当AI颠覆[了广告收入，该靠什么赚钱？,当ai颠覆了广告收入,该靠什么赚钱呢

更新时间：2026-01-17 02:35 来源：牛马见闻

从GMV到AI与生活场，电商巨头重塑增长“确定性”

【理响中国】更加坚决有力地贯彻落实党中央重大决策部署,贯彻党中央重大决策部署方面有哪些意见?

风暴眼丨实探西贝：贾国龙赌上一切，员工称“我们只能服从”

新华社评论员：党的自我革命重在治权——三论学习贯彻习近平总书记在二十届中央纪委五次全会重要讲话精神

2年播了9部作品！原来赵丽颖才是85花真劳模，她资源好是应该的！,赵丽颖是不是85花

但在AI Agent时代�当AI拥有了调度数百万骑手的能力时�分析了当AI Agent普及时�

本]文来自！微信公众号：一鸣的AI交易思考，作者：刘宇轩，原文标题：《当ChatGPT陷入“数据混乱”：硅谷的焦虑与阿里千问的“笨办法”》，头图来自：视觉中国 涉及公司：$阿里巴巴、$OpenAI、$Google、$Preplexity、$亚马逊、$沃尔玛 2026年初，硅谷的科技圈发现，在ChatGPT里实现“一键购物”的愿景，比预期中来得更加艰难。 据The Information报道，尽管OpenAI高调宣布了与Shopify的深度合作，但直到今年1月，像Away行李箱（Shopify曾重点展示的合作品牌）这样的头部商家，依然未能上线聊天内直接购买功能。 另一位年营收约3亿美元的商家CEO，在申请加入测试后，被告知该功能推广缓慢，目前仍处于排队状态。 是什么在阻碍OpenAI做电商？ 答案并非模型能力或算力问题，而是电商数据的“混乱现实”。在电商后台，一个简单的“有货”标签，可能意味着现货，也可能意味着“预售”或“调货中”。 AI Agent还难以处理这种跨系统的模糊定义，导致其在试图连接开放网络时，不得不面对价格不准、库存状态不明的尴尬。OpenAI不得不投入大量人力，与商家手动校对数据标准，导致进展缓慢。 过去二十年，互联网的商业模式建立在“点击（Click）”之上。但在AI Agent时代，商业的逻辑正在从“点击”进化为“指令（Command）”。 当OpenAI、Perplexity等硅谷“空军”，正试图在杂乱的开放网络中建立秩序时，旧世界的巨头们也做出了截然不同的反应：亚马逊选择筑起数据高墙以守卫其广告护城河，沃尔玛则激进地向AI开放其线下库存系统以求突围，Google试图通过全栈生态维持霸主地位，阿里也在展现另一种解法：利用既有的庞大生态，将AI变成了物理世界的“操作系统”。 巨头们频繁的动作，表明他们都盯着AI时代最激烈的战场——谁能成为那个新的“AI Layer”（AI层）？ 这是一场从Ad-Tech（广告技术），向Agent-Tech（智能体技术）的商业模式跃迁。 摩根士丹利预测：到2030年，全球电商每10块钱里，就有1-2块钱，是由AI Agent“代劳”花出去的。对于电商平台和品牌商来说，如果不布局Agent，可能会失去这未来20%的市场份额。 <h5>一、硅谷的“空军”困境：OpenAI遭遇数据困境</h5> 在硅谷，OpenAI并不掩饰他们的野心——进军电商。 在最新的战略中，它推出了“Operator”智能体，并联合Stripe发布了ACP（Agentic Commerce Protocol，智能体商业协议），试图让ChatGPT直接切入交易环节。 然而，这个野心正撞上一堵厚重的墙：混乱的数据现实。 现实世界的电商数据，远比LLM训练所用的数据，要“脏”得多。OpenAI发现，如果不进行大量的手动调整，很难确保ChatGPT中显示的商品信息，与商家网站实时同步。 对某些Shopify商家来说，“库存”定义模糊不清，可能导致AI下错单，或承诺无法兑现的发货时间。 AI Agent如果不具备读取这些隐性商业规则的能力，就会导致灾难性的用户体验。