--- title: "AI真正改变消费，不是推荐更多商品，而是让人不必再看" id: "20260709A0893L00" publicationAccount: "非凡产研" originalPublishedAt: "2026-07-09T17:11:52+08:00" canonical: "https://ffcap.cn/research/20260709a0893l00" source: "https://view.inews.qq.com/a/20260709A0893L00" sourceAccount: "https://news.qq.com/omn/author/21759984" language: "zh-CN" tags: ["模型与基础设施","阿里巴巴","AI Agent","游戏","电商零售","AI 编程"] --- # AI真正改变消费，不是推荐更多商品，而是让人不必再看 文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。 **AI行业观察** ## **谁付钱，AI 就像谁** 专访光尘同行 CEO 赵茂俊：把 AI 做成消费领域从没出现过的"受托人" ## **算法越聪明，退货率越高？** 十年前的女装电商，退货率不到15%。那时候线下门店更低，5%到10%，试完再买是理所当然。十年后的今天，行业平均退货率飙到60%，直播间里70%到90%都是常态，商家自嘲这叫"十买九退"。 仅2024年一年，超过40家头部女装网店闭店。按线上服装2.33万亿的盘子、保守两三成的退货率算，每年有五六千亿的衣服在"买了退、退了买"里空转——而退货原因里，一多半简单得让人心疼：尺码不合、上身不对、货不对板。 这就有个吊诡的问题。过去十年，推荐算法越来越聪明。个性化推荐、协同过滤、深度学习、大模型——技术栈一路升级，退货率却涨了两三倍。为什么？ **说白了，整个技术栈都在优化"让你买"，没有一行代码在优化"让你买对"。** 你刷到一个直播间，主播喊"三二一上链接"，你冲动下单——这是"让你买"。但你穿上发现显胯宽、颜色不对、跟想象两回事——这是"买错"。买错的成本，商家背一半，用户背一半，平台不背。所以这个痛点不是没被看见，是被商业模式豁免了。 中国互联网把"逛"做到了世界第一，把"办成"留成了空白。你想试试那条裙子，流程是——打开App、搜关键词、翻评论、看直播、比价、下单、等快递、拆开试、不合适、申请退、等上门取件。四五个App、几十次跳转、拖两三天。 链路长，从来不是技术做不到，是商业模式不想做。用户在链路里多停一分钟，平台多赚一分钱——"逛"能卖广告，"办成"不能。所以每一代技术升级，优化的都是"让你买"，不是"让你买对"。 直到有人决定：这事我来办。这个人叫赵茂俊，光尘同行的创始人。公司很多人可能没听过，但他们做的产品"搭介"——一个AI生活消费Agent——正在悄悄改写游戏规则。团队也很有意思：赵茂俊自己是连续创业者，CTO吕志兴有阿里云和微软的背景，时尚合伙人甄子祺来自Parsons、做过明星服饰定制。三个完全不同世界的人，凑在一起干了件消费领域从来没人干过的事。 ![AI真正改变消费，不是推荐更多商品，而是让人不必再看 · 原文图片 1](https://inews.gtimg.com/om_bt/OwHlL53DuNhZUvgDAnJg-tBp5Vn7OYHQJcVyMxrZPu09oAA/1000) " **"一句话，事办完了。"** ## **"想试试"三个字，后面的事有人办** 想象一个普通场景。你刷到一条裙子，心动了，但拿不准。