这听起来像是用户的福利
，但仔细想想
，把购物决策交给一个由平台训练、为平台服务的AI。这到底是更好的购物履历
，还是一套更荫蔽的流量收割？ 豆包的回覆像做过作业的伴侣
，先给需要过滤（“不适合大型游戏
，优先8G+256GSSD”）
，再推具体商品卡
，附价值、配置、合用场景。底部“选购提醒”自动忠告“i7独显廉价机”多为老款改装陷阱
，给出配置底线。最后追问用处
，疏导对话持续。 点开商品卡能够直接进入下单页面、付费
，关环流程比力顺畅
，但不知路这个商家的推荐逻辑
，以及是否是推广的了局。点击“查看更多商品”能够选择更多店铺采办
，排在首位的是一个直播间。随机测试了几个其他的产品
，也根基都是把直播间放在首位
，注明在豆包的流量分发逻辑里
，直播间的权沉高于通常商品列表。 千问鉴别了需要
，按使用场景做了分类推荐
，但是信息的结构化出现不如豆包。并且千问没有直接给产品采办链接
，而是进入一个商品了局页
，必要用户自己筛选
，给的产品差距也比力大
，需要匹配不是很正确
，比力像用几个关键词搜出来的淘宝了局页。 千问比力人道化的推荐了一个性价比选项：买一个二手的苹果MacBook
，但标注售价6237元
，显著超出3000元预算
，属于显著的预算匹配失控。 幼结：豆包把决策做完再给你
，但最终采办的落点凸起直播间；千问把商城入口打开让你自己决策
，整体感触智能水平相对差一些
，同时在多个测试中
，千问都推荐了“二手产品”
，这倒是体现了阿里的电商生态丰硕性优势。 豆包直接亮出“不合”
，回覆很明确
，且分场景说明显差距
，附实时商品卡
，追问是否必要按预算推具体型号。这里有显著的商品推销作为
，但还算可接受。 幼结：两家都合格。但显然豆包的推销意识更强
，会自动发现机遇卖货。千问的回覆更像纯工具
，不外也带出了一点AI的通病
，过于审慎
，显得不够果断、专业。 豆包先提炼主题需要
，“对焦快、追焦稳、直出好看
，优先APS-C微单”
，给三套预算规划
，每套都有机身价+渣滓预算配镜头的建议。商品卡来自官方旗舰店
，数据可查。 但商品卡齐全错位
，推荐“全新微单方面案”挂的是53元的库洛米儿童玩具相机
，“二手全画幅规划”挂的是7.78元的玩具相机。其他商品也都价值差距巨大
，不太切合8000元预算的需要。 幼结：豆包在高客单价场景下阐发相对不变
，推荐逻辑清澈；千问的文字判断没问题
，但商品卡匹配出现严沉谬误
，说话层和商品层之间显著没有买通。 千问直接率直：作为淘宝AI购物副手
，没法子助你查京东和拼多多的及市价值。而后厚道地给出淘宝内部的省钱攻略
，价值是真事翻取的数据。商品推荐上也比力克造
，不是上来就直接推商品链接
，而是问过用户之后再推。 第一
，豆包既没有接入京东
，也没有接入拼多多
，这套比价数据是搜索有关资料后由模型天生的
，不是实时拉取的。以“淘宝通常版636元（88VIP+券+国补）”为例
，这是叠加多沉优惠后的理论最廉价
，通常用户现实上拿不到。 第二
，它釉祓头自动卖货了
，答案底部挂的商品卡是自家抖音商城的AirPods 4
，和需要里让它分析的三个平台没有任何干系。再次体现了强推销逻辑。 千问说“比不了”
，恳切的说出终局限。豆包给了答案
，但用户看到一套齐全的比价表
，会天然地以为这是实使劓实数据
，而现实上可能是一个幻觉。在购物决策这件事上
，一个编出来的答案比没有答案更危险。 幼结：这组测试最能看出两家的底层战术差距
，也显著的反映了生态的局限性。这种移动互联网时期的“花圃围墙”在AI时期依然无解。有意思的是
