開頭核心觀點：支撐行業看好的要點
AI 電商雙軌框架
獵人模式（Hunter）與農夫模式（Farmer）
獵人模式與農夫模式代表 AI 電商時代中兩種截然不同的發展路線：前者負責跨平台探索與入口重分配，後者負責平台內交易轉換與服務確定性。
農夫模式（Farmer）：平台內 AI
典型代表為 Amazon Rufus 與淘寶 AI 萬能搜。
- 運作機制：AI 助手建立在既有電商平台內，掌握商品 SKU、歷史消費、即時庫存、物流履約與售後服務。
- 核心優勢：交易路徑極短，所有流程都在同一個生態系完成，服務確定性高。
- 主要缺點：受限於單一平台邊界與自有供給，較難跨出平台服務消費者。
獵人模式（Hunter）：通用 AI 助手
典型代表為 ChatGPT、Gemini，以及串接 Shopify、Etsy 生態的應用。
- 運作機制：AI 助手不受限於單一平台，可跨平台理解任務、搜尋全網資料，替消費者比較商品與價格。
- 核心優勢：覆蓋場景廣，具備強大的探索能力與前導決策能力。
- 主要缺點：交易流程容易卡在庫存同步、支付授權、售後責任與商家資料品質不一。
未來電商市場不會只由其中一種模式獨佔，而會走向雙軌競爭：由「獵人模式」的通用 AI 在前端重新分配流量與入口，同時由「農夫模式」的平台內 AI 提升最終交易轉換率。
四類玩家的優勢與弱點
OpenAI（ChatGPT）：前置決策的獵人
- 優勢：掌握消費者尚未決定買什麼的前置決策階段，生成式/創意類查詢份額高達 64%。
- 優勢：ACP 與 Instant Checkout 可在對話框內收集收貨與支付資訊，讓用戶直接向 Etsy 或 Shopify 商家下單。
- 弱點：跨多個外部系統，容易遇到庫存無法即時同步、支付授權困難與售後責任不清。
- 弱點：在高度明確的「交易搜尋」上，目前份額僅約 5%。
Google：龐大生態的防禦者
- 優勢：掌握 93% 導航搜尋與 90% 交易搜尋，在高意圖流量中仍具主導地位。
- 優勢：UCP 整合 Shopify、Walmart、Target 等 20 多個夥伴，能把 Merchant Center 商品、庫存與優惠接入 Gemini 與支付系統。
- 弱點：AI 概覽可能讓自然點擊率下降 61%、付費點擊率下降 68%，必須避免侵蝕既有搜尋廣告利潤。
Amazon（Rufus）：極致轉換的農夫
- 優勢：Rufus 直接嵌入主站，掌握 SKU、消費紀錄、即時庫存、Prime 履約與售後。
- 優勢：站內完成猶豫、比價與提問，使用 Rufus 的用戶下單機率提升 60% 以上，2025 年約貢獻 120 億美元 GMV。
- 弱點：受限於 Amazon 生態系，只能推薦自有體系商品，較難重分配全網泛流量入口。
大陸平台：極致生態聯動的農夫延伸
- 核心優勢：深度嵌入淘寶 AI 萬能搜等既有應用，完全掌握 SKU、歷史消費、庫存、履約與售後，轉換路徑短、服務確定性高。
- 核心優勢：獨立 AI 入口可整合購物、外賣、旅遊、本地生活與支付，最大化自家生態價值。
- 核心弱點：本質仍是為自家生態導流，難以中立跨越淘寶、京東、拼多多等競爭對手進行全網比價。
- 核心弱點：若跨出自身生態，也會遇到庫存同步、支付授權與售後責任歸屬等獵人模式共通摩擦。
假設客戶旅程：一張北歐風人體工學辦公椅如何被 AI 購買
情境：一位消費者提出不確定的購物需求：「幫我找一張符合北歐風格、透氣材質且預算在 200 美元以內的人體工學辦公椅」。
1需求探索AI 先理解模糊需求，追問偏好，判斷風格、材質、預算與使用情境。
2比較決策AI 進一步比較商品、價格、評論、庫存與商家可信度，形成候選清單。
3結帳履約AI 將決策推向購物車、支付、配送承諾與售後責任，差異也在此最明顯。
OpenAI（ChatGPT）獵人
- 需求探索與比較
- ChatGPT 會主動追問偏好，跨越全網搜尋 Etsy、Shopify 獨立品牌等供給，產出專屬候選名單與購買建議，攔截「還沒決定去哪個平台買」的上游心智入口。
- 結帳體驗
