文 | 增长黑盒Growthbox
3月4日凌晨，千问的技术负责人林俊旸在 X 上官宣离职，紧接着，多位千问的核心成员也宣布离开。一石激起千层浪。
就在前一天，Qwen3.5小尺寸模型系列刚刚发布，引来了马斯克点赞；再之前，千问投入了30亿请用户喝奶茶，一举成为了互联网大厂在春节营销战场中出手最阔绰的那个。
砸钱的效果很显著。根据QuestMobile数据，千问APP日活从百万级直接飙升至7352万的峰值，最高增幅达940%。整个春节期间，超过1.3亿用户通过千问下单，累计产生近2亿笔「一句话」订单，单日峰值突破1500万单。
可是资本市场却显得有些寂寥，年后阿里的股价连续下跌，还有网友戏称：原来阿里是拿着股民朋友们的钱请大家喝奶茶啊！
用户增长和资本信心下降形成的反差，似乎在昨日的离职风波中凸显了一点缘由。X平台上有博主透露，在巨大的商业变现压力下，千问尝试引入DAU、留存率等典型的C端消费级产品运营指标，作为底层基座模型研发团队的核心KPI。
因此我们猜想，千问拧巴的现状可能是出于有点“急功近利”。在增长黑盒看来，AI大模型的商业化变现是早晚的一步，但可能千问的这一步迈得有点早、也有点急。
不过，我们更好奇的是，抛开眼前的市场情绪，深究一下千问目前的探索阶段能给消费者、给品牌方带来什么样的启发：
在深入进行了数据分析和专家访谈后，我们得出了一个新的判断：阿里这30亿，押注的不是流量而是一个全新的电商范式 - 让人类把决策权让渡给AI。
这篇文章，我们会完整拆解这个判断背后的逻辑、数据和战略图景，以及品牌商家应对未来趋势的新思路。
PART1 为什么"替用户决策"是新的增长引擎
要理解阿里为什么愿意为此砸30亿，我们需要先看到一个容易被忽视的结构性问题：中国网民人数和互联网渗透率在持续上升，然而最近四年电商渗透率却几乎停滞了增长。
过去20年，支付、物流、价格等问题被逐一解决了，但"帮每一个用户个性化地做决策"这件事，始终没有一个可规模化的解决方案 - 这也成为了电商业务增量的卡点之一。
一方面是信息过载，主要影响的是城市和年轻用户。埃森哲 2025中国消费者洞察报告的数据显示：76%的中国消费者曾因选项过多或决策困难而放弃购买。品牌忠诚度在持续下滑，55%的消费者即使有偏好品牌，也要反复比较多个替代选项才下单，而这个比例在2021年只有42%。
而传统"帮助用户决策"的方式正在集体失效。70%的消费者对营销内容感到无感或抵触，仅32%认为内容驱动了自己的购买行为。
另一方面是能力门槛，主要影响的是下沉市场和中老年用户。根据CNNIC数据，近年新增网民以农村地区和50岁以上人群为主体—他们是互联网渗透率增长的主力军。这批人已经能上网、能支付，但面对电商平台的搜索、筛选、比价、评价体系，存在明显的操作障碍。
很难想象的是，今天仍然有2亿以上中国人不会操作复制粘贴，有超过4亿人不会上网发表观点。
CNNIC定义的7项核心数字技能中，"搜索信息并辨别真伪"仅有27.2%的网民能熟练掌握，“支付操作（绑卡/支付）”仅有39.6% 能熟练操作。
而AI，天生就是帮助用户来解决这些问题的。
AI不需要用户精确表达需求。"周末露营带什么吃的"这样模糊的、场景化的描述就能被理解和转化为具体的商品推荐。它不需要用户耗费精力搜索、比价、筛选，两三轮对话就能走完从需求理解到下单的全流程。基于用户个性化的信息和意图理解，AI甚至能推荐用户"自己都没想到"的解决方案，帮助用户发现新品牌和新产品。
淘宝推荐算法负责人姜宇宁有一个核心观点："如果你只推低价商品，是不需要用大语言模型的。" LLM 的真正价值在于理解复杂、模糊、场景化的需求，然后匹配长尾商品。
