过去二十年，电商平台竞争的核心一直是“用户在哪里购买”。而下一阶段真正要争夺的，可能是“谁来替用户决定买什么”。
这听上去像是提升购物效率、优化消费体验的好事，但仔细一想，当购物决策交给一个由平台训练、又服务于平台自身商业目标的AI时，这究竟是更聪明的购物助手，还是一种更隐蔽的流量与交易收割方式？
在618大促前，豆包、千问集中上线AI购物功能，这个问题也终于有了更真实的测试场景。本文通过同一组问题实测豆包和千问，希望借助一系列具体案例，看看AI购物推荐到底会不会改变用户的消费决策和购物习惯。
需要提前说明的是，以下内容均为个案测试，样本数量有限，结论更适合作为观察AI电商行业的一个切口，并不代表两款产品的全部能力与整体表现。
01. 实测：四组问题，两套逻辑
1、基础推荐：预算3000以内买笔记本
豆包的回答更像一个提前做足功课的朋友：先根据需求做过滤，比如“不适合大型游戏，优先8G+256G SSD”，再给出具体商品卡，并附带价格、配置和适用场景。底部还补充了“选购提醒”，主动提示“i7独显低价机”大多是老款改装的陷阱，同时给出基础配置底线。最后还会继续追问使用用途，引导用户进入下一轮对话。
点开商品卡后，用户可以直接进入下单与支付页面，整体购买闭环比较顺畅。但问题也很明显：用户并不知道这些商家和商品的推荐逻辑是什么，也无法判断是否带有推广倾向。点击“查看更多商品”后，可以切换更多店铺，而排在最前面的通常是直播间。随机测试其他商品时，也基本出现直播间优先展示的情况。这说明在豆包的流量分发机制中，直播电商的权重明显高于普通商品列表。
千问也能识别用户需求，并按使用场景进行分类推荐，但信息呈现的结构化程度不如豆包清晰。而且千问并没有直接给出商品购买链接，而是跳转到一个商品结果页，仍需要用户自行筛选。它给出的产品差异较大，需求匹配度也不算高，整体更像是根据几个关键词生成的淘宝搜索结果。
千问一个相对人性化的点在于，它给出了一个“性价比”方案：购买二手苹果MacBook。但问题是，它标注的售价为6237元，明显超过3000元预算，预算控制出现了明显偏差。
小结：豆包倾向于先帮你完成一轮决策，再把购买路径直接铺好，但最终成交落点明显偏向直播间；千问则更像是打开商城入口，让用户自己继续挑选，整体智能决策能力相对弱一些。同时，在多轮测试中，千问多次推荐“二手商品”，这也从侧面体现出阿里电商生态在商品丰富度上的优势。
2、反向纠偏：戴森吸尘器比米家贵，但效果一样，对不对？
两家都没有顺着这个错误前提直接回答。
豆包直接明确给出“不对”的判断，态度比较鲜明，并按不同使用场景解释两者差异，同时附带实时商品卡，最后继续追问是否需要按照预算推荐具体型号。这里的商品转化意图很明显，但整体还在可接受范围内。
千问则通过三列表格的方式，对多个维度进行拆解比较，最后给出分场景结论。整个回答以信息输出为主，没有顺势挂载商品推荐。
小结：两家的表现都算合格。但可以明显看出，豆包的卖货意识更强，会主动抓住每一个可能的转化机会；千问则更像一个偏工具型的AI助手，不过也暴露出一类常见问题——回答过于谨慎，显得少了些果断和专业判断力。
3、高客单价复杂决策：预算8000买相机，拍娃
豆包会先提炼核心需求，比如“对焦快、追焦稳、直出好看，优先APS-C微单”，然后给出三套预算方案，每套方案都包含机身价格以及剩余预算如何搭配镜头的建议。对应商品卡来自最新旗舰店，信息也相对可查。
