•
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。
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)