#淘天
淘天 AI 的終極目標:大象無形
最好用的 AI,是讓你感受不到它。半年前,一位中國原生 AI 應用負責人對我們說,如果以過億 DAU(日活躍使用者)為標準,面向 C 端使用者的中國原生 AI 超級應用一定會很快到來,“不是 2025 年,就是 2026 年上半年。”現在看,這顯然是一個過分樂觀的預測,但在半年前,很多人都這麼想。距離 2025 年只剩兩個多月,原生 AI 應用裡使用者規模最大的豆包也才剛到 4700 萬 DAU 而已。半年後,市場更務實、可能性也更多。模型巨頭的能力不斷溢出,對應用創業公司既是挑戰也是機會;行業想要看到在傳統業務裡落地的大規模場景,能把 “業務收集資料 - 模型更好 - 讓業務變更大” 的圓環給閉上。新的技術時代總會不斷出現,但商業的終極問題是相似的 —— 舊王是否會被新王顛覆掉?網際網路平台、大終端廠商和新的模型巨頭,誰更容易做成那個離大量使用者最近、覆蓋面最大的通用 Agent,或者探索出新的互動方式,抓住 AI 時代的超級入口?在移動網際網路時代,已經擁有超級入口的大公司,大機率最多的資源會圍繞這個入口的互動方式展開 —— 搜尋,使用者已經習慣了特定的Google使用方式,他們習慣輸入關鍵詞;電商,使用者也習慣了打開淘寶應用,輸入關鍵詞或者向下滑動逛一逛 —— 這決定了他們更傾向思考如何用 AI 來提升自己的搜尋和電商,而不是重新造一個。《晚點 LatePost》和阿里巴巴中國電商事業群搜推智能總裁張凱夫及淘寶 AI 多位元深度參與者聊了聊 2025 年,阿里最核心的電商業務在 AI 的全景和進展。我們試圖刻畫淘天描繪的 “AI 電商” 樣子,此時此刻主要在做三件事:隱性的底層技術,用 AI 清洗商品屬性,提升搜尋、推薦的匹配效率和廣告的 ROI(投資回報率);顯性的產品側,為商家提供 AI 經營工具,降本增效,為使用者打造 AI 導購創新產品,解決實際問題。淘寶 AI 全景這三個方向的事,由比過去內部創業更小、更靈活的團隊來負責。AI 時代,一步慢步步慢,在複雜大公司,怎麼去迅速激發創新是一個重要議題。淘寶的選擇是 AI 產品的負責人必須是多面手,既懂產品又有演算法背景,這樣才有可能形成一個以產品為單位的高效創業體,張凱夫說,“我們不存在職能分工,說你寫個需求,讓我幫你實現,千萬別幹這事兒。這是一個非常過時的生產方式,未來的人一定是打通的。”阿里電商的業務千頭萬緒,AI 要改變什麼?變到什麼程度?指導思想很清晰 —— 到現在為止,淘寶選擇先把這些 AI 功能融入到使用者今天打開淘寶應用後的動線當中,每一個 AI 創新能夠解決具體的使用者問題。張凱夫希望實現的理想狀態是,“使用者甚至不需要知道有淘寶 AI 產品這個概念,他只需要在不同的場合調取不同的功能,解決他的問題、滿足他的需求,這就是好用的 AI。”人類的基本需求沒有因為 AI 而改變Google搜尋副總裁 Robby Stein 在最新一期《Lenny’s Podcast》說,很多人都沒有充分認識到這一點 —— 人們的很多基本需求並沒有因為 AI 的到來而改變。電商行業,使用者 “多快好省” 的基本需求一定是經典的,不是一個新東西,但有了新技術,解決需求的方法可能有不同,主要有兩種思路:一種是按照使用者以前的軌跡,把每個環節做得更好;另一種是做一條完全不一樣的動線。9 月 29 日,ChatGPT 上線了 Instant Checkout(即時結帳/支付),接入 Esty、Shopify 兩家平台,使用者在聊天介面可以直接購買商品。很多行業人士會思考:會不會有一天幾個購物平台變成了管道,而個人管家類 Agent (也或許是其他互動形態)成了新的入口?“AI 產品首先是產品。” 