窗外一看
5年后，你手 机上的购物A pp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 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Rufu s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Agent 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2023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，Ruf us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"A I现在能 做什么";，而是 先问"客户现在 最需要什 么&qu ot;。做Age nt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AI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 、H2 00、B20 0，现在到B 300 、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，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，E cho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Anthropi 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、Agen t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Agent越往后，问题越多，犯 的错也越多。做一个Age nt的话，最 重要的是你要想清楚，Agent不是万能。做Age nt，一定要 永远问自己的 一个点：Ag ent的边界在哪里？
当时，s hoppe、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Agent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Agent 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 A gent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Age nt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 i ntelligence（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conte xt（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 nte xt（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。C ontext （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A I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：&qu ot;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。它可能 先列出装 备，再搜索商品，比较价格，排除不适合带狗使用的选 项，最后 把结果组合成一套 方案。
传统AI往往只能处理其中一个 动作，它只能干一次，就一锤子 买卖，判断一次，而Agent 试图完成整个过程。