大模型如何重新定义"人工智能+电商"？——从概念炒作到真正落地的距离

在库拉KULAAI(k.kulaai.cn)上对比了一圈大模型产品，有个很直观的感受：两年前聊AI+电商，大家还在讨论"能不能用"，现在的问题已经变成了"怎么用得好"。大模型确实改变了一些事情，但离真正落地还有多远，得掰开了说。

从规则引擎到大模型，中间差了不止一代

早期电商用的AI，说白了是规则引擎加统计模型。推荐系统靠协同过滤，客服靠关键词匹配，营销靠用户分群打标签。有用是有的，但很笨——换个表达方式它就认不出来，遇到没见过的场景直接宕机。

大模型带来的变化是理解能力的跃升。以前用户搜"适合下雨天穿的、不太贵的、颜色不要太跳的外套"，传统搜索引擎大概率给你推一堆雨衣。大模型能读懂这句话背后的意思——轻便、百搭、价格中等、颜色低调，然后给个靠谱的推荐。

淘宝的千问和京东的言犀已经在做这件事了。用户用自然语言描述需求，系统理解之后直接给结果，体验上比以前好了一大截。

传统客服机器人有多难用，做电商的心里都有数——用户问"这件衣服会不会起球"，机器人回复"亲，这款有黑色、白色、灰色三种颜色哦"。答非所问，体验极差。

大模型客服好了很多。它能读懂上下文，知道用户问的是面料特性而不是颜色选项。遇到复杂问题还会安抚，不像以前只会循环播放"请您稍等，正在为您转接人工"。

不过翻车的情况也有。大模型偶尔会一本正经地编造产品参数，或者承诺一些店铺根本没提供的服务。有商家发现AI客服曾经跟用户说"不满意随时退款"，但店铺实际只支持七天无理由。这种错误在真人客服身上很少见，AI反而容易犯。

所以现阶段最稳的用法还是简单咨询交给AI，复杂售后转人工。完全无人值守，暂时别想了。

商品标题、详情页文案、短视频脚本、直播话术，这些活重复性高，大模型干起来很顺手。

以前一个运营写十款商品的详情页要一整天，现在用大模型出初稿再人工改，半天搞定。文案在信息量上没问题，卖点提炼和调性把控还得靠人。

有个现象值得关注：大模型在帮中小商家缩小和大商家的内容差距。大商家有专业文案团队，详情页做得漂亮。中小商家以前只能用供应商给的通用素材，千篇一律。有了大模型之后，至少能出差异化内容了，虽然还比不上专业团队，但比没有强太多了。

客服和内容跑通了，但选品和供应链还是硬骨头。

选品靠的是对市场的嗅觉。今年流行什么面料、什么风格，信息散落在社交媒体、秀场、竞品数据里。大模型能处理文字，但对图片趋势的捕捉、对消费者情绪的感知还差点意思。

供应链更麻烦。库存管理涉及需求预测、仓储调度、物流规划，每个环节都有大量非文本数据。大模型对这类结构化数据的处理能力，不如专门针对供应链训练的小模型。

头部平台在供应链侧用的基本都是自研垂直模型，通用大模型打打辅助还行，核心决策轮不到它。

大模型调用成本一直在降，但对中小商家来说还是不便宜。客服、内容生成、数据分析全接上，月费几千到上万。

问题在于效果很难量化。AI客服帮你多留了几个客户？AI生成的文案多带来了多少转化？说不清楚。很多商家试了一两个月，觉得好像有点用但具体哪里有用说不上来，然后就不续费了。

务实的做法是先打一个点。客服最直观——接入之后响应时间、满意度、转人工率，数据摆在那里。这一个点跑通了，再往内容生成、数据分析扩展。

接下来会怎么走

大模型之前，AI在电商领域能用但笨。大模型来了之后，理解能力强了、场景覆盖广了，但离"好用"还有段距离。

下一步大概率往多模态和Agent方向走。不光理解文字，还能看懂图片和视频。不光回答问题，还能自己干活——根据市场数据调价格、根据库存情况发起补货、根据用户反馈优化商品描述。

这一天还没到，但路已经比较清楚了。对商家来说，别追最酷的AI功能，先找到自己业务里"用了比不用明显好"的场景，把这个点踩实了再说。

概念炒作和落地之间差什么？差的就是一笔能算清楚的账。算得清就继续投，算不清就换个场景再试。大模型给了电商一套新工具，但工具好不好用，还得自己上手验。