一位淘寶 AI 相關業務負責人對我們說,此前在美國某大型科技公司工作十年,他觀察到 AI 產品目前普遍存在一個問題是使用者不願意打字,“你能在手機上寫一兩百字,就超越大部分的人了。”淘寶應用上,每年有 10 億量級的人在這裡至少消費一次,每天有 4.31 億人會打開它逛一逛,是毫無疑問的國民級應用。而在中國,到今天很多使用者的輸入法依然是手寫。人們上了一天班,開了一天會,回到家,在現有的產品邏輯下,最舒服的就是上下滑,因為最不消耗腦力,其次刷雙頻流,然後點點點,最難的就是寫字表達 —— 這就是人性。張凱夫 2017 年加入淘寶,3 年前開始負責阿里國際電商業務的 AI 應用,又在 2024 年底接管了淘寶智能搜推事業部,統管阿里國內外電商業務的 AI。一直以來,他秉承的一條原則是從來不認為應該為了創新而創新,創新一定得有需求支撐,不管是新的還是舊的,一定要解決使用者的痛點。張凱夫對內舉了一個例子,OpenAI 是一個 Chatbot 做所有的事,Google 的 AI 產品是滲透到它的使用者動線,包括 YouTube、Chrome、Gmail 等產品,淘寶的思路更像 Google,因為電商的動線很長,使用者痛點太多,所以選擇把新的 AI 產品融到今天的使用者動線裡,解決每個節點使用者可能遇到的問題。在每一個場景下有不同的使用者需求。當你搜尋 “連衣裙” 這種寬泛的詞,也許只是想要逛一逛,想看看試穿的效果,這時候有個 AI 試衣;但當你都搜了 “農夫山泉 550 ml * 12 瓶”,那很明確是想要最低的價格;當搜尋結果彈出了滿世界的不同商品,你有選擇困難症,這時候有個 AI 幫我挑;主站搜尋和拍立淘裡的圖搜,要解決的問題也不一樣。為什麼要在使用者的各種行為軌跡裡用 AI 來提效,而不是一步到位,引導使用者把自己的需求直接表達出來?因為表達本身是一件非常高門檻的事情。“淘寶不是只服務於社會精英,我們在做的事情是要服務於廣大人民群眾,比如家裡的爸媽、農村的老太太。” 上述 AI 業務負責人說,AI 產品最大的一個難點是使用者面臨那個框,他不知道該說什麼。相反,一旦你知道說什麼,有 100 種方法可以去解。“所以,淘寶要把這件事變成,使用者輸一個寬泛的詞語,我們能夠幫他變得更加精確,而不是讓他輸入 100 個詞。”使用者甚至不需要知道這是 AI,不需要知道原來這些東西都是淘寶有個 AI 部門推出的產品,它們融入在淘寶應用裡,正好能解決使用者的問題。老子《道德經》裡說:“大象無形。” 一些底層的根本法則,之所以 “無形”,因為其超越了具體形態的侷限,充盈於天地之間,影響力又是最普遍的。AI 先用來清洗資料,從做了 22 年的電商商品庫開始2024 年底 11 月剛接手淘寶智能搜推事業部不久, 12 月張凱夫和他的團隊還沒來得及梳理怎麼開展 AI 的工作,就遇到上了輿情,市場上抨擊淘寶搜尋的體驗越來越差,他們迅速打了一場 “體驗保衛戰”,圍繞使用者的搜尋體驗問題做針對性最佳化。每天開早會分析、看各種案例的過程中,他們也真正意識到淘寶和天貓的商品底層資料的陳舊,做了 22 年電商,過去商品發佈,使用者搜不到想要的東西、搜出來的東西都長得一樣,有時候還不知道怎麼搜。比如當你已經非常明確輸入 “黃色連衣裙”,但為什麼搜尋結果仍然有黃色、紅色、綠色、藍色的?因為在商家的商品詳情頁當中,包含了那條使用者想搜的黃色連衣裙,但由於綠色連衣裙銷量更好,而被優先推薦。類似的這些問題這不是一個演算法問題,本質是底層資料的問題。2025 年初,張凱夫和團隊就認定,今年最重要的一件事,是把大語言模型系統地用到搜尋、推薦和廣告的各個環節裡。張凱夫說,“這件事價值足夠大,技術上也一定能實現,那就沒必要猶豫,今年必須做。”過去,這幾乎是不可能完成的任務。