过去，你得预约、出门、到店、排队、试完犹豫、回家再想想。现在你只说一声"想试试"——门店把这条裙子连同搭配好的两套，直接送到你家里。合适的留下，不合适的当场带走。你没动，事办完了。 这就是搭介在做的事。不是又一个电商App，不是又一个推荐算法，而是把你周边的门店和服务一家一家接进来，变成你的"一句话服务"。你家三公里内有几百家门店、上千种服务，而你常用的不超过五家。不是供给不存在，是供给对你"不可见"。你和楼下那家店之间隔着的不是三百米，是一个入口。搭介要做的就是那个入口。 但这里有个问题：生活服务那么大，为什么先从穿搭切入？因为穿搭的痛最尖锐。供给侧，小单快反把上新速度推到极限，头部快时尚一年上新几十万款，而一个人一年的着装决策不过几百次——供给爆炸和人类决策带宽之间的剪刀差，只能靠AI合上。商品消费已经见顶，近20万亿的服务性消费成为增长主引擎。搜索解决了"找得到"，始终没解决"选得对"——而AI入口的第一波红利，天然属于最依赖咨询的非标品类。 你搜一台iPhone，参数比完就知道买哪款——标品不需要咨询。但你买一件大衣，你的肩宽、肤色、体型、场合、预算、甚至今天的心情，都会影响决策。这些变量太软、太个人、太依赖人跟人之间的问询，传统互联网根本接不住。 方向是设计好的，路径却是用户推着走的。搭介团队第一天就想做生活服务，但没想到用户跑在了前面。有人拍下婚礼请柬问穿什么，紧接着问酒店周边怎么安排；有人问完通勤装，顺手拍了出差的行李箱；还有人拍完自己的衣橱问怎么搭，聊着聊着就问到周末亲子活动穿什么、父母来家里住怎么准备。需求会自己溢出场景边界，用户永远比路线图诚实。 ## **电商干了二十年，从没"看见"过你** 电商干了二十年，积累的全是"商品的数据"，没有"人的数据"。平台知道每一件衣服的点击、销量、退货率，却不知道任何一个买家的肩宽、肤色，和衣柜里已经有什么。所谓个性化推荐，底层是协同过滤——"和你相似的人买了什么"——本质是用统计学掩盖对个体的无知。 多模态AI第一次让机器"看见具体的人"。语言是人类发明的有损压缩格式。你很难用文字说清自己的脸型、肤色、体态，但一张照片全说清了——照片里甚至有大量你自己都说不出的信息：肤色的冷暖调、肩颈的线条、你没意识到的风格惯性。照片不会说谎。用文字，人会高报预算、虚报尺码、美化自己的偏好。一张照片交出的是真实的你。判断质量的上限，取决于输入的诚实度——多模态不只是更方便的输入，是更诚实的输入。 但"看见"只是第一步。"看懂"才是难题。大模型天生审美平庸。这不是我下的结论，是机制上就注定了——模型的训练目标是"最可能"，而审美的本质是"有立场的偏离"。全网图片的平均值，恰好就是没有人想穿出门的那个样子。怎么办？两件事。一是把"软"变量升格为决策变量：场合、情绪、预算、身份表达，在搭介的系统里不是标签，是和身材数据同级的输入。二是往模型里注入"高于平均"的人类标准。AI负责规模，人负责品位。好看且被成交验证的搭配数据，全网买不到，只能一单一单攒。攒得越多，品位就越复利。 说到这里，有一家买手店的例子很说明问题。一家精品女装买手店，私域里攒了多年的老客。接入搭介后，上新时老客收到的不再是模特图，而是这件新品穿在她自己身上的效果图，配一句判断——为什么适合、怎么搭、什么场合穿。想要，一句话下单；拿不准，预约送上门试，不合适当场带走。结果：门店月成交额从约10万做到约14万，增长四成——没有投一分钱广告，没有新增一个粉丝，增长全部来自本来就躺在微信里的老客。 这背后还有一个关键机制：可解释性。线上服饰的平均转化率只有1.4%左右——一百个人看了，九十八个多没买。不是不想要，是不敢定。