这解释了为什么即便有Shopify和Stripe的加持，OpenAI的购物功能推广依然小心翼翼。 更深层的问题在于MoR（Merchant of Record名义商家）的归属。在交易中，谁是那个在法律上负责收款、退款、处理税务和纠纷的主体？ OpenAI明确表示不想做MoR，因为它不想陷入处理退货、客服纠纷的泥潭，这意味着它必须依赖Stripe和Shopify这样的中间层来协调。Perplexity曾尝试通过“Buy with Pro”自己做MoR，但这种模式风险极高，不仅要承担资金风险，还要建立庞大的售后团队，这对于一家轻资产的AI模型公司来说，几乎是不可承受之重。 AI Agent正在实现从“信息检索”到“任务执行”的跨越。在一个万圣节购物场景中，传统模式下，用户需要自己搜索“Top Gun夹克”、“墨镜”、“军靴”，可能要在淘宝、京东、亚马逊等不同平台分别下单，自己比价、自己凑单。而Agent模式下，用户的指令是模糊且基于场景的（“我想扮成Maverick”）。Agent具备了推理能力，它知道“Maverick =飞行夹克+墨镜+靴子+狗牌”。同时商品可能会来自eBay、DSW、Party City等不同平台，Agent本身将成为一个超级入口，它能跨平台聚合商品，并统一完成支付和物流追踪。用户不再面对一个个独立的App，而是面对Agent。图片来源：Morgan Stanley 另一方面，面对硅谷AI新贵们的进攻，旧世界的霸主亚马逊，则陷入了典型的“创新者窘境”。 亚马逊并非没有技术能力，其拥有庞大的云服务AWS和自研模型。但亚马逊面临一个尴尬的财务现实：其利润最丰厚的业务之一，是年收入高达680亿美元的广告业务。这笔收入建立在用户“搜索-浏览-点击广告”的链路之上。 如果一个完美的AI Agent直接帮用户选好了那个“唯一”的最佳商品，用户就不需要翻页，不需要点击那些排在后面的广告产品链接了。这意味着680亿美元的广告收入将瞬间蒸发。 因此，我们看到了亚马逊充满矛盾的“防御性动作”：一方面，它封锁Perplexity的爬虫，试图筑起数据的高墙；另一方面，它推出了自家的AI助手Rufus，但功能却被小心翼翼地限制，Rufus也不太好用，以免杀死自己的广告印钞机。 这就好比当年的柯达，发明了数码相机却不敢推广，因为卖胶卷太赚钱了，亚马逊还需要时间，来想清楚下一步要如何做。 不过在这种变局下，旧世界的其他玩家，也开始寻找突围路径。 谷歌的选择最高屋建瓴，开始“定标准”。在NRF 2026零售大会上，谷歌正式发布了UCP（Universal Commerce Protocol，通用商业协议）。与其亲自下场做电商或像亚马逊那样封锁数据，谷歌试图成为AI时代的“协议制定者”。 UCP旨在为不同AI Agent之间的交易，建立一套开源的通用语言，兼容A2A（Agent to Agent）和A2P（Agent to Protocol）标准。 谷歌的算盘很清楚：如果搜索入口注定要被AI Agent取代，那么它至少要定义AI之间如何对话的“语法”，从而保住其在数字商业中的核心地位。 而实体零售巨头沃尔玛，则选择向AI公司彻底开放“物理世界的API”。 沃尔玛不像亚马逊那样，背负着沉重的数字广告包袱。它拥有的是遍布全美的门店和实时库存数据。沃尔玛的策略是：既然我做不了最聪明的AI，那我就做所有AI背后那个最可靠的“超级履约中心”。通过开放API，无论用户是用ChatGPT还是Gemini下单，最后货都是从沃尔玛的货架上取走的。 这是“拥有数据者”对“拥有模型者”的一次反制，也是硅谷目前的战局：空军（模型公司）狂轰滥炸，但地面部队（零售商）紧守阵地，数据连接的“最后一公里”依然充满摩擦。 同时，AI也正在从“被动响应”到“主动预测”的进化。比如在一个每周杂货购物场景中，Agent不是在等用户下单，而是基于历史数据（History），主动发起对话：“早安Brian，这是你每周的采购清单”。