積極探索。

02

AI對話大模型會成為“帶貨”主流嗎？

聊完AI大模型廠商集體上鏈接”帶貨“背后的原因，接下來，筆者聊聊AI對話大模型是否會成為“帶貨”主流的看法。

在回答問題之前，我們先你來看看AI大模型“帶貨”的將會遭遇的難題。在筆者看來，AI大模型廠商“帶貨”至少會遭遇用戶信任基石被侵蝕、技術突破難、跨行業(yè)博弈遭阻擊三大難題。

用戶信任方面，從大模型開始推薦商品并尋求變現，其引以為傲的“客觀中立”立場其實就已經開始崩塌。用戶終究會懷疑：這個推薦是真的最適合我，還是平臺收了“廣告費”或傭金？這種懷疑會直接動搖用戶對AI的基本信任。這還不算最糟的情況，如果大模型始終無法實現盈利，平臺可能會從最初的“被動容忍”商業(yè)信息，轉向“主動、系統(tǒng)化地植入”廣告。這意味著用戶與AI的對話，可能不再是純凈的咨詢，而是精心設計的銷售話術。一旦大模型的核心算法目標被迫加入“帶貨”的權重時，它作為可信賴助手的“人設”也就走到了盡頭。

技術突破方面，用戶理想中的AI購物體驗，“自己動動嘴，AI搞定一切”，在當前的技術水平下，依然面臨諸多短期內難以逾越的障礙。比如，AI會給用戶推薦根本不存在的商品功能，或基于錯誤信息進行比價。根據筆者實測，當前AI大模型主要以來關鍵詞匹配商品鏈接，其相關性和準確性和成熟電商平臺推薦差距還很大。

此外，AI雖然擅長處理標準化的信息和基于歷史數據的預測，但對于需要情感、審美和復雜權衡的個性化消費決策（如“哪條裙子能讓我在聚會中顯得既優(yōu)雅又獨特？”），AI目前的理解依然膚淺，其推薦往往停留在表面。

簡單說，就是現在的AI大模型推薦一點不聰明，想要用它全面接管消費決策，無異于將重要的購物車交給一個時而走神、時而自作聰明的助手。很難讓人放心。

跨行業(yè)博弈方面，AI帶貨并非在真空中發(fā)展，傳統(tǒng)電商平臺的戒備心理也將阻礙其發(fā)展。據報道，電商平臺不愿將自家商品數據開放給外部AI產品，擔心會損害自己的流量入口、降低用戶粘性。對電商平臺而言，自己付出了昂貴的獲客成本，當然更希望將流量沉淀在內部，而不是把用戶的交易心智放在AI產品入口里。所以我們看到，就算是走在“帶貨”前面的ChatGPT，目前能在站內完成購買的電商平臺也僅有Etsy和Shopify等相對小眾的平臺。

可以預見的是，傳統(tǒng)電商平臺（如淘寶、京東）絕不會坐視大模型成為新的購物入口，從而讓自己“管道化”。它們必然會加固自己的護城河，例如通過深化供應鏈優(yōu)勢、優(yōu)化物流體驗、構建更封閉的生態(tài)來留住用戶。在未來一段時間里，AI大模型、電商平臺之間必有一戰(zhàn)。

一句話，電商巨頭們苦心經營多年的交易堡壘，絕不會輕易向AI敞開大門。

回答上面的問題，AI對話大模型上連接“帶貨”，確實是一個重要的方向，但其能否成為“主流”現在斷言還尚早。長遠來看，AI“帶貨”能否成為一種主流的購物方式，取決于大模型公司能否在推薦精準度、購物體驗流暢度和維護用戶信任度上取得實質性突破。

03

大模型“帶貨”時代，用戶、商家該如何應對

上面，筆者聊了AI大模型廠商集體上鏈接”帶貨“背后的原因，回答了AI對話大模型是否會成為“帶貨”主流的問題。接下來，筆者聊聊，大模型“帶貨”時代，用戶、商家該如何應對這種變化。

AI大模型“帶貨”時代，用戶的購物習慣正在悄然發(fā)生變化。傳統(tǒng)的“搜索-瀏覽-比較”模式正在被對話式購物取代。用戶不再需要面對海量商品信息茫然無措，而是可以通過自然語言對話，獲得個性化推薦。

然而，這種便利性也伴隨著新的挑戰(zhàn)。比如AI推薦的不透明性。筆者實測顯示，當詢問跨平臺比價時，不同AI助手可能給出有傾向性的建議，甚至出現與實際情況不符的“翻車”案例。更有消費者在社交媒體吐槽，AI推薦的商品在結算頁面的實際價格與其他平臺存在明顯差異。

