前陣子我想買台製冰機。
打開京東 AI 購，問它有什麼推薦。它很熱情，列了一堆，全是一千塊以上的。規格漂亮，評價漂亮，推薦理由也寫得挺像回事。然後我順手在 Claude 那邊問了同樣的問題，它指給我一台美的的，230 塊，我要的功能一樣不缺。
我最後買了那台 230 的。買之前又回京東讓它的 AI 幫我算優惠——它非常賣力，彈出視窗、動畫、「已為您最佳化」，幫我省了 10 塊錢。
這兩個數字放在一起，基本上就是我這兩年用 AI 買東西的全部心得：它能作弊的那一層，讓我多花了 770；它不能作弊的那一層，認認真真幫我省了 10 塊。
它沒騙我，它只是沒把那台放進來
先替京東說句公道話。那些一千多的製冰機大概率都是好機器，規格更好，評價更真，推薦得完全合理。它一句謊都沒撒。
問題在於候選集。
它不需要說 230 那台不好，它只需要不把它放進來。而候選集的邊界，從來不需要向使用者解釋。你永遠不會看到一行字告訴你「我為你篩掉了 400 台機器，篩選邏輯是……」。這是推薦系統最深的那口井，搜尋時代就在，只不過那會兒它長得像坑位、像廣告欄位、像排序，介面是誠實的——你知道那是廣告。
現在它長得像建議。「我推薦你買這個，因為它 xx。」這句話的可信度成本，比一個搜尋結果列表高一個數量級。
順著這個往下想還有個更難受的結論：平台 AI 的推薦價格中樞，系統性地高於你的實際最佳解，因為客單價直接進它的 KPI。而這個偏差在便宜東西上是百分之幾百，在貴東西上反而只有百分之幾十。越便宜的東西，越會被平台 AI 坑得狠。幾百塊的玩意兒才最該拿去問外部 AI，幾千塊的反倒沒那麼急。
免費不是問題，收入結構才是
我一開始的想法很樸素：千問和京東 AI 是免費的，Claude 和 GPT 我每個月付錢，所以我信後者。
後來覺得這個說法站不住。付費根本不產生信任。Prime 你也付了錢，自營和廣告欄位照樣懟你臉上；Netflix 你也付了錢，推薦頁照樣偏自製劇。
真正讓我信的是另一件事：Claude 推薦錯了，它的收入不變；推薦對了，它的收入也不變。推薦結果和它的現金流之間沒有管道。
而京東 AI 的主營收入就是 GMV。哪怕它明天開始收我 199 一年，我還是不信——那 199 相對佣金是零頭。所以一個 AI 導購的可信度上限，不由它收不收費決定，由它的第二大收入來源決定。
說得再準確一點：我不是信任 Claude 這個東西，我是信任它的背書。
它說這台機器行，這句話是它自己在擔保的，而且它拿不到任何好處。它推薦錯了會掉的是它作為工具的口碑，推薦對了也不會多賺我一分錢——它唯一的下注對象是「我下次還願不願意來問」。這就是一份乾淨的背書：沒有第二個受益人。
京東 AI 說這台機器行，這句話背後至少站著兩個人：我，和那台機器的賣家。它可能確實在替我著想，但我永遠無法確認這一點。背書一旦有第二個受益人，就不再是背書，是推銷。這跟它說得對不對沒有關係，跟它態度好不好也沒有關係。
我被坑過，但那次坑沒有讓我不信它
得說個反面的。我讓 GPT 幫我挑印表機，它推給我一台東芝 2323AMW，買回來發現不支援 Mac。
翻車了，徹底翻車。
但奇怪的是，這件事完全沒有動搖我。因為我能一句話說清它錯在哪：沒有 Mac 驅動程式。這是個具體的、可指認的、單點的失敗。而且責任還能往下分——我壓根沒在提問裡說我用 Mac，它也沒反問我。下次怎麼辦也很明確：先說環境，再說需求。
現在設想京東 AI 給我推了同一台。它會說「這款列印量大、性價比高、銷量領先」。我買回來發現不能用。我能指認它哪裡錯了嗎？不能。它沒說謊，它只是沒提。而「沒提」是個完美的免責結構——我甚至沒法判斷它是不知道，還是知道但那台佣金更高。
所以我這兩年最大的體會其實是這句：AI 導購的價值不在於它對得多，在於它錯得可不可查。