- 若消費者選定 Etsy 上的椅子，透過 Agentic Commerce Protocol（ACP）與 Instant Checkout，可在對話框內收集收貨地址與付款偏好，不必先跳轉到商家網站。
- 履約與售後
- ChatGPT 透過 Stripe 取得安全支付令牌後，把訂單交給 Etsy 商家；稅務、物流配送與退貨客服仍由原商家承接。
- 潛在摩擦
- 跨平台資料不一致最容易出現，例如推薦商品庫存未即時同步、跨國支付授權卡住，或售後責任歸屬不清。
Google防禦者
- 需求探索與比較
- 當消費者已有較明確意圖，例如搜尋特定品牌的北歐風人體工學椅，Gemini 或 AI 搜尋會直接調用 Google Merchant Center 中已建檔的商家資料。
- 結帳體驗
- 透過 Google 與 Shopify、Target 等 20 多個夥伴開發的通用商務協議（UCP），即時庫存與促銷價格可直接呈現在搜尋結果中。
- 履約與售後
- UCP 支援商品發現、購物車、結帳到訂單管理，並可銜接商家原有商業邏輯與 Google Pay，把高意圖搜尋轉成訂單。
- 潛在摩擦
- Google 必須一邊提升 AI 導購效率，一邊保護既有廣告分發利益，避免 AI 回答削弱傳統搜尋點擊與廣告收入。
Amazon（Rufus）農夫
- 需求探索與比較
- 消費者已在 Amazon App 或網站內，直接詢問 Rufus 哪一款北歐風椅子最適合長時間打字且符合預算。Rufus 可立即調用站內商品目錄、評論與 Q&A 做精準對比。
- 結帳體驗
- Rufus 能判斷折扣與性價比，並直接在站內把商品加入購物車，交易路徑極短。
- 履約與售後
- 一鍵下單後，Prime 的當日或次日達、退貨與客服承諾直接接上，這是農夫模式最強的服務確定性。
- 轉換效果
- 所有猶豫、比價與提問都在站內解決，使 Rufus 用戶下單機率大幅提升 60% 以上。
中國大陸平台生態整合者
- 需求探索與比較
- 在千問 App 或淘寶 AI 萬能搜中，消費者可用語音要求推薦辦公椅，AI 再結合歷史偏好給出個人化結果。
- 結帳體驗
- 底層打通支付寶、商家體系與物流網路後，消費者能在同一對話介面或 App 內完成諮詢、下單與付款。
- 履約與售後
- 平台內 SKU、支付、履約與客服高度整合，能帶來接近一站式的服務確定性。
- 延伸場景
- 若延伸到美團小美 App，甚至可用語音完成外賣下單或餐廳預訂等高頻即時履約需求。
總結：OpenAI 會成為尋找靈感與跨網比價的首選助理；Google 會在意圖明確時提供順暢的品牌導購與廣告對接；Amazon 與中國電商巨頭則會以物流履約與站內轉換效率，牢牢把控交易的最終環節。
■ 全球零售 AI 市場 2024 年 116.1 億美元，2030 年上看 407.4 億美元，CAGR 23.0%Grand View Research 估計，全球零售 AI 市場將由 2024 年的 116.1 億美元擴大至 2030 年的 407.4 億美元，2025-2030 年 CAGR 達 23.0%。這個成長不是單一聊天機器人題材，而是涵蓋機器學習、自然語言、視覺分析、虛擬助理、支付與定價分析。策略解讀上，AI 電商的投資重點會從前端導購，逐步下沉到商品資料、庫存、支付、履約與客服等全鏈路能力。
■ 2026 年 Q1 美國零售 AI 來源流量年增 393%，2026 年 3 月轉換率優於非 AI 流量 42%Adobe Digital Insights 於 2026 年 4 月發布資料，顯示 2026 年 1-3 月 AI 來源導入美國零售網站流量年增 393%，3 月 AI 來源流量的轉換表現已比非 AI 流量高 42%。同一份資料也指出，AI 來源訪客互動率高 12%、停留時間長 48%、每次造訪頁數多 13%。這代表 AI 不只是替代搜尋，而是在購買前研究與比較階段聚合高意圖需求，讓可被 AI 理解的商品頁與供給資料成為新的獲客資產。
