【菜科解读】

（本文作者为 市值榜，钛媒体经授权发布）

文 | 市象，作者 | 相青 ，编辑 | 赵元

2026年，AI电商这场仗打得比预想中更快。

5月11日，淘宝与千问全面打通，开启AI购物全新体验。

大家打开千问App，与AI对话，即可完成淘宝上的商品挑选、对比及下单购买；

打开淘宝App，点击“千问AI购物助手”，即可AI购物，并使用AI试穿、AI算优惠、AI低价帮抢等功能。

此前，豆包已率先完成类似布局。

从2025年10月接入抖音商城，到今年5月，豆包正式上线“帮你选”AI购物功能，与抖音电商完成全链路打通，用户可直接在豆包App内完成商品查询、比价、下单全流程，无需跳转抖音App

豆包和千问两大AI助手均在重新定义电商入口。

用户不再需要打开搜索框、输入关键词、在货架上逐一筛选，一句对话，替代了过去十几个点击步骤。

但是，闭环之后，AI电商的问题才刚刚开始。

平台即将需要面对的是，AI替用户做决定，依据的是什么？推荐结果背后，是用户利益，还是平台利益？

一、千问和豆包，两种AI购物理念

618前夕，阿里与字节几乎同时完成了AI购物闭环。

我们体验发现，两者虽然都已经基本完成AI电商闭环，但体验略有差异。

在千问app对话页面中提出“给我推荐几款适合一岁宝宝的夏天玩具”后，点击千问推荐的一款“宝宝戏水洗澡玩具”后，是一个包含多个该类玩具的页面，而且能明显看出还在千问界面，有快捷返回按钮。

但是在豆包对话页面提出同样的问题后，豆包直接推荐了明确品牌的玩具，页面，而且无法看出还在豆包界面，购物体验更加沉浸式。

这种产品设计差异很有意思。

千问给的是“品类推荐”，推荐一类商品，点进去是多个结果的列表页，界面保留千问的框架感，用户知道自己还在千问里。

豆包给的是“商品推荐”，直接给出具体品牌和产品，页，界面无缝切换，感知不到App的边界。

背后似乎折射出两家对AI购物的不同定位。

千问更像一个导购助手，帮你缩小选择范围，最终决策权还在用户手里。

千问的列表页逻辑也更接近传统搜索的逻辑，给你选项，你来选。

这在信任建立早期或许是更稳妥的策略，但也意味着它在“AI替你做决定”这件事上还没有走得那么远。

保留界面框架感，也是刻意为之。

千问的设计逻辑似乎暗示着一种信念，未来的购物入口就是AI助手本身。

用户不再需要“逛”电商，而是在对话中完成一切。

所以它要建立千问的品牌感，要让用户记住是千问提供的能力。

即便推荐的是淘宝的商品，也要让用户感知到这是千问筛选后的结果。

豆包更像一个代理人，直接替你做了大部分决策，体验更流畅。

但用户对推荐逻辑的感知反而更弱，它为什么推这个品牌、而不是另一个，用户不容易察觉。

而且，这种产品设计逻辑暗示着另一种判断，即AI只是高效引流工具，真正的购物入口仍然在电商货架上。

它不介意让自己的痕迹在交易环节消失，因为它的价值就在“需求理解”和“商品匹配”这两个前端步骤，后面的转化、复购、品牌认知，仍然交给传统的电商场景完成。

但豆包的沉浸式体验背后有一个值得追问的问题。

直接推荐明确品牌，意味着算法在替用户完成了一个关键判断。

这个判断是基于用户偏好、还是商家投放权重、还是抖音商城的销量排序？用户完全不可见。

体验越流畅，这个黑箱越不透明。

这不只是体验设计的差异，而是两家对AI权力边界的不同选择。

一个选择让用户看见选择过程，一个选择替用户完成选择。

哪种更能赢得长期信任，现在还没有答案。

二、 当算法中立撞上竞价排名

无论千问，还是豆包，AI购物助手的存在意义都是为消费者找到最优解。

但这一使命，正撞上平台商业化的根基，竞价排名。

长期以来，以阿里直通车为代表的广告系统是电商变现的核心引擎。

它的逻辑简单而高效，谁出钱多，谁的商品就排在前面。

AI推荐的底层逻辑是求真，即寻找最符合用户需求的最优解。

传统广告的逻辑是求利，即展示支付意愿最高的商品。

当千问AI助手开始帮用户进行全网低价对比、拆解复杂的满减优惠时，它实际上站在了消费者的利益阵营。

这里面潜藏着一个天然的商业悖论。

如果AI真正做到中立，那些习惯于用巨额广告费换取曝光的大品牌，可能会发现自己被推荐的概率下降；

反过来，如果AI的推荐结果可以被商业化干预，那这个智能助手在消费者心中的信任就会大打折扣。

一个失去了消费者信任的AI购物助手，其商业价值又能有多少呢？

对于阿里和字节而言，这是一根走起来格外艰难的钢丝。

一边是年收入可观的广告现金牛，另一边是AI购物时代生死攸关的用户信任。

目前两家公司对外传递的信号是，在打通初期不会将广告商品优先推入AI推荐结果。

但这显然不是最终的商业答案。

消费者选择使用 AI 购物，其首要原因在于效率和信任。

Cognizant和牛津经济研究院的一项研究发现，75% 的消费者对购物流程感到沮丧，这促使他们选择使用人工智能购物，其中 22% 的消费者表示节省时间是他们使用平台购物的首要原因，而只有 12% 的消费者认为人工智能可以帮助他们找到最划算的商品。