，豆包推销抖音电商产品的意识更激进
，有机遇就往采办蹊径上引；千问反而更克造
，更多时辰是给信息、给方向
，而不是直接递商品卡。 淘宝天猫的主题贸易模式是告白和竞价排名。若是千问的推荐真的齐全按“最适合用户”排序
，大量付费商家的告白投入就失去了意思
，整个生态的贸易逻辑就断了。已有媒体实测发现
，千问推荐的商品高度集中在付费权沉更高的商家领域里
，销量上万的高性价比平价款被压到了数十位之后。 豆包同样如此。它的推荐池是抖音商城
，商品卡点进去首先出现的是直播间
，这不是偶合
，而是字节电商流量分发逻辑的体现。AI推荐的背后
，是平台但愿你进入哪个消费场景。 传统搜索了局里
，告白和天然了局之间还有一个“告白”标签。AI推荐说的是“凭据你的需要为你精选”
，用户险些无法分辨推荐背后是算法还是贸易。包装越天然
，越值得警惕。 豆包在推荐卡片这一层做了不错的过滤
，但点开“查看更多商品”之后
，预算约束隐没了
，3000元预算的笔记本测试里
，?3739的新款和?4499的高配版照样出现。千问在预算匹配上同样失控
，MacBook Air那张价值高达6237元的商品卡就是例证。 这露出了当前AI购物产品共同的工程短板：AI的决策层和平台的商品召回层之间
，没有买通。AI理解了用户需要
，给出了有判断的推荐
，但一旦用户脱离这个推荐卡片
，就切换回了传统电商的逻辑
，按销量、按告白权沉、按平台利益来排序。AI只影响了购物链路的第一步
，没有影清脆面的每一步。 更底子的问题是：商品数据的尺度化和实时同步自身就是一个巨大的工程难题。豆包的比价数据依赖模型天生而非实时拉取
，千问的商品卡偶然谬误匹配到儿童玩具
，性质上都指向统一件事。在电商这个高度依赖实时库存、及市价值、实时促销信息的场景里
，大模型的知识更新快率还跟不上商品世界的变动快率。 AI购物的主题承诺是用天然说话表白需要
，比输入关键词更高效。但从测试了局来看
，这个承诺重要在“需要明确+标品+决策单一”的场景下成立。 问“预算3000的笔记本”
，AI能给出不错的回覆。但真实的购物决策往往不是这样的
，用户的需要是吞吐的
，比力的维度是多维的
，信赖的成立必要功夫。当豆包给你推荐一台相机但你不知路商品卡的起源是否可信
，当千问的比价只覆盖淘宝一个平台
，用户会本能地打开另一个App去交叉验证
，这时辰AI购物不只没有提升效能
，反而多了一个确认步骤。 职能层面
，无论是豆包还是千问
，目前跑得比力顺滑的还是表卖、标品这类低决策成本的品类。618的主战场
，家电、手机、电脑、服装等这些高决策成本、强比价需要、沉信赖背书的品类
，AI推荐的靠得住性和用户的信赖度
，还约到能够“代劳”的水平。 用户习惯层面
，从搜索式购物切换到对话式购物
，是一次认知方式的迁徙
，不是一次App更新能实现的事。大无数用户今年618
，依然会打开熟悉的购物App
，按熟悉的方式比价下单。AI购物的尝鲜者
，还是少数。 所以今年618的AI购物
，更正确的定位是：一次公开的压测
，一个象征意思的节点。各家用这个窗口验证技术路线、测试用户接受度、跑通支付关环
，为真正意思上的AI购物时期做筹备。 真正的AI购物
，要解决的问题还好多：推荐数据的实时性和正确性、跨平台比价的可能性及可信度、个性化推荐和商衣符益之间的通明天堑、高决策成本品类的信赖机造……这些问题
，靠职能迭代能解决一部门
，但更多的是必要整个行业沉建用户和平台之间的信赖左券。