當AI顛覆了廣告收入，該靠什么賺錢？

本文來自微信公眾號：一鳴的AI交易思考，作者：劉宇軒，原文標題：《當ChatGPT陷入“數據混亂”：硅谷的焦慮與阿里千問的“笨辦法”》，頭圖來自：視覺中國

涉及公司：$阿里巴巴、$OpenAI、$Google、$Preplexity、$亞馬遜、$沃爾瑪

2026年初，硅谷的科技圈發現，在ChatGPT里實現“一鍵購物”的愿景，比預期中來得更加艱難。

據The Information報道，盡管OpenAI高調宣布了與Shopify的深度合作，但直到今年1月，像Away行李箱（Shopify曾重點展示的合作品牌）這樣的頭部商家，依然未能上線聊天內直接購買功能。

另一位年營收約3億美元的商家CEO，在申請加入測試后，被告知該功能推廣緩慢，目前仍處于排隊狀態。

是什么在阻礙OpenAI做電商？

答案并非模型能力或算力問題，而是電商數據的“混亂現實”。在電商后臺，一個簡單的“有貨”標簽，可能意味著現貨，也可能意味著“預售”或“調貨中”。

AI Agent還難以處理這種跨系統的模糊定義，導致其在試圖連接開放網絡時，不得不面對價格不準、庫存狀態不明的尷尬。OpenAI不得不投入大量人力，與商家手動校對數據標準，導致進展緩慢。

過去二十年，互聯網的商業模式建立在“點擊（Click）”之上。但在AI Agent時代，商業的邏輯正在從“點擊”進化為“指令（Command）”。

當OpenAI、Perplexity等硅谷“空軍”，正試圖在雜亂的開放網絡中建立秩序時，舊世界的巨頭們也做出了截然不同的反應：亞馬遜選擇筑起數據高墻以守衛其廣告護城河，沃爾瑪則激進地向AI開放其線下庫存系統以求突圍，Google試圖通過全棧生態維持霸主地位，阿里也在展現另一種解法：利用既有的龐大生態，將AI變成了物理世界的“操作系統”。

巨頭們頻繁的動作，表明他們都盯著AI時代最激烈的戰場——誰能成為那個新的“AI Layer”（AI層）？

這是一場從Ad-Tech（廣告技術），向Agent-Tech（智能體技術）的商業模式躍遷。

摩根士丹利預測：到2030年，全球電商每10塊錢里，就有1-2塊錢，是由AI Agent“代勞”花出去的。對于電商平臺和品牌商來說，如果不布局Agent，可能會失去這未來20%的市場份額。

一、硅谷的“空軍”困境：OpenAI遭遇數據困境

在硅谷，OpenAI并不掩飾他們的野心——進軍電商。

在最新的戰略中，它推出了“Operator”智能體，并聯合Stripe發布了ACP（Agentic Commerce Protocol，智能體商業協議），試圖讓ChatGPT直接切入交易環節。

然而，這個野心正撞上一堵厚重的墻：混亂的數據現實。

現實世界的電商數據，遠比LLM訓練所用的數據，要“臟”得多。OpenAI發現，如果不進行大量的手動調整，很難確保ChatGPT中顯示的商品信息，與商家網站實時同步。

對某些Shopify商家來說，“庫存”定義模糊不清，可能導致AI下錯單，或承諾無法兌現的發貨時間。

AI Agent如果不具備讀取這些隱性商業規則的能力，就會導致災難性的用戶體驗。這解釋了為什么即便有Shopify和Stripe的加持，OpenAI的購物功能推廣依然小心翼翼。

更深層的問題在于MoR（Merchant of Record名義商家）的歸屬。在交易中，誰是那個在法律上負責收款、退款、處理稅務和糾紛的主體？

OpenAI明確表示不想做MoR，因為它不想陷入處理退貨、客服糾紛的泥潭，這意味著它必須依賴Stripe和Shopify這樣的中間層來協調。Perplexity曾嘗試通過“Buy with Pro”自己做MoR，但這種模式風險極高，不僅要承擔資金風險，還要建立龐大的售后團隊，這對于一家輕資產的AI模型公司來說，幾乎是不可承受之重。

