AI 下单真相:内嵌助手爆发,独立代理仍处早期 - Woofun 研究院
#资讯
AI 下单真相:内嵌助手爆发,独立代理仍处早期 核心要点 解析AI智能体商务现状:内嵌式AI显著影响转化,但全权委托下单规模极小。稳定币支付面临成本与合规挑战,商家需警惕流量被截留风险。
据 Woofun AI 消息,AI 作为商业交互入口已成熟,但自主采购证据薄弱,内嵌式 AI 影响大于独立智能体。中国近期数据显示,在独立智能体成为主流交易渠道之前,内嵌在成熟购物 App 里的 AI 就已经能够显著影响下单行为。
这一差异会改变投资研判的核心问题。机会的落脚点在于:哪些交易在软件自动调度之后,成本更低、流程更简便、履约更稳定;以及哪些企业能够持续掌握流量分发、交易授权与履约环节的控制权。稳定币是这项分析中不可忽视的一环,因为智能体需要支付渠道。稳定币可以简化数字服务采购以及部分跨境转账,尤其适合交易双方本身就持有适配资产的场景。智能体同样也可以通过银行卡、银行即时转账或者企业账户完成支付。商品发现、采购权限、结算基础设施这三方面的变革,拥有各自独立的经济逻辑,也需要分开验证相关数据。
美国人口普查局的季度数据展现了一段稳步增长的曲线,期间曾被一次重大外部冲击打断。经季节调整后,线上零售占比从 1999 年第四季度的 0.6%,升至 2004 年四季度 2.2%、2009 年四季度 4.1%,2019 年四季度达到 11.2%。年均提升幅度从第一个十年的 0.35 个百分点,加快至第二个十年的 0.71 个百分点。智能手机普及阶段恰逢增速抬升,但这份总量数据无法把智能手机的单独作用,和宽带、电商平台、支付受理、物流配送等配套改善的影响剥离开。
2019 年第四季度至 2020 年第二季度,该占比飙升 5.1 个百分点,达到 16.3%,随后在 2021 年第四季度回落至 14.6%。消费方式的被动转变、线下消费收缩,共同影响了这一比值。2026 年 8 月发布的数据显示,2026 年第二季度占比为 17.1%;美国人口普查局后续提示,将于 11 月 19 日对数据进行修订,该时间点超出本文的数据截止范围。
统计口径的差异,使得我们无法直接做渗透率排名。欧洲消费者线上购物参与率十年间提升了 16 个百分点,但 2025 年各国数据分化明显:保加利亚为 57%,爱尔兰则达到 95%。中国公布的零售占比数据显示,线上实物商品渠道规模远大于日本;而韩国的统计口径统计的是线上购物时的设备选择。中国统计基准经过调整,在编制连续增长序列时需要格外谨慎。本文暂未整理出新兴市场可比的长期消费数据序列。
中国官方的五年复盘数据更适合横向对比:2020 至 2025 年,实物商品网上零售额占社会消费品零售总额的比重提升 3.3 个百分点,线上销售额年均增速 7.6%。报告明确将物流改善列为增长支撑因素。日本该占比在 2015 至 2024 年提升 5.03 个百分点,2025 年则几乎停滞。印度城乡家庭 23.4 个百分点的消费差距说明:仅靠全国支付覆盖度,不足以解释消费行为。收入水平、合适商家的可及性以及配送成本结构,依然是潜在用户转化为实际买家的核心门槛。
支付工具的普及速度,可以快于新零售渠道。巴西央行数据显示,已有超过 1.7 亿人使用 Pix;印度储备银行数据显示,2025–26 财年 UPI 交易笔数达 2416 亿笔。二者的应用场景都不止线上购物。与之形成对比的是,福里斯特(Forrester)的数据显示,苹果花了十余年,才让约四分之一受访的美国线上成年人在三个月内用过 Apple Pay。一项支付功能的普及度、受理覆盖,以及相比原有方式的优势,远比上线时间更重要。
