开始了，京东要用 AI 重做一遍电商

未来的 AI 电商，可能不需要「逛」？

作者: 镜山

编辑: Koji

‍ 排版: NCon

过去两年，AI 已不仅是中国电商巨头财报中的固定词汇，它开始深度介入业务，成为决定未来十年的关键胜负手。

在所有玩家中，京东的动作非常多。

就在大家等着看京东如何应用 AI 时，「十字路口」团队注意到，一款名为「京东 AI 购」的 APP 已经在上个月低调上线。

这款 APP 的设计与传统京东 APP 截然不同。打开后，你不会看到满屏促销广告，也不会被复杂页面弄得眼花缭乱。相比京东主站的「货架式购物」体验，「京东 AI 购」做了明显减法，去除复杂内容，试图用简洁方式回答一个问题：

在 AI 的帮助下，购物体验能否做得更好、更简洁、更舒适？

我们深度试用了一段时间。接下来，将详细分享实测体验：

在电商 APP 里，AI 是如何做「减法」的？

其实京东 AI 购的主页逻辑很有意思，它本质上是一个 Chatbot 式的交互界面。你在里面所有的搜索行为，都会像聊天记录一样被系统性地沉淀在历史功能里。

相比京东传统的那种「货架式」布局，这个 APP 的界面确实做了极简处理，视觉负担轻了很多。

AI 购物

在京东 AI 购里搜索商品，这种「意图驱动」的流程体验确实更顺滑。

比如：

想买一台适合放在出租屋的小型咖啡机，小红书现在比较火的

你会发现它的后台运行着一个清晰的工作流。

其中最关键的一步是它具备「调研」属性：它会实时分析小红书上的热门趋势，捕捉当下流行的审美和型号，再将其与京东的商品池进行匹配。

这种从社交平台热点到电商货架的转化，让推荐结果显得更有说服力，而不只是生硬的关键词匹配。

一个令我印象深刻的点是，京东 AI 购对商品展示的交互逻辑，与我们惯常认知的电商搜索大不相同。

它完全围绕着商品进行了一种分级且结构化的呈现。例如，当我搜索咖啡机时，它反馈的速度极快，且结果非常克制。

它会提炼出每款商品最核心的优势维度，无论是价格的亲民程度、泵压参数，还是体积和操作流程，甚至连好评数都会被整合进对比逻辑中。

最终，这些信息会以卡片的形式呈现，而且你会发现，它单次给出的商品卡片通常不会超过 5 个：

在每一个推荐卡片的下方，都设置了一个进入「爱购」功能的点选按钮。点击之后，会跳转到 APP 内第二个高权重的标签页。

在这个页面中，它回归了我们熟悉的货架式瀑布流布局。一旦点进具体商品，呈现的就是京东原生的商品详情页。

值得注意的是，它在详情页里也深度集成了 AI 能力。

页底常驻了一个 AI 聊天框，用户可以直接针对该商品提出更细致的问题：

拿我实际问它的问题来说，比如问这款飞利浦咖啡机支不支持「冷热双萃」、自动奶泡系统怎么用、或者研磨档位到底有多少级，它都能利用 AI 快速把这款商品的信息点给拆解并总结出来。