AI Agent正在實現從“信息檢索”到“任務執行”的跨越。在一個萬圣節購物場景中，傳統模式下，用戶需要自己搜索“Top Gun夾克”、“墨鏡”、“軍靴”，可能要在淘寶、京東、亞馬遜等不同平臺分別下單，自己比價、自己湊單。而Agent模式下，用戶的指令是模糊且基于場景的（“我想扮成Maverick”）。Agent具備了推理能力，它知道“Maverick =飛行夾克+墨鏡+靴子+狗牌”。同時商品可能會來自eBay、DSW、Party City等不同平臺，Agent本身將成為一個超級入口，它能跨平臺聚合商品，并統一完成支付和物流追蹤。用戶不再面對一個個獨立的App，而是面對Agent。圖片來源：Morgan Stanley

另一方面，面對硅谷AI新貴們的進攻，舊世界的霸主亞馬遜，則陷入了典型的“創新者窘境”。

亞馬遜并非沒有技術能力，其擁有龐大的云服務AWS和自研模型。但亞馬遜面臨一個尷尬的財務現實：其利潤最豐厚的業務之一，是年收入高達680億美元的廣告業務。這筆收入建立在用戶“搜索-瀏覽-點擊廣告”的鏈路之上。

如果一個完美的AI Agent直接幫用戶選好了那個“唯一”的最佳商品，用戶就不需要翻頁，不需要點擊那些排在后面的廣告產品鏈接了。這意味著680億美元的廣告收入將瞬間蒸發。

因此，我們看到了亞馬遜充滿矛盾的“防御性動作”：一方面，它封鎖Perplexity的爬蟲，試圖筑起數據的高墻；另一方面，它推出了自家的AI助手Rufus，但功能卻被小心翼翼地限制，Rufus也不太好用，以免殺死自己的廣告印鈔機。

這就好比當年的柯達，發明了數碼相機卻不敢推廣，因為賣膠卷太賺錢了，亞馬遜還需要時間，來想清楚下一步要如何做。

不過在這種變局下，舊世界的其他玩家，也開始尋找突圍路徑。

谷歌的選擇最高屋建瓴，開始“定標準”。在NRF 2026零售大會上，谷歌正式發布了UCP（Universal Commerce Protocol，通用商業協議）。與其親自下場做電商或像亞馬遜那樣封鎖數據，谷歌試圖成為AI時代的“協議制定者”。

UCP旨在為不同AI Agent之間的交易，建立一套開源的通用語言，兼容A2A（Agent to Agent）和A2P（Agent to Protocol）標準。

谷歌的算盤很清楚：如果搜索入口注定要被AI Agent取代，那么它至少要定義AI之間如何對話的“語法”，從而保住其在數字商業中的核心地位。

而實體零售巨頭沃爾瑪，則選擇向AI公司徹底開放“物理世界的API”。

沃爾瑪不像亞馬遜那樣，背負著沉重的數字廣告包袱。它擁有的是遍布全美的門店和實時庫存數據。沃爾瑪的策略是：既然我做不了最聰明的AI，那我就做所有AI背后那個最可靠的“超級履約中心”。通過開放API，無論用戶是用ChatGPT還是Gemini下單，最后貨都是從沃爾瑪的貨架上取走的。

這是“擁有數據者”對“擁有模型者”的一次反制，也是硅谷目前的戰局：空軍（模型公司）狂轟濫炸，但地面部隊（零售商）緊守陣地，數據連接的“最后一公里”依然充滿摩擦。

同時，AI也正在從“被動響應”到“主動預測”的進化。比如在一個每周雜貨購物場景中，Agent不是在等用戶下單，而是基于歷史數據（History），主動發起對話：“早安Brian，這是你每周的采購清單”。用戶可以說“我要做玉米片蘸醬”，Agent能理解這需要“玉米片+奶酪”，并自動調整購物車。這種能力將電商的頻次從“按需購買”變成了“訂閱式/管家式服務”，極大地增加了用戶的粘性。圖片來源：Morgan Stanley
消費互聯網將如何受到AI的影響？Push-Pull模型。這張圖超有價值！圖片來源：Moffett Nathanson

