豆包、元宝、Kimi等AI大模型厂商集体上链接“带货”的背后

出品 | 何玺

排版 | 叶媛

AI大模型进入商业化新阶段。

近期，豆包、腾讯元宝、Kimi等国内AI大模型纷纷在对话中加入电商平台商品链接。更早之前，国外的ChatGPT已与沃尔玛合作，支持用户在聊天界面内直接完成下单支付。

从回答问题到上链接“带货”，AI工具正从“信息提供者”向“交易入口”转型。
这场静悄悄的“改变”背后，是整个大模型行业在探索商业化道路上的一次关键转向，有较为现实的压力和需要。

那么，AI对话大模型会成为“带货”主流吗？

下面，笔者就从AI大模型厂商的压力和焦虑说起，聊聊个人的一些看法。

01

AI大模型厂商集体上链接“带货”的背后

从根本上说，大模型厂商纷纷上链接“带货”，最直接的驱动力是寻求商业变现，背后则是高企的成本压力。

来看OpenAI最新发布的2025半年报，数据显示，2025年上半年，OpenAI营收约为43亿美元，同比增长16%，
亏损却高达135亿美元
。这笔钱主要流向了研发和ChatGPT的运营。

这种高成本是全行业的宿命。

公开数据显示，2020年，训练一个前沿模型仅需数百万美元，而到2025年，这一数字已激增至3亿美元以上，
训练成本正以惊人的速度攀升。硬件垄断、能源消耗和高质量数据稀缺等多重因素叠加，将模型训练变成了奢侈游戏。

除了模型训练费用，日常运营更像烧钱竞赛，顶尖AI工程师年薪动辄几十万美元，服务器运维团队一年成本就要五十万美元，再加上合规审查、碳抵消等隐性支出，账单是越堆越高。

用户使用时的“推理成本”同样不容小觑。一次简单的问答成本可能不到0.6美元，但如果是用智能体做复杂分析，成本直接达到上百美元，差距高达百倍。

有行业从业者直言，“大模型的训练和推理就是一场‘烧钱竞赛’。”

面对如此高昂的成本，传统的变现模式显得力不从心。即使是头部玩家也扛不住这种压力，不得不探索新的生存之道。

目前，大模型行业主要依赖三种变现模式：API调用、会员订阅和企业定制化解决方案。其中，API调用是最主要的收入来源之一。今年前6个月，Anthropic的API收入达到31亿美元，OpenAI为29亿美元。但国内市场竞争激烈，API价格一降再降，从以前的几毛钱降到现在的几分钱，利润空间被严重挤压。

会员订阅模式则是OpenAI一家独大。其ChatGPT Plus会员费为每月20美元，年化经常性收入中约70%来自会员订阅，约91亿美元。 但OpenAI的付费会员占比仅为5%，显示出订阅模式的天花板。

定制化方面，企业客户对高昂的部署费用望而却步，个人用户习惯了免费服务，付费意愿低迷。还有，很多厂商投入巨资研发的行业解决方案，要么和实际需求脱节，要么落地时面临数据适配难题，变现效率大打折扣。

面对传统变现模式的不足，大模型公司只能将目光转向“离用户更近”的变现方式：广告和电商。而在这两项中，广告因可能损害用户信任而被谨慎对待，
电商则成了更优选择
。因为与可能干扰用户体验的广告相比，电商链接通常是对用户主动提问的响应，感觉上更自然、干扰更小，所以被大模型厂商认为是当前更优的变现模式。

总的来说，大模型厂商集体上链接“带货”这事，我们可以将其理解为行业在巨大成本压力下追求商业变现的一次关键转向和积极探索。

02

AI对话大模型会成为“带货”主流吗？

聊完AI大模型厂商集体上链接”带货“背后的原因，接下来，笔者聊聊AI对话大模型是否会成为“带货”主流的看法。

在回答问题之前，我们先你来看看AI大模型“带货”的将会遭遇的难题。在笔者看来，AI大模型厂商“带货”至少会遭遇用户信任基石被侵蚀、技术突破难、跨行业博弈遭阻击三大难题。

