传统大型在线零售商的时代即将结束。亚马逊、沃尔玛、百思买等巨头都需要重新定义自身,因为电商正在发生根本性变化。首页再次走向消亡,这对大品牌意味着什么?小型企业又将迎来哪些机遇?
零售业的拆解重构
OpenAI、Gemini、Perplexity和Grok不仅改变了人们的搜索方式,更重新定义了购物模式。首页作为零售入口的时代已经结束。如今,答案和产品链接越来越多地直接来自大语言模型驱动的AI助手。我的研究显示,来自大语言模型的流量价值是传统搜索流量的9倍。一旦这些模型掌握用户的信用卡信息,它们就能代替用户购物。未来将是智能代理电商的时代。
对传统零售商而言,这意味着客户通往产品的路径不再经过数字店面。以刚推出个人购物代理的初创公司DayDream为例,当AI成为策展人、顾问和购物向导时,数字商城将何去何从?它们将走向消亡。我认为有三种主要策略可以在电商拆解中生存。
零售业可从媒体拆解中学到什么
在变革时期,我们往往可以从历史中汲取经验。上一次技术拆解市场是什么时候?是社交网络时代的新闻媒体。十年前发生了什么?
当HTML和社交媒体改变媒体行业时,首页失去了影响力。读者不再从特定新闻网站开始浏览,而是通过Facebook、Twitter或Google直接访问单篇文章。文章成为价值的原子单位,媒体品牌退居幕后。许多媒体缩减规模,只有《纽约时报》或《经济学人》等顶级媒体成功建立了新的商业模式。
除了推动拆解的平台外,真正的赢家是创作者和记者。虽然新闻网站首页消亡了,但Substack和Medium等平台蓬勃发展,为记者和创作者提供了直达消费者的平台。
零售业正进入同样的颠覆周期,我们将再次看到首页消亡、创作者/生产者获胜、聚合平台繁荣的景象。
传统巨头的终结
亚马逊、百思买、沃尔玛这些巨头长期以来一直是购物的"首页"。客户输入网址、搜索产品、浏览他们的生态系统。但随着AI成为新界面,这种直接入口正在削弱。
为什么购物者还要访问百思买网站,当他们可以直接问AI:"什么洗衣机最适合有环保功能的小公寓?"大语言模型不会显示首页,而是显示最佳答案,无论答案来自何处。
这种转变使传统电商零售商面临风险。亚马逊、百思买、沃尔玛及其同行如果不进化,就可能变得无关紧要。
电商零售商的三种策略
就像媒体公司曾经需要重新定义业务和焦点一样,在线零售有几种潜在策略:
价格领导策略 - 沃尔玛模式 价格永远是关键因素。大语言模型将通过模型上下文协议等代理协议查询零售商价格。如果最低价获胜,那么像沃尔玛这样拥有强大采购力的公司将脱颖而出。成为最便宜的是一种策略,虽然利润微薄,但对大规模运营的少数企业有效。
分销网络领导策略 - 亚马逊优势 商店仍需要配送,速度和可靠性很重要。亚马逊虽然首页可能衰落,但将通过物流主导地位、速度和便利性获胜。他们已建成地球上最高效的配送机器。
内容和咨询领导策略 第三种策略正在兴起。就像媒体中内容驱动点击一样,内容在零售中也将获胜。提供专业建议的零售商将获胜。
不要想百思买,想想提供可信技术建议的Tom's Guide。不要想沃尔玛,想想户外装备领导者REI。提供真正的建议、精选产品和个性化购物体验。这是AI开启的机会。
在我的工作中,我看到许多零售商希望成为大语言模型对话的一部分。关键理念是:大语言模型将基于真实和新颖的内容进行训练。拥有独特和新颖观点来回答真实问题的品牌将被大语言模型记住。
这是新品牌的未来。就像媒体行业看到像Ben Thompson这样专业博主的崛起一样,我们将看到零售品牌专注于通用大语言模型尚未掌握的知识。维生素的最佳建议?硬件安装的深度专业知识?时尚界的领导声音?这就是机会所在。
未来将更加定向和个性化
想象电商的新世界:根据您的家居装饰品味调整的着陆页;基于生活方式而非点击动态生成的产品推荐;通过大语言模型展现的网红策划系列;提供类似ChatGPT体验的站内搜索。
这是重新想象的零售,不是为首页而设计,而是为每个页面都是着陆页的世界而设计。
专业知识 - 零售拆解的赢家
就像媒体格局现在与利基创作者共同繁荣一样,电商也将如此。巨大变化即将到来。两年半前,当大语言模型热潮刚刚开始时,我在播客中预测未来将是"独立的"。这正是我们现在在零售品牌中看到的。
赢家将是那些拥抱专业化、个性化和咨询能力的企业。不是每个人都需要成为亚马逊、沃尔玛或百思买,但每个人都需要为AI发现时代制定计划。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。