淘天 AI 的终极目标：大象无形

最好用的 AI，是让你感受不到它。

文丨管艺雯

半年前，一位中国原生 AI 应用负责人对我们说，如果以过亿 DAU（日活跃用户）为标准，面向 C 端用户的中国原生 AI 超级应用一定会很快到来，“不是 2025 年，就是 2026 年上半年。”

现在看，这显然是一个过分乐观的预测，但在半年前，很多人都这么想。距离 2025 年只剩两个多月，原生 AI 应用里用户规模最大的豆包也才刚到 4700 万 DAU 而已。

半年后，市场更务实、可能性也更多。模型巨头的能力不断溢出，对应用创业公司既是挑战也是机会；行业想要看到在传统业务里落地的大规模场景，能把 “业务收集数据 - 模型更好 - 让业务变更大” 的圆环给闭上。

新的技术时代总会不断出现，但商业的终极问题是相似的 —— 旧王是否会被新王颠覆掉？

互联网平台、大终端厂商和新的模型巨头，谁更容易做成那个离大量用户最近、覆盖面最大的通用 Agent，或者探索出新的交互方式，抓住 AI 时代的超级入口？

在移动互联网时代，已经拥有超级入口的大公司，大概率最多的资源会围绕这个入口的交互方式展开 —— 搜索，用户已经习惯了特定的谷歌使用方式，他们习惯输入关键词；电商，用户也习惯了打开淘宝应用，输入关键词或者向下滑动逛一逛 —— 这决定了他们更倾向思考如何用 AI 来提升自己的搜索和电商，而不是重新造一个。

《晚点 LatePost》和阿里巴巴中国电商事业群搜推智能总裁张凯夫及淘宝 AI 多位深度参与者聊了聊 2025 年，阿里最核心的电商业务在 AI 的全景和进展。

我们试图刻画淘天描绘的 “AI 电商” 样子，此时此刻主要在做三件事：隐性的底层技术，用 AI 清洗商品属性，提升搜索、推荐的匹配效率和广告的 ROI（投资回报率）；显性的产品侧，为商家提供 AI 经营工具，降本增效，为用户打造 AI 导购创新产品，解决实际问题。

淘宝 AI 全景

这三个方向的事，由比过去内部创业更小、更灵活的团队来负责。AI 时代，一步慢步步慢，在复杂大公司，怎么去迅速激发创新是一个重要议题。淘宝的选择是 AI 产品的负责人必须是多面手，既懂产品又有算法背景，这样才有可能形成一个以产品为单位的高效创业体，张凯夫说，“我们不存在职能分工，说你写个需求，让我帮你实现，千万别干这事儿。这是一个非常过时的生产方式，未来的人一定是打通的。”

阿里电商的业务千头万绪，AI 要改变什么？变到什么程度？指导思想很清晰 —— 到现在为止，淘宝选择先把这些 AI 功能融入到用户今天打开淘宝应用后的动线当中，每一个 AI 创新能够解决具体的用户问题。

张凯夫希望实现的理想状态是，“用户甚至不需要知道有淘宝 AI 产品这个概念，他只需要在不同的场合调取不同的功能，解决他的问题、满足他的需求，这就是好用的 AI。”

人类的基本需求没有因为 AI 而改变

谷歌搜索副总裁 Robby Stein 在最新一期《Lenny’s Podcast》说，很多人都没有充分认识到这一点 —— 人们的很多基本需求并没有因为 AI 的到来而改变。

电商行业，用户 “多快好省” 的基本需求一定是经典的，不是一个新东西，但有了新技术，解决需求的方法可能有不同，主要有两种思路：一种是按照用户以前的轨迹，把每个环节做得更好；另一种是做一条完全不一样的动线。

9 月 29 日，ChatGPT 上线了 Instant Checkout（即时结账/支付），接入 Esty、Shopify 两家平台，用户在聊天界面可以直接购买商品。很多行业人士会思考：会不会有一天几个购物平台变成了管道，而个人管家类 Agent （也或许是其他交互形态）成了新的入口？

