前阵子我想买个制冰机。
打开京东 AI 购,问它推荐。它很热情,列了一堆,全是一千块往上的。参数漂亮,评价漂亮,推荐理由也写得挺像回事。然后我顺手在 Claude 那边问了同样的问题,它给我指了一台美的的,230 块,我需要的功能一样不缺。
我最后买了那台 230 的。买之前又回京东让它的 AI 帮我算优惠——它非常卖力,弹窗、动画、"已为您优化",给我省了 10 块钱。
这两个数字放一起,基本就是我这两年用 AI 买东西的全部心得:它能作弊的那一层,让我多花了 770;它不能作弊的那一层,认认真真给我省了 10 块。
它没骗我,它只是没把那台放进来
先替京东说句公道话。那些一千多的制冰机大概率都是好机器,参数更好,评价更真,推荐得完全合理。它一句谎都没撒。
问题在于候选集。
它不需要说 230 那台不好,它只需要不把它放进来。而候选集的边界,从来不需要向用户解释。你永远不会看到一行字告诉你"我为你筛掉了 400 台机器,筛选逻辑是……"。这是推荐系统最深的那口井,搜索时代就在,只不过那会儿它长得像坑位、像广告位、像排序,界面是诚实的——你知道那是广告。
现在它长得像建议。"我推荐你买这个,因为它 xx。"这句话的可信度成本,比一个搜索结果列表高一个数量级。
顺着这个往下想还有个更难受的结论:平台 AI 的推荐价格中枢,系统性地高于你的实际最优解,因为客单价直接进它的 KPI。而这个偏差在便宜东西上是百分之几百,在贵东西上反而只有百分之几十。越便宜的东西,越会被平台 AI 坑得狠。几百块的玩意儿才最该拿去问外部 AI,几千块的反倒没那么急。
免费不是问题,收入结构才是
我一开始的想法很朴素:千问和京东 AI 是免费的,Claude 和 GPT 我每个月给钱,所以我信后者。
后来觉得这个说法站不住。付费根本不产生信任。Prime 你也付了钱,自营和广告位照样怼你脸上;Netflix 你也付了钱,推荐页照样偏自制剧。
真正让我信的是另一件事:Claude 推荐错了,它的收入不变;推荐对了,它的收入也不变。推荐结果和它的现金流之间没有管道。
而京东 AI 的主营收入就是 GMV。哪怕它明天开始收我 199 一年,我还是不信——那 199 相对佣金是零头。所以一个 AI 导购的可信度上限,不由它收不收费决定,由它的第二大收入来源决定。
说得再准确一点:我不是信任 Claude 这个东西,我是信任它的背书。
它说这台机器行,这句话是它自己在担保的,而且它拿不到任何好处。它推荐错了会掉的是它作为工具的口碑,推荐对了也不会多赚我一分钱——它唯一的下注对象是"我下次还愿不愿意来问"。这就是一份干净的背书:没有第二个受益人。
京东 AI 说这台机器行,这句话背后至少站着两个人:我,和那台机器的卖家。它可能确实在替我着想,但我永远无法确认这一点。背书一旦有第二个受益人,就不再是背书,是推销。这跟它说得对不对没有关系,跟它态度好不好也没有关系。
我被坑过,但那次坑没有让我不信它
得说个反面的。我让 GPT 帮我挑打印机,它给我推了台东芝 2323AMW,买回来发现不支持 Mac。
翻车了,彻底翻车。
但奇怪的是,这件事完全没有动摇我。因为我能一句话说清它错在哪:没有 Mac 驱动。这是个具体的、可指认的、单点的失败。而且责任还能往下分——我压根没在提问里说我用 Mac,它也没反问我。下次怎么办也很明确:先说环境,再说需求。
现在设想京东 AI 给我推了同一台。它会说"这款打印量大、性价比高、销量领先"。我买回来发现不能用。我能指认它哪里错了吗?不能。它没说谎,它只是没提。而"没提"是个完美的免责结构——我甚至没法判断它是不知道,还是知道但那台佣金更高。
所以我这两年最大的体会其实是这句:AI 导购的价值不在于它对得多,在于它错得可不可查。