淘宝内部的大模型RecGPT数据显示：LLM对"探索圈"（用户发现新品类）的效率提升超过50%，而对"效率圈"（已知偏好匹配）的提升仅为个位数—这是因为传统推荐系统在效率圈的baseline已经非常高。LLM 的核心战场是帮助消费者打破信息茧房、激活长尾供给。
毋容置疑，用户的行为已经在发生结构性迁移—第57次《中国互联网络发展状况统计报告》显示，2025 年中国AI使用人群已超过6亿，同比增长140%+。
增长黑盒在 2025 年末的调研也发现 AI 辅助消费决策的渗透率超过了 40%。也就是说，每年至少有 2.4 亿人在用 AI 购物，且这个数字会随着 AI 普及快速增长，全民普及只是时间问题。
随着全新的用户旅程形成，电商的新增长有可能被进一步打开，新的商机也随之而来。不过，究竟怎样的形态能够更丝滑的满足用户需求，是当下平台入口与商家要共同探索的课题，千问的表现也更有必要去关注一下。
PART2 千问实践：从AI搜索到AI替你买
千问C端事业群负责人吴嘉表示："我们真正想的是，要让AI融进老百姓的日常生活场景中，AI点一杯奶茶也好、买一张电影票也好，可能看似简单，但这是AI第一次真正参与到消费者的真实消费决策和执行链条中来，这不是卷流量，是未来一定会发生的事。"
他把春节大免单称为一次"AI压力测试"—测试的不是补贴能拉多少用户，而是AI能不能真的替人做消费决策。
在千问APP里，用户不再需要输入"华为手机"这样精确的关键词。他们会说："我们家是复式楼，有两层，我需要一个既能扫一楼也能扫二楼的机器人。"或者："过年回家，想给家里35到50岁的阿姨们买面霜，请推荐。"
这种搜索方式和传统电商有本质区别：
淘宝搜索的平均输入是7到8个字，基本是品牌名+品类——用户必须先知道自己要什么，才能搜到什么；
千问的平均query长度是20到30个字，对于场景的上下文理解大于单一的品类或品牌。AI需要从场景中理解需求，再把需求翻译成具体的商品推荐。
更重要的是，AI做了一件传统搜索做不到的事：横向比价和真实评价筛选。用户可以让千问同时比较三款手机的性价比、配置、AI功能，AI会读取大量产品信息后生成对比表格。而在传统电商里，你打开商品评论，前100条可能都是刷出来的—AI能看到全部评价，把真实的highlight挑出来给你。
这套交互方式带来了一个直观的结果：千问总体用户平均每次对话持续7轮，停留时长18分钟，表现优于竞品。
增长黑盒的调研显示，1月26日千问全面开放消费功能之前，消费决策相关提问占比不到20%，排在知识问答和AI创作之后。开放当天，消费类占比直接跳升到30%以上，并在随后两周稳定在35%到40%之间，成为千问的第一大使用场景。
从消费类提问的结构来看：闪购（本地生活）占65%，淘宝（电商）占15%到25%，飞猪（出行）约占20%。闪购排名第一的品类是奶茶，其次是咖啡、早餐、中晚餐，高频用户一天能产生三单。淘宝侧的前四大品类是女装、3C数码、母婴和美妆。
千问APP端日均会产生6000万次购物相关提问，其中62%会触发商品推荐链接—也就是每天大约3700万次消费对话会产生可购买的结果。
补贴前千问的消费转化率只有3%到4%，补贴后则直接翻倍超过了 8%。而淘宝传统搜索的转化率不到3%，即便扣除补贴因素，千问的对话式搜索在转化效率上也已经超过了传统货架式搜索。
闪购的闭环能力尤其突出——82%的闪购用户在千问内部完成了从对话到下单的全流程，只有18%跳转到外部APP（主要是查看骑手状态或浏览更多选项）。淘宝侧由于暂时还只能展示商品卡片、不能直接下单，45%的用户在千问完成"种草"后跳转到淘宝APP进一步研究和加购。