说实话，如果你习惯了这个流程，会发现它比以前翻详情页、看长图、找参数要快得多：

在它给出几款推荐产品之后，下方会直接生成一个「商品对比」的 PK 功能模块。

点击这个「商品对比」进去后，它会自动对你喜欢的那几款产品进行拆解。

我觉得很有意思的一点是，它不只是简单堆砌数据。

比如你还在犹豫的时候，它会给出一个非常清晰的定位分析：哪一款更适合家庭日常，哪一款对「小白」更友好，或者它们在设计语言上有什么细微差别。

最后它还会生成一张比较细致的对比表格。像咖啡机的水箱容量、操作难度、奶泡系统这些核心维度，全都列得很清楚：

在购物这个场景下，它还设计了一个「每日一惠」的功能。

简单来说，当你点进这个板块，它会告诉你 AI 正在从全网扫描海量的商品折扣。它的逻辑更像一个「筛选器」：

「机酒饭」闭环

虽然这款产品的名字叫「京东 AI 购」，但深入用下来会发现，它其实并不只是大家惯常想象中那种单纯买东西的电商 APP。

这个「购」字的背后，承载的维度明显比传统购物要宽得多。

我观察到它其实已经覆盖了像机票、酒店这类生活服务的闭环，把这种「意图驱动」的逻辑延展到了更广泛的消费场景里。

比如：

下周二一个朋友要从上海来北京找我玩，为她订一张机票

比如我让它帮我找下周二上海到北京的航班，它不仅能迅速筛选出低价票，还会把早班机的起降时间这些关键信息整理得比较清晰。

它还会基于我的需求给出具体的「选择建议」：

当你点开每一个感兴趣的航班卡片后，它会直接跳转到我们平时最熟悉的机票预订页面。这时候，它呈现的就是真实的班机信息和购买入口了。

当她下飞机之后，如果我们想找点好吃的，也可以直接让京东 AI 购帮我推荐。

帮我找附近好吃的川菜馆，我要带她去吃

比如我会让它帮我搜下附近的饭馆，它会基于地理位置，把那些评价高或者有特色的地方直接推出来。

接着，京东 AI 购会推荐出川菜店，并详细列出距离、评分、好评率以及主打菜品，最后附上商户卡片。

但我发现一个有意思的点，它的整个链路其实并不是在引导你去店里吃，而是侧重于「外卖」场景：

吃完饭之后，如果想订酒店，京东 AI 购也能直接接手。

再帮她订一家酒店中高档

这种对话式交互的优点就在于，它能承接那种相对模糊的意图。我只是给了一个简单的提示词，它就能自动去理清逻辑。

因为它知道我想要「中高档」，所以它并不会只推一个价位的，而会分出梯度，中档和高档各找一家推荐给我，帮我做这种跨档位的选择：

甚至当我们想约个晚餐时，京东 AI 购这种「购物组合」的能力表现得非常亮眼。

比如我让它推荐一套「情人节烛光晚餐餐具和装饰组合」，它会自动帮我配好几档不同风格的套装。

这时候 AI 购物的场景优势就很明显了，你完全不需要像在传统电商 APP 里那样，分别去搜蜡烛、搜餐具、搜桌布，它直接就把一整套解决方案推了出来：

我顺手截了几张图，可以看到它推荐的内容涵盖了餐具套装、不锈钢刀叉勺，还有专门的晚餐主题套装。

更细致的一点是，它会自动计算出一整套组合的总价，并分析每个组合的具体优势在哪：

AI 试衣

再聊聊「AI 试穿」。其实网购最大的摩擦力始终在于「退货成本」，而我发现「京东 AI 购」在这个版本里，把 AI 试衣功能的权重放得非常高。

推荐几套适合我的穿搭

比如我对它说「推荐几套适合我的穿搭」，它会直接甩出一整套组合式的穿搭方案。每一件单品，无论是上衣还是裤子，都会被单独拆解成一个个卡片：

对于每一套穿搭方案，你都能直接点击「AI 试穿」，这种功能集成度已经做得相当高了。除了它主动推荐的方案，整个 AI 试衣功能区里其实还储备了很多的穿搭卡片，都支持个性化的试穿体验。

当你点进某个套装后，还会发现它提供了同店内的不同搭配建议，以及同店搭配的选择项：

这里我继续用 Koji 的形象做了一次「试穿」，我发现京东 AI 购的试衣工作流，还是挺顺的，可以直接通过下半部分的商品卡片，用本人上传的自拍照，做试穿：

而且，还可以在保持「某一件单品」的同时，试穿「同店铺里售卖的上装 or 下装」：

在深度实测了这些内容之后，我发现「京东 AI 购」所做的「减法」，并不是那种为了极简而极简的功能阉割。

以往我们熟悉的货架电商，本质上是「人找货」：你得自己扎进海量的商品里，反复对比参数、翻看评价、研究详情。而在「京东 AI 购」里，这个逻辑被重构成「用 AI 找货」。

传统的购物链路通常是：搜索、筛选、比价、加入购物车、最后结算。如果你还想顺便订个外卖或机票，就得退出、切换 APP，再把这一套繁琐的过程重复一遍。

但在「京东 AI 购」里，首页几乎收拢到了一个核心入口，完全靠「意图驱动」来完成交互。

「京东 AI 购」把那些本该由算法处理的脏活、累活（比价、筛选、跳转、追踪）全部封装在了后台。这种「减法」背后，其实是京东这半年在 AI 领域积攒的底层能力的一次集中体现。

毕竟，我甚至发现，他们为了做这款 AI 产品，还在 ArXiv 上发表了专门的论文：

在这篇名为「OxygenREC」的研究里，京东详细拆解了这套系统背后的逻辑。

传统的推荐系统往往只是生硬的「匹配」，很难理解用户背后复杂的意图。为了解决这个问题，京东引入了一套 「快慢思考（Fast-Slow Thinking）」架构：

「慢思考」 就是利用大模型去挖掘用户那些模糊的、需要推理的真实意图。

「快思考」 则负责高效率的实时生成，确保你在搜索时不会感到卡顿。

更核心的一点是，针对电商领域最头疼的「多场景适配」问题。

比如怎么同时处理好买衣服、订酒店和点外卖？

论文提出了一种 Soft Adaptive Group Clip Policy Optimization (SA-GCPO) 算法。简单来说，它能把不同的业务目标统一起来。

在过去很长一段时间里，所有人都在好奇，当 AI 真正深度介入电商时，它到底会长成什么样？

京东 AI 购给出的答案是：一种基于「意图」的「购体验」，把原本各种割裂的消费行为，统一在了一个对话框里。

现在，电商行业将会面临一个真实的问题：

这种「极简」的形态，会成为未来电商的主流吗？

在用户体验上，这种 AI 所带来的「极简」形态，确实在某些维度上降低了认知负担，但也不是没有问题。

比如，我也在思考另一个问题：「逛」的乐趣，是否也是用户体验中不可或缺的一环？

传统的货架电商 APP 虽然繁琐，但它提供了一种类似于「逛街」的随机性。当 AI 极度精准地只给你结果时，购物所带来的「种草式」快乐感，其实很大程度上被替代了。

至于这是否就是大家最期待看到的形态，现在下结论或许还有点早。

欢迎在评论区，留下你的意见～