一个 90% 正确但错误不可归因的系统,长期信任度低于一个 80% 正确但错误可复盘的系统。因为前者的每一次正确,你都无法确认是运气还是能力。
而"错得可查"的前提是它给你论证过程。给论证过程的前提,是它不靠你买什么赚钱——绕回去了。
顺带说一句我觉得挺关键的:平台 AI 结构上没法给你论证过程,因为论证过程是可攻击面。它一旦说"我推 A 是因为 A 的 CADR 比 B 高",你立刻能反问"那为什么不推 C,C 比 A 还高"。而 C 可能是竞品,可能是没投广告的白牌。它越说越像销售,不是因为它蠢,是因为说人话对它有风险。
那到底该怎么用
我现在的做法是把这件事拆成两段,而不是二选一。
上游是定规格:我到底要什么样的东西,哪些参数重要,预算怎么切,排除哪些坑。
下游是执行采购:谁家便宜,券怎么叠,什么时候下手,售后谁兜。
关键在于,平台 AI 的偏见只能藏在上游,藏不进下游。
券叠没叠上,你付款那一秒就知道;货三天没到,你也知道。这一层当场可验证,它在这儿作弊没有收益,反而有强激励做到极致——这是它的护城河。而"推荐你买 A 不买 B"永远无法验证:你买了 A,就再也不知道 B 会不会更好。这是个反事实,天然不可证伪。偏见必然沉淀在这一层,而且只在这一层。
所以规矩很简单:规格由不靠 GMV 赚钱的人出,采购由有履约能力的人干。
让 Claude 出一份 spec——要什么参数、什么型号区间、排除什么——然后拿着这份 spec 去京东或者千问执行。你不需要信任它的品味,你只需要它的仓库和它的券。把它降级成采购员,而不是顾问。这时候它免费不免费、有没有偏见,都不重要了,因为你已经把它能作弊的那一格拿走了。
还有一条附带的,我觉得很多人没意识到:淘宝的 AI 结构上不可能告诉你"这个去京东买便宜三百"。凡是需要跨平台比较的品类,平台 AI 天然出局。不是它不行,是它不能。
阿里这两年拼命想把千问做成入口,防的其实不是京东,是"对话框成为独立入口"这件事本身。因为下游是苦活、是成本、是没溢价的,上游那一格才是钱。
AI 也会过期,而且你几乎看不出来
这条是我踩了才明白的。
我用羚羊(Antelope)的声卡。你现在去搜,论坛里全是关于它驱动不稳定、掉线、蓝屏的怨气,一搜一大把,言之凿凿。而我每天在用,它稳得很。
那些帖子不是假的。它们曾经是真相,只不过是十年前的真相。USB class compliant 普及之后,现代声卡的驱动地狱基本已经不存在了。
麦克风也一样。老论坛会告诉你选麦是"选取向、选味道、选 character",这在过去成立。但现代音乐制作里这套已经被大幅弱化了,索尼 C-80 那类东西的逻辑就是指标够好、价格够低、够用——审美溢价被工作流压扁了。
于是有件事变得很清楚:品类在坐标轴上是会移动的,而且方向单一——随着市场成熟,一律往"更可参数化、信息更充分"那边挪。
这就带出一个对 AI 挺致命的反噬:它的语料优势,同时就是它的语料滞后。
它之所以在专业设备上强得离谱,正是因为它读过十年论坛——那批中文互联网里根本没有、藏在 Gearspace 和外文老帖里的东西。但那十年论坛里也全是"某某声卡蓝屏""某某麦克风缺乏 character"。这些语料曾经是真相,现在是噪音。一个读了海量历史讨论的模型,会系统性地把已解决的问题当成仍存在的问题。
而且这类错误几乎不可察觉,因为它引用的是真实存在过的讨论,听起来极其可信。
AI 在一个品类上的可靠度,跟这个品类的迁移速度成反比。冰箱空调这种十年不怎么变的,它很稳;音频接口、显卡、AI 硬件这种一年一变的,它可能拿五年前的共识回答你今天的问题。