二、重估“超級APP”

在硅谷AI新貴與巨頭們探索API接口和數據標準時，大洋彼岸的阿里，正在開始一場“集團軍作戰”。

在Moffett Nathanson提出的“Push-Pull”模型中，AI通常被認為利好Push一端（生成內容更便宜），而威脅Pull一端（搜索被截流）。

與OpenAI一樣，阿里在用Agent切交易時，也一樣會面臨電商的“數據泥潭”。

阿里的解決辦法是——讓千問App變成“C位”，傾全集團之力打造一個超級APP。在與阿里一位內部人士的調研中了解到，阿里會先選在外賣場景上，實現全閉環，讓用戶可以通過聊天來下達指令，千問App再去調用各個Agent來實現這個指令，并且能夠完成支付。

如果我們細看，千問之所以能實現“一句話點奶茶”，核心在于阿里擁有數據的“所有權”。

這種方法是解決了最核心的利益談判問題，但在技術層面上還需要面對一些數據難題。

如果這一切不是在內部發生，而是采取讓不同的第三方Agent來串聯干活，現在會非常影響最終任務的成功率，因為各個Agent的交付質量不一樣，就會導致工作流有時就走不下去。

沒有履約能力，沒有精確到門牌號的POI（興趣點）數據，AI只能陪你聊天，不能幫你辦事，當AI擁有了調度數百萬騎手的能力時，它就不再是一個聊天機器人，而是一個物理世界的操作系統。

而“本地生活”場景，無疑是AI與物理世界最高頻、最復雜的交互界面。

這里不得不聊到豆包手機的嘗試。這其實是一個非常前沿、有價值的先鋒產品，但它太早了，以至于被其他大廠“圍剿”，拍死在沙灘上。

豆包雖然擁有巨大的流量，但由于缺乏自有“物理生態”，只能通過不斷截屏、上傳云端識別、模擬點擊的方式，來操作第三方外賣App。這種“外掛”式的技術路線，在速度和穩定性上，都有問題，在Agent能力不夠的今天，最終任務成功率并不高。

所以一個全生態，在今天尤為重要。相信在OpenAI與谷歌Gemini的對決中，也一樣會出現類似的問題。

三、當AI顛覆了廣告收入，該靠什么賺錢？

過去二十年，谷歌和亞馬遜本質上是全球最大的廣告商。它們的商業模式是Ads（流量稅）——用戶搜索，平臺展示廣告，商家為點擊付費，無論最終是否成交。

但在Agent-Tech時代，當AI Agent成為入口，用戶不再瀏覽冗長的搜索結果頁，廣告展示的機會消失了。AI只會給出一個或幾個最精準的“答案”。

這意味著商業模式將被迫從“流量稅”，轉向Take-Rate服務傭金。

廣告費（CAC）本質上就是一種“抽傭”。在傳統模式下，商家可能花費30%的成本購買廣告來獲得一個客戶；但在Agentic Commerce模式下，這筆錢可能會轉化為，支付給AI Agent的10%-15%的服務費（Take-Rate）。

這可能就是”流量稅“模式的終結，與”服務傭金“的崛起。

這正如摩根大通（J.P. Morgan）分析師Alex Yao所指出的，互聯網商業模式正在經歷一次從“流量變現”到“服務變現”的重估。他認為，AI雖然大幅推高了單位算力成本（Token Cost），但也通過極高的轉化率，打開了通向“Take-Rate（傭金率）”的大門。

傳統的廣告模式，本質上是在瓜分商家的“營銷預算”，這個池子是有限的（通常占GMV的3%-5%）；而Agentic Commerce切入的是“交易傭金”，這個池子直接對應GMV本身。