■ 45% 消費者已在購物旅程使用 AI，75% 零售商認為 AI Agent 將成競爭必要條件IBM 與 NRF 2026 年研究指出，45% 消費者會在購買旅程中使用 AI，常見用途包含產品研究 41%、解讀評論 33%、尋找優惠 31%。Salesforce 第六版 Connected Shoppers Report 則顯示，75% 零售商認為 AI Agent 到 2026 年將是競爭所必需。這使 AI 電商從消費端「好用工具」升級為零售商「生存型投資」，資料整合、信任治理與統一商務架構會成為導入成敗分水嶺。
■ 2030 年全球 AI 促成線上消費可逾 8 兆美元，美國 B2C Agentic Commerce 可撬動 0.9-1.0 兆美元ARK《Big Ideas 2026》預測，2030 年全球 AI 促成線上消費規模可超過 8 兆美元；華源證券引用麥肯錫觀點指出，2030 年美國 B2C 零售 Agentic Commerce 有機會撬動 9,000 億至 1 兆美元交易額。即便預測區間仍有不確定性，方向已清楚：AI 正把「商品曝光」轉為「代理可執行交易」。投資上，最值得追蹤的是誰能同時掌握用戶入口、商家供給、標準協議與履約閉環。
一、AI 電商不是憑空長出來，而是美國成熟電商基建的再中介化
AI 電商能快速落地，關鍵在於美國電商已形成成熟且分工清楚的數位商業網路。這套網路不是單一平台，而是由需求聚合、商家營運、SaaS 工具、支付風控、行銷投放、物流履約與雲端 AI 底座共同構成；AI Agent 的機會，正是把這些原本分散的節點，重新包裝成一條可對話、可推薦、可結帳、可售後的交易路徑。
圖表 1. 美國電商分工商業網路：七類分工如何支撐 AI 電商
| 分工層級 | 核心角色 | 代表企業 | AI 電商中的功能 |
|---|---|---|---|
| 市場平台 | 聚合需求、商品供給、評價與交易信任 | Amazon、Walmart、Target、eBay、Etsy、SHEIN、TEMU | 提供 AI 助手可直接調用的商品池、評論資料、價格訊號與平台信任，是內部 AI 助手最容易形成交易閉環的場域。 |
| 商家與 DTC 獨立站 | 建立品牌自有通路，沉澱第一方客戶資料 | DTC 品牌、第三方賣家、自有官網商店 | 提供通用 AI 助手可重新聚合的分散供給；若商品資料結構化程度高，就更容易被 ChatGPT、Gemini 等入口推薦。 |
| 電商 SaaS | 協助商家建站、上架、訂單管理與全通路營運 | Shopify、BigCommerce、WooCommerce、Wix、Squarespace | 把商家的商品、庫存、價格、訂單與客戶關係整理成可被 AI 讀取與執行的資料中台，是 AI 商務協議落地的關鍵中介。 |
| 支付處理 | 完成支付授權、資金清算、風控與多支付整合 | Stripe、PayPal、Adyen、Square、Amazon Pay、Apple Pay | 支撐代幣化支付、代理結帳與商戶保留 Merchant of Record，決定 AI 代理能否安全地從推薦走到付款。 |
| 行銷服務 | 負責搜尋、社群、零售媒體、CRM 與再行銷 | Google Ads、Meta、Amazon Advertising、TikTok Ads、Klaviyo、HubSpot | 原本以點擊與曝光為核心，未來會轉向 AI 搜尋引用、代理推薦排名、商品可讀性與高意圖流量歸因。 |
| 物流履約 | 提供倉儲、配送、退貨與最後一哩服務 | UPS、FedEx、USPS、Amazon FBA、Walmart WFS、Flexport | 讓 AI 推薦不只回答「買什麼」，還能承諾「何時到、能否退、成本多少」；履約可靠性會直接影響 AI 導購轉換率。 |
| 雲與企業服務 | 提供算力、資料庫、AI 模型、客服與企業系統整合 | AWS、Microsoft Azure、Google Cloud、Oracle、Salesforce Service Cloud | 承接模型部署、資料治理、零售 API 與企業流程自動化，是 AI 電商從前台導購走向全鏈路營運的底座。 |