一個 90% 正確但錯誤不可歸因的系統，長期信任度低於一個 80% 正確但錯誤可復盤的系統。因為前者的每一次正確，你都無法確認是運氣還是能力。
而「錯得可查」的前提是它給你論證過程。給論證過程的前提，是它不靠你買什麼賺錢——繞回去了。
順帶說一句我覺得挺關鍵的：平台 AI 結構上沒法給你論證過程，因為論證過程是可攻擊面。它一旦說「我推 A 是因為 A 的 CADR 比 B 高」，你立刻能反問「那為什麼不推 C，C 比 A 還高」。而 C 可能是競品，可能是沒投廣告的白牌。它越說越像銷售，不是因為它蠢，是因為說人話對它有風險。
那到底該怎麼用
我現在的做法是把這件事拆成兩段，而不是二選一。
上游是定規格：我到底要什麼樣的東西，哪些參數重要，預算怎麼切，排除哪些坑。
下游是執行採購：誰家便宜，券怎麼疊，什麼時候下手，售後誰兜。
關鍵在於，平台 AI 的偏見只能藏在上游，藏不進下游。
券疊沒疊上，你付款那一秒就知道；貨三天沒到，你也知道。這一層當場可驗證，它在這兒作弊沒有收益，反而有強激勵做到極致——這是它的護城河。而「推薦你買 A 不買 B」永遠無法驗證：你買了 A，就再也不知道 B 會不會更好。這是個反事實，天然不可證偽。偏見必然沉澱在這一層，而且只在這一層。
所以規矩很簡單：規格由不靠 GMV 賺錢的人出，採購由有履約能力的人做。
讓 Claude 出一份 spec——要什麼參數、什麼型號區間、排除什麼——然後拿著這份 spec 去京東或者千問執行。你不需要信任它的品味，你只需要它的倉庫和它的券。把它降級成採購員，而不是顧問。這時候它免費不免費、有沒有偏見，都不重要了，因為你已經把它能作弊的那一格拿走了。
還有一條附帶的，我覺得很多人沒意識到：淘寶的 AI 結構上不可能告訴你「這個去京東買便宜三百」。凡是需要跨平台比較的品類，平台 AI 天然出局。不是它不行，是它不能。
阿里這兩年拼命想把千問做成入口，防的其實不是京東，是「對話框成為獨立入口」這件事本身。因為下游是苦活、是成本、是沒溢價的，上游那一格才是錢。
AI 也會過期，而且你幾乎看不出來
這條是我踩了才明白的。
我用羚羊（Antelope）的音效卡。你現在去搜，論壇裡全是關於它驅動不穩定、斷線、藍屏的怨氣，一搜一大把，言之鑿鑿。而我每天在用，它穩得很。
那些帖子不是假的。它們曾經是真相，只不過是十年前的真相。USB class compliant 普及之後，現代音效卡的驅動地獄基本已經不存在了。
麥克風也一樣。老論壇會告訴你選麥是「選取向、選味道、選 character」，這在過去成立。但現代音樂製作裡這套已經被大幅弱化了，索尼 C-80 那類東西的邏輯就是指標夠好、價格夠低、夠用——審美溢價被工作流壓扁了。
於是有件事變得很清楚：品類在座標軸上是會移動的，而且方向單一——隨著市場成熟，一律往「更可參數化、資訊更充分」那邊挪。
這就帶出一個對 AI 挺致命的反噬：它的語料優勢，同時就是它的語料滯後。
它之所以在專業設備上強得離譜，正是因為它讀過十年論壇——那批中文網際網路裡根本沒有、藏在 Gearspace 和外文老帖裡的東西。但那十年論壇裡也全是「某某音效卡藍屏」「某某麥克風缺乏 character」。這些語料曾經是真相，現在是噪音。一個讀了海量歷史討論的模型，會系統性地把已解決的問題當成仍存在的問題。
而且這類錯誤幾乎不可察覺，因為它引用的是真實存在過的討論，聽起來極其可信。
AI 在一個品類上的可靠度，跟這個品類的遷移速度成反比。冰箱空調這種十年不怎麼變的，它很穩；音訊介面、顯卡、AI 硬體這種一年一變的，它可能拿五年前的共識回答你今天的問題。
對應的動作也很具體，而且和上面那條不一樣：規格表外的坑，靠你補環境；語料過期的坑，靠你逼時間戳——追問「這個結論現在還成立嗎」「這是哪一年的共識」「這個問題後來是不是解決了」。