用户可以说“我要做玉米片蘸酱”，Agent能理解这需要“玉米片+奶酪”，并自动调整购物车。这种能力将电商的频次从“按需购买”变成了“订阅式/管家式服务”，极大地增加了用户的粘性。图片来源：Morgan Stanley 消费互联网将如何受到AI的影响？Push-Pull模型。这张图超有价值！图片来源：Moffett Nathanson <h5>二、重估“超级APP”</h5> 在硅谷AI新贵与巨头们探索API接口和数据标准时，大洋彼岸的阿里，正在开始一场“集团军作战”。 在Moffett Nathanson提出的“Push-Pull”模型中，AI通常被认为利好Push一端（生成内容更便宜），而威胁Pull一端（搜索被截流）。 与OpenAI一样，阿里在用Agent切交易时，也一样会面临电商的“数据泥潭”。 阿里的解决办法是——让千问App变成“C位”，倾全集团之力打造一个超级APP。在与阿里一位内部人士的调研中了解到，阿里会先选在外卖场景上，实现全闭环，让用户可以通过聊天来下达指令，千问App再去调用各个Agent来实现这个指令，并且能够完成支付。 如果我们细看，千问之所以能实现“一句话点奶茶”，核心在于阿里拥有数据的“所有权”。 这种方法是解决了最核心的利益谈判问题，但在技术层面上还需要面对一些数据难题。 如果这一切不是在内部发生，而是采取让不同的第三方Agent来串联干活，现在会非常影响最终任务的成功率，因为各个Agent的交付质量不一样，就会导致工作流有时就走不下去。 没有履约能力，没有精确到门牌号的POI（兴趣点）数据，AI只能陪你聊天，不能帮你办事，当AI拥有了调度数百万骑手的能力时，它就不再是一个聊天机器人，而是一个物理世界的操作系统。 而“本地生活”场景，无疑是AI与物理世界最高频、最复杂的交互界面。 这里不得不聊到豆包手机的尝试。这其实是一个非常前沿、有价值的先锋产品，但它太早了，以至于被其他大厂“围剿”，拍死在沙滩上。 豆包虽然拥有巨大的流量，但由于缺乏自有“物理生态”，只能通过不断截屏、上传云端识别、模拟点击的方式，来操作第三方外卖App。这种“外挂”式的技术路线，在速度和稳定性上，都有问题，在Agent能力不够的今天，最终任务成功率并不高。 所以一个全生态，在今天尤为重要。相信在OpenAI与谷歌Gemini的对决中，也一样会出现类似的问题。 <h5>三、当AI颠覆了广告收入，该靠什么赚钱？</h5> 过去二十年，谷歌和亚马逊本质上是全球最大的广告商。它们的商业模式是Ads（流量税）——用户搜索，平台展示广告，商家为点击付费，无论最终是否成交。 但在Agent-Tech时代，当AI Agent成为入口，用户不再浏览冗长的搜索结果页，广告展示的机会消失了。AI只会给出一个或几个最精准的“答案”。 这意味着商业模式将被迫从“流量税”，转向Take-Rate服务佣金。 广告费（CAC）本质上就是一种“抽佣”。在传统模式下，商家可能花费30%的成本购买广告来获得一个客户；但在Agentic Commerce模式下，这笔钱可能会转化为，支付给AI Agent的10%-15%的服务费（Take-Rate）。 这可能就是”流量税“模式的终结，与”服务佣金“的崛起。 这正如摩根大通（J.P. Morgan）分析师Alex Yao所指出的，互联网商业模式正在经历一次从“流量变现”到“服务变现”的重估。他认为，AI虽然大幅推高了单位算力成本（Token Cost），但也通过极高的转化率，打开了通向“Take-Rate（佣金率）”的大门。 传统的广告模式，本质上是在瓜分商家的“营销预算”，这个池子是有限的（通常占GMV的3%-5%）；而Agentic Commerce切入的是“交易佣金”，这个池子直接对应GMV本身。 