資料來源：Amazon、Walmart、Target、Shopify、Stripe、PayPal、Google、Meta、UPS、FedEx、AWS、Microsoft、Google Cloud 等公開資料；華源證券研究所整理。
換言之，AI 電商真正要重組的不是單一前台介面，而是把這七類分工能力壓縮成一個可被代理調用的商務作業系統。當 AI Agent 可以同時理解商品、查詢庫存、計算價格、確認付款、承諾配送並處理售後，電商競爭就會從「誰擁有最多頁面流量」轉向「誰的商業網路最容易被 AI 執行」。
圖表 2. 美國電商基礎設施的關鍵節點
| 環節 | 代表企業與數據 | AI 電商的策略意義 | 資料來源 |
|---|---|---|---|
| 平台與第三方賣家 | 2025 年 Amazon 全球銷售額約 8,300 億美元，第三方賣家 GMV 約 5,750 億美元，占全站 69%。 | 平台已具備商品、評價、履約與信任沉澱，內部 AI 助手能直接把決策推向交易。 | SellerSprite、華源證券研究所 |
| DTC 與獨立站 | 全球約 2,800 萬個 DTC 獨立站，其中約 50% 來自美國；2025 年 DTC 電商銷售額預計突破 2,260 億美元。 | 獨立站供給分散，通用 AI 助手與 SaaS 平台有機會成為新的流量聚合入口。 | Goodsfox、Statista、華源證券研究所 |
| 電商 SaaS | Shopify 2025 年 GMV 達 3,784 億美元，年增 29.5%；2025Q4 GMV 1,238 億美元，年增 31%。 | SaaS 平台是商家資料標準化、商品上架 AI 應用與跨入口交易的關鍵中介。 | Marketplace Pulse、華源證券研究所 |
| 支付與代理結帳 | 截至 2026 年 1 月，美國支付處理商 PayPal、Stripe 市占分別為 44% 與 22.3%。 | 代幣化支付憑證、代理結帳與商戶保留 Merchant of Record，是 AI 交易閉環的底層條件。 | Capital One Shopping、華源證券研究所 |
| 物流與履約 | Amazon FBA 全球超過 350 個物流中心；2024 年 Amazon 超過 90 億件包裹當日或次日達，2025 年當日達包裹年增約 70%。 | AI 推薦若無法承諾價格、庫存與履約時效，轉換率將難以釋放。 | Amazon、Red Stag Fulfillment、華源證券研究所 |
| 雲與 AI 底座 | 2025Q3 AWS、Azure、Google Cloud 合計占全球雲基礎設施服務支出 66%。 | 雲服務商同時掌握算力、模型、資料治理與零售客戶，將成 AI 電商標準與應用擴散的推手。 | Omdia、華源證券研究所 |
也因此，AI 電商的競爭不是「新入口取代舊平台」這麼簡單。Amazon 的優勢在於內部交易資料與履約閉環；Google 的優勢在於搜尋、廣告、Merchant Center、Google Pay 與 Gemini；OpenAI 則以 ChatGPT 的高頻對話場景切入，試圖把非交易型需求轉化為新商務入口。誰能把商家供給、支付風控、庫存狀態與用戶意圖接起來，誰就能拿到下一代流量分配權。
二、從搜尋到代理：AI 重新定義電商流量入口
ChatGPT 的電商意義，首先不在於交易量，而在於它開始挑戰搜尋作為需求入口的地位。華源證券引用 First Page Sage 資料指出，截至 2026 年 3 月 ChatGPT 月活躍用戶超過 8 億；以查詢量口徑計，2025 年第四季 ChatGPT 在全球搜尋市場占 17%。更重要的是，2025 年 ChatGPT 在生成式/創意類查詢占 64%，顯示其最早取得的不是「我要買某商品」的確定需求，而是「我該怎麼選」的前置決策權。
圖表 3. 搜尋意圖份額：Google 仍掌握交易搜尋，ChatGPT 強在前置決策