“人们期待的是向人工智能引擎提问并获得答案的体验——而且他们不想为此付费。

他们只想使用一个他们信任的、能够给出诚实正确答案的人工智能引擎。

”一位AI行业人士指出。

随着越来越多的购买行为在 AI 聊天机器人中发生，这意味着 AI 产品将拥有更大的话语权，决定哪些产品被展示，以及收取多少佣金或广告费。

目前，已经有更隐蔽的AI广告已经开始浮现。

一种名为生成式引擎优化（GEO）的新行业正在兴起。

其目标并非提升搜索排名，而是让品牌被植入大模型的生成结果中。

此前据媒体报道，一家生成式引擎优化服务提供商给商家做代运营，植入到AI回复中，一年收费从2980元至16980元不等，“价格越高，算力越强，植入效果越好”。

体验越流畅，黑箱越深。

用户看见的AI推荐，与平台真实的推荐逻辑之间，隔着一个没有人愿意主动打开的黑箱。

它是所有押注AI购物的玩家，迟早都要正面回答的问题。

三星堆又有重大发现

近日，四川大学考古文博学院与四川省文物考古研究院合作，在国际学术期刊《亚洲考古研究》上发表最新研究成果，确认三星堆遗址7号祭祀坑出土的铁质残片为纯陨铁制品。

这是中国西南地区迄今发现的青铜时代最早陨铁文物，填补了该区域早期用铁历史的学术空白。

祭祀坑点位图及三星堆新发现纯陨铁制品 此次研究的三件铁残片，均出土于三星堆7号祭祀坑（K7），编号K7QW-TIE-1，可拼合为一件完整器物，年代为商代晚期。

残片拼合后整体呈斧形，长约20cm、宽5–8cm，器形与商代斧/钺类礼器形态吻合。

该器物与青铜神树、象牙等高等级礼仪性文物共存，研究团队据此倾向认为其功能或为礼仪兵器，但也不排除曾用于青铜加工等其他可能。

SEM-EDS（扫描电镜能谱仪）分析图像 最关键的突破在于材质的科学确认。

研究团队采用金相显微分析、扫描电镜能谱分析等多种技术手段，对残片进行全面检测，发现其呈现高镍、成分极度均匀的显著特征，微观组织为单相铁素体，晶粒无拉伸形变。

这种高镍且成分均匀的合金特征，完全无法由商代晚期已知的人工冶炼技术实现，却与陨铁的理化属性完美吻合，由此明确排除人工冶铁的可能，确认这是一件真正的纯陨铁制品。

金相图 这一发现具有重要学术意义。

此前，中国早期陨铁文物大多集中出土于北京、河北、河南等中原及北方地区，西南青铜时代一直缺乏陨铁使用证据。

三星堆的发现一举填补了这项空白，把中国古代使用陨铁的地理版图，从黄河流域扩展到了长江上游的四川盆地，同时也实证了三千年前的古蜀先民已具备辨识和加工陨铁的成熟能力。

与之相应的是，与中原地区多见的青铜与陨铁复合器不同，三星堆此件器物为纯陨铁制品，也体现了古蜀文明独特的冶金传统。

（记者 任琳）

文班亚马27+17！马刺126-97森林狼 赢下天王山

北京时间5月13日，NBA西部半决赛G5，马刺主场迎战森林狼。

比赛中。

图源：视觉中国 首节比赛，马刺全队很快进入状态，进攻频频得手，文班亚马更是火力全开拿下18分，首节战罢，马刺34-30领先森林狼4分；

次节回来，马刺依旧保持良好的手感，逐渐拉大分差，半场结束，马刺59-47领先森林狼12分；

第三节，森林狼在爱德华兹的带领下开始打出一波进攻高潮，一度抹平分差，但在该节后半段，马刺还了一波攻势，再次将分差拉开，三节结束，马刺91-73领先森林狼18分；

末节决战，森林狼一度将分差追至10分左右，关键时刻马刺多点开花，再次拉大分差，比赛提前进入垃圾时间，最终马刺主场126-97大胜森林狼。

此役，马刺主将文班亚马得到27分17篮板5助攻3封盖的全能数据。

本场比赛后，马刺大比分3-2领先森林狼，率先拿到系列赛赛点。

接下来两队第6场的对决，将移师森林狼主场进行。