AI说"这条裙子适合你"，没人敢信；AI说"你肩线偏窄，这个落肩剪裁会把比例修正回来"，用户才敢下单。解释就是信任。AI想替人办多大的事，就得先把话说得多明白。 说到底，搭介做的不只是"让你买到"，而是在"看见你"的基础上，把"买对"这件事从玄学变成可解释的系统工程。当AI第一次能诚实地看见一个具体的人、用解释建立信任、用规模和品位的叠加让每一单都比上一单更聪明——那个"十买九退"的荒诞循环，才有可能被打破。而打破它的起点，是一句再普通不过的话："想试试。"好，这一句话，后面的事，有人办了。 ## **消费领域的"受托人"：一种从未存在过的角色** "'谁替买家把关'是商业史上最古老的岗位。"四代信任中介，一路劣化。熟人社会靠掌柜和回头客。百货时代靠买手——商场派人到欧洲选货，选回来的就是你的品位。品牌时代靠logo——品牌本质上就是预打包的信任，你认那个勾，省得思考。平台时代靠评分和评价——然后评分被刷单污染，直播间又把"家人们"挂在嘴边。说白了，借走熟人的语言，透支熟人的信任。"十买九退"就是这笔透支的账单。 **为什么每一代都会烂掉？谁付钱，它就像谁。搜索靠广告主付费，所以它为出价最高者服务；导购拿商家提成，他的收入来自你买，而不是你买对；顾问收咨询费，但不担结果。没有例外。** 所以搭介要做的是第五种——消费领域从来没有过的角色：受托人。医生不能因为回扣给你开药，基金经理不能拿你的钱买自己的仓。医疗和金融早就发明了"信义义务"这个概念，唯独日常消费里，没有任何规则禁止导购把提成最高的那件说成最适合你的。当每个人都有自己的Agent，"它对我负不负信义义务"会成为用户选择AI的第一问。搭介想提前把答案做出来。 受托人不是更强的导购，是另一种物种。导购为你"推荐"，受托人替你"承担"。一字之差，本质完全不同。导购的底线是"不违法"，受托人的底线是"不背叛"。 这个概念落到产品上，是两件硬东西。一件叫动态UI引擎。工信部监测的国内App，巅峰时四百多万款，如今回落到两百六十万款左右——一个普通人手机里装几十个，天天打开的不超过十个。几百万种能力，抢一个不到十席的入口，这就是App时代的死结。动态UI引擎打的就是这个结。过去一个服务想被用到，得先造App、再买流量求人下载——界面和获客两座大山，压死了无数好服务。在搭介里，界面是AI现场生成的：你要试穿，长出试穿的界面；你要退货，长出退货的界面。从千人千面，到千事千面——服务不再需要自己的界面，只需要自己的能力。 另一件叫中转站，解决"方言"问题。几百家商家、服务商的系统各说各话——库存、支付、履约逻辑全不一样，中转站把它们翻译成AI听得懂的同一种语言，再统一管好权限、风控、计费、分账。打个比方：App时代是家家自建发电机，搭介在修电网。 "这条路修通之后，最先跑起来的是'老客'而不是'新客'。"那家月成交从10万做到14万的买手店——没有投一分钱广告，增长全部来自本来就躺在微信里的老客。验证的不是拉新能力，是盘活存量的力量。那些躺在私域里被忽视的人，其实一直在等一个信得过的"人"来替他们把关。AI不是去抢流量，是去修复一段被透支的信任关系。 ## **从卖工具到卖结果：我们把作恶的按钮拆了** 角色定了，商业模式跟着就清晰了。搭介的收费方式很直接：按归因成交抽8-12%，退货一分不取。"为什么不先收订阅？现在不少AI产品收的是'焦虑税'——按席位卖订阅，用没用上再说。"而从卖工具到卖结果，是整个AI行业的定价迁移，搭介只是在消费场景里先跳了下去。 几乎所有双边平台都走过同一条弧线：初期讨好用户，规模化后倒向B端，广告越加越多，推荐越来越不像为你好。不是哪家公司变坏了，是模式注定的——只要平台卖的是用户的注意力，用户迟早从客户变成货品。