ZPedia｜豆包和ChatGPT悄悄開始「電商帶貨」，但我們覺得AI電商的終極形態會先出現在中國

這兩天，OpenAI 在 ChatGPT 里悄悄上線了一個新功能——“shopping research in ChatGPT”。簡單說，就是把「幫你挑東西、做功課」這件事交給模型：你只要說出自己的需求，它會主動去全網查價格、看評測、讀評論，然后給你一份像人寫出來的「選購指南」。

這個功能已經面向所有登陸用戶開放，免費版、Go、Plus、Pro 都能用，而且為了配合黑五和圣誕季，官方給出了“幾乎不限量使用”的承諾。

而如果仔細觀察最近幾款頭部Chatbot的更新節奏，會發現一個悄悄發生的趨勢：電商，正在變成它們天然想要插手的場景。

豆包其實是這一波「AI 入口爭奪戰」里最典型的案例。它原本只是一個通用 AI 助手，陪你聊天、回答問題、寫寫東西。但只要你在對話里隨口提一句「想換電腦」，系統立刻就會“懂事地”在產品名后貼上一個抖音電商入口，點開就是已經匹配好的商品頁，你無需跳 App、無需搜索關鍵詞，直接一鍵在抖音商城完成下單。

更巧妙的是，豆包不會只給冷冰冰的商品鏈接，而是會在 AI 生成的商品介紹之后，自動補充真實用戶在抖音上發布的測評視頻與圖文，對照著看，用戶能更直觀地感受到產品實際效果——從質感到穿搭、從手感到使用體驗，信息密度比傳統導購高太多。

這種轉向的底層動力，其實是一場行業級的邏輯重構。

過去一年，AI 的主要商業化路徑集中在訂閱與 API 調用，本質上是一種“出售模型能力”的生意：你付費，我給算力、給答案、給生成內容。但當用戶開始越來越頻繁地把 AI 當成“做功課的伙伴”——讓它幫忙比較、做取舍、選型號、查口碑——消費場景便天然被卷了進來。畢竟，選商品、做 trade-off、縮窄選擇范圍，本來就是語言模型最擅長的結構化思考任務。

對國內大模型廠商而言，這一步更是迫在眉睫。toC 訂閱長期免費，行業急需找到新的商業閉環。而當 AI 已成為用戶消費前置決策的“第一觸點”，電商，幾乎是最順滑、也最現實的變現方向。

下面這篇文章，我們從四個維度來拆：shopping research in ChatGPT到底是什么、怎么用，實際體驗表現如何，它在行業里的位置在哪里，以及這背后 OpenAI 想做的究竟不只是“導購”那么簡單。

一個專門幫你「做功課」的小模型

先把產品本身說清楚。

在最新版本的 ChatGPT 里，只要你問的是跟購物相關的問題，比如“幫我找一臺 7000 元以內、適合剪視頻的輕薄本”，界面上就會自動彈出一個卡片，提示你可以啟用“智能購物（shopping research）”。你也可以從輸入框旁邊的「+」菜單里，手動選擇這個工具。

一旦進入購物研究，ChatGPT 會切換成一個類似「長對話工作流」的界面：它會先追問一些關鍵條件，比如預算區間、尺寸偏好、品牌傾向，你更在意的是性能、顏值還是性價比等等。官方幫助文檔里寫得很直白：通過這套追問機制，把原本模糊的「想買點啥」，收斂成一套足夠明確的決策約束。

技術上，OpenAI 把這個功能做成了一個單獨的小模型：官方稱其為一個基于 GPT-5-Thinking-mini 后訓練的「shopping research mini model」，專門對付「很多約束、很多細節」的選購場景。內部有一套評估體系，用來衡量它給出的產品有多少比例真正滿足用戶的條件，比如價格、規格、顏色、材質等。

數據來源上，OpenAI 強調了幾個原則：其一，結果完全來自公開網頁，沒有任何“競價排名”，不會混入廣告或付費推薦；其二，它會優先抓取「高質量零售網站」，主動過濾掉低質量、薅羊毛型和垃圾站點；其三，它會把來源鏈接列出來，方便用戶點回原站核對價格和庫存。