如果去淘寶早年的工位去參觀,會發現淘寶和天貓行業小二的書架上是各行業的百科全書,需要依賴人工查閱百科全書來為海量品類定義屬性,效率低下又難以擴展。最佳化商品資訊這件事情在歷史上被提出了無數次,張凱夫回憶,大家發怵,因為淘寶有幾十億商品,那麼多品類,還要投入大量資源。現在,淘寶建構了一個 AI 智能體,它能自動消化行業知識、分析使用者真實行為,從而智能地為每個品類篩選出最關鍵、使用者最關心的屬性,指導商家填寫,能解決商品資訊匱乏和不規範的歷史難題。這其中最關鍵的一步,是利用大模型的語義理解能力,重新梳理商品資訊 —— 這是整個淘寶的商品資料基地,只有商品資訊本身更豐富、更精準,後面的搜尋、推薦和廣告系統,才能進行更相關的召回、更精準的推斷,然後提升使用者體驗和商業效率,還有可能把使用者的決策鏈路往前移。這個決策不依賴 AB 測試,而是基於一個樸素的道理:大模型技術,天生就適合處理這類問題。一位淘寶搜尋業務人士舉例,當使用者搜尋 “我要買一台能支援掃地機通過的床”,傳統搜尋依賴關鍵詞匹配,無法理解這個搜尋需求裡涉及 “床下離地面高度” 的需求,搜尋系統首先能真正理解使用者的自然語言表達,理解後,還要能展示出精準的商品,這樣一個涉及複雜語義和結構化商品的應用,只有在大模型時代才可能做到。“目前來看,最主要的問題都在商品上,理解使用者意圖不難,但理解之後能不能把正確的商品抓回來,這個 Gap 非常大。” 他分享了淘寶搜尋對商品資料進行清理的大方向。最基本的,是規範清楚一個商品本身到底要發佈那些屬性,這裡的核心是解決商家填寫負擔和資料豐富度之間的矛盾。AI 可以幫助分析使用者真實搜尋和購買行為,為不同品類動態設定最關鍵的幾個屬性。比如 T 恤只需強制要求 “顏色” 和 “尺碼”,而連衣裙還要增加 “風格”“裙長” 等。因此,淘寶主搜團隊啟動了 “SKU 引擎” 項目,利用 AI 幫助系統深入理解每個 SKU 的完整資訊,這裡最大的挑戰在於資料量會從過去的幾十億爆炸性增長到數百億。因為商品的數量太多,淘寶主搜團隊負責人告訴我們,對淘寶來說,“如何識別出那些商品是同一個品,這對我們來說一直都有點挑戰。”比如奶粉、手機這種標品,目標是要識別 “絕對同款”,而如果系統無法識別不同商家賣的是同一款商品,就無法將最低價或評分最高的商品推薦給使用者;對於服裝這些非標品重點是識別 “相似款”,解決個性化推薦過強導致的 “推薦單調” 問題 —— 當使用者喜歡一個款式,系統要做的是推薦其他相似但不同的款式,而不是反覆推送看起來差不多的衣服。儘管大語言模型既可以 “讀懂人心”,又能 “更好理解商品”,但深度學習依然是現在電商裡最重要的模型。據我們瞭解,淘天 AI 現在的策略是讓新老方法一起幹活,各自做自己最擅長的事。當要預測使用者 “會不會點選” 或者 “會不會買”,還是要依賴深度學習這套模型,因為它特別擅長從大量的歷史資料裡找規律。比如把 “今天天氣冷不冷” 這個資訊喂給它,它通過分析過去的資料就能學會:“哦,天一冷,看羽絨服的人就多了。” 基於此算出一個很具體的分數,回答那個商品更可能被點選。大半年,用 AI 更理解商品後,淘寶 AI 的三個方向從年初開始,淘寶 AI 圍繞商品理解的工作已經持續六個月,到現在,張凱夫逐漸總結了團隊工作的三個核心方向,並形成了有機的閉環。首先,提升核心基建的效率,利用 AI 深度最佳化搜尋、推薦、廣告的匹配精準度,這件事的基礎是對淘天平台 20 億商品庫進行徹底的 AI 重構 —— 通過生成式技術清洗、補全和索引商品資訊,讓演算法能真正 “理解” 商品第二,為商家降本增效,通過 AI 經營工具(如客服、美工、資料分析)直接降低商家經營成本。關鍵在於,這些工具在幫助商家釋放人力,可以投入到更重要的品牌建設上,促進商家增長,也有利於他們產出更高品質的商品資料,以此來反哺核心基建。