0 关注
配套基础设施的覆盖持续扩大:世界银行估算,2024 年成年人银行账户拥有率为 79%,2011 年仅为 51%;国际电信联盟(ITU)估算,2026 年互联网普及率 76%,高收入国家达 93%,低收入国家仅 32%。但这两项指标都不等同于购物活跃度。联合国贸发会议(UNCTAD)统计,2024 年覆盖 46 个经济体的商业电商规模约 28 万亿美元,其中包含 B2B 交易。
Woofun AI 整理数据显示,麦肯锡 10 月的报告基于 6 月对 11 个市场约 2.1 万名消费者开展的调研。报告中 '53% 人群使用 AI 购物' 这一核心数据,加权样本基数为 9988 人,是按照样本量、而非人口规模对各个市场做合并统计。14% 的 AI 使用者表示曾直接通过 AI 工具下单,占全部受访人群的约 9%。这些数据都来自用户自主填报的购物行为,并没有在交易层面核验是否属于真正的自主决策。就连问卷对比口径本身也不一致:零售商端 AI 的描述是 '协助完成结算',平台 AI 则是 '完成下单'。
因此,仅凭这些百分比,无法清晰判断用户对同类服务的偏好差异。在接受调查的市场中,Z 世代和千禧一代比年长消费者更倾向于使用人工智能进行购物。消费者越来越多地借助人工智能完成购物,尤其是在服装和食品杂货领域。已观测到的导流数据,体现了转化漏斗更下游的商业价值。Adobe 在 9 月发布的美国零售行业分析显示:来自 AI 导流的访客,转化率比非 AI 流量高出 90%,单访客创造营收高出 83%;AI 导流流量本身同比增长 71%。这份分析覆盖超 1 万亿次访问、1 亿款商品、18 个品类,上述转化数据并非来自另一份 5000 人以上的独立问卷。
路透社 11 月 11 日的报道,弥补了外部独立智能体订单规模偏小这一视角的局限。WPIC 估算,10 月抖音内由聊天机器人链接带来的成交约占总订单的 5%;膳食补充剂这类决策型购买品类,占比超过 20%。京东方面表示,双十一期间有近 8000 万用户向咚咚智能助手咨询,是去年同期的三倍以上。但前者只是归因估算,后者是厂商披露的触达用户规模,二者都没有独立披露真正由智能体自主下单的统计基数。WPIC 的节日专题分析指出,这类智能助手内嵌在阿里、京东、抖音原生购物环境中。
该模式具备天然经济优势:商品检索可以直接调用成熟的商品目录、身份体系、支付方式与物流履约链路,消费者无需先配置一套全新采购服务,就能获得有效推荐。来自中国市场的数据证明,平台内 AI 能够撬动可观的交易规模。不能因为最后一步仍需要人工点击,就忽视这一体量。但同样,聊天机器人的归因统计,也无法分辨到底带来了多少新增消费。AI 推荐有可能只是替代了搜索词、达人导流或者广告位,最终成交本身没有变化。严谨的验证实验,应当在条件相近的用户分组里,使用不同的商品发现工具,对比订单、毛利和复购表现。
高德纳 1 月调研了 322 名美国消费者,结果显示即便是低风险品类,愿意把采购决策权交给 AI 的受访者也仅有 11%。福里斯特 4 月的研究显示,美英加约四分之三的线上成年人,对 AI 自动支付心存顾虑,即便设置了支付上限;该公开文章没有写明样本量。现有证据指向两条截然不同的普及路径:内嵌式 AI 助手依托已有流量体系,用户对资金授权方式也更熟悉;独立智能体则既要证明自身有用,还要获取用户的委托权限。目前两条路径披露的数据,都无法代表全人群里全权委托下单的整体规模。
