涉及公司：$ 阿里巴巴、$OpenAI、$Google、$Preplexity、$ 亚马逊、$ 沃尔玛
2026 年初，硅谷的科技圈发现，在 ChatGPT 里实现 " 一键购物 " 的愿景，比预期中来得更加艰难。
据 The Information 报道，尽管 OpenAI 高调宣布了与 Shopify 的深度合作，但直到今年 1 月，像 Away 行李箱（Shopify 曾重点展示的合作品牌）这样的头部商家，依然未能上线聊天内直接购买功能。
另一位年营收约 3 亿美元的商家 CEO，在申请加入测试后，被告知该功能推广缓慢，目前仍处于排队状态。
是什么在阻碍 OpenAI 做电商？
答案并非模型能力或算力问题，而是电商数据的 " 混乱现实 "。在电商后台，一个简单的 " 有货 " 标签，可能意味着现货，也可能意味着 " 预售 " 或 " 调货中 "。
AI Agent 还难以处理这种跨系统的模糊定义，导致其在试图连接开放网络时，不得不面对价格不准、库存状态不明的尴尬。OpenAI 不得不投入大量人力，与商家手动校对数据标准，导致进展缓慢。
过去二十年，互联网的商业模式建立在 " 点击（Click）" 之上。但在 AI Agent 时代，商业的逻辑正在从 " 点击 " 进化为 " 指令（Command）"。
当 OpenAI、Perplexity 等硅谷 " 空军 "，正试图在杂乱的开放网络中建立秩序时，旧世界的巨头们也做出了截然不同的反应：亚马逊选择筑起数据高墙以守卫其广告护城河，沃尔玛则激进地向 AI 开放其线下库存系统以求突围，Google 试图通过全栈生态维持霸主地位，阿里也在展现另一种解法：利用既有的庞大生态，将 AI 变成了物理世界的 " 操作系统 "。
巨头们频繁的动作，表明他们都盯着 AI 时代最激烈的战场——谁能成为那个新的 "AI Layer"（AI 层）？
这是一场从 Ad-Tech（广告技术），向 Agent-Tech（智能体技术）的商业模式跃迁。
一、硅谷的 " 空军 " 困境：OpenAI 遭遇数据困境
在硅谷，OpenAI 并不掩饰他们的野心——进军电商。
在最新的战略中，它推出了 "Operator" 智能体，并联合 Stripe 发布了 ACP（Agentic Commerce Protocol，智能体商业协议），试图让 ChatGPT 直接切入交易环节。
然而，这个野心正撞上一堵厚重的墙：混乱的数据现实。
现实世界的电商数据，远比 LLM 训练所用的数据，要 " 脏 " 得多。OpenAI 发现，如果不进行大量的手动调整，很难确保 ChatGPT 中显示的商品信息，与商家网站实时同步。
对某些 Shopify 商家来说，" 库存 " 定义模糊不清，可能导致 AI 下错单，或承诺无法兑现的发货时间。
AI Agent 如果不具备读取这些隐性商业规则的能力，就会导致灾难性的用户体验。这解释了为什么即便有 Shopify 和 Stripe 的加持，OpenAI 的购物功能推广依然小心翼翼。
更深层的问题在于 MoR（Merchant of Record 名义商家）的归属。在交易中，谁是那个在法律上负责收款、退款、处理税务和纠纷的主体？
OpenAI 明确表示不想做 MoR，因为它不想陷入处理退货、客服纠纷的泥潭，这意味着它必须依赖 Stripe 和 Shopify 这样的中间层来协调。Perplexity 曾尝试通过 "Buy with Pro" 自己做 MoR，但这种模式风险极高，不仅要承担资金风险，还要建立庞大的售后团队，这对于一家轻资产的 AI 模型公司来说，几乎是不可承受之重。
另一方面，面对硅谷 AI 新贵们的进攻，旧世界的霸主亚马逊，则陷入了典型的 " 创新者窘境 "。
亚马逊并非没有技术能力，其拥有庞大的云服务 AWS 和自研模型。但亚马逊面临一个尴尬的财务现实：其利润最丰厚的业务之一，是年收入高达 680 亿美元的广告业务。这笔收入建立在用户 " 搜索 - 浏览 - 点击广告 " 的链路之上。
如果一个完美的 AI Agent 直接帮用户选好了那个 " 唯一 " 的最佳商品，用户就不需要翻页，不需要点击那些排在后面的广告产品链接了。这意味着 680 亿美元的广告收入将瞬间蒸发。