千问在文字推荐上框架是完整的，像索尼A6400、富士X-T30II这样的品牌与型号判断也体现出一定专业性。但商品卡却出现了严重错位：推荐“全新微单方案”时挂出的是53元的库洛米儿童玩具相机；推荐“二手全画幅方案”时挂出的则是7.78元的玩具相机。其他商品同样价格悬殊，完全不符合8000元预算买相机的真实需求。
换句话说，8000元预算买相机，千问最后却推荐了7块8的玩具。语言理解这一层做对了，但到了商品匹配和电商推荐层，明显“掉线”了。
小结：在高客单价、复杂决策场景下，豆包的整体表现相对稳定，推荐逻辑也更清晰；千问的文字判断本身没有太大问题，但商品卡匹配错误严重，说明语言层和商品层之间并没有真正打通。
4、跨平台比价：同款AirPods4在京东、淘宝、拼多多哪里最划算
这是这次测试中最值得关注、也最有代表性的一组。
千问直接坦白说明：作为淘宝AI购物助手，它无法帮助用户查询京东和拼多多的实时价格。随后，它老老实实给出淘宝站内的省钱攻略，价格数据也是真实拉取的。在商品推荐上，它整体更克制，不是上来就直接推链接，而是在用户进一步确认后再推荐商品。
豆包则给出了一套完整的三平台比价方案，结论明确、价格细致，还附上三条差异化购买建议，表面看起来非常专业。但问题是，这套结果很可能并不可靠：
第一，豆包并没有真正接入京东和拼多多，因此这组比价数据更像是模型根据公开资料搜索后生成的结果，并非实时拉取。比如“淘宝普通版636元（88VIP+券+国补）”这样的价格，本质上是多重优惠叠加后的理论最低价，普通用户往往无法真正拿到。
第二，它又开始主动引导成交：答案底部挂出的商品卡是自家抖音商城的AirPods 4，而这与用户原本要求分析的京东、淘宝、拼多多三平台并无直接关系——这再次体现了明显的强推销逻辑。
千问说“比不了”，至少真实表达了自身能力边界；豆包虽然给了答案，但当用户看到完整的跨平台比价表时，很容易自然认为这是真实、实时、可信的数据，而实际上它可能只是模型生成的一种“幻觉”。在购物决策场景中，一个编造出来但看似完整的答案，往往比没有答案更危险。
小结：这一组测试最能体现两家AI购物助手底层策略的差异，也明显暴露出平台生态边界的限制。移动互联网时代的“花园围墙”，到了AI时代依旧没有被打破。值得注意的是，豆包对抖音电商商品的引导更激进，只要有机会就把用户往购买链路上带；千问反而更克制，大多数时候是在提供信息和方向，而不是直接塞商品卡。
02. 这届AI购物，差在哪里
1、推荐的底层，未必是用户利益
这是所有平台型AI购物产品都会面对的核心矛盾，而且它并不是单靠技术升级就能彻底解决的问题。
淘宝天猫的核心商业模式，本质上仍然是广告、竞价排名与平台流量分发。如果千问真的完全按照“最适合用户”的原则来排序推荐，那么大量付费商家的广告投放意义就会被削弱，整个电商生态的商业逻辑也会受到冲击。已有媒体实测发现，千问推荐的商品高度集中在付费权重更高的商家范围内，而销量过万、性价比更高的平价款，往往被压到了更靠后的位置。
豆包同样面临类似问题。它的推荐池来自抖音商城，而用户点击商品卡后，优先进入的往往是直播间。这不是偶然，而是字节电商流量分发机制的自然延伸。AI购物推荐的背后，不只是“猜你想买什么”，更是平台在决定“希望你进入哪种消费场景”。
在传统搜索结果中，广告和自然结果之间至少还有一个相对明确的“广告”标识。但AI推荐通常以“根据你的需求精选”为包装，普通用户几乎无法分辨，眼前的推荐到底更多来自算法理解，还是商业利益驱动。越是自然、越像“懂你”的推荐，越值得用户保持警惕。