對于平臺而言，這是一種更健康的模式：收入從“為無效點擊收費”，變成了“為成交結果收費”，這讓收入質量提升。

摩根士丹利為各大零售商算了一本“生死賬”。這張圖為了回答了一個關鍵的財務問題：如果零售商必須向AI Agent支付傭金（比如5%），那么Agent帶來的訂單里，必須有多少比例是“全新增量”，零售商才不會虧本？這個“盈虧平衡點”在哪？

不過，這場變革對商家意味著什么？

這是一場效率與控制權的博弈。對于商家而言，直接流量（官網訪問）曾是最值錢的，因為商家可以追蹤用戶的Pixel，分析用戶的瀏覽路徑，進行再營銷。

AI Agent變成了一個超級“間接流量”來源。雖然它的轉化率極高（從傳統電商的3%提升到可能的30%），但商家失去了對用戶行為數據的掌控。商家將不再知道用戶“看了什么”，只知道用戶“買了什么”。

在這個新世界里，SEO（搜索引擎優化）將消亡，取而代之的是GEO（生成式引擎優化，Generative Engine Optimization）。商家的目標不再是買一個顯眼的廣告位，而是如何讓自己的商品數據結構化、標準化，從而進入AI的“推薦名單”。

那在這場洗牌中，誰會是贏家？

首先，基礎設施提供商是結構性的贏家。后端的Stripe（支付基建）和Shopify（獨立站基建）、支付等等，都是必不可少的“水和電”。

它們不參與前端的入口爭奪，但所有交易都要經過它們。在AI Agent的世界里，支付和店鋪基建是不可繞過的底層協議。

“物理世界API”的擁有者也是贏家。像阿里、沃爾瑪這樣擁有實時庫存和履約能力的巨頭，將掌握談判的主動權。因為AI再聰明，也變不出一個漢堡，它必須調用擁有漢堡庫存和配送能力的人。

而輸家將是那些依靠信息不對稱賺差價的中間商，以及依賴SEO堆砌關鍵詞欺騙算法的商家。AI Agent具有閱讀海量評論和數據的能力，它會無情地過濾掉那些“刷單”出來的虛假好評。在一個由AI篩選的世界里，平庸的商品將徹底失去能見度。

很明顯，我們正在從Ad-Tech（廣告技術）時代，邁向Agent-Tech（智能體技術）時代。

Morgan Stanley在這篇報告《Agentic Shoppers Are Coming...Who Could Win or Lose?》里，分析了當AI Agent普及時，誰會受傷，誰會受益？畢竟，流量漏斗重構了。

四、結語

Stripe CEO Patrick Collison在和Shopify CEO Tobi Lütke的訪談中，設想過一個情境：應該有人去構建一個“通用名錄（Universal Catalog）”。

這個名錄不僅僅是針對Shopify的商家，而是囊括世間萬物——從耐克的跑鞋，到街邊小店的奶茶，再到飛往倫敦的機票。這正是Agentic Commerce的終極夢想：用標準化的產品數據驅動AI Agent進行智能化購物。

在今天，“幫我找個露營帳篷”這樣的Prompt依然過于籠統。但也許接下來，Agent就可以精準理解“我要一款重量低于2公斤、防風等級7級以上、且明晚之前就能送達的雙人四季帳篷”這樣的需求了。

而要實現這一點，不僅需要針對特定商品的模型，更需要極其豐富和結構化的元數據支撐，讓AI Agent可以像讀取數據庫一樣，去讀取這個物理世界。

這場關于新“AI Layer”的戰爭，才剛剛開始。

誰能最先讓AI從“連接信息”進化到“操作世界”，誰就將定義下一個時代的互聯網——那不再是一個用來“逛”的數字櫥窗，而是一個能聽懂并執行人類指令的AI操作系統。

本文來自微信公眾號：一鳴的AI交易思考，作者：劉宇軒

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4826880.html?f=wyxwapp