搭介的回应不是态度承诺，是结构设计。 **"最可信的承诺不是'我们不会作恶'，是'我们把作恶的按钮拆了'。"** 具体来说，三条硬杠杠。第一，没有曝光位库存——不卖流量位，收入只按成交结果抽，退货一分不取。这意味着搭介永远不会出现一个画面：谁给的钱多，谁就排在前面。第二，品牌专属域里只有本品牌，不推竞品——你在Nike的专属域里，永远不会看到Adidas。第三，AI保留劝退权——当AI判断这件东西不适合你的时候，它会直接告诉你"别买"。每劝退一单错的，就是替品牌止一次损。你可能少赚一单，但换来的是用户下一次还愿意问你。 对广告模式，用户信任是一次性消耗品，用完拉新换一批。对搭介，信任是唯一的生产资料——档案越厚、劝退越准、跨场景复用越值钱，任何一次伤害信任，都是资产减值。"Agent时代切换成本趋零，谁背叛用户，用户一句话就换掉它——'背叛用户'第一次从盈利手段变成了商业自杀。" ## **北极星指标：人均每周有效决策次数** "指标不是测量工具，是塑造工具——你考核什么，产品就会长成什么。"PV时代养出了标题党；"日活×时长"时代养出了无限下滑、自动播放和算法喂食。信息流的一切病症，都是那个指标的孩子。所以搭介只看一个数：人均每周有效决策次数——用户带着真实问题来，拿到判断，并发生下一步动作：下单、保存、预约，或者再来一次。不是DAU，不是Token消耗。 **"拿DAU讲故事的AI，是把自己当媒体；拿Token消耗量讲故事的AI，是把电费当收入——我们自己也烧掉了大量Token，但我很清楚：那是成本单，不是成绩单。AI应用的下一代成绩单只有一种：替人办成了多少事。"** ## **我们正在抢工期** 搭介在做的事情，时间窗口可能比想象的更窄。创始人用"三步走"看AI：先会说（问答），再会做（在数字世界替人办事），最后能动手（机器人进入物理世界）。现在正处在第一步向第二步的换挡期。技术上，理解意图、调用服务已经够用；真正卡住的是心理阈值——"我不敢让AI替我花钱"。像极了当年的"我不敢把银行卡绑到手机上"。"给个坐标：我们大概在移动支付的2013年。"那道阈值后来怎么样了？移动支付用了大约五年，从"不敢绑卡"走到八成以上的人离不开它。心理阈值的崩塌从来是一夜之间的——第一批人尝到"事被办成"的甜头，剩下的人集体跟上。 所以在"可逆性"这件事上，搭介格外较真。"Agent的信任不是靠准确率堆出来的，是靠可逆性设计出来的。能撤销的自动化，才配替人花钱——做不到可逆，准确率99%也不该碰用户的钱包。"切入场景的顺序也透着这种谨慎。筛选标准三条：高频、结果视觉可验证、错误成本低。形象消费最先，然后是礼物、家居软装、本地餐饮出行。这个排序的本质是"信任额度管理"——AI的信任像一张信用卡，额度必须从小额高频刷起；上来就刷大额，卡会被冻结。 对消费品牌来说，真正重要的不是"新流量"，而是"被选中的方式变了"。中国每年几千亿的互联网广告，本质都是为"被看见"付费；Agent时代，预算会迁向为"被选中"付费。"我做个预测：五年内，品牌预算表上会出现一个新科目，叫'Agent可用性'——让AI找得到你、调得动你、验证得了你。"目标不是让人看到更多，而是让人不必再看——把选择的负担交给机器，把时间还给生活。 五年前，你出门要带钱包。今天，你几乎忘了钱包是什么。五年后，你可能也会忘了"逛"这件事——不是不消费了，是不再为消费操心了。事办成了，AI就该退到看不见的地方。 ## **更多对话细节** ### **Q1：如果不用官方介绍，你会怎么向一个不了解「搭介」的人解释你们现在在做什么？