| 意圖類別 | Google 份額 | ChatGPT 份額 | 策略解讀 |
|---|---|---|---|
| 導航 | 93% | 3% | 品牌官網、平台入口與已知目的地仍由傳統搜尋主導。 |
| 資訊查詢 | 71% | 23% | AI 已進入研究與比較階段，影響消費者形成候選清單。 |
| 交易 | 90% | 5% | 結帳與履約仍在既有平台，這也是 ACP/UCP 要解決的摩擦。 |
| 生成式/創意 | 29% | 64% | AI 對「不確定需求」具有優勢，適合商品推薦、禮物靈感、複雜品類決策。 |
資料來源：First Page Sage、華源證券研究所。
外部資料也印證流量品質正在改變。Adobe 2025 年 8 月資料顯示，2025 年 7 月生成式 AI 來源導入美國零售網站流量年增 4,700%；2026 年 4 月更新資料則顯示，2026 年第一季 AI 來源流量仍年增 393%，且 2026 年 3 月 AI 來源轉換率比非 AI 流量高 42%。這顯示 AI 導流正從「研究型流量」進化為「高轉換流量」。
圖表 4. AI 來源零售流量的外部驗證
資料來源：Adobe Digital Insights，2025 年 8 月、2026 年 4 月；資料基於美國零售網站逾 1 兆次造訪與消費者調查。
三、OpenAI 的路徑：用 ACP 把「問答」推進到「下單」
OpenAI 的核心動作，是把 ChatGPT 從需求發現工具推向交易執行工具。2025 年 9 月 29 日，OpenAI 發布 Instant Checkout 與 Agentic Commerce Protocol，讓美國 ChatGPT Plus、Pro 與 Free 使用者可在聊天中直接向美國 Etsy 商家購買商品，並宣布未來支援超過 100 萬個 Shopify 商家。OpenAI 官方說明，ChatGPT 在流程中扮演 AI 代理，商家仍負責訂單、付款、稅務、退貨與客戶關係，這是平台避免重資產營運、同時切入交易抽成與商務服務的關鍵設計。
ACP 的交易流程可以拆成四個核心角色：使用者、ChatGPT、商家與支付平台。使用者在對話中點選購買後，ChatGPT 會先收集支付與收貨地址，商家回傳商品、配送地址、履約選項、稅費與總價，使用者確認後再由 ChatGPT 收集安全支付令牌與訂單完整性信號；最後，商家接收訂單與支付資訊，決定接受或拒絕訂單，支付平台則發起付款。這個設計的策略重點，是 ChatGPT 不必成為零售商，也不需要接管商家的後台；它只要把需求、授權與商家系統串起來，就能把原本外跳的購買流程留在對話場景中。
圖表 5. ACP 將 ChatGPT 從問答推進到下單的交易流程
| 流程階段 | 主要執行者 | 資料與動作 | 商業意義 |
|---|---|---|---|
| 1. 需求理解 | 使用者、ChatGPT | 使用者以自然語言描述需求、預算、偏好與限制，ChatGPT 將模糊問題轉成可搜尋、可比較的商品條件。 | 交易入口從關鍵字搜尋前移到「意圖形成」階段，平台取得更早期的消費決策權。 |
| 2. 商品推薦 | ChatGPT、商家商品系統 | ChatGPT 依商品資料、庫存、價格、評價與配送條件形成候選清單，並在對話中呈現可購買商品。 | 商家競爭焦點從頁面排名轉向商品資料結構化、庫存可用性與被 AI 正確理解的能力。 |
| 3. 即時結帳啟動 | 使用者、ChatGPT | 使用者在對話內點選購買，ChatGPT 收集收貨資訊、付款偏好與訂單確認所需資料。 | 原本需要外跳到商家網站的結帳摩擦被壓縮，ChatGPT 開始具備交易轉換入口價值。 |
| 4. 報價與履約確認 | 商家 | 商家回傳商品明細、配送選項、稅費、運費、總價與可履約狀態，並保留訂單與客戶關係主體。 | ACP 不是讓 AI 平台取代商家，而是把商家後台能力標準化後接到代理入口。 |