对于平台而言，这是一种更健康的模式：收入从“为无效点击收费”，变成了“为成交结果收费”，这让收入质量提升。 摩根士丹利为各大零售商算了一本“生死账”。这张图为了回答了一个关键的财务问题：如果零售商必须向AI Agent支付佣金（比如5%），那么Agent带来的订单里，必须有多少比例是“全新增量”，零售商才不会亏本？这个“盈亏平衡点”在哪？ 不过，这场变革对商家意味着什么？ 这是一场效率与控制权的博弈。对于商家而言，直接流量（官网访问）曾是最值钱的，因为商家可以追踪用户的Pixel，分析用户的浏览路径，进行再营销。 AI Agent变成了一个超级“间接流量”来源。虽然它的转化率极高（从传统电商的3%提升到可能的30%），但商家失去了对用户行为数据的掌控。商家将不再知道用户“看了什么”，只知道用户“买了什么”。 在这个新世界里，SEO（搜索引擎优化）将消亡，取而代之的是GEO（生成式引擎优化，Generative Engine Optimization）。商家的目标不再是买一个显眼的广告位，而是如何让自己的商品数据结构化、标准化，从而进入AI的“推荐名单”。 那在这场洗牌中，谁会是赢家？ 首先，基础设施提供商是结构性的赢家。后端的Stripe（支付基建）和Shopify（独立站基建）、支付等等，都是必不可少的“水和电”。 它们不参与前端的入口争夺，但所有交易都要经过它们。在AI Agent的世界里，支付和店铺基建是不可绕过的底层协议。 “物理世界API”的拥有者也是赢家。像阿里、沃尔玛这样拥有实时库存和履约能力的巨头，将掌握谈判的主动权。因为AI再聪明，也变不出一个汉堡，它必须调用拥有汉堡库存和配送能力的人。 而输家将是那些依靠信息不对称赚差价的中间商，以及依赖SEO堆砌关键词欺骗算法的商家。AI Agent具有阅读海量评论和数据的能力，它会无情地过滤掉那些“刷单”出来的虚假好评。在一个由AI筛选的世界里，平庸的商品将彻底失去能见度。 很明显，我们正在从Ad-Tech（广告技术）时代，迈向Agent-Tech（智能体技术）时代。 Morgan Stanley在这篇报告《Agentic Shoppers Are Coming...Who Could Win or Lose?》里，分析了当AI Agent普及时，谁会受伤，谁会受益？毕竟，流量漏斗重构了。 <h5>四、结语</h5> Stripe CEO Patrick Collison在和Shopify CEO Tobi Lütke的访谈中，设想过一个情境：应该有人去构建一个“通用名录（Universal Catalog）”。 这个名录不仅仅是针对Shopify的商家，而是囊括世间万物——从耐克的跑鞋，到街边小店的奶茶，再到飞往伦敦的机票。这正是Agentic Commerce的终极梦想：用标准化的产品数据驱动AI Agent进行智能化购物。 在今天，“帮我找个露营帐篷”这样的Prompt依然过于笼统。但也许接下来，Agent就可以精准理解“我要一款重量低于2公斤、防风等级7级以上、且明晚之前就能送达的双人四季帐篷”这样的需求了。 而要实现这一点，不仅需要针对特定商品的模型，更需要极其丰富和结构化的元数据支撑，让AI Agent可以像读取数据库一样，去读取这个物理世界。 这场关于新“AI Layer”的战争，才刚刚开始。 谁能最先让AI从“连接信息”进化到“操作世界”，谁就将定义下一个时代的互联网——那不再是一个用来“逛”的数字橱窗，而是一个能听懂并执行人类指令的AI操作系统。 本文来自微信公众号：一鸣的AI交易思考，作者：刘宇轩 本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。 本文来自虎嗅，原文链接：https://www.huxiu.com/article/4826880.html?f=wyxwapp

编辑：图索·勒克维