这一差异,也决定了该如何解读相关实验。把下单入口从商品页搬到对话窗口,可以提升便利度,但并没有减少人的参与。与之相反,少量预先授权的自动补货订单,哪怕 GMV 不大,也属于真正的委托式交易。理想的数据披露方式,应该追踪同一组用户:从接触推荐、下单、复购,到异常场景,标记每一次需要人工审批的节点。缺少这套完整链路,'助手触达用户很多' 和 '外部智能体订单很少' 这两个数据可以同时为真,只是描述交易流程里不同阶段。
谷歌与 Shopify 参与制定通用商业协议( ),用于开放购物和结算能力;OpenAI 和 Stripe 推出的 协议,同样规范商业交互,同时保留商家的履约主体地位和客户关系。OpenAI 当前文档重点围绕结构化商品目录和检索能力。集成落地仍然依赖商家主动接入,一份开放规范不能强制零售商接受智能体下单。采购授权需要独立的凭证体系。
谷歌 4 月将 协议移交 FIDO 联盟,0.2 版本支持无人在场模式下的交易授权;万事达卡的 同样用于记录授权,其 3 月公告称会计划接入 ,而非全网铺开。Visa 的可信智能体协议( )负责智能体身份核验,把交互和消费者、支付信息绑定;Stripe 的共享支付凭证( )提供限定范围的支付凭据访问权限。
这些机制互为补充:商家需要识别智能体、核验买家授权、处理合法凭证。但即便指令带有签名,商品质量、物流配送、售后维权仍然依托底层商业约定。在软件交互层, 协议用于连接应用、工具与数据;A2A 协议规范智能体之间的通信。二者本身都不具备转账能力。 这类资源支付协议、以及传统账单账户,都可以和它们搭配使用。 在 10 月发布的 Agent Ready 文档,把 ACP、UCP 的工作流对接到 和 PayPal 支付通道。
这只能证明存在标准化集成路径,不代表所有商家、所有地区都已开放。更具体的落地案例是,Visa、 、 在 10 月上线试点:智能体在供应商门户内,执行已经获批的发票支付。它是在已有授权框架内自动化执行,尚未公开对比成本与错误率数据。谷歌于 11 月 4 日在加拿大逐步上线 UCP 结算,合作对象包含指定品牌以及部分 Shopify 商户。与之对照,DoorDash 企业采购连接器在 9 月 30 日开放 Beta 预约队列。
二者都支持在已有软件体系内下单,但一个是规模化灰度上线,一个还处在测试等待阶段。垂直行业还有大量定制工作。UCP 公告里包含 7 月成立的餐饮工作组(成员含 DoorDash、Uber Eats、Google、Square、Toast),以及 9 月发布的住宿场景草案。餐厅菜品替换、酒店退改规则,需要通用结算之外的额外信息与业务逻辑。
国际清算银行(BIS)4 月的演讲提到,2025 年稳定币总转账规模约 35 万亿美元;其 2026 年度经济报告使用另一套分类调整后的数据,规模约 28 万亿美元。这两个数字,都不是自主智能体商业交易的规模。麦肯锡与 Artemis 的底层支付分析基于 2025 年 12 月数据,年化支付类规模 3900 亿美元,其中 B2B 支付 2260 亿美元。B2B 口径假设,20% 标记为托管和资金调拨的交易属于货款支付,同时结合单笔金额阈值交叉校验。
如果直接把 3900 亿当成全年支付总额,或是用它除以年度转账总量计算渗透率,属于混用时间口径与统计定义。TRM 会剔除自转账、付款方高度集中的交易模式,以及买家不足 10 个的卖家。宽松筛选条件用于识别小额、分散的支付;更严格的标准会叠加交易持续性、智能体注册记录或多商户交易佐证。样本交易金额里,USDC 占比 99.6%。把报告给出的比例套用到筛选后的基数上,在该假设条件下,潜在智能体交易规模约为 15.4 万至 192 万美元。这只是观测样本内的分类区间,并非统计置信区间,也不是全球市场规模估算。
