文｜雷报 讲礼猫
编辑｜努尔哈哈赤
这届618，电商平台们将“AI”推到了前所未有的高度。
5月11日，阿里宣布“千问”与淘宝全面打通，试图用AI对话重构十亿用户的购物路径。紧随其后，5月18日的618启动发布会上，京东宣布本届618将是AI首次全场景、全产业深度融入的一届大促，大吹即将登场的“AI直播”，并表示今年京东体系AI相关研发投入增长将超200%。不只是这两家，早早接入豆包的抖音商城正将AI和智能客服算力推向极限，快手电商“磁力金牛”也在早些时候亮出了涵盖AI选品推荐、AI一键推广等一系列AI产品。
大厂们描绘的蓝图无比宏大，但现实能接住这般华丽的技术叙事吗？
就拿京东强调的“AI+IP”直播购物来说，IP消费看似已经大众化，实则是一个对用户情感需求、圈层黑话、价值认同能力要求极高的深水区。被寄予厚望的AI应用，真的能搞定这类垂直圈层吗？
抱着这样的疑问，我们决定拿极具代表性的“谷子”消费，给AI购物功能做做测试。之所以拿这类商品“开刀”，是因为其在如今的电商大促中增长极快，去年618淘天平台就出现过单条链接狂揽近7000万成交的爆款，超2400家相关店铺销量同比暴增三位数，份额越来越不容小觑。
那么，在真实的IP圈层语境、复杂的购买决策面前，这些动辄千亿参数的AI大模型，究竟是无所不能的“六边形战士”，还是让人哭笑不得的“人工智障”？
当AI遇上“吃谷人”
必须承认，在我们前期测试及搜集网友反馈的过程中，目前的电商AI在应对“标准化品类”时表现尚可。无论是家用电器、3C数码的参数横向对比，还是运动鞋服的功能性筛选，大模型确实能充当不错的“导购参谋”，甚至能提供多维度的决策辅助。
然而，一旦场景切换到IP衍生品这种极度垂直、讲究情感共鸣的圈层产品，AI的“通识”会瞬间失灵，实测表现堪称灾难。
这里我们也需要提前“叠甲”。作为经常与AI打交道的媒体，我们深知“提示词（Prompt）越精确，AI表现越好”的道理。但问题在于，电商平台面对的是海量普通消费者，他们对AI的探索可能最多止步于和豆包、DeepSeek聊聊天，根本不具备用专业提示词精准描述需求的能力。“用户说不清，AI就听不懂”，那对于大众而言，它就是“不好用”。
体现在实测中，首先就是对“模糊需求”的理解力不够。
例如，我们输入指令“请给我推荐一些某IP谷子”，这其实是在模拟一个普通用户随口的购物念头。我们期待得到当下的新品或爆款的推荐，结果AI导购在查询了我的历史信息后，推过来一些买过的同款，或者收藏夹中的商品。它们显然无法理解“吃新鲜的谷”这种动态需求，所谓的“个性化推荐”，只是低维度的标签匹配，冷冰冰且滞后。
其次，AI对于IP产品的正盗版甄别没有“圈内人的嗅觉”。
IP圈的痛点是盗版横行。默认状态下，AI对盗版衍生品毫无防备，甚至将大量“一眼假”或者标注为“同人”（基本都未经授权）的产品混在推荐列表中。直到我们手动提醒“请甄别正盗版”，AI才会开启“打假模式”。
客观地说，在随后的对话中，它能严格遵守只推荐正版的原则，可见大模型的学习能力确实很强。但问题在于，现实中的消费者往往缺乏耐心，很多人试了一下不好用后，根本不会给AI“第二次改正的机会”。显然，目前的AI导购还缺乏那种基于经验积累，对圈层“黑话”、官方授权渠道一望即知的“火眼金睛”。
在更受期待的“凑单功能”方面，则表现得像“半成品”。
我们试图让AI导购们针对一款指定的IP衍生商品，生成一套“凑满减”的省钱方案，并明确要求搭配宠物用品、日化用品等商品以凑够200元左右。结果AI往往只能抠抠搜搜地推荐3-5个商品，总价连150元都不到。为了强行达标，甚至会建议“买双份”凑到满减。
