核心内容总结
AI购物被视为下一个万亿级赛道（全球到2030年预计5万亿美元），巨头和初创公司都在押注，但目前体验远不如预期：AI能搞定洗衣机、轮胎这类参数明确的产品，却搞不定需要品味和情感的服装；技术上存在库存对接、结账流程等硬障碍，更深层的挑战是AI无法理解人类的审美偏好和品牌背后的情感价值。未来，AI购物要突破，需解决技术问题、让品牌“对机器可读”、并构建精准的用户品味图谱。
一、AI购物：5万亿美元的大饼，但现在连条裙子都买不好
AI购物的潜力听起来很诱人：麦肯锡说2030年全球能带动5万亿美元交易，ChatGPT每天有5000万次购物查询。但现实是，它连帮作者买条合适的Sézane裙子都做不到——要么推荐的款式过时、没库存，要么需要手动搜链接。
为什么这么拉胯？Forrester分析师点破：大部分AI购物工具都是仓促上线的，因为大家怕错过风口（FOMO），测试做得很差。比如Walmart的Sparky聊天机器人，也就比普通搜索栏好用一点；前沿模型甚至不知道商品有没有货，更别说直接下单。承诺的“AI替你自动购物”，现在还停留在画饼阶段。
二、AI购物的“舒适区”：参数型产品行，品味型产品懵
AI不是完全没用，它在某些场景下很擅长：比如作者家洗衣机坏了，告诉Gemini洗衣房尺寸，就能推荐合适的GE型号；Walmart的Sparky帮你找轮胎，只要说车型就能精准匹配。这些都是参数明确、需要调研的产品（电子产品、家电、运动装备）——AI能快速处理规格、库存等数据，帮你省时间。
但碰到需要“感觉”的产品（比如服装、香水、家居），AI就懵了。作者喜欢Sézane，不是因为它的材质或价格，而是它带来的“法式从容、毫不费力的时髦”感觉。AI现在根本理解不了这种情感层面的偏好，只能靠关键词瞎推荐。
三、技术难题：库存、结账这些“硬骨头”，AI正在啃
AI购物的一大障碍是数据不通：大语言模型（LLM）只能爬互联网上的公开信息，拿不到商家后台的实时库存、会员优惠、结账流程等数据。比如ChatGPT推荐的裙子是上一季的，就是因为它不知道库存更新。
现在巨头们在解决这个问题：OpenAI和Stripe搞了“智能体商务协议”，Google和Shopify推出“通用商务协议”，Shopify的Catalog还能让AI看到商家的库存和定价。结账流程更麻烦——优惠券、会员积分、配送要求千差万别，OpenAI之前和Shopify合作的即时结账功能，因为技术问题和用户冷淡撤了；Google今年1月成功推出，但也承认“可能性太多，像个矩阵”。
四、更深层挑战：AI要懂你，得先懂品牌的“感觉”
要让AI推荐对味的产品，光解决技术还不够，得让它理解品牌的情感价值和用户的品味。
- 品牌怎么让AI“读懂”？ 传统品牌靠图片（广告牌、TikTok视频）吸引用户，但AI是读文字的。比如Lululemon和Vuori的紧身裤，材质定价差不多，AI得靠网上的文字信息（评论、论坛）判断区别。但这些信息可能抓不住品牌的核心感觉（比如Lululemon的“运动生活方式”）。所以品牌得主动用文字把自己的情感、价值观写清楚，散布到网上，甚至直接对接给LLM。
- AI怎么懂用户品味？ 现在的AI购物工具只能靠用户说的话（比如“我喜欢Sézane”），但TikTok、Instagram早就靠用户的行为信号（比如多停留一秒Birkenstocks视频）构建了“品味图谱”。Google的Gemini现在能连接Gmail、Photos等数据，未来能通过你的收据、度假照片更懂你的偏好——比如知道你喜欢法式极简，不喜欢意大利极繁。
五、未来展望：AI购物的下一站，是你的“私人买手”
如果这些问题都解决了，AI购物会变成什么样？它不再是现在的“关键词搜索工具”，而是真正的私人买手：它知道你舍得花300美元买衬衫，却嫌50美元的蜡烛贵；知道你永远选Sézane over Reformation；甚至能预判你滑雪之旅需要什么装备，自动下单。
这会改变购物体验：现在的算法（比如TikTok）是为了“大规模参与”，导致品味越来越扁平化；而AI私人买手会更个性化，让你找到真正符合自己风格的东西。对品牌来说，只要能让AI读懂自己的“感觉”，就能精准触达喜欢它的用户。
当然，这一切还需要时间，但每隔几个月AI就会有大变化——说不定很快，作者就能让AI帮她找到那条完美的花园活动裙子了。