固定定价、单一用途的智能体有可能无法通过这套筛选规则,而普通脚本程序也可能在特征上和智能体近似。但也有证据表明,不能把这类交易全部归为试验性活动。Chainalysis 10 月报告显示,钱包 30 天充值留存率从 2025 年第三季度的 70.6% 上升至 2026 年第二季度的 89.3%。该样本组已经剔除了交易天数少于两天的钱包。这部分用户的复购行为具备积极信号;但只有把支付记录和已交付服务、无补贴的服务商收入关联起来,才能证明交易价值,而不只是钱包层面的活跃留存。这些数据集的观测周期、公链范围、服务中介覆盖都各不相同;
如果不去重,交易笔数和交易金额不能直接相加。商业层面的核验需要交易凭证、交易对手身份识别以及退款追踪。同一个客户可能持有多个钱包,同一个账户也可能为大量智能体提供服务,因此钱包留存率不等于客户留存率。Circle 第三季度披露的数据进一步区分了转账流水和实际经营收益:USDC 季度链上转账规模 13.9 万亿美元,Circle 支付网络年化流水 413 亿美元,收入及储备收益合计 8.65 亿美元,其中储备收益 6.58 亿美元,ARC 代币预售收入 1.82 亿美元。以上数据均没有单独拆分智能体支付带来的收入。对于稳定币发行方而言,平均沉淀余额、储备收益率往往比转账频次更重要;资金周转速度提升后,可以用更少的在途资金支撑同等规模的支付流量。
欧洲证券和市场管理局(ESMA)10 月 8 日发布声明,要求持牌加密资产服务商,停止向欧盟客户提供不符合 MiCA 法规的稳定币相关服务,仅保留有限的整改缓冲安排。欧洲银行管理局(EBA)于 10 月 14 日将 USDC 归类为重要电子货币代币;监管权责移交原定在 11 月 12 日执行,晚于本文数据截止时间。美国货币监理署(OCC)10 月 21 日发布《GENIUS 法案》最终规则,对其管辖范围内机构的储备、赎回、托管与监督作出规范,2027 年 1 月 18 日生效。
反洗钱与制裁相关条款还需要另行制定细则。这些时间节点会影响可合作的交易对手与合规成本。无论采用哪一种结算模式,智能体交易都需要可强制执行的预算清单、许可供应商、时效到期的授权以及可审计的交易凭证。经济层面的判断标准:时间、价格、协同环节省下的成本,是否超过推理、系统对接、人工监督以及预判的差错损失。高频复购场景下,小额节约可以持续累积;但流程熟悉、两分钟就能完成的复购订单,相比跨供应商门户对账,优化空间很小。
企业采购本身已有成熟审批流程;智能体的价值,在于处理异常单,或是把自动化范围延伸到原有系统覆盖不到的供应商。对于家庭用户,窄口径补货指令可以限定商品、数量和价格上限。多人拼单涉及多方偏好与同一个预算,协同复杂度更高。复杂的旅行订单潜在节约空间更大,但如果退改规则、行程衔接出错,损失也会很高。现阶段最合适的候选场景,是有限授权,并且损失扩大前就能核验结果。
Jane Street《AI 奇点是否将至》圆桌讨论里强调短反馈闭环,引申出更严格的判断标准:如何确认采购成功、核验信息何时返回、哪些操作仍可撤销?API 正常返回只能证明资源交付,不一定代表采购内容准确;商品编号只能确认规格,不能代表尺码合身或者用户满意。我们的推论:当核验成本与预期剩余损失,低于协同环节节约的成本时,委托模式才有吸引力。在合约中写明可观测的验收标准与追偿权利,能够扩大适用场景。