“AI 产品首先是产品。” 一位淘宝 AI 相关业务负责人对我们说，此前在美国某大型科技公司工作十年，他观察到 AI 产品目前普遍存在一个问题是用户不愿意打字，“你能在手机上写一两百字，就超越大部分的人了。”

淘宝应用上，每年有 10 亿量级的人在这里至少消费一次，每天有 4.31 亿人会打开它逛一逛，是毫无疑问的国民级应用。而在中国，到今天很多用户的输入法依然是手写。人们上了一天班，开了一天会，回到家，在现有的产品逻辑下，最舒服的就是上下滑，因为最不消耗脑力，其次刷双频流，然后点点点，最难的就是写字表达 —— 这就是人性。

张凯夫 2017 年加入淘宝，3 年前开始负责阿里国际电商业务的 AI 应用，又在 2024 年底接管了淘宝智能搜推事业部，统管阿里国内外电商业务的 AI。一直以来，他秉承的一条原则是从来不认为应该为了创新而创新，创新一定得有需求支撑，不管是新的还是旧的，一定要解决用户的痛点。

张凯夫对内举了一个例子，OpenAI 是一个 Chatbot 做所有的事，Google 的 AI 产品是渗透到它的用户动线，包括 YouTube、Chrome、Gmail 等产品，淘宝的思路更像 Google，因为电商的动线很长，用户痛点太多，所以选择把新的 AI 产品融到今天的用户动线里，解决每个节点用户可能遇到的问题。

在每一个场景下有不同的用户需求。当你搜索 “连衣裙” 这种宽泛的词，也许只是想要逛一逛，想看看试穿的效果，这时候有个 AI 试衣；但当你都搜了 “农夫山泉 550 ml * 12 瓶”，那很明确是想要最低的价格；当搜索结果弹出了满世界的不同商品，你有选择困难症，这时候有个 AI 帮我挑；主站搜索和拍立淘里的图搜，要解决的问题也不一样。

为什么要在用户的各种行为轨迹里用 AI 来提效，而不是一步到位，引导用户把自己的需求直接表达出来？

因为表达本身是一件非常高门槛的事情。“淘宝不是只服务于社会精英，我们在做的事情是要服务于广大人民群众，比如家里的爸妈、农村的老太太。” 上述 AI 业务负责人说，AI 产品最大的一个难点是用户面临那个框，他不知道该说什么。相反，一旦你知道说什么，有 100 种方法可以去解。“所以，淘宝要把这件事变成，用户输一个宽泛的词语，我们能够帮他变得更加精确，而不是让他输入 100 个词。”

用户甚至不需要知道这是 AI，不需要知道原来这些东西都是淘宝有个 AI 部门推出的产品，它们融入在淘宝应用里，正好能解决用户的问题。老子《道德经》里说：“大象无形。” 一些底层的根本法则，之所以 “无形”，因为其超越了具体形态的局限，充盈于天地之间，影响力又是最普遍的。

AI 先用来清洗数据，从做了 22 年的电商商品库开始

2024 年底 11 月刚接手淘宝智能搜推事业部不久， 12 月张凯夫和他的团队还没来得及梳理怎么开展 AI 的工作，就遇到上了舆情，市场上抨击淘宝搜索的体验越来越差，他们迅速打了一场 “体验保卫战”，围绕用户的搜索体验问题做针对性优化。

每天开早会分析、看各种案例的过程中，他们也真正意识到淘宝和天猫的商品底层数据的陈旧，做了 22 年电商，过去商品发布，用户搜不到想要的东西、搜出来的东西都长得一样，有时候还不知道怎么搜。

比如当你已经非常明确输入 “黄色连衣裙”，但为什么搜索结果仍然有黄色、红色、绿色、蓝色的？因为在商家的商品详情页当中，包含了那条用户想搜的黄色连衣裙，但由于绿色连衣裙销量更好，而被优先推荐。

类似的这些问题这不是一个算法问题，本质是底层数据的问题。2025 年初，张凯夫和团队就认定，今年最重要的一件事，是把大语言模型系统地用到搜索、推荐和广告的各个环节里。张凯夫说，“这件事价值足够大，技术上也一定能实现，那就没必要犹豫，今年必须做。”