第三,使用者側,更精準的搜尋引擎,可以被新的 AI 導購產品(如 AI 萬能搜、AI 幫我挑、AI 清單、拍立淘、AI 試衣)等作為工具呼叫,為消費者創造場景化、對話式的新購物體驗。這些複雜、日新月異的工作對業務的提升效果,張凱夫說至少目前,還無法用唯一的一個最重要指標來衡量。AI 對搜尋和推薦的提升效果是最容易衡量的。AI 搜尋推薦的每一個事件都有 AB 測試。這是一個非常科學、最可衡量、也最資料化的可控實驗。AB 測試和隨機實驗結果顯示,複雜語義下的商品搜尋相關性可以提高 20 個百分點,對淘寶這樣一個成熟且龐大的搜尋系統來說,這樣的改進已經很少見。這讓張凱夫充分相信,淘寶在 AI 上的投入,未來一定會 “物有所值”。因為阿里的商業場景豐富,阿里系的商業規模導致一切做乘法的改進都有巨大商業收益,“乘法就是,系統效率提高 1 個點、2 個點,聽起來很小的改進,但後面要乘的數字是巨大的使用者量和成交額,所以邊際收益很大。”更深層的一個價值是,使用者的搜尋行為未來會被改變,當使用者越來越願意並且敢於在淘寶內搜尋更多、更複雜的問題,一些以前可能會去其他平台搜尋的需求現在會被吸引過來 —— 這相當於把使用者的決策起點前移到了淘寶。據我們瞭解,淘寶是業界唯一在所有搜尋請求中都應用大模型的平台,每天處理高達 3 億次的頁面訪問量,這為未來探索更多搜尋的可能性打下了基礎。在商家側,淘寶不指著商家工具賺錢,而是希望通過這些工具幫助商家做好經營,商家的銷售額更加,平台自然受益。淘寶更關注的是規模指標:包括多少人用,商家用這些工具幹了多少活。在店舖日常經營中,AI 已深度參與多個高成本環節 —— 淘寶的 AI 美工每月一共幫助商家自動生成 2 億張圖片,AI 客服每天大概能為商家節省的成本相當於 2000 萬元人民幣。阿里媽媽工程技術相關負責人介紹,商家打廣告主要做四件事:定向人群和關鍵詞投放、製作素材、流量的出價競價和設定預算。淘寶建立起了 AIGX 體系,在這些環節提升效率、降低成本。淘寶還推出一系列 AI 導購產品來輔助使用者購物:通過 “AI 萬能搜” 可以解析模糊的場景化需求;“AI 幫我挑” 能在眾多搜尋結果中提供選購建議;“AI 試穿” 通過模擬真實上身效果幫助使用者判斷衣物是否合身;“AI 清單” 支援以對話方式建立和管理購物清單,“拍立淘” 讓圖片搜尋功能更好用。評價它們的指標和其他產品一樣,就是 DAU 和使用者留存。張凱夫已經很多年不寫程式碼了,現在他會投入時間 Vibe Coding(氛圍程式設計) 實現一些小系統,這已經成為一種很自然的工作狀態,這並非不務正業,而是因為 AI 技術變化太快,只有親身實踐,才能最直接感知技術的邊界和可能性。團隊的日常討論,也遠遠超出了電商業務的範疇。張凱夫說,大家對 AI 的興趣濃厚,日常會有很多關於世界未來的討論。我們並不說電商未來會怎麼樣,我們會去討論網際網路的未來會怎麼樣,未來網際網路上會不會 Agent 比人都多,那個時候我們需要什麼樣新的基建,我們的瀏覽器會變成什麼樣的,索引會變成什麼樣?這裡不像一個嚴陣以待的作戰指揮部,更像一個充滿奇思妙想的創新工坊。就像 AI 對電商的 “無形” 作用一樣,也許 AI 時代的思考方式,也正在成為那個 “大象”,對企業組織產生越來越 “無形” 的影響。 (晚點LatePost)
剪刀差:被AI敘事掩蓋的阿里生死線