毁单率小于 10%—用户下单后发现AI推荐的不完全是自己想要的，比如点了大杯送来中杯。这个数字在内部被认为是可接受的，因为对话式购物的界面展现还在打磨中，随着体验优化，这个比例会持续下降。
但真正值得关注的是阿里系本身的增量。
千问的核心用户画像是15到35岁，占比67%；一线城市占52%；闪购场景中学生和职场人合计占78%。这个画像指向一个关键事实：千问每月新增的近千万用户，约2/3是增量——他们此前在淘宝处于低频甚至僵尸状态，是AI购物的新交互方式把他们重新激活的。
这不是从淘宝分流，而是阿里生态的真实扩容。千问内部对此有清晰的定位区分：
淘宝APP内置的"AI万能搜"定位为存量用户的copilot，服务的是25到45岁、有购买意图但需求模糊的女性用户——她们已经在逛淘宝，只是需要AI帮忙缩短决策链路。
千问APP定位为"AI原住民的战略入口"，核心用户是00后和10后，这些人从接触互联网起就习惯了用AI找信息、找服务，千问要做的是让他们的第一次电商体验就发生在对话框里。从官方公布的数据来看，春节活动期间在千问下单的人有 40% 是 00 后，而通过千问预定景区门票的 00 后比例更是高达 50%。
同样值得注意的是另一端的用户：春节期间有超过400万60岁以上的用户通过千问完成了购买。千问官方也给出了一份有趣的数据：中老年人最爱的鸡蛋和抽纸，成为了抢手货。
图片来源：千问 app 公众号
不难发现，千问花了30亿，实际上是在培养一种全新的消费习惯，让数千万用户第一次体验到"对AI说一句话就能完成购买"是什么感觉。
一旦这个习惯形成，用户就不会回到传统的搜索-浏览-比较-下单的链路，就像你习惯了无人驾驶在高速公路上接管方向盘，你就不会每次都手动驾驶。
这也是为什么阿里把这定义为"全年饱和式投入"，30亿只是第一波，后续补贴会从奶茶拓展到盒马生鲜、天猫超市、飞猪出行；淘宝侧的交易闭环计划在二季度打通，届时用户可以在千问内直接完成电商下单，不再需要跳转。
这个目标叫做Agentic Commerce——AI不只是帮你搜信息，而是作为你的代理人，替你完成从需求理解到比价到下单到售后的全流程。支撑这个愿景的基础设施也在同步搭建：蚂蚁推出的ACT协议（Agent Commerce Trust）解决了agent之间的支付结算问题，让AI代理可以通过支付宝完成收付款——目前已有数十家服务商接入测试。
Agentic Commerce已经成为行业的共识目标。
全球来看，2026年1月Google在全美零售联合会年度大会上发布了Universal Commerce Protocol（UCP）——一个面向agentic commerce的开放标准，覆盖从商品发现、购买到售后的全流程。UCP由Shopify、Etsy、Wayfair、Target、Walmart等行业巨头联合开发，获得超过20家企业背书，包括Visa、Mastercard、American Express、Stripe、Best Buy和Macy's。Google同时宣布在AI Mode搜索和Gemini APP中接入agentic checkout功能，用户可以在AI对话中直接完成购买。
几乎同一时期，OpenAI推出了ChatGPT的Instant Checkout功能，基于与Stripe联合开发的Agentic Commerce Protocol（ACP）。ChatGPT的商品推荐逻辑值得特别关注——官方明确声明： 商品排名完全基于相关性，开通结算功能的商家不会获得排名加权。发现是免费的，只有在实际成交时才收费。
这和千问的CPS逻辑几乎一模一样，不卖广告位，卖成交结果。
从国内其它平台的动作来看，豆包的尝试更加积极。抖音商城的商品卡已经在豆包全面上线，并且在测试与商家的商业化合作。用户可以流畅的体验从豆包跳转抖音 app下单的过程，但豆包内授权下单的协议仍未开放。