** **赵茂俊：**一句话：生活里的事，用户说一句就办完了。比如你想试试新到的一条裙子，过去的流程是预约、出门、到店、排队、试穿、犹豫、回家再想；现在你只说一句"想试试"，门店把这条裙子连同搭配好的两套，直接送到你家里，合适的留下，不合适的当场带走。你没动，事办完了。搭介做的，就是把用户周边的门店、服务，甚至长尾 App 一家一家接进来，变成用户的"一句话服务"。 ### **Q2：「一句话，把生活任务办成」背后真正想解决的是什么痛点？** **赵茂俊：**用户从来不缺信息，缺的是把一串动作合并成一次交付。今天想置办一身面试装，可能要去内容平台看攻略、电商比价、到店试穿、退货约快递，四五个 App、几十次跳转，拖两三天。中国互联网把"逛"做到了世界第一，但把"办成"留成了空白。更扎心的是，这个空白一直存在，不是因为技术做不到，而是因为商业模式不想做。因为"逛"能卖广告，"办成"不能。用户在链路里多停一分钟，平台就多赚一分钱。所以，把链路缩成一步，注定轮不到链路上的既得利益者来做，只能由链路之外的新物种来干。搭介赚的是"办成"的钱，不是"停留"的钱，收入结构决定了它敢砍链路。 ### **Q3：为什么你们最早从穿搭、时尚、形象消费切入？** **赵茂俊：**因为服饰是一个非常典型的"推荐越来越聪明，但结果越来越糟糕"的场景。十年前，女装电商退货率不到 15%，线下门店只有 5% 到 10%；今天，行业平均退货率能到 60%，直播间甚至能到 70% 到 90%，商家管这叫"十买九退"。仅 2024 年一年，就有超过 40 家头部女装网店闭店。按线上服装 2.33 万亿的盘子、保守两三成退货率算，每年有五六千亿的衣服在"买了退、退了买"里空转。而退货原因里，一多半其实很简单：尺码不合、上身不对、货不对板。这里面有一个没人愿意明说的真相：过去十年，推荐算法越来越聪明，退货率却涨了两三倍。因为整个技术栈都在优化"让你买"，没有真正优化"让你买对"。大厂也有 AI 试衣，但那通常是自家货架上的一个功能，不是替几万家中小门店干服务闭环。真正难的是接入几万家门店的商品库、库存、上新和履约系统，还要管送上门、退换货和结果归因。这些都是长尾、琐碎、前期投入大的脏活累活。大厂缺的不是技术，而是弯腰做这件事的理由。 ### **Q4：从"AI 穿搭决策"扩展到"生活服务 Agent"，这个变化是怎么发生的？** **赵茂俊：**方向是设计好的，路径是长出来的。搭介第一天就想做生活，但没想到是用户推着它跑。有人拍下婚礼请柬问穿什么，紧接着问酒店周边怎么安排；有人问完通勤装，又顺手拍出差行李箱，让 AI 帮他判断怎么搭。需求会自己溢出场景边界。用户永远比路线图诚实。 ### **Q5：为什么多模态能力在生活消费场景里这么重要？** **赵茂俊：**因为电商干了二十年，积累的全是"商品的数据"，不是"人的数据"。平台知道每一件衣服的点击、销量、退货率，却不知道买家的肩宽、肤色、体态，也不知道她衣柜里已经有什么。所谓个性化推荐，底层还是协同过滤——"和你相似的人买了什么"。本质上，是用统计学掩盖对个体的无知。多模态第一次让机器真正"看见具体的人"。语言是人类发明的有损压缩格式，你很难用文字说清自己的脸型、肤色、体态，但一张照片基本都能交代清楚。照片里甚至有大量用户自己都说不出的信息：肤色冷暖、肩颈线条、风格惯性。过去让用户打字描述自己，是让用户替 AI 打工；多模态把顺序倒过来：人只管举起手机，理解是 AI 的事。还有一点很重要：照片不会说谎。文字里，人会高报预算、虚报尺码、美化偏好；照片交出的是真实的你。判断质量的上限，取决于输入的诚实度。多模态不只是更方便的输入，也是更诚实的输入。 ### **Q6：消费决策里有审美、情绪、场景、预算、身份表达，AI 怎么理解这些"软需求"？** **赵茂俊：**大模型天生审美平庸。机制上就注定了：模型训练目标是"最可能"，而审美的本质是"有立场的偏离"。全网图片的平均值，往往就是没人想穿出门的那个样子。所以软需求要靠两件事解决。第一，把"软变量"升格为决策变量。场合、情绪、预算、身份表达，在搭介系统里不是标签，而是和身材数据同级的输入。同一条黑裙子，"见客户"和"见前任"是两道完全不同的题。解不出这个差别，就谈不上懂消费。第二，往模型里注入"高于平均"的人类标准。最后这件事会沉淀成数据壁垒。真正有价值的不是"好看"的数据，而是"好看且被成交验证"的数据。AI 负责规模，人负责品位，数据负责让品位复利。 ### **Q7：你之前提到搭介强调"可解释性"。为什么解释这么重要？** **赵茂俊：**解释就是新的信任货币。线上服饰平均转化率只有 1.4% 左右，一百个人看了，九十八个多没买。很多时候不是不想要，而是不敢定。电商二十年把"信息展示"卷到了极致，详情页越来越长，但始终没有解决"信息裁决"：一百条参数摆在那里，没有一条告诉你"对你意味着什么"。AI 说"这条裙子适合你"，用户未必敢信；但 AI 说"你肩线偏窄，这个落肩剪裁会把比例修正回来"，用户才敢行动。解释不是论文指标，而是转化率本身。原则上，解释的深度要跟着金额和不可逆性走：九块九的袜子不用解释，八千块的珍珠必须讲清产地、珠层，以及为什么是这一颗。到了 Agent 时代，解释还会变成授权依据。用户凭什么授权 AI 替自己花钱？凭它每一次都把"为什么"讲清楚。AI 想替人办多大的事，就得先把话说得多明白。 ### **Q8：一个好的生活消费 Agent，更像搜索引擎、导购员、生活助理，还是私人顾问？** **赵茂俊：**都不是。搭介想做的是消费领域过去没有过的第五种角色：受托人。"谁替买家把关"，是商业史上最古老的岗位。熟人社会靠掌柜和回头客，百货时代靠买手，品牌时代靠 logo，平台时代靠评分和评价。后来评分被刷单污染，直播间又把"家人们"挂在嘴边，借走熟人的语言，透支熟人的信任。"十买九退"，就是这笔透支的账单。为什么每一代信任中介都会劣化？一句话：谁付钱，它就像谁。搜索靠广告主付费，所以它为出价最高者服务；导购拿商家提成，他的收入来自你买，而不是你买对；顾问收咨询费，但不担结果。这几种角色，没有一种在结构上必须对用户的结果负责。医疗和金融早就发明了"信义义务"：医生不能因为回扣给你开药，基金经理不能拿你的钱买自己的仓。但在日常消费里，没有任何规则禁止导购把提成最高的那件说成最适合你的。搭介想提前回答一个问题：当每个人都有自己的 Agent，它到底对谁负责？答案应该是，它必须对用户的结果负责。 ### **Q9：你们提到"动态 UI 引擎"和"AI 服务中转站"，能不能用通俗的话解释一下？** **赵茂俊：**这两个东西，本质上都是为"长尾"修路。先看一个现实：工信部监测的国内 App，巅峰时有四百多万款，如今回落到两百六十万款左右。而一个普通人手机里装几十个 App，天天打开的不超过十个。几百万种能力，抢一个不到十席的入口，这就是 App 时代的死结。动态 UI 引擎解决的是"界面"问题。过去，一个服务想被用到，得先造 App，再买流量求人下载。界面和获客两座大山，压死了无数好服务。在搭介里，界面是 AI 现场生成的：你要试穿，就长出试穿的界面；你要退货，就长出退货的界面。从"千人千面"到"千事千面"，服务不再需要自己的界面，只需要自己的能力。AI 服务中转站解决的是"方言"问题。