雲棲大會開完,很多人跑過來說,阿里站起來了我的第一反應是,站起來了?以什麼姿勢是靠自己,還是靠枴杖別急著反駁,先來看一組被大多數人忽略的資料燒錢換故事,誰的資產負債表在呻吟大會上,聚光燈都打在了通義千問的升級和各種行業大模型上,PPT做得光彩照人,恨不得告訴你AI就是再造一個阿里的靈丹妙藥這很性感,資本市場喜歡聽這個但我們是幹什麼的,我們是來拆解財富暗角的,不是來聽故事會的我把阿里雲智能集團獨立拆分後的財報,和集團合併報表裡的資本性支出(CapEx)資料拉出來,放在一起看,一個非常有意思的現象出現了阿里雲的收入同比增速,在經歷了漫長的下滑後,這次財報季終於有了一點點回暖的跡象,但如果你再去看整個集團的資本性支出,那個數字的增幅,遠遠甩開了雲收入的增速這意味著什麼意味著阿里雲今天這點微不足道的增長,是靠著母體不計成本的輸血,用真金白銀的伺服器和GPU堆出來的這不是健康的內生性增長,這是一場豪賭,賭注是整個集團的現金流很多人都在算大模型能帶來多少增量收入,這叫算小帳真正的大帳是,為了維持這場AI軍備競賽的入場券,阿里的資產負債表需要付出多大的代價,這種代價又能持續多久別忘了,隔壁的騰訊,在同樣的牌桌上,出手闊綽得多,背後的遊戲業務現金奶牛也比你更穩當所有人都盯著舞台上的新故事時,我勸你回頭看看後台那個正在默默輸血的舊引擎,它的油箱還剩多少油淘天的防守,守得住基本盤嗎這個舊引擎,就是淘天集團很多人分析阿里,會把雲、電商、本地生活拆開看,這是典型的線性思維在今天的阿里,你必須把它們串起來看雲業務燒掉的每一分錢,本質上都來自於淘天集團貢獻的經營性現金流那麼問題來了,淘天的現金流還像以前那麼穩固嗎別去看GMV,那個數字已經被玩壞了,意義不大去看一個更核心的指標:客戶管理收入(CMR)這個指標,直接反映了商家在淘寶和天貓上投放廣告和獲取流量的意願和能力,這是淘天最核心的利潤來源把這個資料拉出連續八個季度的曲線,你會發現一條非常難看的、持續向下或者勉強走平的線這說明什麼說明在抖音和拼多多的雙重擠壓下,淘天這個貨架電商的流量價值正在被稀釋商家是世界上最聰明的一群人,他們會用錢投票當他們不再願意或者不再有能力為你的流量支付高溢價時,你的平台生態就已經出現了裂痕寫到這裡,我突然想去翻一下他們財報裡關於“年度活躍消費者”的註釋果然,這個曾經被奉為圭臬的數字,現在被提的次數越來越少,為什麼?因為已經不好看了,無法再支撐高增長的敘事了一個基本盤不穩的淘天,要去供養一個嗷嗷待哺、瘋狂燒錢的阿里雲這就是今天阿里最真實的困境所謂的“站起來”,更像是一個體力不支的人,為了擺出一個強悍的姿勢,把全身的重量都壓在了一條腿上這條腿,現在正在微微發顫組織變革的真相:是手術刀還是麻醉劑很多人把去年的“1+6+N”組織變革解讀為阿里重獲活力的靈丹妙藥,認為各自為戰能激發每個業務單元的狼性這個邏輯,對了一半從資本運作的角度看,拆分確實能讓優質資產和虧損業務在財務上隔離,方便單獨融資或上市,這是一種市值管理的財技但從業務協同的角度看呢?阿里過去最強大的護城河,是資料是電商、支付、物流、雲端運算之間的資料閉環,這個閉環讓它可以比任何人都更懂中國的商業現在,為了財務上的“好看”,這堵牆被拆了阿里雲失去了最重要、最獨有的資料來源和業務場景,被迫要像一個獨立的第三方雲廠商一樣,去市場上跟華為雲、天翼雲拼刺刀,拼價格、拼關係你覺得,這是優勢還是劣劣這場變革,短期看,確實像一劑麻醉劑,讓財報的某些部分看起來不那麼痛苦了但長期看,它切斷了阿里帝國最核心的經脈一個沒有了電商場景資料滋養的阿里雲,它的AI大模型,憑什麼說自己最懂中國的產業一個失去了雲和支付協同的淘天,又如何去建構下一代的商業作業系統這才是問題的本質所以,雲棲大會的熱鬧過後,我看到的不是一個站起來的阿里,而是一個被肢解的巨人,它的每一塊肌肉都在嘗試獨立發力,但那個曾經統一指揮的大腦,已經變得模糊別盯著他們發佈了幾個大模型,也別聽信那些關於AI重塑一切的豪言壯語去盯著“資本性支出”和“淘天集團的經營現金流”這兩個數字這兩個數字的剪刀差,才是阿里真正的生死線它決定了那個靠枴杖站起來的巨人,到底是能扔掉枴杖開始奔跑,還是會在下一次體力不支時,摔得更慘 (軲轆凱)