武威千问主动撤下商品链接，花 30 亿打通的 AI 购物，为何甘愿给豆包做嫁衣？

2026 年春节，通义千问花了 30 亿，把 AI 购物这件事推到了大众面前，近 2 亿人第一次通过 AI 下单。当时很多人认为，AI 电商的入口已经被阿里拿下了。

而现在，千问的 AI 回复中却主动撤下商品链接，改为推荐导购。与此同时，字节跳动的豆包完成了 “一句话购物” 的端内闭环。用户说出购买需求，豆包直接弹出抖音电商的商品卡片，点击即可完成支付，无需跳转。

花了 30 亿做市场教育的千问，为什么甘愿让后来者的豆包享受这胜利的果实呢？

一、千问退出的原因：组织成本高于技术成本

2026 年 1 月，千问在发布会上现场演示了通过 AI 完成 “点 40 杯霸王茶姬” 的端内支付，这说明千问的技术储备足以支撑闭环交易。所以，技术能力不是障碍。

在我看来千问撤下商品链接的原因，主要有两点：

第一，内部数据没有打通。

千问接入了淘宝、天猫、盒马、饿了么、飞猪、高德等多个阿里生态业务。每个业务都有独立的数据权限、接口标准和安全协议。

千问若要在对话中直接调用商品库、库存、价格、支付等实时数据，需要逐一与各业务线协调。这不是写几行代码能解决的，而是组织流程问题。千问官方的回复也承认：“各个业务线之间数据打通没那么彻底。”

第二，安全合规标准更严。

阿里有超过二十年的电商运营历史，对支付安全和交易合规的要求处于行业较高水平。任何涉及资金流转的功能变更，都需要多轮安全审计和合规评估。

这种机制降低了事故风险，但延长了迭代周期。在 AI 电商这个需要快速试错的领域，阿里的谨慎客观上拖慢了千问的闭环进程。

所以，千问退出闭环交易，是受限于现有组织架构和合规体系，暂时无法像豆包那样实现端内闭环。30 亿补贴完成了市场教育，但当用户开始习惯 “一句话下单” 时，千问还没准备好承接这个需求。

二、豆包电商的优势：架构一体化与用户惯性

豆包能够率先实现 AI 购物闭环，可以从三个层面理解：

第一，电商与 AI 一体化。

抖音电商和豆包同属字节跳动体系，两者在产品和技术层面不存在明显的部门墙。豆包负责理解用户意图、生成推荐；抖音电商提供商品库、交易履约、支付和售后。两者的数据接口、权限体系、KPI 考核天然一致，不需要跨业务线协调。

第二，用户使用频率高。

2026 年春节后，豆包日活一度达到 1.45 亿，月活超过 2.26 亿，30 日留存率 44.5%，用户平均每周使用 12.6 次。使用场景覆盖内容创作、社交分享、信息查询等日常事务。当用户已经习惯每天打开豆包处理琐事，购物需求的自然延伸就顺理成章。

第三，产品定位连续。

豆包从早期就定位于 “生活化 AI 助手”，强调嵌入用户日常生活。这种定位使得购物功能成为其自然延伸，而非突兀的附加模块。

因此，豆包的闭环能力更多来自组织架构的简洁性和产品定位的延续性，而非单纯的技术领先。

三、AI 购物的信任难题：豆包的潜在风险

尽管豆包率先实现了端内闭环，但用户对 AI 购物的信任度仍处于培育阶段。根据 ChannelEngine 对 4500 名消费者的调研，58% 的用户使用 AI 研究商品，37% 通过 AI 开始购物流程，但只有 17% 的用户愿意在 AI 内完成最终购买。

超过一半的用户会在多个平台之间比价，平均浏览 3 个平台后才做决定。几乎所有消费者都注意到同一商品在不同平台存在价格差异。

这里有一个值得注意的细节：当用户在豆包里要求 “对比一下天猫和京东的价格”，豆包确实会帮你列出各平台的价格对比，甚至建议你去其他平台买 —— 但它最后能提供的购买链接，仍然是抖音商城。

也就是说，豆包在信息层面可以做到相对中立，但在交易环节只能导向自己的生态。这种 “对比完也只能给自家链接” 的做法，短期看有利于转化，但长期可能会让用户觉得：你帮我比了价，却不能直接给我最 便宜的链接。这种落差如果反复出现，用户对 AI 助手的中立性信任就会被慢慢消耗。

如果用户因为不信任豆包的推荐而转向其他能跨平台完成交易的 AI 助手，那么豆包今天靠架构优势抢下的入口，未来可能会逐渐流失。

四、从入口之争到 GEO：被 AI 推荐成为核心竞争力

千问与豆包的路径差异，指向一个更根本的问题：在 AI 成为购物入口的时代，品牌和商家如何确保自己被 AI 推荐？

传统的搜索引擎优化（SEO）围绕关键词密度、外链数量、广告投放展开。但 AI 购物的逻辑不同：用户不再输入关键词 “搜索”，而是用自然语言 “提问”。

比如：“我预算在一百以内，想要买一个有快充，电量大，轻便并且有 3C 认证的充电宝，哪家比较合适？”

AI 根据语义理解、信源可信度、信息一致性等因素，从海量数据中筛选出答案。商家无法通过堆砌关键词或购买广告位来直接影响 AI 的推荐结果。

在此背景下，生成式引擎优化（GEO）应运而生。

GEO 的核心能力包括：

•✅ 将产品信息转化为可验证的事实（第三方检测报告、专利数据、用户评价中的量化结果）；

•✅ 在权威信源中建立一致性的品牌描述；优化内容的语义结构，使其更易被 AI 模型理解，使得 AI 可以高效、稳定、持久地收录并推出相关品牌的信息。

千问的 30 亿补贴验证了 AI 购物的市场需求，豆包的闭环证明了组织效率的竞争力。而对于广大商家而言，真正的挑战在于：无论哪个 AI 平台最终胜出，只有那些能够被 AI “记住” 并 “信任” 的品牌，才能获得新的流量入口。这一能力，正是 GEO 所要解决的问题。

结语

千问与豆包在 AI 购物入口上的不同进程，反映了两家公司在组织架构、数据治理和合规策略上的差异。千问用数十亿完成了市场教育，豆包用更简洁的架构接住了需求。两者并非零和博弈，而是共同推动了 AI 购物的普及。

对于行业而言，更值得关注的问题是：当 AI 成为购物的第一入口，品牌如何确保自己被看见？

这一问题的答案，将决定下一个十年电商营销的基本逻辑。而 GEO，正是这一逻辑中的关键变量。