补一条消息
5年后 ，你手机上的 购物App会 消失
内容来源：笔记侠PPE（政经哲）课程26级美国站《创新英雄》现场分享。责编 | 贾宁 第 988 9 篇深度好 文：8985 字 | 2 0 分钟阅读 商业趋势 电商巨头亚马逊，在 AI 时代正在如何实践 Agent，拥抱AI时代？今天的内容，来 自笔记侠PP E（政经哲）课程26级美 国站《创新英 雄》现场分享 的精华部分，分享人是前亚马逊Rufus项目（AI助手）创始成员，内容以第一人称展开。
这次美国之行，笔记侠和一批优秀的 中国第五代企业家，在硅谷和西雅图双城，展开了深度的现场学习和实践 ，相关内容请点击链接了解： 万维钢：未来 几年，人只剩两件事可干 人生拼到最后，拼的是心力 过了明年和后年 ，这个机会就轮不到你了 希望今天的分享，对你有所启发。
一、从卖书到AI购物， 今天的亚马逊在做什 么？1.先解决 一个问题，别急 着做万能Age nt 很多企业做AI项目时，第一反应是："我们要不要做一个Agent？" Agent，中文通常翻译为"智能体"，指 的是能够理解目 标、调用工具、拆解任务并连续执行多步操作的AI系统。
它不只是回答问题，还可以帮用户 完成搜索、比较、填写、下单、分析、整理等 一系列动作 。听上去很有吸引力，但问题也从 这里开始。很多企业还没有想清楚客户到底遇到了什么问 题，就先决 定做一个Agent。亚马逊的R ufus项 目，提供了一个相反的案例。这个 项目在20 23年启动时，最初只有七八个人，后期也不 到20人，用大约两个月做出了一个小型演示 版本。
项目后 来获得认可，团队才逐步扩大到数百人，并继续向完善的AI购物助手发展。亚马逊当时 面对的实际问 题非常具体：平台商品越来越多，用户搜索一个普通商品，可能会得到几百 甚至几千个结 果；评论中存在刷评现象，用户很难判断哪些信息可信；选择太多，反而让 人更难做决定 。
所以，Rufus没有一开始就把自己定义成一个什么都能做的超级助手，而是先做导购。它要 做的事情很简 单：理解用户 的需求，整理 商品信息，解释不同选项的差异，最后给用户两三个更值得考虑的选择。购物在这里被重新理解成了两个问题：一个是选择困难，一个是 信任不足。
这就是亚马逊做R ufus时最重要 的判断。它没有先问&qu ot;AI现在能做什么";，而是 先问"客户现在 最需要什么&qu ot;。做Agent时一 定要先定义边界。今天的A I可以完成很多事 情，但并不意味着它适合解 决所有问题。企业 如果看到 几个很酷的AI演 示，就决定把所有流程都A I化，往往会迅速 陷入混乱。
模型能力越强，任务范围越大，数据、权限、流程和错误处理就越复杂。亚马逊 的做法，是先把 问题缩小，再把结果做深。2.算力是亚马逊给未来准备的筹码 如果只把亚马逊看成一家电商公司，就很难理解它为什么能在AI时代保持竞争力。亚马逊从1994年在线卖书起步，后来 扩展到全品类零 售、云服务、智能硬件、线下商超等多个领域。
AWS(Amazon Web Services，亚马逊云服务)如今已经 成为亚马逊最重要的业务板块之一，也是其A I基础设施 的重要组成部分。AI时代的竞争，仍然要落 到基础设施和供应链上。亚马逊有一个布局挺 让人敬佩的，我在亚马逊工作时，GPU（图 形处理器）非常充足，永远不会为GPU担心，没有人会 为算力发愁。
亚马逊 提前布局GP U算力，从一 开始H100 、H200、B200，现 在到B300、GB 300，因此 内部团队使用 算力时相对充 足。亚马逊不 愧是做供应链 出身的，算力其实也 是供应链产品 ，需要CPU 、网络、光纤 、盖机房，这 一套东西下来 了是很吃供应链能力 的。
在微软和谷歌时，反而经常遇到算力排队的问题。亚马逊未必是最早喊出AI口号的公司，却很 早做好了基础 设施准备。亚马逊原本储备算力，可能主要是为了搜索、推荐和云计算业务。生成式AI兴起之后，这些提前投入的资源突然有了新的用途。这就是长期投入的价值 ，它未必一开 始就能带来收入，却可能在未来出现新机会时，让企业拥有更快的反应速度。
3.一个完整的A I底盘 亚马逊E cho智能音箱也是同样的 逻辑。这是亚马逊推出的智能音箱，这类硬件 本身并不一定以硬件利润为 主要目标，主要是 为了提高购物的体验，它更 重要的作用，是把语音交互接入购物场景。可 以在硬件上和亚马逊的商城 说：今天我们家洗 衣液没了，给我加点洗衣液 。
用户可以直接对 设备说家里的洗 衣液用完了，让 系统帮忙补货。当对话式AI能 力还不成熟时，Echo更像一个智能家居设备；当模型能力提升之后，AI一下子就对话了，能聊天了，而且聊天越来越好了，它又可能成为 购物入口。以前 想做这么一个功 能的时候，AI 还没有现在这么 厉害。