PART3 未来的商业化路径是什么
不久之前，素有“美国春晚”之称的超级碗期间，AI行业上演了一出颇具讽刺意味的好戏。
ChatGPT最大竞争对手Claude花重金投放了四支广告。画面里，一个用户向AI倾诉自己的烦恼，AI先是嘘寒问暖，表现得像个贴心好友，然后话锋一转，开始推销增高鞋垫和约会网站。
"Ads are coming to AI. But not to Claude."广告没有点名ChatGPT，但明眼人都看得出来指的是谁 - Sam Altman刚刚宣布要开放AI广告，立刻就被贴脸嘲讽。
这场霸占美国热搜头条的事件背后，是一个更加深刻的问题：当AI开始替用户做决策，广告应该以什么形式存在？或者更尖锐地问—广告还应该存在吗？
知名风投机构 a16z 就在最新的分析中指出：AI 引入广告不是堕落，而是必然。
ChatGPT 有 8 亿周活跃用户，但只有 5-10% 愿意付费订阅。剩下的绝大多数人用 AI 问的是"天空为什么是蓝色的"或"帮我写封邮件"这类日常问题，这些场景产生的价值远不足以支撑每月 20 美元的订阅费。
如果你想让十亿人免费用上 AI，广告是互联网历史上唯一被反复验证过的答案—Google、Facebook、Instagram、TikTok，无一例外。a16z 甚至认为，那些原则性反对广告的人持有的是一种"优越感"：你之所以能反对广告，恰恰因为你付得起订阅费。
摩根士丹利的首席互联网分析师给出了一个更结构化的判断：agentic commerce 的商业化路径与传统电商广告有着本质区别。
电商平台目前利润最丰厚的部分是retail media，也就是"卖广告位"。传统电商的变现逻辑是CPM和CPC：平台卖的是"用户可能看到你"。 广告主为曝光和点击付费，用户买不买是广告主自己的事。这个模式核心支撑是用户会"逛"，会浏览，会在一页搜索结果中被某个位置的商品吸引。竞价排名的本质，是在抢用户的注意力。
而AI agent恰好插在了消费者和平台之间，天然绕过了传统的"展示广告→用户点击"路径。当AI给出的是"一个最佳答案"而不是"一页搜索结果"时，没有广告位可以插入。
用户不再浏览，不再比较—他们只看AI的推荐。这个时候，如果平台还想通过谁出价高就推荐谁来赚钱，用户会在几次糟糕的推荐后彻底失去信任。AI购物的核心资产是信任，而竞价排名是摧毁信任最快的方式。
因此，千问内部对商业化的设计思路，从一开始就不是简单的卖竞价广告。
我们拿到的信息显示，千问更倾向的变现模型是CPS—按实际成交付费。这意味着转化风险从广告主转移到了平台。AI必须推荐真正好的商品，否则平台自己赚不到钱。
这更像是走了达人带货的方式，收取坑位费+佣金。区别在于人类达人会因为坑位费推荐不适合你的产品，AI没有这个动机。千问的排序逻辑目前基于三个维度：最值得买（需求匹配度）、最可靠买（商家历史投诉率、退货率等硬指标）、最优惠买（性价比）。你付了很多钱但产品很差，AI也不会推荐你。
在CPS模式下，平台的利益和用户的利益真正对齐了。 平台只有在用户做了正确的购买决策时才能赚钱，而不是在用户被误导点击时就收钱。
当商业化最终开启时，广告的呈现形式也会和传统模式截然不同。千问规划的不是banner广告或搜索结果置顶，而是"为你而生成"的个性化推荐—AI根据你的历史偏好、当前季节、甚至你身边人的生日，在对话过程中自然地植入匹配的商品。不是千篇一律的广告，是AI算出来你此时此刻大概率要买这个东西，才会把它植入出来。
不过，商业化不是眼下的重点。千问目前的策略非常克制，整个一季度和二季度都在打磨产品，商业化至少要到三季度才会开始小范围灰度测试。