过去，这几乎是不可能完成的任务。如果去淘宝早年的工位去参观，会发现淘宝和天猫行业小二的书架上是各行业的百科全书，需要依赖人工查阅百科全书来为海量品类定义属性，效率低下又难以扩展。优化商品信息这件事情在历史上被提出了无数次，张凯夫回忆，大家发怵，因为淘宝有几十亿商品，那么多品类，还要投入大量资源。

现在，淘宝构建了一个 AI 智能体，它能自动消化行业知识、分析用户真实行为，从而智能地为每个品类筛选出最关键、用户最关心的属性，指导商家填写，能解决商品信息匮乏和不规范的历史难题。

这其中最关键的一步，是利用大模型的语义理解能力，重新梳理商品信息 —— 这是整个淘宝的商品数据基地，只有商品信息本身更丰富、更精准，后面的搜索、推荐和广告系统，才能进行更相关的召回、更精准的推断，然后提升用户体验和商业效率，还有可能把用户的决策链路往前移。这个决策不依赖 AB 测试，而是基于一个朴素的道理：大模型技术，天生就适合处理这类问题。

一位淘宝搜索业务人士举例，当用户搜索 “我要买一台能支持扫地机通过的床”，传统搜索依赖关键词匹配，无法理解这个搜索需求里涉及 “床下离地面高度” 的需求，搜索系统首先能真正理解用户的自然语言表达，理解后，还要能展示出准确的商品，这样一个涉及复杂语义和结构化商品的应用，只有在大模型时代才可能做到。

“目前来看，最主要的问题都在商品上，理解用户意图不难，但理解之后能不能把正确的商品抓回来，这个 Gap 非常大。” 他分享了淘宝搜索对商品数据进行清理的大方向。

最基本的，是规范清楚一个商品本身到底要发布哪些属性，这里的核心是解决商家填写负担和数据丰富度之间的矛盾。AI 可以帮助分析用户真实搜索和购买行为，为不同品类动态设定最关键的几个属性。比如 T 恤只需强制要求 “颜色” 和 “尺码”，而连衣裙还要增加 “风格”“裙长” 等。

因此，淘宝主搜团队启动了 “SKU 引擎” 项目，利用 AI 帮助系统深入理解每个 SKU 的完整信息，这里最大的挑战在于数据量会从过去的几十亿爆炸性增长到数百亿。

因为商品的数量太多，淘宝主搜团队负责人告诉我们，对淘宝来说，“如何识别出哪些商品是同一个品，这对我们来说一直都有点挑战。”

比如奶粉、手机这种标品，目标是要识别 “绝对同款”，而如果系统无法识别不同商家卖的是同一款商品，就无法将最低价或评分最高的商品推荐给用户；对于服装这些非标品重点是识别 “相似款”，解决个性化推荐过强导致的 “推荐单调” 问题 —— 当用户喜欢一个款式，系统要做的是推荐其他相似但不同的款式，而不是反复推送看起来差不多的衣服。

尽管大语言模型既可以 “读懂人心”，又能 “更好理解商品”，但深度学习依然是现在电商里最重要的模型。据我们了解，淘天 AI 现在的策略是让新老方法一起干活，各自做自己最擅长的事。

当要预测用户 “会不会点击” 或者 “会不会买”，还是要依赖深度学习这套模型，因为它特别擅长从大量的历史数据里找规律。比如把 “今天天气冷不冷” 这个信息喂给它，它通过分析过去的数据就能学会：“哦，天一冷，看羽绒服的人就多了。” 基于此算出一个很具体的分数，回答哪个商品更可能被点击。

大半年，用 AI 更理解商品后，淘宝 AI 的三个方向

从年初开始，淘宝 AI 围绕商品理解的工作已经持续六个月，到现在，张凯夫逐渐总结了团队工作的三个核心方向，并形成了有机的闭环。

首先，提升核心基建的效率，利用 AI 深度优化搜索、推荐、广告的匹配精准度，这件事的基础是对淘天平台 20 亿商品库进行彻底的 AI 重构 —— 通过生成式技术清洗、补全和索引商品信息，让算法能真正 “理解” 商品