有意思的一點是，OpenAI 還在同時推進「Instant Checkout」和「Agentic Commerce Protocol」——前者允許用戶在 ChatGPT 里直接下單，后者是一套給商家、Agent和應用的電商協同協議。這意味著，今天的 shopping research，更像是未來「Agent 電商」的前端試驗場：先解決“決定買什么”，再慢慢打通“在哪里買、怎么付錢”。

它更像一個「咨詢顧問」，而不是「比價機器人」

下面是基于典型場景模擬的一組「測評」。

第一個場景，是典型的「高客單價、參數復雜」的電子產品選購。比如你給它的需求是：“預算 1000 美元以內，我需要一臺適合視頻剪輯、日常辦公的 14 寸輕薄本，最好重量控制在 1.4kg 內，屏幕素質要好，對續航也有要求，Windows 和 Mac 都可以比較。”

啟用 shopping research 之后，ChatGPT 會先把問題拆得更細：你日常用什么剪輯軟件，是否需要獨顯、是否經常在戶外用、是否有品牌偏好等等。等信息足夠以后，它開始檢索網頁，逐步把候選機器拉進來。官方展示的典型表現是：它不僅列出機型和關鍵參數，比如 CPU 型號、內存、硬盤、屏幕規格，還會補充從評測站和用戶評論里抓來的使用體驗總結，并明確標出“適合重度剪輯 / 更偏辦公 / 性價比較高”這類主觀標簽。

在這個過程中，用戶可以做兩件事：

其一，點“更多類似的”或者“不感興趣”，訓練系統更懂你的偏好；

其二，隨時插入新的約束，例如突然想起“最好有全尺寸 SD 卡槽”“鍵盤一定要帶數字小鍵盤”，shopping research 會重新過濾、更新結果。

這種「一邊聊一邊篩」的體驗，和傳統電商上自己套篩選器很不一樣，更像你坐在一個懂數碼的朋友旁邊，把糾結一股腦地倒給他。

第二個場景，是情緒色彩很濃的送禮選擇。比如“給四歲喜歡畫畫又有點膽小的侄女挑生日禮物，預算在 50 美元以內，希望既能培養創造力，又不要太吵鬧，最好家長也容易收拾。”這類問題以前在搜索引擎上非常難查，你要自己「拆問題」：畫畫玩具、安靜、易收納、適合 4 歲……

而 shopping research 的玩法剛好相反：你直接把故事講出來，由它來幫你抽象出幾種產品線，比如創意畫板、兒童手工套裝、安靜型積木，再從中各選幾個代表產品，講清楚適合的年齡段和使用場景。

在這種場景下，它的價值并不是「找到了某個最低價的玩具」，而是幫你把模糊的情緒需求，翻譯成一套可執行的選擇方案——這也是 OpenAI 在介紹里反復強調的一個點：shopping research 是為那種「復雜、需要 trade-off 的決策」而生，而不是為了查一個具體商品的單價。

第三類，是偏向「家居大件 + 生活方式」的混合問題，比如“給 40 平米小公寓選一個安靜的無線吸塵器”、“幫我搭一整套陽臺露營風小家具，預算 500 美元以內”。這類需求既有具體參數（噪音、續航、尺寸），又有風格偏好。

shopping research 在這里會表現出兩個特點：一是會對參數型約束非常敏感，比如噪聲分貝、塵桶容量、電池可拆卸與否等；二是會盡量從圖片和評論里抽象出風格標簽，用自然語言幫你描述「這套更偏北歐風，那套更偏戶外感」，有點類似人工編輯的家居專題。