这让我们很难不产生疑虑。在电商自身体系的算法推荐、凑单功能已经非常成熟好用的情况下，接入AI大模型后，并未带来体验的质变，甚至表现还不如原本的算法。那么，AI大模型们又何谈真正解放消费者的决策精力？
平台自带的满减推荐功能
重金投入下的“话术内卷”，“AI+IP”创新还剩几分？
而除了上述已有的AI导购功能，电商平台还想怎么讲“AI+消费”的故事呢？视线自然要移到这两天表现非常高调的玩家——京东身上。
在5月18日的618启动发布会上，京东宣布今年体系内的AI相关研发投入增长将超过200%，并抛出了一系列宏大的目标：要打造“全球最大物理世界运营中心”、建立千万人次的具身智能数据采集中心等等。
但在我们看来，京东的AI之剑指向了星辰大海，却唯独没有指向消费者的购物车。相比于宏观层面的叙事，回归到“AI+IP消费”的具体命题上，京东目前在C端零售释放的信号，其实并没有太多新意。
具体来看，京东描述了AI在好物筛选、智能交互、电商直播上的应用。但现阶段，我们早已见惯了各大平台在IP营销上的AI试水。无论是AI生成营销海报、AI互动玩法，还是AI虚拟主播带货，这些玩法在行业内早已不是新鲜事。京东在ToC的零售端，仍停在“用AI辅助选品”和“用数字人直播”这两个旧有的框架。对于如何真正打动IP消费者，似乎还没有突破性的叙事。
相比之下，快手在“AI+IP”上的尝试反倒显得更接地气一些。依托可灵AI，快手近期在利用AI生成IP同人内容和营销素材上动作频频。“用AI生产内容”的路径，确实比单纯做一个“AI导购”更贴近IP产业的核心（毕竟IP本身就是内容生意）。但这依然停留在营销引流层面，并没有系统性地重构购买决策的链路。
绕了一圈，不难发现大厂们其实都面临着同一个困境：雷声大雨点小。
老板们在发布会上画出的大饼，什么全能Agent、什么智能消费，在面对真实的、复杂的、非标准化的IP消费市场时，好像都卡在了“听不懂人话”这个最基础的环节上。
那么，为什么明明读过海量数据、拥有强大语义理解能力的AI大模型，在面对几块钱的“吧唧”和“纸片”时会变得如此笨拙？
业内公认，通用大模型必须结合RAG（检索增强生成）技术，才能实时解决电商场景中的问题。也就是说，在用户提问时，系统需要先检索当下的热点和爆款，再交给大模型生成回答。各电商平台也确实宣称在底层早已接入了亿级的商品库和实时数据流。
但问题在于，IP衍生品的世界瞬息万变。哪个角色突然“火”了，哪个小众IP因为一张图而翻红，这些信息往往散落在快手抖音的评论区、小红书图文和微博超话的实时讨论中。目前的电商AI最依仗的依旧是已发生的交易数据，这导致它的推荐几乎永远滞后于圈内热点的爆发。
这其实也反映出一种错位。大模型厂商的核心使命，是不断堆叠参数、优化算法，去攀登通用人工智能（AGI）的高峰。这本没有错。但如果将这些原本服务于B端、擅长处理抽象信息的“大脑”，直接用来指挥具体的实体商品交易时，就会有些水土不服。
平台作为连接技术与用户的“翻译官”，显然还没准备好。
如果大模型搞不懂“二次元”，平台就需要构建垂直领域的知识图谱来喂饱它；如果大模型算不准满减，平台就需要把交易系统的API接口打磨得更顺滑。总之一句话，降低技术的使用门槛，让算法去适配真实的人，而不是反过来让用户去适应算法的逻辑。
毕竟，如果连“吃谷”这种代表年轻一代消费趋势的小事都搞不定，又何谈改变世界呢？