当AI代理成为购买中介时，平台将从"少量交易、高抽成"转向"大量交易、低抽成"。传统搜索广告一次点击可能收几块钱但大部分不转化，AI代理每笔成交收取佣金但转化率远高于传统路径。
Adobe analytic 最新的全球数据已经验证了部分事实：由 AI 导流至电商网站的下单转化率，已经在购物季反超了非 AI 引流渠道。
过去二十年，品牌在电商上的核心能力是"投流"——买关键词、抢广告位、做搜索优化。在AI购物时代，这些技能的价值将大幅缩水。取而代之的是：你对于用户需求和痛点是否深刻，产品本身够不够好、用户评价是不是真实、退货率和投诉率够不够低。
对品牌来说，这意味着游戏规则正在改写。
PART4 品牌现在可以做什么
从E-Commerce到Agentic Commerce的转向，已经从概念进入了协议制定和产品落地的阶段。窗口期正在打开——对品牌来说，关键问题不再是"这件事会不会发生"，而是"我现在应该做什么准备"。
根据我们拿到的信息来看：千问的商业化工具尚未开放，品牌后台预计最早二季度末才可能上线，GEO（Generative Engine Optimization）的玩法还在实验阶段。从操作层面看，确实没有一个明确的"投放入口"可以立刻行动。
我们认为当前的窗口期恰恰是建立结构性优势的最佳时机，因为大多数竞争对手还在观望。
比如Google今年提出了一个值得注意的概念：隐形货架（Invisible Shelf）。
传统零售的竞争发生在物理货架上—谁的产品摆在超市货架的黄金位置，谁就赢得了注意力。
电商时代，货架变成了搜索结果页—排名靠前就意味着更多点击。
而在 agentic commerce 中，出现了第三层货架：它没有固定位置，或许也没有可以购买的广告位，消费者甚至看不见它的存在。
当用户对 AI 说"帮我找一款适合敏感肌的面霜"时，AI 在后台检索、筛选、比较的那个过程，就是这个隐形货架。你的产品能不能被"摆上去"，取决于一件事：AI 能不能读懂你的产品数据。传统包装是给人看的，产品数据是给 AI 看的—在隐形货架上，数据就是你的新包装。
第一层：让AI能"读懂"你的商品。
第三章提到的排序三维度：需求匹配度、商家硬指标、性价比几乎全部依赖淘系内部数据。这意味着品牌需要重新审视自己在平台内的数据资产。传统电商的商品详情页是给人看的—精美图片、营销文案、情绪化表达。但AI的决策依据是结构化信息：参数、规格、适用场景、用户评价的真实分布。淘宝万能搜已经在和部分商家做SPU信息扩写实验，用AI补充场景化的商品描述，测试能否提升AI搜索的展现效率。这个方向的信号很明确。
第二层：重新思考你的货品结构。
传统电商的流量分配逻辑是：头部爆款吃掉大部分曝光，长尾商品因买不起广告位而沉底。Agentic Commerce的分配逻辑完全不同—AI不看广告位，看的是需求与商品的匹配度。
淘宝算法负责人姜宇宁提到一个有趣的数据—淘宝内大模型RecGPT上线后增长最快的品类是玩具。"有更高情绪价值的新、奇、特商品，一定会得到更好的流量回报。"
过去无法获得分发的垂直长尾品，在AI渠道中可能获得从未有过的曝光机会。品牌应该提前梳理自己的"AI渠道友好"货盘。那些真正解决细分需求、但在传统搜索逻辑下难以被发现的产品。
第三层：对AI的决策行为建立体感。
这是最容易被忽视、却可能最重要的一步。
现在就可以开始做的事情：用千问等AI工具，以消费者身份测试不同品类的购物推荐。观察它在什么场景下推荐什么品牌、决策依据的权重排序是什么、同一个问题换不同问法结果有多大差异。这些体感的积累，不需要平台开放任何工具就能开始。
当窗口期真正打开时，有体感的团队和完全陌生的团队，反应速度会有数量级差异。
