今天沒有產品能夠滿足需求，我到哪里都搜不出來。

先做一個預設，商品也是一種信息，如果基于最主流的信息容器內容產品的邏輯來推導電商產品的話，關于 AI電商，我想到幾個問題。

1.內容推薦產品機制。

今天電商產品在商品表達頁面，除了指引商家在商品的文字和圖片信息做更豐富的創作外，能否引入更好的產品機制來幫助商家提升推薦效果。比如在內容產品里，今日頭條很早就推出了「雙標題/雙封面」功能，創作者在發布內容時設置兩套不同標題/封面，推薦系統將在推薦過程中根據用戶的點擊率數據，選擇更好的標題/封面組合增加推薦量。

電商平臺現在都提供搜同款的能力，同樣一款衣服價格完全不同，消費者最終確定買什么跟商品圖的呈現和文字標題的描述息息相關，大家傾向選擇照片拍得更好描述更能打動人的商品，哪怕他的價格更貴一些。

內容平臺都在強調個性化推薦，他們會基于面向不同性別/年齡/職業/地區的用戶畫像，去做相關性推薦。那是不是有可能針對一個商品做多個商品頁面，或者如上圖針對特定人群展示特定不同的商品頁面，現在AI完全可以根據人群、根據商品品類，無限生成不同的商品標題，讓不同的人真的每天看到都不一樣，真正實現“千人千面”。因為現在商品結果頁還是“千人一面”的，想要一種商品描述內容擊中所有人其實很難。

當然千人千面的投入產出比可能壓根算不過來，那是不是可以先做千人十面、千人兩面？

這其實是大模型能不能改造“搜推廣”的問題，但目前電商行業的實踐過程還相對較慢。因為以前“搜推廣”已經很好了，大模型還不太能夠從底層架構完全推翻掉。因為傳統“搜推廣”引擎靠的不是多模態理解這些數據，靠的是用戶行為數據。在中國，電商的行為數據非常豐富，你往上加一點多模態信息效果有限。

2、內容生產AI+供應鏈。

本月全球最大新聞是川普遇刺，事發當天我在朋友圈看到一張圖片，在Temu上有人直接把這幅歷史名畫印到T恤上拿出去賣。今天電商平臺都在講如何幫助商家把已有的商品怎么推得更好，但如何幫助商家去響應這種熱點指導生產搶占熱搜呢？這其實是個運營向的問題跟平臺有多少數據沒多大關系。且像上圖這件T恤只要當天有且能夠讓用戶發現，它一定能帶來轉化甚至還能帶來主動分享。

我聽說有一個平臺，就是幾個人的小團隊，有著自己的服裝廠，每天干的事情就是挖掘全網最熱的素材，用AI改寫一下，“小單快返”的方式把它印到大家T恤上放到所有平臺去賣，它獲得非常好的效果。如果你把抖音里最熱的100條內容拿出來放到任何一個平臺，它都會有不錯的效果。

電商平臺是否需要像內容平臺一樣，更積極干預生產，更好做到幫助商家做商機發現，和熱點、和這個世界做互動？

前段時間去SHEIN的工廠參觀，印象比較深的是數碼熱轉印技術，讓衣服生產從人工打版變成了電腦CAD打印。蠟染變成噴繪，可以減少污染、節約物料、縮短工時，品質穩定和多元化。

這讓我聯想起王選發明漢字激光照排系統之后讓中國出版印刷行業“告別鉛與火、邁入光與電”。（一直到20世紀80年代，中國大多數印刷廠采用的還是鉛字印刷技術，與1000多年前的活字印刷沒有本質區別。）

除了設計、生產，SHEIN還會從前端擴展到原料采購、工藝流程等多個環節，對整個產業鏈進行數字化改造。國內說了很多年的C2M，從消費者出發C2B，在這個時代是有可能的。

3、內容理解產品形態

PC時代的電商是商品的搜索，移動時代的電商是商品的推薦，那 AI 時代的電商是否需要新的用戶產品，一種不一樣的交互形態、導購形態，而不是今天這種APP搜索推薦。

比如今天淘寶拼多多用戶行為的數據非常豐富，推薦搜索業務也非常成熟。但我有時真心覺得他們產品非常難用，比如我想在淘寶上搜一件黑色的，不粘貓毛的，上面有口袋的Polo衫，照道理說我需求清晰的表達了出來，但通過現有電商平臺搜索完全找不到合適的結果。