后来忽然发现，AI一下子就对话了，能聊天了，而且聊天越来越好了，亚马逊 又一下子投资了Anthropic，Ant hropic的模型又是最好的，导致现在的Echo最好卖。这样一来，亚马逊的几种能力就连接起 来了： AWS提供算力，供应链负责提前准 备基础设施，电商平台提供真实交易场景，Echo提供入口，用户行为沉淀为数据，模型则负责理解 和执行。
现在，亚马逊是An thropi c的重要投资 方甚至是最大投资方，导致现在的Echo最好 卖。亚马逊公 司属于资源型 企业，堆资源 之后可以把事情做好，但是要说纯创新型，亚马 逊这么多年的 创新能力，肯 定不如创业公 司。在国内也是一样的道理，最好的模型不是大 公司做的。
二、Agent不是魔法 1.一定要搞清楚你的Agent，到底要解决什么问题 做Age nt这个东西 ，一开始很酷 ，但是Age nt越往后，问题越多，犯 的错也越多。做一个Agent的话，最重要的是你要想清楚，Agent不是万能。做Agent，一定要 永远问自己的 一个点：Ag ent的边界 在哪里？
当时，shoppe、eBay、沃 尔玛等美国电商平台都在做一模一样的Agent，它们也不差钱，但是 都失败了，最后都没推出来。但是亚马逊至少 推出来了，而且大家的使用量也在逐渐上升，客户的反馈也在逐渐上升。很多的时候，一定要找到，你要让你的Age nt解决什么问题。
好多公司，尤其是在领导可能对AI不是很了解 的情况下，觉得 今天的Agen t AI能实现 这个，明天又能实现那个，感觉AI是万能的。这是一个非常危险的事情。一定要定义清楚你的AI到底要解决什么问题。很多的事情，AI还是做不了的。亚 马逊认为购物到 底是个什么问题 ？
说白了就是信任问题。我相信你，我通过你这 个渠道去买东西，就这么简单。但 是，亚马逊 又出现了一个问题，信息过载，你 一搜能搜几 百个、几千个东西，我到底该买哪个？当互联 网刚开始的 时候，大家还愿意看评论，现在大 家都不愿意 看评论，尤其是在购物网站。因为 大家都知道 ，很多都是刷的评论。
对于客 户来讲，这就 导致一个问题，很难做决定。为什么？你给我的选择太多了，我就想要一个 最basic 的垃圾袋，你给我推出来200个，各有各的好。所有的事情加在一起，就 变成信任很低 。亚马逊相当做一个导购，以前是怎么做的？一个搜索框，你一搜，出来很 多东西，人开 始对比。
现在，我们就希望让Agent帮我。AI在购物领域使用的时候， 一开始是推荐系统。这是 AI1.0，现在是AI2 .0。AI 1.0是通过找到某些特征，做一些匹配。为什么这一次2.0是真正的AI爆发？这一次的AI，不仅仅能找到特征，理解特征，并且 能自己重新定 义特征，并且 能跟人开始真 的交流了。
亚马逊，它未来的 AI战略到底是什 么？亚马 逊一定会把选项直 接就交给AI来去做。亚马 逊现在在做一件事 ：怎么样能给打广告的客户 增加一些权重，能 让自己的 AI Agent 优先推荐。你一定要要知道 哪一类客户在聊天 中用哪些关键词。未来的A I投流会做这一套 。
这就是为什么大家都在抢占对话聊天这套产品。未来，对话聊天可以嵌套所有东 西，把所有的东 西连在一起，这就是为什么meta最近出muse，一下子这么火，因为可以跟所有的软件进行结合。亚马逊现在最重要的战略就是AI购物平台，整个公司的大战略转型都是在做AI。
2.一个购物的Agent到底由 什么组成？用 AI 去洞察客户的需求，说 白了就是一个context intell igenc e（情境智能"或"上 下文智能"）。到底有什么co ntext（上下文），比如你家有几口人？你自己家里 经常买什么？去看一个人的社会地位、性格以 及兴趣爱好，最好的方法就是看这个人平常浏 览器的浏览记录。
有这些 分析，每个人 搜索页面，匹 配的产品就会 不一样。这就 是为什么co ntext（上下文 ）是最重要的 。数据非常重 要。未来的投 流会越来越精 准。我给大家 一个非常简洁的公式 ：Agent = 强模型 + 上下文 + 多步执 行。有一个好 的大模型，加上co ntext（上下文），再 加上多步执行 的能力，组成 了今天的Ag ent。
强模型负责理解和生成。Context（上下文）指与当前任务有关的长期信息。它不只是当 前对话里的几 句话，还可以包括用户的偏好、家庭成员、历史购买、企业文件、流程规则、权限边界和过去做过的决定。多步执行，指AI不再只回答一个问题，而是把一个复杂 目标拆成多个 步骤，逐步搜索、比较、调用工具、执行和复核。
比如，一个用户说 ："我 准备花300美元带着狗去 露营，帮我把需要的装备买齐。" 这句话看起来很简单，但 真正执行时，Ag ent需要考虑预算、宠物 限制、露营地点、天气、装备清单、商品评价 、配送时间和总价。