面對不太聰明和可能有傾向性的AI大模型，用戶該如何應對呢？筆者看法是，普通人應該積極擁抱AI購物，成為一個清醒、主動的“智能消費者”。

比如，可以嘗試將AI視為一個強大的購物助手或超級參謀。AI在處理“滿減湊單”、對比平臺內復雜優(yōu)惠規(guī)則時，其計算速度和準確性遠超人工。我們可以安心地將這些“算術題”交給它，為自己節(jié)省精力。當然，我們也要清楚它的局限，比如對于跨平臺比價、推薦非標準化商品（如服飾、手工藝品）等復雜任務，目前的AI還不大“可信”。這時，它的建議可以作為“參考”，但不能作為“標準答案”。

此外，我們最好采用“交叉驗證”策略在AI購物中保護自己。首先是價格驗證，對于AI推薦的商品，務必手動切換到不同電商平臺的官方App，將商品加入購物車查看最終結算價格。這是戳破虛假比價最直接有效的方法；其次是信息核實，對于AI提供的產品信息、規(guī)格參數，特別是它推薦的一些不熟悉的品牌或書籍時，要有意識地去商品詳情頁、品牌官網或第三方評測平臺進行二次確認。如果有必要，還可以到線下門店去做比對；最后是對規(guī)則和細節(jié)的把握。比如使用AI購物功能時，留意其申請的數據權限。仔細閱讀相關用戶協議，了解個人信息將如何被收集和使用，謹慎對待過度索權的要求。此外，還要警惕沖動消費，AI可能會利用“限時優(yōu)惠”、“低價倒計時”等策略制造緊迫感。這時尤其需要冷靜，問自己是否真的需要，避免在對話的便利性中“手滑”下單。

一句話，與AI共舞的購物新時代，“信任，但驗證” 是核心原則。我們不要完全拒絕AI帶來的便利，但需要將它置于一個合理的位置——是超級參謀，但非決策的主人。

AI大模型帶貨時代，對商家而言，商品能否被AI“讀懂”并推薦變得關鍵。這不再僅僅依賴廣告投入，更取決于商品信息是否清晰、完整、準確，以便AI能更好地理解和匹配。

面對這種變化，商家該如何緊跟潮流，積極應對，獲得發(fā)展紅利？筆者的看法是商家要深刻理解AI帶貨的邏輯，主動擁抱AI，積極應對。

筆者建議商家從優(yōu)化商品信息、適應新邏輯、規(guī)避潛在風險等方面應對AI大模型“帶貨”帶來的變化。

AI大模型“帶貨”時代，您的商品信息就是與AI大模型“對話”的語言。說得越清晰、越標準，被理解和匹配的幾率就越高。為了讓AI讀懂并推薦自己的商品，商家不要在堆砌關鍵詞，而應采用清晰的結構描述產品，并詳細說明使用場景、解決的具體痛點以及適合的目標人群。例如，不僅僅說“便攜保溫杯”，可以描述為“適合通勤白領的500ml大容量保溫杯，可單手開啟，滿足全天候熱水需求”。類似這種，AI更容易識別和匹配這類信息。

此外，還要豐富且標準化的數據。確保商品圖片清晰、多角度，產品參數（如尺寸、材質、重量）完整準確。為商品打上豐富、準確的屬性標簽，這能極大幫助AI進行理解和分類。

光這樣還不夠，想要獲得AI大模型“帶貨”紅利，還需要理解AI帶貨的底層邏輯，并提前布局。商家要明白，AI大模型是對話，不是搜索。傳統(tǒng)的SEO針對的是關鍵詞搜索，而AI推薦更多基于自然語言對話。商家需要思考用戶會如何用口語化的方式描述需求，并據此優(yōu)化產品內容，例如在商品描述中融入更多生活化的使用場景和解決方案（比如上面的保溫杯推薦）。

如果有條件，建議組建AI效率小組，優(yōu)先部署內容生產與分發(fā)，訓練適應大模型的內容，確保大模型輸出內容符合“帶貨”需要。

當然，商家在擁抱AI的同時，也需保持警惕，規(guī)避風險。AI決策基于數據和模型，但市場是復雜多變的。商家應結合一線實際經驗進行判斷，避免完全被AI建議所主導，忽視市場的靈活性和人的創(chuàng)造性。

       原文標題 : 豆包、元寶、Kimi等AI大模型廠商集體上鏈接“帶貨”的背后