現有產品框架下，絕大部分用戶習慣上還是輸入一個關鍵詞，確定一個范圍，如果范圍不滿足需求再加一些條件做過濾，這個過濾過程是不是可以通過大模型方式的方式進行交互。怎么樣增強用戶query理解？也許這時用戶需要的交互不是搜推的輸入框，而是一個對話、機器人的方式，需要用大模型和多模態方案，對原有搜索系統、檢索系統做效果的提升。

今天的確沒有產品可以滿足需求，但有沒有必要搞一個全新的AI 電商產品？遞進的說，polo衫現在的搜索足夠好，“黑色的polo衫”也不要新的能力，“黑色的帶口袋的polo衫”可能需要，一點點在現在系統上的改造，多一層多模態理解，有沒有口袋底層打一個額外的標簽，這個可以做。“黑色的、帶口袋的，不粘貓毛的polo衫”，這件事情非常適合大模型做了。什么叫不粘貓毛，一般商家寫一個材質就不錯了，他得知道這個材質粘不粘貓毛。可能家里養的不是貓，還有可能什么貓還得問你一句，長毛貓還是短毛貓，這個就非常適合大模型。

但是能夠把需求表達這么明確的消費者還是少數。在現在平臺當中，絕大部分還是上來搜單品，褲子、T恤，20%的人搜黑色帶口袋的polo衫，最后的人搜很長的需求。最有可能的是現有平臺在主干搜索鏈路上做一個分支，但專門做一個平臺，專門解決“黑色帶口袋，不粘貓毛的polo衫”，這個需求聚不起來，它可能是一個溢出性需求，不是聚焦性需求。但這個需求絕對是新的，以前干不好的事。

從技術角度來看，這確實是傳統搜索技術最難解決的問題。現在搜索技術體系涉及到兩端：一端是對用戶意圖的理解，看上去是自然語言搜索，但實際上是做切詞或者語義的切割，所以會把一個相對完整的語義信息和指令信息會做里面的解構。解構之后的信息傳遞到商品這一側，它其實是特征的提取。算法的體系里，機器學習里各種各樣特征，它主要是基于商品的理解和消費者個人信息理解兩個層面上去做。這里一個很大的問題，搜索在這么多年表達體系里，對于商品的理解和特征的表達還是非常典型的電商搜索模式。

大家相對會覺得語言本身在特征和表達上面，相對來說人類在語言表述上已經做了足夠高的抽象，實際上視覺類相關的信息和非語言類信息現在還沒有一套像語言這樣人類高度抽象的，非常標準和規范的，某種程度上不同國家、不同民族的語言就是一種很高級的抽象寫意，它能很好表達所有抽象邏輯和具體物理對象的邏輯，但視覺在這一塊還是相對開放的領域。

今天AI搜索時代對于商品本身的理解和表達，我們談到“理解”的時候，某種程度上另外一個可以思考的方向是商品未來的發布，商品的表達和表征，以及商品的表述，未來隨著語言模型進一步發展到多模態模型，似乎也有更新的表達方式。AI搜索不簡簡單單只是用一個大模型去替代傳統的機器學習模型，它可能在整個系統和整個數據設計模式上，以及它本身在算法底層如何去構建一個商品表達表示和呈現，以及特征上怎么抽取，都是非常有意思的話題。

4、關于大模型改造搜推廣，在內容產品領域，我們會發現大家會有不同認知。比如抄錄一段極客公園對快手 AI 改造推薦的報道：

快手的 AI 基因與其內容分發機制背后不斷打磨的推薦算法關系緊密，隨著大模型能力灌入，以 transformer 架構重塑的推薦大模型成型。

快手在推薦大模型中構建了一個名為 Action Transformer（ACT）的神經網絡。從名字入手非常好理解——在用戶行為序列上用 Transformer 架構進行建模。「這里面遇到的挑戰還是非常大的」，蓋坤表示。

大家都知道大模型的響應是非常慢的，如果我們在用戶數十萬上百萬行為序列上進行建模，如何能夠在有效的計算資源下，能夠在用戶請求幾百毫秒的響應要求下，能夠把這個計算處理完，并且返回精確的結果？針對這個難點，我們原來基于 SIM 檢索模塊的架構會有一定程度上損失部分的信息。我們 ACT 創新的網絡架構設計能夠實現用戶全生命周期近似百萬行為序列的建模，能夠讓 Transformer 充分發揮用戶行為序列上面的信息潛力。」