| 5. 安全支付授權 | ChatGPT、支付平台 | ChatGPT 收集安全支付令牌與訂單完整性信號，支付平台負責授權、風控與付款發起。 | 支付服務商成為代理商務的關鍵基建，代幣化支付與風控能力決定交易能否規模化。 |
| 6. 訂單成立與售後 | 商家、支付平台 | 商家接收訂單與支付資訊，決定接受或拒絕訂單，後續履約、退貨、稅務與客服仍由商家承接。 | 商家保留 Merchant of Record，可降低接入阻力；AI 平台則取得高意圖流量與交易抽成潛力。 |
資料來源：OpenAI、Stripe、華源證券研究所整理。
ACP 的投資含義在於，它把 AI 平台、商家與支付服務商之間的 N 對 N 整合，嘗試轉化為可複用的標準接口。Stripe 同日宣布與 OpenAI 共同發布 ACP，並支援 ChatGPT 內的 Instant Checkout；其目標是讓商家在不放棄既有商務系統的情況下，接入代理型購物入口。若這類標準擴大，商家不再只為 Google SEO 或平台站內搜尋優化，而必須為 AI Agent 的商品理解、庫存調用、價格計算與結帳授權進行資料重構。
ChatGPT 的供給擴張呈現兩種節奏。零售與即時配送端，Instacart、DoorDash、Target 等情境讓使用者可以從「我今天想煮什麼」「幫我補貨」這類自然語言需求開始，進入商品組合與配送選擇；酒旅與服務端，Expedia、Booking 等場景則把 AI 的角色從商品導購延伸到行程比較與服務預訂。Shopping research 則更靠近消費決策上游：使用者提出「幫我找一張符合風格、材質與預算的椅子」後，系統會追問偏好、蒐集條件、比對全網資料，再輸出候選商品與購買建議。這意味 ChatGPT 的電商價值不只在結帳按鈕，而在於它開始承接靈感、篩選、比較、決策與付款的完整漏斗。
圖表 6. ChatGPT 電商供給與場景擴張
| 供給/功能 | 代表夥伴或場景 | 交易狀態 | 策略意義 |
|---|---|---|---|
| Instant Checkout | Etsy；未來支援 Shopify 商家 | 可在 ChatGPT 內完成單品購買 | 建立對話內結帳閉環，縮短推薦到購買的跳轉摩擦。 |
| MCP 應用供給 | Booking、Expedia、Priceline、Uber、OpenTable、Klook 等 | 多數仍跳轉原應用完成交易 | 先擴大供給面，再逐步向代理結帳滲透。 |
| Shopping research | 購物研究、比較、個人化購物指南 | 偏前置決策與導購 | 掌握消費者尚未決定品牌與平台前的心智入口。 |
| 外部開發標準 | ACP 採開放標準，由 OpenAI 與 Stripe 共同推動 | 商家可保留 Merchant of Record | 降低商家接入疑慮，也使支付處理商與 SaaS 平台取得新角色。 |
四、Google 的路徑：用 UCP 守住搜尋與廣告生態內的轉換效率
Google 面臨的挑戰與 OpenAI 不同。它不是缺少交易意圖，而是必須防止 AI 摘要與對話體驗削弱傳統搜尋點擊與廣告導流。華源證券引用 Seer Interactive 研究指出，2024 年 6 月至 2025 年 9 月，不含 AI 概覽的自然點擊率下降 41%，含 AI 概覽的自然點擊率下降 61%，付費點擊率下降 68%。這迫使 Google 不能只把 AI 放在搜尋結果上方，而要將 AI 對話直接導向可量化的商務轉換。
2026 年 1 月 11 日，Google 發布 Universal Commerce Protocol。Google Developers Blog 說明，UCP 是開源標準，目標是在消費者介面、企業後端與支付服務商之間建立共同語言，支援從商品發現、購物車、結帳到訂單管理的完整生命週期，並相容 AP2、A2A、MCP 與 API。UCP 初始由 Google 與 Shopify、Etsy、Wayfair、Target、Walmart 等共同開發，並獲超過 20 個生態夥伴背書。