几百家商家、服务商的系统各说各话，中转站把它们翻译成 AI 听得懂的同一种语言，再统一管好权限、风控、计费和分账。打个比方：App 时代是家家自建发电机，搭介想修的是电网。 ### **Q10：你们为什么选择调用阿里 Qwen 系列国产大模型？** **赵茂俊：**四个理由都成立，但有排序。第一是多模态视觉能力。Qwen 的 VL 系列在"看懂一张生活照片"上属于第一梯队。第二是中文消费语境。"显瘦""通勤""妈妈感"这些词背后的文化含义，国产模型有主场优势。第三是成本。搭介上线头两个月就消耗了上亿 Token，推理成本曲线直接决定消费级 AI 敢不敢向免费用户开放。这是生死线，不是优化项。第四是合规。底层模型已通过国家网信办备案，对消费级产品来说，这是硬门槛，不是加分项。选大模型像选合伙人，不是看今天谁的分数最高，而是看三年后谁还在跟你一起进化。 ### **Q11：如果未来覆盖餐饮、出行、本地服务、礼物推荐、形象管理等更多场景，最难的是什么？** **赵茂俊：**最难的不是模型，而是供给侧。模型能力是买得到的，服务网络买不到。搭介测算过，光货架式服饰全品类，全国符合条件的品牌和门店就有三万家。要让它们的商品库、库存、履约系统"说同一种语言"，让每一次服务的结果都能回传、能归因、能被下一次决策复用，没有捷径，只能一家一家谈，一个接口一个接口修。尤其是"归因"。成交到底是谁带来的，是电商行业最黑的黑箱。搭介要求每一单可归因，等于主动选了最难的工程。但也只有可归因，"按结果收费"才成立。任务拆解、体验一致性都有工程解，唯独服务接入是笨功夫。搭介赌的就是，愿意下笨功夫的人少。 ### **Q12：你怎么看"AI 不是取代 App，而是把 App 能力重新编排"这个判断？** **赵茂俊：**App 短期内不会死，但 App 的"界面"会死。国内 App 数量从巅峰的四百多万款，几年间回落到两百六十万款左右。App 作为一种形态，数量周期已经见顶。当需求由 Agent 代为执行，"打开 App"这个动作会越来越像今天的"去营业厅"：能力还在柜台后面，但没人再排队了。这对每个 App 都是同一个残酷问题：当用户不再打开你，你还剩下什么？答案只能是服务能力本身。谁先把自己拆成可被调用的能力，谁在下一个时代就有座位。 ### **Q13：搭介的商业模式最先会在哪一种模式里跑通？** **赵茂俊：**最先跑通的是成交分佣。搭介已经验证了按归因成交抽 8% 到 12%，退货一分不取。一家门店月归因成交十来万，搭介分不到一万块。为什么不先收订阅？因为现在很多 AI 产品收的是"焦虑税"：按席位卖订阅，用没用上再说。但海外已经出现按"解决一个问题"收费的 AI 客服。从卖工具到卖结果，是整个 AI 行业的定价迁移。搭介只是在消费场景里先跳了下去。目前，搭介最重点突破的是品牌私域 AI 试衣成交：用户在品牌私域内完成"本人效果图—留资—下单—试穿—退换"的完整闭环，搭介按成交效果分佣。首批试点以社区型精品门店与买手店为主，因为它们天然具备同城当日到家履约能力。产品上线以来，搭介零投放累计用户破万，首批 30 家品牌试点推进中。正在扩展的第二品类是高咨询密度的珠宝饰品，尤其是珍珠，因为 SKU 复杂、非标属性强，成交前天然需要多轮专业问答。 ### **Q14：如果同时服务 C 端用户和 B 端服务商，怎么平衡两边诉求？** **赵茂俊：**"如何平衡两边"这个问题，互联网的历史答案是：没人真正平衡住。几乎所有双边平台都走过同一条弧线：初期讨好用户，规模化后倒向 B 端。广告越加越多，推荐越来越不像为你好。不是哪家公司突然变坏了，而是模式注定的：只要平台卖的是用户注意力，用户迟早会从客户变成货品。