对应的动作也很具体,而且和上面那条不一样:参数表外的坑,靠你补环境;语料过期的坑,靠你逼时间戳——追问"这个结论现在还成立吗""这是哪一年的共识""这个问题后来是不是解决了"。
哪些东西能交给 AI
把这两年真买过的东西钉在一张图上,大概长这样。横轴是决策可参数化程度,纵轴是信息获取成本(越往上越难查)。
右上,AI 碾压区。制冰机、除湿机、空气净化器、相机镜头、麦克风、声卡。共同点是参数硬,但中文评测要么极少,要么全是软文。AI 在这儿的价值不是它算得准,是它读过你读不到的东西。这一格性价比最高。
右下,有用但边际低。空调、冰箱、电视。参数一样硬,但满地都是评测,你自己搜半小时也能搞定。AI 省的是时间,不是认知。
左上,只能当资料员。租房、二手车。信息稀缺而且水,但最终判断靠现场感受和运气,AI 顶多帮你列个 checklist。
左下,出局。机械表、车的外观。你自己就是终审裁判,而且换个人答案就变。表这类东西还多一层:实际价格由二级市场行情决定,不由定价决定,而那个信息是流动的、非公开的、时效极强的,模型和搜索都给不了你。
然后有两个点我单独标了红:打印机和声卡。
按坐标轴它们都该在右侧,参数看起来完备,AI 该赢。但它们各自都有一类杀手不在参数表里:打印机是操作系统和驱动,声卡是(过去的)稳定性和局域网协议。我管这个叫伪参数化陷阱。同类的还有显卡电源(机箱尺寸)、洗碗机(橱柜开孔和进水)、投影(层高和梯形校正)。
一个八竿子打不着的打印机和一张声卡踩了同一个坑,说明这不是哪个厂商不靠谱,是结构性的。这类品类里,你的提问必须先描述环境,再描述需求。
笔记本电脑我放在右上偏中间。它的痛点不是难查,是同质化——十台机器参数几乎一样,评测都在讲同样的话,你看三小时也未必分得出来。AI 在这儿干的活是把无关维度剪掉,告诉你在你的用途下真正拉开差距的只有那么一两条。
最后:它还帮我杀掉过一个选项
去年看车,在捷尼赛思 G80、沃尔沃 S90 和宝马 530 之间来回。参数、价格、保值率、口碑,全都对比完了,还是定不下来。
GPT 说了一句:既然你不喜欢 S90 的外观,就直接杀掉这个选项。车买回去天天看着不顺眼,晦气。
问题当场解决了。
有意思的是,它没告诉我任何我不知道的事。我早就知道自己不喜欢那个外观。它做的是把我已经有的判断,升格成硬约束。我之所以还在纠结,是因为我觉得"因为长得不好看就否掉一台各方面都合格的车"这个理由不够正当,我在等人替我签字。它签了。
车在我那张图上明明落在"AI 出局"那一格,理由正是审美不可参数化。但它在这一格照样帮到了我——不是替我判断,是承认我的判断是终局的,然后帮我执行。
所以 AI 在买东西这件事上其实有三种价值,不是一种:信息(它读过你读不到的)、执行(它替你算券抢货)、决策卫生(它帮你把该扔的扔掉)。前两种可以分给不同的人干,第三种只有不靠你买什么赚钱的那个才做得出来——一个平台的 AI 永远不会劝你把一台车从候选里划掉。
最后得说句老实话:我不代表用户。
2024 年就把购物决策外包给 LLM 的人,全中国可能不到万分之一。我有付费能力,有英文能力,也乐意花时间跟一个对话框掰扯参数。而京东和淘宝要服务的是十几亿电商月活。对那个大盘来说,"不可审计"根本不是问题,"省事"就够了——就像所有人都知道抖音是算法喂养,照样刷八小时。
所以我不觉得平台 AI 会输。我觉得这事会裂成两个市场:一个要的是省事,一个要的是可查。前者会大得多。
这两年我从租房吃饭一路到买电脑、买车、买表、买家电,基本都是这么过来的。真正被我交出去的从来不是决策权,是查资料和列条件这两件苦差事。而我之所以敢交,是因为那份背书干净——它替我说的每一句话,都只有我一个受益人。
我只是想让本来该在后一个市场里的人,别稀里糊涂待在前一个市场里,多花那 770 块,还为省下的 10 块钱感动。