归根结底，Agentic Commerce时代的品牌竞争力，正在从"谁能买到更好的广告位"转向"谁的产品和服务本身更好"。
PART5 写在最后
AI 时代来临，新增量的方向已经足够清晰。但我们也必须客观地指出：千问想要进化成终极形态，还有不少挑战。
首先是信任的悖论。康奈尔大学教授 David Rand 针对 ChatGPT 引入广告提出了一个尖锐的警告：一旦用户意识到 AI 的推荐可能受到商业利益的影响，他们会本能地在对话中隐藏自己的真实需求。
而 AI 购物的推荐质量恰恰依赖于用户愿意坦诚地暴露需求——"我预算有限""我皮肤敏感"。如果用户开始对 AI 设防，AI 获得的信息就变少，推荐就变差，用户就更不信任，这是一个恶性循环。
千问现在计划不引入竞价排名，但当商业化灰度测试开始时，这个承诺能否经受住利润压力的考验，是一个真正的未知数。
其次是补贴退坡后的留存问题。春节期间千问日活峰值冲到7352万，但补贴驱动下习惯养成的效率有多高？
有分析指出，千问的"办事AI"定位仍需打磨，通用 Agent 在跨场景复杂任务上的执行效率还比不过垂直模型，阿里生态内部的业务协同也存在衔接不够丝滑的问题。当30亿花完、免单活动结束后，那些被奶茶和红包吸引来的用户，有多少会真正留下来用 AI 做日常消费决策？这个答案还需要观察。
第三是商家的 ROI 仍然是一个未经验证的承诺。Agentic commerce 对品牌讲的故事很美好，但从目前全球 AI 商业化的实际表现来看，这个愿景还远没有兑现。
ChatGPT 的广告定价是 CPM $60，是 Meta 平均水平的三倍，最低投放门槛 20 万美元。但广告主拿到的是什么？没有成熟的归因工具，早期投放被明确定位为"品牌曝光测试"而非效果营销。按 0.5% 的点击率计算，单次点击成本高达 12 美元—对于需要精确衡量 ROI 的商家来说，这个数字很难论证投入合理性。
更值得关注的是 Perplexity 的案例。这家曾被视为"AI 搜索颠覆者"的公司，在 2024 年底推出广告产品后，于 2026 年 2 月宣布彻底放弃广告模式。广告主反馈的核心问题是：规模有限、ROI 指标不清晰、缺乏行业标准的效果衡量工具。
回到千问，虽然 CPS 模式在理论上比 CPM/CPC 对商家更友好，但实际商业化尚未启动，所有数据都来自补贴期。未来补贴的费用，会不会商家来出呢？从"AI 能帮你买东西"到"商家能在这里赚到钱"之间，还有一段路要走。
最后，也是最根本的一点：agentic commerce 是一个行业趋势，不是任何一家公司的专属故事。
Google 的 UCP、OpenAI 的 ACP、蚂蚁的 ACT——协议层面的竞争已经铺开。国内的豆包、元宝甚至小红书的 AI 助手“点点”都在探索消费场景的接入。
千问的先发优势在于阿里自有的电商生态和支付闭环，但这个优势是否足够深，取决于它能否在补贴退坡后真正跑通"AI 替用户做决策"的完整闭环。如果其他 AI 应用找到了接入第三方电商的有效路径，千问的护城河就未必如想象中那么宽。
通过常识思考一下，视频号+小程序+微信支付也能提供完整闭环的体验，腾讯难道不能做的更好吗？
这场从 E-Commerce 到 Agentic Commerce 的转型已经启动。但它走多远、多快，取决于技术、信任和商业模式的三方博弈。
而对品牌来说，真正需要回答的问题不是”我要在哪个 AI 平台投广告“，而是：当越来越多的消费者开始对着 AI 说出自己的需求，而不是在搜索框里输入关键词—你的产品、你的数据、你的服务，准备好被 AI 读懂了吗？
粤友配资提示：文章来自网络，不代表本站观点。