所以搭介不做态度承诺，而是做结构设计。最可信的承诺不是"我们不会作恶"，而是"我们把作恶的按钮拆了"。第一，没有曝光位库存。搭介不卖流量位，收入只按归因成交抽佣，退货一分不取。卖错一单，品牌亏，搭介也亏。第二，品牌专属域里只推本品牌，不推竞品。搭介在架构上就不存在"把用户注意力再分配给出价更高者"的能力。第三，AI 保留劝退权。品牌第一次听到这点可能会皱眉，但看到退货率和复购变化之后，会理解这件事的价值。行业里一半以上退货来自尺码、合身问题，一单退货光快递、运费险、包装就可能亏十块钱以上。每劝退一单错的，就是替品牌止一次损。更底层的区别在资产负债表上。对广告模式来说，用户信任是耗材，烧完换一批；对搭介来说，信任是唯一的生产资料。档案越厚、劝退越准、跨场景复用越值钱。任何一次伤害信任，都是资产减值。Agent 时代切换成本趋近于零，谁背叛用户，用户一句话就可以换掉它。"背叛用户"第一次从盈利手段变成了商业自杀。 ### **Q15：搭介最重要的北极星指标是什么？它代表了你们怎样理解 AI 消费应用的未来？** **赵茂俊：**搭介只看一个数：人均每周有效决策次数。用户带着真实问题来，拿到判断，并发生下一步动作：下单、保存、预约，或者再来一次。这才是有效决策。指标不是测量工具，是塑造工具。PV 时代养出了标题党，"日活 × 时长"时代养出了无限下滑、自动播放和算法喂食。信息流的一切病症，都是那个指标的孩子。互联网不是突然变坏了，而是被自己的北极星训练坏了。拿 DAU 讲故事的 AI，是把自己当媒体；拿 Token 消耗量讲故事的 AI，是把电费当收入。AI 应用的下一代成绩单只有一种：替人办成了多少事。所以赵茂俊判断，消费级 AI 正在从内容生产转向决策代理。AI 会先会说，再会做，最后能动手。现在正处在第一步向第二步的换挡期。技术上，理解意图、调用服务已经够用；真正卡住的是心理阈值——用户还不敢让 AI 替自己花钱。这很像移动支付的 2013 年。那时候大家也不敢把银行卡绑到手机上，但后来用了大约五年，移动支付从"不敢绑卡"走到八成以上的人离不开它。这一次窗口可能更短，因为模型、支付、配送都是现成基础设施，缺的只有信任。而信任不是靠准确率堆出来的，是靠可逆性设计出来的。搭介选择从最简单的一环做起：退换。每一步可解释，结果可验证，动作可逆。能撤销的自动化，才配替人花钱。未来最适合率先被 AI Agent 重构的生活场景，也要符合三条标准：高频、结果视觉可验证、错误成本低。按这个排序，先是形象消费，包括服饰、美妆、配饰；然后是礼物、家居软装、本地餐饮出行。这里面的本质是"信任额度管理"。AI 的信任像一张信用卡，额度必须从小额高频刷起。上来就让 AI 替你选房、替你看病，是在透支整个行业的信任额度。对品牌、服务商和垂类 App 来说，AI 生活服务入口的出现，不只是新流量，而是"被选择的方式变了"。过去预算是为"被看见"付费，Agent 时代会迁向为"被选中"付费。履约质量、退货率、接口响应速度，这些原本的后台指标，会变成新的广告位。五年内，品牌预算表上可能会出现一个新科目，叫"Agent 可用性"：让 AI 找得到你、调得动你、验证得了你。到那天，投放的钱会有一半流向接口和履约，而不是流量。AI 真正改变生活消费的，不是推荐更多商品，而是让人不必再看——把选择的负担交给机器，把时间还给生活。事办成了，AI 就该退到看不见的地方。 --- 原始发布版本：https://view.inews.qq.com/a/20260709A0893L00 本站阅读页：https://ffcap.cn/research/20260709a0893l00