當然，它也有明顯的邊界。比如當前版本對亞馬遜上的商品支持有限，某些場景下不會直接給出 Amazon 鏈接，這意味著在真正的「全網比價」上，它還有很長的路要走。

在價格和庫存的實時性上，OpenAI 自己也打了預防針：由于價格和庫存變化很快，shopping research 無法保證每一次推薦的價格都和商家頁面上的完全一致，因此用戶在真正下單前，仍然要回到商家網站確認。這也是它被命名為“research”的原因——它負責的是「做功課」而不是「替你成交」。

對于 Pro 用戶，shopping research 還會和「ChatGPT Pulse」打通：如果你之前一直在聊電動自行車，系統后面可能會主動推送「適合你城市通勤的 e-bike 配件指南」這樣的卡片，提前幫你把「你可能會買什么」的 research 做好。這個邏輯，已經非常接近一個“懂你上下文的私人買手”。

綜合來看，從體驗上，它更像一個「買前咨詢顧問」，專長是幫你結構化需求、解釋 trade-off、縮小選擇范圍，而不是傳統意義上那個冷冰冰的「比價機器人」。

和誰在競爭？

從產品形態上看，shopping research 一腳踏進了好幾個人的地盤。

對信息入口而言，它直接挑戰的是 Google Shopping 和各類「購物垂直搜索」。用戶以前想選電視、洗衣機，第一反應是「先搜一圈評測，再自己比參數」；現在如果習慣了和 ChatGPT 說話，很自然就會把這件事交給「聊天框」去做。The Verge 的評論就一針見血：它正在把 ChatGPT 變成一位「個人購物顧問」，而不是一個單純的問答機器人。

對內容平臺和測評媒體而言，它有點類似「自動化編輯」。那些原本靠“年度選購指南”“618 選購攻略”吸引流量的網站，會發現未來用戶可能連網站都懶得點開——shopping research 自己就能把各家評測拆成結論、優劣、適用人群，再用更貼近用戶上下文的話語重新編輯。這對 SEO 和聯盟營銷站點來說，是一次不小的結構性沖擊。

對電商平臺而言，這一步更像是為下一步的「Agent流量入口」鋪路。

在另一篇關于 Instant Checkout 的介紹里，OpenAI 明確寫道：未來用戶可以在 ChatGPT 完成選購研究后，直接在對話里完成下單，不用再跳轉若干個網頁。對商家來說，是否支持 Instant Checkout、是否是該商品的主賣家、價格和履約能力如何，都會影響自己在 ChatGPT 里的排序。

這意味著，一旦閉環打通，shopping research + Instant Checkout 的組合，就不再只是一個「幫你寫購物攻略的模型」，而是一個具備流量分發權、排序權的電商入口。相比傳統電商，這個入口更「上游」：它在用戶還沒決定在哪個平臺買東西時，就已經先幫他把選擇做完了。

與此同時，像 Target 這樣的零售巨頭已經開始和 OpenAI 做深度整合：用戶可以在 ChatGPT 里直接瀏覽 Target 的商品、加入購物車、選擇門店自提或配送，整個流程不離開聊天界面。這種合作模式，如果復制到更多零售商身上，再疊加 shopping research 的“選購顧問”屬性，就形成了一個完全不同于 App 和網頁的“會話式電商生態”。

可以說，shopping research 把 ChatGPT 從「生產力工具」進一步推向「消費入口」。站在 OpenAI 的視角，這是一個自然的延伸：在大家已經習慣用它寫代碼、寫報告之后，下一步就是讓它參與到更頻繁、更高 GMV 的場景里。

Agent 電商的「原型機」，但還遠沒到顛覆時刻

回到產品本身，我們可以更冷靜地對它做一個分析。

機會在于，它抓住了一個長期被低估的痛點——信息過載下的「決策成本」。傳統搜索引擎在購物場景里提供的是“信息列表”，電商平臺提供的是“商品列表”，真正的「決策」一直都壓在用戶自己身上。而 shopping research 的價值，就在于把這部分腦力勞動部分外包出去：幫你把需求結構化，把備選項拉平到可以比較的維度，然后給出幾個可行方案和「為什么」。