因此，我们看到了亚马逊充满矛盾的 " 防御性动作 "：一方面，它封锁 Perplexity 的爬虫，试图筑起数据的高墙；另一方面，它推出了自家的 AI 助手 Rufus，但功能却被小心翼翼地限制，Rufus 也不太好用，以免杀死自己的广告印钞机。
这就好比当年的柯达，发明了数码相机却不敢推广，因为卖胶卷太赚钱了，亚马逊还需要时间，来想清楚下一步要如何做。
不过在这种变局下，旧世界的其他玩家，也开始寻找突围路径。
谷歌的选择最高屋建瓴，开始 " 定标准 "。在 NRF 2026 零售大会上，谷歌正式发布了 UCP（Universal Commerce Protocol，通用商业协议）。与其亲自下场做电商或像亚马逊那样封锁数据，谷歌试图成为 AI 时代的 " 协议制定者 "。
UCP 旨在为不同 AI Agent 之间的交易，建立一套开源的通用语言，兼容 A2A（Agent to Agent）和 A2P（Agent to Protocol）标准。
谷歌的算盘很清楚：如果搜索入口注定要被 AI Agent 取代，那么它至少要定义 AI 之间如何对话的 " 语法 "，从而保住其在数字商业中的核心地位。
而实体零售巨头沃尔玛，则选择向 AI 公司彻底开放 " 物理世界的 API"。
沃尔玛不像亚马逊那样，背负着沉重的数字广告包袱。它拥有的是遍布全美的门店和实时库存数据。沃尔玛的策略是：既然我做不了最聪明的 AI，那我就做所有 AI 背后那个最可靠的 " 超级履约中心 "。通过开放 API，无论用户是用 ChatGPT 还是 Gemini 下单，最后货都是从沃尔玛的货架上取走的。
这是 " 拥有数据者 " 对 " 拥有模型者 " 的一次反制，也是硅谷目前的战局：空军（模型公司）狂轰滥炸，但地面部队（零售商）紧守阵地，数据连接的 " 最后一公里 " 依然充满摩擦。
二、重估 " 超级 APP"
在硅谷 AI 新贵与巨头们探索 API 接口和数据标准时，大洋彼岸的阿里，正在开始一场 " 集团军作战 "。
在 Moffett Nathanson 提出的 "Push-Pull" 模型中，AI 通常被认为利好 Push 一端（生成内容更便宜），而威胁 Pull 一端（搜索被截流）。
与 OpenAI 一样，阿里在用 Agent 切交易时，也一样会面临电商的 " 数据泥潭 "。
阿里的解决办法是——让千问 App 变成 "C 位 "，倾全集团之力打造一个超级 APP。在与阿里一位内部人士的调研中了解到，阿里会先选在外卖场景上，实现全闭环，让用户可以通过聊天来下达指令，千问 App 再去调用各个 Agent 来实现这个指令，并且能够完成支付。
如果我们细看，千问之所以能实现 " 一句话点奶茶 "，核心在于阿里拥有数据的 " 所有权 "。
这种方法是解决了最核心的利益谈判问题，但在技术层面上还需要面对一些数据难题。
如果这一切不是在内部发生，而是采取让不同的第三方 Agent 来串联干活，现在会非常影响最终任务的成功率，因为各个 Agent 的交付质量不一样，就会导致工作流有时就走不下去。
没有履约能力，没有精确到门牌号的 POI（兴趣点）数据，AI 只能陪你聊天，不能帮你办事，当 AI 拥有了调度数百万骑手的能力时，它就不再是一个聊天机器人，而是一个物理世界的操作系统。
而 " 本地生活 " 场景，无疑是 AI 与物理世界最高频、最复杂的交互界面。
这里不得不聊到豆包手机的尝试。这其实是一个非常前沿、有价值的先锋产品，但它太早了，以至于被其他大厂 " 围剿 "，拍死在沙滩上。
豆包虽然拥有巨大的流量，但由于缺乏自有 " 物理生态 "，只能通过不断截屏、上传云端识别、模拟点击的方式，来操作第三方外卖 App。这种 " 外挂 " 式的技术路线，在速度和稳定性上，都有问题，在 Agent 能力不够的今天，最终任务成功率并不高。
所以一个全生态，在今天尤为重要。相信在 OpenAI 与谷歌 Gemini 的对决中，也一样会出现类似的问题。
三、当 AI 颠覆了广告收入，该靠什么赚钱？
过去二十年，谷歌和亚马逊本质上是全球最大的广告商。它们的商业模式是 Ads（流量税）——用户搜索，平台展示广告，商家为点击付费，无论最终是否成交。
