被吹上天的618“AI革命”，連我的“吃谷”需求都搞不定？

作者：講禮貓

編輯：努爾哈哈赤

這屆618，電商平臺們將“AI”推到了前所未有的高度。

5月11日，阿里宣布“千問”與淘寶全面打通，試圖用AI對話重構十億用戶的購物路徑。緊隨其后，5月18日的618啟動發布會上，京東宣布本屆618將是AI首次全場景、全產業深度融入的一屆大促，大吹即將登場的“AI直播”，并表示今年京東體系AI相關研發投入增長將超200%。不只是這兩家，早早接入豆包的抖音商城正將AI和智能客服算力推向極限，快手電商“磁力金牛”也在早些時候亮出了涵蓋AI選品推薦、AI一鍵推廣等一系列AI產品。

大廠們描繪的藍圖無比宏大，但現實能接住這般華麗的技術敘事嗎？

就拿京東強調的“AI+IP”直播購物來說，IP消費看似已經大眾化，實則是一個對用戶情感需求、圈層黑話、價值認同能力要求極高的深水區。被寄予厚望的AI應用，真的能搞定這類垂直圈層嗎？

抱著這樣的疑問，我們決定拿極具代表性的“谷子”消費，給AI購物功能做做測試。之所以拿這類商品“開刀”，是因為其在如今的電商大促中增長極快，去年618淘天平臺就出現過單條鏈接狂攬近7000萬成交的爆款，超2400家相關店鋪銷量同比暴增三位數，份額越來越不容小覷。

那么，在真實的IP圈層語境、復雜的購買決策面前，這些動輒千億參數的AI大模型，究竟是無所不能的“六邊形戰士”，還是讓人哭笑不得的“人工智障”？

當AI遇上“吃谷人”

必須承認，在我們前期測試及搜集網友反饋的過程中，目前的電商AI在應對“標準化品類”時表現尚可。無論是家用電器、3C數碼的參數橫向對比，還是運動鞋服的功能性篩選，大模型確實能充當不錯的“導購參謀”，甚至能提供多維度的決策輔助。

然而，一旦場景切換到IP衍生品這種極度垂直、講究情感共鳴的圈層產品，AI的“通識”會瞬間失靈，實測表現堪稱災難。

這里我們也需要提前“疊甲”。作為經常與AI打交道的媒體，我們深知“提示詞（Prompt）越精確，AI表現越好”的道理。但問題在于，電商平臺面對的是海量普通消費者，他們對AI的探索可能最多止步于和豆包、DeepSeek聊聊天，根本不具備用專業提示詞精準描述需求的能力。“用戶說不清，AI就聽不懂”，那對于大眾而言，它就是“不好用”。

體現在實測中，首先就是對“模糊需求”的理解力不夠。

例如，我們輸入指令“請給我推薦一些某IP谷子”，這其實是在模擬一個普通用戶隨口的購物念頭。我們期待得到當下的新品或爆款的推薦，結果AI導購在查詢了我的歷史信息后，推過來一些買過的同款，或者收藏夾中的商品。它們顯然無法理解“吃新鮮的谷”這種動態需求，所謂的“個性化推薦”，只是低維度的標簽匹配，冷冰冰且滯后。

其次，AI對于IP產品的正盜版甄別沒有“圈內人的嗅覺”。

IP圈的痛點是盜版橫行。默認狀態下，AI對盜版衍生品毫無防備，甚至將大量“一眼假”或者標注為“同人”（基本都未經授權）的產品混在推薦列表中。直到我們手動提醒“請甄別正盜版”，AI才會開啟“打假模式”。

客觀地說，在隨后的對話中，它能嚴格遵守只推薦正版的原則，可見大模型的學習能力確實很強。但問題在于，現實中的消費者往往缺乏耐心，很多人試了一下不好用后，根本不會給AI“第二次改正的機會”。顯然，目前的AI導購還缺乏那種基于經驗積累，對圈層“黑話”、官方授權渠道一望即知的“火眼金睛”。

在更受期待的“湊單功能”方面，則表現得像“半成品”。

我們試圖讓AI導購們針對一款指定的IP衍生商品，生成一套“湊滿減”的省錢方案，并明確要求搭配寵物用品、日化用品等商品以湊夠200元左右。結果AI往往只能摳摳搜搜地推薦3-5個商品，總價連150元都不到。為了強行達標，甚至會建議“買雙份”湊到滿減。