從產品演進路徑看，它也是「Agentic Commerce」最自然、最安全的一塊起步場景。相比直接讓 AI 幫你自動下單，先讓它幫你做 research、寫 buying guide，本身風險要小得多，也更容易被監管、用戶和商家接受。OpenAI 在介紹 Instant Checkout 和 Agentic Commerce 協議時也強調，目標是「讓人、AI Agent和商家三方在一個統一的流程里協同」，而不是簡單做一個新渠道的「硬廣位」。

但隱憂同樣明顯。

第一個隱憂是「準確性」：再強的模型，本質上還是在讀網頁、抽取信息，再進行自然語言重組。官方已經承認，價格、庫存、促銷信息存在延遲甚至錯誤的可能，所以用戶仍然需要自己二次確認。對那些試圖完全「把購物交給 AI」的用戶來說，這個現實會構成一定挫敗感。

第二個隱憂是「中立性與可解釋性」。今天 OpenAI 強調的是“沒有廣告、沒有付費排序、完全基于相關性和質量”，但一旦未來在 Instant Checkout 或商家合作上引入更復雜的商業模型，如何向用戶解釋排序邏輯、如何在商業利益和用戶利益之間保持平衡，會變成一個非常現實的問題。對商家而言，“怎么進入 ChatGPT 的貨架”“怎么優化自己在 shopping research 里的可見度”，已經開始變成新的 SEO 戰場。

對用戶來說，現在可以把它當成一個「更聰明的選購文章生成器」。當你懶得開二十個 Tab 做功課時，讓 ChatGPT 的 shopping research 先幫你打個樣，再針對它的建議提問、質疑、反駁，最后做出自己的決定。

為什么 Agent 電商的真正沃土會在中國

如果放到全球視角去看，就會發現一件很有意思的事：OpenAI 的 shopping research 之所以看起來“新”，很大程度上是因為美國本土的電商基礎設施并不完善，內容導購的習慣也遠不如中國成熟。而同樣的事情放在中國，土壤幾乎是天然肥沃的。

首先，中國互聯網在電商商業化上的認知與實戰經驗，是遠超美國公司的。過去十年，從淘寶的圖文測評、京東的參數比對，到小紅書的內容種草、抖音的直播帶貨，中國用戶已經極度適應“用內容完成消費決策”，而平臺也在這套鏈路上積累了極豐富的數據、供應鏈和運營策略。換句話說，中國的消費者不需要被教育“為什么要讓 AI 幫你做功課”，他們本來就在用內容做選擇，只是今天換成了 AI 來幫你完成。

其次，中國大模型廠商手上握著一個美國公司難以復刻的巨大優勢——成熟的生態閉環。豆包背后有抖音電商，擁有龐大的商品庫、短視頻測評內容、達人體系和極高轉化效率。通義千問掛在阿里體系上，天然能接入淘寶、天貓的供應鏈、優惠體系和消費者決策鏈路。騰訊系模型則可以串聯視頻號、公眾號、小程序和微信支付，讓“看內容—下單—履約”變成一條連續操作。美國的入口和交易平臺大多是割裂的，而中國的模型廠商從一開始就立在“流量、內容、交易一體化”的超級平臺上。

這意味著，OpenAI 還在探索“對話 → 做功課 → 找商品 → 去外部平臺下單”的鏈路時，中國廠商幾乎已經可以做到“對話里完成做功課，對話里直接進入商品，對話后一鍵支付”。模型只需要把用戶的需求結構化、把 trade-off 解釋清楚，剩下的那部分——從激發興趣到下單、物流、客服，已經被中國電商打磨得非常順滑。

也因此，雖然全球都在談“Agent 電商是下一波浪潮”，但最有可能率先跑通、規模化、甚至變成全民日常基礎設施的地方，很有可能不是美國，而是中國。國內廠商不是從 0 到 1，而是從 9 到 10：把已經成熟的電商鏈路，換一個更高效、對話式的入口重新點亮。

參考文獻：

[1] https://openai.com/index/chatgpt-shopping-research/

歡迎掃碼加群參與討論

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生