但在 Agent-Tech 时代，当 AI Agent 成为入口，用户不再浏览冗长的搜索结果页，广告展示的机会消失了。AI 只会给出一个或几个最精准的 " 答案 "。
这意味着商业模式将被迫从 " 流量税 "，转向 Take-Rate 服务佣金。
广告费（CAC）本质上就是一种 " 抽佣 "。在传统模式下，商家可能花费 30% 的成本购买广告来获得一个客户；但在 Agentic Commerce 模式下，这笔钱可能会转化为，支付给 AI Agent 的 10%-15% 的服务费（Take-Rate）。
这可能就是 " 流量税 " 模式的终结，与 " 服务佣金 " 的崛起。
这正如摩根大通（J.P. Morgan）分析师 Alex Yao 所指出的，互联网商业模式正在经历一次从 " 流量变现 " 到 " 服务变现 " 的重估。他认为，AI 虽然大幅推高了单位算力成本（Token Cost），但也通过极高的转化率，打开了通向 "Take-Rate（佣金率）" 的大门。
对于平台而言，这是一种更健康的模式：收入从 " 为无效点击收费 "，变成了 " 为成交结果收费 "，这让收入质量提升。
不过，这场变革对商家意味着什么？
这是一场效率与控制权的博弈。对于商家而言，直接流量（官网访问）曾是最值钱的，因为商家可以追踪用户的 Pixel，分析用户的浏览路径，进行再营销。
AI Agent 变成了一个超级 " 间接流量 " 来源。虽然它的转化率极高（从传统电商的 3% 提升到可能的 30%），但商家失去了对用户行为数据的掌控。商家将不再知道用户 " 看了什么 "，只知道用户 " 买了什么 "。
在这个新世界里，SEO（搜索引擎优化）将消亡，取而代之的是 GEO（生成式引擎优化，Generative Engine Optimization）。商家的目标不再是买一个显眼的广告位，而是如何让自己的商品数据结构化、标准化，从而进入 AI 的 " 推荐名单 "。
那在这场洗牌中，谁会是赢家？
首先，基础设施提供商是结构性的赢家。后端的 Stripe（支付基建）和 Shopify（独立站基建）、支付等等，都是必不可少的 " 水和电 "。
它们不参与前端的入口争夺，但所有交易都要经过它们。在 AI Agent 的世界里，支付和店铺基建是不可绕过的底层协议。
" 物理世界 API" 的拥有者也是赢家。像阿里、沃尔玛这样拥有实时库存和履约能力的巨头，将掌握谈判的主动权。因为 AI 再聪明，也变不出一个汉堡，它必须调用拥有汉堡库存和配送能力的人。
而输家将是那些依靠信息不对称赚差价的中间商，以及依赖 SEO 堆砌关键词欺骗算法的商家。AI Agent 具有阅读海量评论和数据的能力，它会无情地过滤掉那些 " 刷单 " 出来的虚假好评。在一个由 AI 筛选的世界里，平庸的商品将彻底失去能见度。
很明显，我们正在从 Ad-Tech（广告技术）时代，迈向 Agent-Tech（智能体技术）时代。
四、结语
Stripe CEO Patrick Collison 在和 Shopify CEO Tobi L ü tke 的访谈中，设想过一个情境：应该有人去构建一个 " 通用名录（Universal Catalog）"。
这个名录不仅仅是针对 Shopify 的商家，而是囊括世间万物——从耐克的跑鞋，到街边小店的奶茶，再到飞往伦敦的机票。这正是 Agentic Commerce 的终极梦想：用标准化的产品数据驱动 AI Agent 进行智能化购物。
在今天，" 帮我找个露营帐篷 " 这样的 Prompt 依然过于笼统。但也许接下来，Agent 就可以精准理解 " 我要一款重量低于 2 公斤、防风等级 7 级以上、且明晚之前就能送达的双人四季帐篷 " 这样的需求了。
而要实现这一点，不仅需要针对特定商品的模型，更需要极其丰富和结构化的元数据支撑，让 AI Agent 可以像读取数据库一样，去读取这个物理世界。
这场关于新 "AI Layer" 的战争，才刚刚开始。
谁能最先让 AI 从 " 连接信息 " 进化到 " 操作世界 "，谁就将定义下一个时代的互联网——那不再是一个用来 " 逛 " 的数字橱窗，而是一个能听懂并执行人类指令的 AI 操作系统。
本文来自微信公众号：一鸣的 AI 交易思考，作者：刘宇轩