蓋坤透露，目前快手的推薦大模型單次上線已經可以為快手 APP 每天帶來 4 億分鐘以上的時長增長，也就是說用戶在推薦大模型下會更喜愛快手推薦的內容。

2024Q1快手日活 3.94 億，這個推薦大模型單次上線可以帶來每天 4 億分鐘以上的時長增長，這意味著平均每個用戶因為這個模型單次提升了一分鐘，這是非常恐怖的數據。

5、過去一年，全行業都繼續投入到了生成式AI和大模型的熱潮里，每家企業都在努力思考如何將人工智能融入業務。我們都深信，AI將成為未來技術創新和商業模式變革的核心，甚至有望帶來比互聯網更大的影響。

但大家折騰了快兩年，結果是讓英偉達變成了全世界市值最高的公司，2c應用卻遲遲沒有爆發。看創新工場汪華的統計，把中國所有 AI 原生應用加在一起，日活也不過就是 1000 萬量級。

這說明什么？這說明雖然人工智能的未來已經到來，但是當下產品化還遠遠沒來。

我們回看十多年前移動互聯網剛爆發的時候，最開始所有人都在尋找入口，手機桌面、瀏覽器、輸入法、鎖屏軟件哪怕是天氣 App 的都覺得自己可以變成入口，但移動互聯網產品競爭的終局是短視頻吞噬一切，12億網民最終選擇的的產品形態是最能制造時間黑洞的短視頻。

而短視頻這個故事能夠成立，最大的變量就是手機攝像頭，他讓不會用輸入法、沒有用過鍵盤鼠標的用戶，每個人都能自由地記錄生活。不然一位廚師跟一位舞蹈演員可能很難用圖文表現自己。

移動互聯網產品競爭的終局是短視頻吞噬一切，因為手機攝像頭變成 12 億網民都會使用的創作工具。今天關于內容怎么生成又到了一個變革時刻，AI將產生跟相機發明一樣深遠的影響，視頻生成應該是今天AI能夠抓到最大公約數的用戶需求。

6、另外一個感受，就是 AI 讓老產品找到了新增量，這一波 AI 敘事還是擁有場景和用戶的大公司最受益。

一塊是AI讓一些老產品找到了更多付費點，產品本身價值點也在變大，比如前陣子看蘋果發布會，把各項 AI 應用整合得比較優雅，之前iCloud大家買的不多，但隨著用戶深入使用 AI 服務這塊服務的付費率會有顯著提升，之前Google 每年需要給蘋果交過路費，以后你跟 Siri 說我要打車時候滴滴和高德是不是也得交一道？再比如百度文庫，基于大模型重構，百度文庫從“內容工具”變身為“生產力工具”。去年百度世界大會，李彥宏說他認為百度文庫是百度目前重構最徹底的一款產品，AI用戶數突破1.4億，內外部評價和收入利潤都非常不錯。

另外一塊是業務模型的精進，比如Meta/抖音/快手，之前的推薦是基于大眾投票的行為，今天基于大模型可以用到更多的意圖理解，這能讓廣告的匹配效率提升很多。大模型改造搜推廣應該是大廠更加需要務實解決的問題。

AI太花錢，如果沒有當年Google/字節高效率商業模式轉動，如果沒有比當前最主流的廣告變現更優的商業模式出現，新一代公司唱主角的序幕可能還要很久才會拉開。

7、本文由頭是昨天下午參加了阿里國際一場AI主題的分享會，阿里國際數字商業集團副總裁、AI業務負責人張凱夫透露阿里國際AI進展：40多個電商場景服務50萬商家，調用量每兩個月翻一倍。

且跟市場認為 AI 會替代人的觀點不同，凱夫不斷強調，新的 AI 作為生產力工具，可以幫助小微企業解決人力資源和關鍵資源上從無到有的問題，不僅僅是降本增效。“越是中小商家，越能從AI的應用中獲益。”

去年我曾經跟凱夫錄過一期播客

女明星都怒贊

8、最后這件黑色的帶口袋的不粘貓毛的Polo衫，我通過不懈的搜索，終于在淘寶買到了。（又不是不能用）