用户信任方面，从大模型开始推荐商品并寻求变现，其引以为傲的“客观中立”立场其实就已经开始崩塌。用户终究会怀疑：这个推荐是真的最适合我，还是平台收了“广告费”或佣金？这种怀疑会直接动摇用户对AI的基本信任。这还不算最糟的情况，如果大模型始终无法实现盈利，平台可能会从最初的“被动容忍”商业信息，转向“主动、系统化地植入”广告。这意味着用户与AI的对话，可能不再是纯净的咨询，而是精心设计的销售话术。一旦大模型的核心算法目标被迫加入“带货”的权重时，它作为可信赖助手的“人设”也就走到了尽头。

技术突破方面，用户理想中的AI购物体验，“自己动动嘴，AI搞定一切”，在当前的技术水平下，依然面临诸多短期内难以逾越的障碍。比如，AI会给用户推荐根本不存在的商品功能，或基于错误信息进行比价。根据笔者实测，当前AI大模型主要以来关键词匹配商品链接，其相关性和准确性和成熟电商平台推荐差距还很大。

此外，AI虽然擅长处理标准化的信息和基于历史数据的预测，但对于需要情感、审美和复杂权衡的个性化消费决策（如“哪条裙子能让我在聚会中显得既优雅又独特？”），AI目前的理解依然肤浅，其推荐往往停留在表面。

简单说，就是现在的AI大模型推荐一点不聪明，想要用它全面接管消费决策，无异于将重要的购物车交给一个时而走神、时而自作聪明的助手。
很难让人放心。

跨行业博弈方面，AI带货并非在真空中发展，传统电商平台的戒备心理也将阻碍其发展。据报道，电商平台不愿将自家商品数据开放给外部AI产品，担心会损害自己的流量入口、降低用户粘性。对电商平台而言，自己付出了昂贵的获客成本，当然更希望将流量沉淀在内部，而不是把用户的交易心智放在AI产品入口里。所以我们看到，就算是走在“带货”前面的ChatGPT，目前能在站内完成购买的电商平台也仅有Etsy和Shopify等相对小众的平台。

可以预见的是，传统电商平台（如淘宝、京东）绝不会坐视大模型成为新的购物入口，从而让自己“管道化”。它们必然会加固自己的护城河，例如通过深化供应链优势、优化物流体验、构建更封闭的生态来留住用户。在未来一段时间里，AI大模型、电商平台之间必有一战。

一句话，电商巨头们苦心经营多年的交易堡垒，绝不会轻易向AI敞开大门。

回答上面的问题，AI对话大模型上连接“带货”，确实是一个重要的方向，但其能否成为“主流”现在断言还尚早。长远来看，AI“带货”能否成为一种主流的购物方式，取决于大模型公司能否在推荐精准度、购物体验流畅度和维护用户信任度上取得实质性突破。

03

大模型“带货”时代，用户、商家该如何应对

上面，笔者聊了AI大模型厂商集体上链接”带货“背后的原因，回答了AI对话大模型是否会成为“带货”主流的问题。接下来，笔者聊聊，大模型“带货”时代，用户、商家该如何应对这种变化。

AI大模型“带货”时代，用户的购物习惯正在悄然发生变化。传统的“搜索-浏览-比较”模式正在被对话式购物取代。用户不再需要面对海量商品信息茫然无措，而是可以通过自然语言对话，获得个性化推荐。

然而，这种便利性也伴随着新的挑战。比如
AI推荐的不透明性。笔者实测显示，当询问跨平台比价时，不同AI助手可能给出有倾向性的建议，甚至出现与实际情况不符的“翻车”案例。更有消费者在社交媒体吐槽，AI推荐的商品在结算页面的实际价格与其他平台存在明显差异。

