马克·扎克伯格的Meta公司终于进入了AI购物竞赛。据彭博社报道,Meta正在测试一项新的AI购物助手功能,以在电子商务增长最快的领域之一与OpenAI的ChatGPT和谷歌的Gemini展开竞争。
Meta的代表未立即回应置评请求。
Meta进入了一个预期将迎来爆炸式增长的AI购物助手市场。研究咨询公司Grand View Research预测,该市场将从2024年的33.6亿美元增长到2033年的285.4亿美元,年增长率接近27%。北美目前控制着全球市场的40%份额。
除了ChatGPT、Gemini以及现在的Meta,其他AI购物助手也已上线,包括亚马逊的Rufus、亚马逊的Interests、由OpenAI支持的Klarna、Shopify甚至eBay。
据彭博社报道,最初只有部分美国的Meta AI用户能在聊天机器人中看到这项新功能。
比如当你询问聊天机器人最受欢迎的猫咪玩具时,AI会返回一个横向产品轮播,显示价格、品牌信息以及购买网站。
AI工具还会简要解释推荐每个产品的原因。不过,用户无法直接在Meta AI网站购买,需要访问商家的外部链接。
研究公司Forrester的副总裁兼首席分析师Sucharita Kodali表示,Meta的测试看起来像是"模仿之举",是试图赶上AI购物热潮的尝试。
Kodali告诉CNET:"从ChatGPT和Perplexity分享的数据来看,购物用例仍然非常有限,所以我不确定这里是否存在巨大机会或需求。也不清楚Meta能为商家或消费者带来什么比Instagram现有功能更好的东西。"
OpenAI的ChatGPT已经具备AI购物研究功能。我尝试问道:"请给我展示最好的猫咪玩具。"AI回应了一个精选的高评分猫咪玩具列表,提供横向可滚动的产品轮播,每个产品显示在不同商店的价格。与Meta一样,你必须点击每个产品的商店网站链接才能购买。
在谷歌的Gemini AI购物助手中,我询问了同样的问题:"请给我展示最好的猫咪玩具。"Gemini回应了产品、图片、价格、描述和商店链接——基本上与Meta和ChatGPT的设置相同。
Meta进入AI购物市场反映了消费者在线与产品互动方式的更广泛转变,AI正在重塑电子商务体验,企业寻求社交、搜索和购买旅程之间更深度的整合。
传统上,网上购物始于在电子商务网站或搜索引擎上的关键词搜索,但AI现在能够实现更自然的语言交互、个性化发现以及基于上下文、意图和用户数据的定制化建议。
研究公司Gartner的总监分析师Brad Jashinsky表示,客户信任是AI购物助手面临的问题。
Jashinsky告诉CNET:"我们最近的调查发现,近三分之二的消费者认为生成式AI驱动的购物工具,无论是零售商还是生成式AI平台提供的,都会给出有偏见的购物推荐。客户行为改变需要很长时间。直到2023年,美国才有更多电子商务购物在移动设备而非桌面设备上完成,这距离iPhone首次亮相已经过去了16年。"
Jashinsky表示,公司在采用智能体AI和生成式AI用于网上购物体验方面进展缓慢。"超过一半的客户体验负责人担心AI提供不准确的回应或内容会威胁到客户体验,"他说。
Q&A
Q1:Meta的AI购物助手具体如何工作?
A:用户在Meta AI聊天机器人中询问产品时,AI会返回一个横向产品轮播,显示价格、品牌信息和购买网站,还会解释推荐理由。不过用户无法直接购买,需要跳转到商家外部链接。
Q2:AI购物助手市场发展前景如何?
A:市场预期将迎来爆炸式增长。Grand View Research预测该市场将从2024年的33.6亿美元增长到2033年的285.4亿美元,年增长率接近27%,北美占全球市场40%份额。
Q3:消费者对AI购物助手的信任度如何?
A:根据Gartner调查,近三分之二的消费者认为生成式AI驱动的购物工具会给出有偏见的推荐。超过一半的客户体验负责人担心AI提供不准确回应会威胁客户体验,信任度仍是主要问题。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。