近期见 闻
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 | 20 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 Agen t，拥抱 AI时代？今天的 内容，来自笔记侠PPE（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A gent 很多企业做 AI项目时 ，第一反应是："我们要不要做一 个Agent？" A gent，中文通常翻译为&qu ot;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A gen t。亚 马逊的Rufus项 目，提供了一 个相反的案例 。这个 项目在202 3年启动时，最初只 有七八 个人，后期也不到2 0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Rufus时最重要的判断。它没有先问"AI现在能做什么"，而是先问"客户现在最需要什么";。做Agent时一定要先定义边界。今天的AI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AI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 W eb Ser vices，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 AI基础设施 的重要组成部分。A I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，GP U（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GPU算力 ，从一开始H 100、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 AI底盘 亚马 逊Echo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，Ech o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Ant hropic，Anthropi c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Anthropic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、Ag ent不是魔法 1.一定要搞清楚 你的Ag ent，到底要解 决什么问题 做A gent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，Agen t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，shop pe、eBay、沃尔玛等美国 电商平台都在做一模一样的Ag ent，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Ag ent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Age nt帮我 。AI在购物领域 使用的时候， 一开始是推荐系统。这是AI 1.0，现在是A I2.0。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AI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m eta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c ontext intel lig ence（情境智能&qu ot;或&q uot;上下文智能 "）。到底有 什么c ontext（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context（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：Ag ent = 强模型 + 上下文 + 多步执行。有一个好的大模 型，加上context（上下文），再 加上多步执行 的能力，组成了今天的Agent。
强模型负责理解和 生成。