面对不太聪明和可能有倾向性的AI大模型，用户该如何应对呢？笔者看法是，普通人应该积极拥抱AI购物，成为一个清醒、主动的“智能消费者”。

比如，可以尝试将AI视为一个强大的购物助手或超级参谋。AI在处理“满减凑单”、对比平台内复杂优惠规则时，其计算速度和准确性远超人工。我们可以安心地将这些“算术题”交给它，为自己节省精力。当然，我们也要清楚它的局限，比如对于跨平台比价、推荐非标准化商品（如服饰、手工艺品）等复杂任务，目前的AI还不大“可信”。这时，它的建议可以作为“参考”，但不能作为“标准答案”。

此外，我们最好采用“交叉验证”策略在AI购物中保护自己。首先是价格验证，对于AI推荐的商品，
务必手动切换到不同电商平台的官方App，将商品加入购物车查看最终结算价格。这是戳破虚假比价最直接有效的方法；其次是信息核实，对于AI提供的产品信息、规格参数，特别是它推荐的一些不熟悉的品牌或书籍时，要有意识地去商品详情页、品牌官网或第三方评测平台进行二次确认。如果有必要，还可以到线下门店去做比对；最后是对规则和细节的把握。比如使用AI购物功能时，留意其申请的数据权限。仔细阅读相关用户协议，了解个人信息将如何被收集和使用，谨慎对待过度索权的要求。此外，还要警惕冲动消费，AI可能会利用“限时优惠”、“低价倒计时”等策略制造紧迫感。这时尤其需要冷静，问自己是否真的需要，避免在对话的便利性中“手滑”下单。

一句话，与AI共舞的购物新时代，
“信任，但验证”
是核心原则。我们不要完全拒绝AI带来的便利，但需要将它置于一个合理的位置——是超级参谋，但非决策的主人。

AI大模型带货时代，对商家而言，商品能否被AI“读懂”并推荐变得关键。这不再仅仅依赖广告投入，更取决于商品信息是否清晰、完整、准确，以便AI能更好地理解和匹配。

面对这种变化，商家该如何紧跟潮流，积极应对，获得发展红利？笔者的看法是商家要深刻理解AI带货的逻辑，主动拥抱AI，积极应对。

笔者建议商家从优化商品信息、适应新逻辑、规避潜在风险等方面应对AI大模型“带货”带来的变化。

AI大模型“带货”时代，您的商品信息就是与AI大模型“对话”的语言。说得越清晰、越标准，被理解和匹配的几率就越高。为了让AI读懂并推荐自己的商品，商家不要在堆砌关键词，而应采用清晰的结构描述产品，并详细说明使用场景、解决的具体痛点以及适合的目标人群。例如，不仅仅说“便携保温杯”，可以描述为“适合通勤白领的500ml大容量保温杯，可单手开启，满足全天候热水需求”。类似这种，AI更容易识别和匹配这类信息。

此外，还要丰富且标准化的数据
。确保商品图片清晰、多角度，产品参数（如尺寸、材质、重量）完整准确。为商品打上丰富、准确的属性标签，这能极大帮助AI进行理解和分类。

光这样还不够，想要获得AI大模型“带货”红利，还需要理解AI带货的底层逻辑，并提前布局。商家要明白，AI大模型是对话，不是搜索。传统的SEO针对的是关键词搜索，而AI推荐更多基于自然语言对话。商家需要思考用户会如何用口语化的方式描述需求，并据此优化产品内容，例如在商品描述中融入更多生活化的使用场景和解决方案（比如上面的保温杯推荐）。

如果有条件，建议组建AI效率小组，优先部署内容生产与分发，训练适应大模型的内容，确保大模型输出内容符合“带货”需要。

当然，商家在拥抱AI的同时，也需保持警惕，规避风险。AI决策基于数据和模型，但市场是复杂多变的。商家应结合一线实际经验进行判断，避免完全被AI建议所主导，忽视市场的灵活性和人的创造性。