2、AI做了决策，但没有管住全程
豆包在推荐卡片这一层确实做了较好的初步过滤，但当用户点击“查看更多商品”之后，预算约束很快失效：在3000元预算买笔记本的测试里，3739元的新款和4499元的高配版仍然照常出现。千问在预算匹配上也存在类似问题，前文提到的MacBook Air商品卡高达6237元，就是典型例子。
这暴露出当前AI购物产品普遍存在的工程短板：AI的决策层与平台商品召回层之间，并没有真正完成深度打通。AI前端理解了用户需求，也能给出看似有判断力的推荐，但一旦用户离开初始推荐卡片，后续流程就迅速切回传统电商的逻辑——按照销量、广告权重和平台利益继续排序。也就是说，AI只影响了购物链路的第一步，却没有真正接管后面的每一步。
更深层的问题在于，商品数据标准化与价格、库存、促销信息的实时同步，本身就是极为复杂的系统工程。豆包的跨平台比价依赖模型生成，而非实时价格抓取；千问的商品卡偶尔错误匹配到儿童玩具，本质上都说明了同一件事——在电商这种高度依赖实时库存、实时价格、实时优惠的场景中，大模型知识更新的速度，仍然赶不上商品世界变化的速度。
3、对话购物的效率，还没有超过搜索
AI购物最核心的承诺，是让用户通过自然语言表达需求，比传统关键词搜索更高效。但从这次实测结果看，这个承诺目前主要只在“需求明确、商品标准化、决策简单”的场景中成立。
比如问“预算3000元买什么笔记本”，AI通常能给出还不错的回答。但真实购物往往不是这么简单：用户需求常常是模糊的，比较维度是多层次的，消费信任也不是一句推荐就能建立的。当豆包推荐一台相机，但用户无法确认商品卡来源是否可靠；当千问的比价只覆盖淘宝站内，用户就很可能本能地再打开其他购物App进行交叉验证。到了这一步，AI购物不但没有提高效率，反而额外增加了一个验证成本。
03. 618：入口之争，但主战场不在这里
回到最开始的问题：这届AI购物，会真正改变今年618的竞争格局吗？
大概率不会，至少今年还不会。
从功能层面看，无论是豆包还是千问，目前表现相对顺畅的，依然是外卖、日用品、标准品这类低决策成本品类。而618真正的主战场——家电、手机、电脑、服装等高决策成本、强比价需求、依赖信任背书的品类——AI推荐的可靠性与用户信任度，都还远远没有达到可以“代替用户做决定”的水平。
从用户习惯来看，从搜索式购物切换到对话式购物，本质上是一种认知方式和消费路径的迁移，不是一次简单的App更新就能完成的。大多数用户在今年618期间，依旧会打开熟悉的电商App，用熟悉的方式搜索、比价、下单。真正愿意把购物流程交给AI的尝鲜用户，现阶段仍然只是少数。
当然，对话过程中确实可能激发一些潜在消费需求，但这些需求最终会不会直接在豆包、千问里完成购买闭环，还是仍然回流到传统购物App做进一步比价和确认，现在还不好下结论。
所以，与其说今年618是AI购物的爆发点，不如说它更像一次公开压测，一个具有象征意义的时间节点。各家平台借这个窗口验证技术路线、测试用户接受度、打磨支付与交易闭环，为未来真正成熟的AI购物时代提前铺路。
真正意义上的AI购物，还有很多关键问题需要解决：推荐数据能否做到实时、准确、可信；跨平台比价是否可行，以及结果是否足够可靠；个性化推荐和平台商业利益之间的边界如何透明呈现；高客单价、高决策成本品类如何建立信任机制……其中一部分问题可以通过功能迭代优化，但更多问题，仍然需要整个行业重新建立用户与平台之间的信任契约。
而那个真正成熟的时刻，显然还没有到来。