如果结果主观、生效滞后,哪怕模型能力提升,昂贵的人工复核环节依然无法省去。商品发现入口本身已是高利润赛道。亚马逊披露,第三季度广告服务收入 196.37 亿美元,同比增长 11%,该口径不止包含零售竞价广告。路透社 11 月报道,亚马逊和沃尔玛正在购物助手里测试广告位。亚马逊称,智能体购物目前尚未对广告业务造成实质影响。但随着越来越多采购决策转移到 AI 交互界面,局面可能改变。
2026 年 8 月沃顿商学院一项研究给出早期证据:研究者用 6 个模型、8 款产品,完成约 2.6 万次智能手表选购模拟。另一组四模型实验显示,当三个推荐来源同时展示时,GPT-5.5 选择 Wirecutter 推荐商品的概率相对基准提升 53 个百分点;依次推送相同来源则几乎没有影响。商品本身没有变化。这只是模拟选择,并非真实下单,但结果说明:谁控制输送给智能体的信息,谁就能引导需求流向特定商家。
独立智能体可以聚合采购意向,为用户争取更低价格或者佣金分成。零售商的应对方式,是把同类工具内嵌到自有平台 —— 平台本身已经掌控商品目录、客户关系与履约链路。标准化接口会削弱基础商品匹配能力的溢价,但库存、配送网络、可靠的纠纷调解机制,依然难以复刻。对商家而言,经济账的核心是:智能体带来的是不是新增客户。假设毛利率 20%,所有智能体导流订单统一收取 5% 佣金。
如果这些客户本来就会自行下单、不需要额外获客成本,那么导流订单里至少要有 25% 属于增量销售,这笔佣金才划算。广告费用下降会改善收益测算,而退货、客服成本、客户数据流失则会侵蚀利润。仅看智能体带来的 GMV,很难判断盈利性。客户关系的价值不止一笔交易。
如果助手保存历史订单和偏好,后续订单可能流向竞品供应商,损害商家客户终身价值。开放商品信息流,能让商家对接多款 AI 助手,降低对单一中间方的依赖。支付服务商无论结算方式如何,都可以从凭证校验、风控、对账业务中持续获利;稳定币发行方依靠沉淀余额盈利,而钱包与支付基建服务商需要足够手续费覆盖运营成本。交易量上涨,不等于留存收入同步上涨。基于佣金的推荐模式还会带来新矛盾:助手可能优先推荐付费商家、截留部分协商折扣,或是把订单导向出价最高的供应商。
这些未必是当下市场的现状,但每一种都可能在买方利益和平台收入之间制造冲突。评估这类商业模式,需要披露服务商报酬、最终成交价与复购数据。核心问题不是智能体促成了多少交易,而是它创造了多少价值,以及价值最终归谁。智能体商务增长最快的场景,是 AI 优化已有的采购关系。内嵌式助手依托成熟的商品目录、支付凭证和履约网络,影响商品发现与转化。完全委托式下单则有更多前提:支出授权、商家准入,以及确认订单符合用户指令的保障。因此辅助导购的增长,只是委托下单的机会窗口,不能直接等同于委托交易的渗透率。
这条经济边界,就是核验智能体是否执行正确指令的成本。可观测结果、配套追偿机制的有限额度采购,是最清晰的落地起点。当偏好主观、交付周期长、出错代价高昂时,核验和监督成本会吞噬省下的时间。模型能力提升可以拓宽可行市场,但配套商业管控机制,才决定能力能不能转化为可用价值。流量分发,依旧是价值捕获的核心。前面购物实验说明,商品选型结果取决于输入给智能体的信息以及展示形式。即便结算协议完全开放,控制信息输入,依然可以引导商家端需求。
这种影响力能否转化长期利润,取决于增量销量、客户留存,以及中间方收费模式不会把买方或商家的收益完全吞噬。稳定币的价值,体现在降低供应商准入门槛、减少结算摩擦的场景中;它的经济性始终受充值成本、资金占用、收款受理、售后追偿约束,传统月结模式是有力竞品。下一阶段的评判指标,应该是付费复购、给商家带来的增量收益,以及每一笔成功完成订单的综合成本。那些让委托交易可量化、成本可控、出错可追偿的服务商,才能在行业普及过程中稳住收入。
评论
暂无评论