哪些東西能交給 AI
把這兩年真買過的東西釘在一張圖上，大概長這樣。橫軸是決策可參數化程度，縱軸是資訊取得成本（越往上越難查）。
右上，AI 碾壓區。製冰機、除濕機、空氣清淨機、相機鏡頭、麥克風、音效卡。共同點是規格硬，但中文評測要麼極少，要麼全是業配文。AI 在這兒的價值不是它算得準，是它讀過你讀不到的東西。這一格性價比最高。
右下，有用但邊際低。空調、冰箱、電視。規格一樣硬，但滿地都是評測，你自己搜半小時也能搞定。AI 省的是時間，不是認知。
左上，只能當資料員。租房、二手車。資訊稀缺而且水，但最終判斷靠現場感受和運氣，AI 頂多幫你列個 checklist。
左下，出局。機械錶、車的外觀。你自己就是終審裁判，而且換個人答案就變。錶這類東西還多一層：實際價格由二手市場行情決定，不由定價決定，而那個資訊是流動的、非公開的、時效極強的，模型和搜尋都給不了你。
然後有兩個點我單獨標了紅：印表機和音效卡。
按座標軸它們都該在右側，規格看起來完備，AI 該贏。但它們各自都有一類殺手不在規格表裡：印表機是作業系統和驅動程式，音效卡是（過去的）穩定性和區域網路協定。我管這個叫偽參數化陷阱。同類的還有顯卡電源（機殼尺寸）、洗碗機（櫥櫃開孔和進水）、投影（層高和梯形校正）。
一個八竿子打不著的印表機和一張音效卡踩了同一個坑，說明這不是哪個廠商不靠譜，是結構性的。這類品類裡，你的提問必須先描述環境，再描述需求。
筆記型電腦我放在右上偏中間。它的痛點不是難查，是同質化——十台機器規格幾乎一樣，評測都在講同樣的話，你看三小時也未必分得出來。AI 在這兒做的活是把無關維度剪掉，告訴你在你的用途下真正拉開差距的只有那麼一兩條。
最後：它還幫我殺掉過一個選項
去年看車，在捷尼賽思 G80、富豪 S90 和 BMW 530 之間來回。規格、價格、保值率、口碑，全都對比完了，還是定不下來。
GPT 說了一句：既然你不喜歡 S90 的外觀，就直接殺掉這個選項。車買回去天天看著不順眼，晦氣。
問題當場解決了。
有意思的是，它沒告訴我任何我不知道的事。我早就知道自己不喜歡那個外觀。它做的是把我已經有的判斷，升格成硬約束。我之所以還在糾結，是因為我覺得「因為長得不好看就否掉一台各方面都合格的車」這個理由不夠正當，我在等人替我簽字。它簽了。
車在我那張圖上明明落在「AI 出局」那一格，理由正是審美不可參數化。但它在這一格照樣幫到了我——不是替我判斷，是承認我的判斷是終局的，然後幫我執行。
所以 AI 在買東西這件事上其實有三種價值，不是一種：資訊（它讀過你讀不到的）、執行（它替你算券搶貨）、決策衛生（它幫你把該扔的扔掉）。前兩種可以分給不同的人做，第三種只有不靠你買什麼賺錢的那個才做得出來——一個平台的 AI 永遠不會勸你把一台車從候選裡劃掉。
最後得說句老實話：我不代表使用者。
2024 年就把購物決策外包給 LLM 的人，全中國可能不到萬分之一。我有付費能力，有英文能力，也樂意花時間跟一個對話框掰扯規格。而京東和淘寶要服務的是十幾億電商月活。對那個大盤來說，「不可稽核」根本不是問題，「省事」就夠了——就像所有人都知道抖音是演算法餵養，照樣刷八小時。
所以我不覺得平台 AI 會輸。我覺得這事會裂成兩個市場：一個要的是省事，一個要的是可查。前者會大得多。
這兩年我從租房吃飯一路到買電腦、買車、買錶、買家電，基本都是這麼過來的。真正被我交出去的從來不是決策權，是查資料和列條件這兩件苦差事。而我之所以敢交，是因為那份背書乾淨——它替我說的每一句話，都只有我一個受益人。
我只是想讓本來該在後一個市場裡的人，別稀裡糊塗待在前一個市場裡，多花那 770 塊，還為省下的 10 塊錢感動。