這讓我們很難不產生疑慮。在電商自身體系的算法推薦、湊單功能已經非常成熟好用的情況下，接入AI大模型后，并未帶來體驗的質變，甚至表現還不如原本的算法。那么，AI大模型們又何談真正解放消費者的決策精力？

平臺自帶的滿減推薦功能

重金投入下的“話術內卷”，“AI+IP”創新還剩幾分？

而除了上述已有的AI導購功能，電商平臺還想怎么講“AI+消費”的故事呢？視線自然要移到這兩天表現非常高調的玩家——京東身上。

在5月18日的618啟動發布會上，京東宣布今年體系內的AI相關研發投入增長將超過200%，并拋出了一系列宏大的目標：要打造“全球最大物理世界運營中心”、建立千萬人次的具身智能數據采集中心等等。

但在我們看來，京東的AI之劍指向了星辰大海，卻唯獨沒有指向消費者的購物車。相比于宏觀層面的敘事，回歸到“AI+IP消費”的具體命題上，京東目前在C端零售釋放的信號，其實并沒有太多新意。

具體來看，京東描述了AI在好物篩選、智能交互、電商直播上的應用。但現階段，我們早已見慣了各大平臺在IP營銷上的AI試水。無論是AI生成營銷海報、AI互動玩法，還是AI虛擬主播帶貨，這些玩法在行業內早已不是新鮮事。京東在ToC的零售端，仍停在“用AI輔助選品”和“用數字人直播”這兩個舊有的框架。對于如何真正打動IP消費者，似乎還沒有突破性的敘事。

相比之下，快手在“AI+IP”上的嘗試反倒顯得更接地氣一些。依托可靈AI，快手近期在利用AI生成IP同人內容和營銷素材上動作頻頻。“用AI生產內容”的路徑，確實比單純做一個“AI導購”更貼近IP產業的核心（畢竟IP本身就是內容生意）。但這依然停留在營銷引流層面，并沒有系統性地重構購買決策的鏈路。

繞了一圈，不難發現大廠們其實都面臨著同一個困境：雷聲大雨點小。

老板們在發布會上畫出的大餅，什么全能Agent、什么智能消費，在面對真實的、復雜的、非標準化的IP消費市場時，好像都卡在了“聽不懂人話”這個最基礎的環節上。

那么，為什么明明讀過海量數據、擁有強大語義理解能力的AI大模型，在面對幾塊錢的“吧唧”和“紙片”時會變得如此笨拙？

業內公認，通用大模型必須結合RAG（檢索增強生成）技術，才能實時解決電商場景中的問題。也就是說，在用戶提問時，系統需要先檢索當下的熱點和爆款，再交給大模型生成回答。各電商平臺也確實宣稱在底層早已接入了億級的商品庫和實時數據流。

但問題在于，IP衍生品的世界瞬息萬變。哪個角色突然“火”了，哪個小眾IP因為一張圖而翻紅，這些信息往往散落在快手抖音的評論區、小紅書圖文和微博超話的實時討論中。目前的電商AI最依仗的依舊是已發生的交易數據，這導致它的推薦幾乎永遠滯后于圈內熱點的爆發。

這其實也反映出一種錯位。大模型廠商的核心使命，是不斷堆疊參數、優化算法，去攀登通用人工智能（AGI）的高峰。這本沒有錯。但如果將這些原本服務于B端、擅長處理抽象信息的“大腦”，直接用來指揮具體的實體商品交易時，就會有些水土不服。

平臺作為連接技術與用戶的“翻譯官”，顯然還沒準備好。

如果大模型搞不懂“二次元”，平臺就需要構建垂直領域的知識圖譜來喂飽它；如果大模型算不準滿減，平臺就需要把交易系統的API接口打磨得更順滑。總之一句話，降低技術的使用門檻，讓算法去適配真實的人，而不是反過來讓用戶去適應算法的邏輯。

畢竟，如果連“吃谷”這種代表年輕一代消費趨勢的小事都搞不定，又何談改變世界呢？