第二，为商家降本增效，通过 AI 经营工具（如客服、美工、数据分析）直接降低商家经营成本。关键在于，这些工具在帮助商家释放人力，可以投入到更重要的品牌建设上，促进商家增长，也有利于他们产出更高质量的商品数据，以此来反哺核心基建。

第三，用户侧，更精准的搜索引擎，可以被新的 AI 导购产品（如 AI 万能搜、AI 帮我挑、AI 清单、拍立淘、AI 试衣）等作为工具调用，为消费者创造场景化、对话式的新购物体验。

这些复杂、日新月异的工作对业务的提升效果，张凯夫说至少目前，还无法用唯一的一个最重要指标来衡量。

AI 对搜索和推荐的提升效果是最容易衡量的。AI 搜索推荐的每一个事件都有 AB 测试。这是一个非常科学、最可衡量、也最数据化的可控实验。AB 测试和随机实验结果显示，复杂语义下的商品搜索相关性可以提高 20 个百分点，对淘宝这样一个成熟且庞大的搜索系统来说，这样的改进已经很少见。

这让张凯夫充分相信，淘宝在 AI 上的投入，未来一定会 “物有所值”。

因为阿里的商业场景丰富，阿里系的商业规模导致一切做乘法的改进都有巨大商业收益，“乘法就是，系统效率提高 1 个点、2 个点，听起来很小的改进，但后面要乘的数字是巨大的用户量和成交额，所以边际收益很大。”

更深层的一个价值是，用户的搜索行为未来会被改变，当用户越来越愿意并且敢于在淘宝内搜索更多、更复杂的问题，一些以前可能会去其他平台搜索的需求现在会被吸引过来 —— 这相当于把用户的决策起点前移到了淘宝。

据我们了解，淘宝是业界唯一在所有搜索请求中都应用大模型的平台，每天处理高达 3 亿次的页面访问量，这为未来探索更多搜索的可能性打下了基础。

在商家侧，淘宝不指着商家工具赚钱，而是希望通过这些工具帮助商家做好经营，商家的销售额更加，平台自然受益。淘宝更关注的是规模指标：包括多少人用，商家用这些工具干了多少活。

在店铺日常经营中，AI 已深度参与多个高成本环节 —— 淘宝的 AI 美工每月一共帮助商家自动生成 2 亿张图片，AI 客服每天大概能为商家节省的成本相当于 2000 万元人民币。

阿里妈妈工程技术相关负责人介绍，商家打广告主要做四件事：定向人群和关键词投放、制作素材、流量的出价竞价和设定预算。淘宝建立起了 AIGX 体系，在这些环节提升效率、降低成本。

淘宝还推出一系列 AI 导购产品来辅助用户购物：通过 “AI 万能搜” 可以解析模糊的场景化需求；“AI 帮我挑” 能在众多搜索结果中提供选购建议；“AI 试穿” 通过模拟真实上身效果帮助用户判断衣物是否合身；“AI 清单” 支持以对话方式创建和管理购物清单，“拍立淘” 让图片搜索功能更好用。评价它们的指标和其他产品一样，就是 DAU 和用户留存。

张凯夫已经很多年不写代码了，现在他会投入时间 Vibe Coding（氛围编程） 实现一些小系统，这已经成为一种很自然的工作状态，这并非不务正业，而是因为 AI 技术变化太快，只有亲身实践，才能最直接感知技术的边界和可能性。

团队的日常讨论，也远远超出了电商业务的范畴。张凯夫说，大家对 AI 的兴趣浓厚，日常会有很多关于世界未来的讨论。我们并不说电商未来会怎么样，我们会去讨论互联网的未来会怎么样，未来互联网上会不会 Agent 比人都多，那个时候我们需要什么样新的基建，我们的浏览器会变成什么样的，索引会变成什么样？

这里不像一个严阵以待的作战指挥部，更像一个充满奇思妙想的创新工坊。就像 AI 对电商的 “无形” 作用一样，也许 AI 时代的思考方式，也正在成为那个 “大象”，对企业组织产生越来越 “无形” 的影响。

题图来源：《2001 太空漫游》