圖表 7. ACP 與 UCP 的定位差異
| 面向 | OpenAI ACP | Google UCP | 投資解讀 |
|---|---|---|---|
| 核心入口 | ChatGPT 對話介面 | Google Search AI Mode、Gemini、Merchant Center、Google Pay | ACP 是新入口進攻，UCP 是既有搜尋/廣告生態防守與轉化升級。 |
| 初期合作 | Etsy、Shopify、Instacart、支付夥伴 | Shopify、Etsy、Wayfair、Target、Walmart 與 20+ 生態夥伴 | Google 的零售客戶與廣告基盤有利於快速形成商家覆蓋。 |
| 商家控制權 | 商家保留訂單、支付、退貨與客戶關係 | 企業保有商業邏輯與 Merchant of Record | 兩者都避免直接接管商家後台，以降低接入阻力。 |
| 標準野心 | 讓 AI Agent 可在 ChatGPT 內完成結帳 | 標準化完整商務生命週期，支援支付、購物車、會員、售後 | UCP 更像全生命週期協議，ACP 更聚焦代理結帳起點。 |
資料來源：OpenAI、Stripe、Google Developers Blog、華源證券研究所。
從投資角度看，Google 的 UCP 更可能把 AI 電商變成「高意圖廣告與交易轉換」的延伸。商家若已在 Merchant Center 內維護商品資料、價格、庫存與促銷，UCP 能把這些資料接到 Gemini 與 AI Mode。這使 Google 不只是回答問題，而是把搜尋、推薦、優惠、支付與訂單管理重新收回自己的分發渠道內。
五、Amazon 的路徑：Rufus 直接嵌入主站，把 AI 變成轉換率工具
Amazon 的優勢是最直接的。Rufus 不需要從外部導流，也不需要重新建立商家供給；它存在於 Amazon 自己的購物場域內，連接商品目錄、評論、問答、價格、庫存、Prime 履約與購後服務。Amazon 官方將 Rufus 定義為生成式 AI 購物助理，可回答商品問題、比較選項、給出推薦並協助商品探索；華源證券進一步整理指出，Rufus 功能已擴展至自然語言搜尋、活動場景推薦、自動加購物車、價格判斷與多模態搜尋。
Rufus 的功能演進顯示 Amazon 更重視站內轉換效率，而非重新發明外部流量入口。它已能依照食譜或生活事件生成購物清單，根據消費記憶進行週期性採購，自動把商品加入購物車，支援圖片與多模態搜尋，也能替代部分客服查詢，例如評估筆電包尺寸是否相容，或在耳機等品類中主動整理折扣與優惠。這些能力背後共同指向一個目的：把原本分散在搜尋、評論、問答、價格比較、客服與加購物車之間的摩擦，收斂成站內 AI 對話中的連續操作。
Rufus 的商業化潛力來自「短鏈路」。華源證券引用 Amazon 與 Sensor Tower 資料指出，2025 年 Rufus 使用者超過 3 億，GMV 貢獻約 120 億美元，使用 Rufus 的用戶下單機率提高 60% 以上；2025 年 11 月 28 日大促期間，Rufus 使用者占 Amazon App 總會話的比例達 40%。這說明內部 AI 助手的價值不是取代搜尋框，而是把購買前的猶豫、比較、問答與折扣判斷，全部壓縮在同一個平台內完成。
圖表 8. Rufus 商業化指標
資料來源：Amazon、Sensor Tower、華源證券研究所。
六、SaaS 與資料服務的新利潤池：讓商品變成 AI 可讀、可交易、可履約
AI 電商要成立，商家資料必須從「人類可瀏覽」升級為「機器可理解」。商品標題、圖片、規格、價格、庫存、折扣、配送時效、退貨政策與會員權益，都需要以標準化資料交給不同 AI 入口調用。這正是 Shopify、Adobe Commerce、支付處理商、商品資料管理工具與雲服務商的新機會。
華源證券指出，Shopify 是 ACP、UCP 標準制定方之一，也與 Perplexity、Microsoft 等公司保持合作；Shopify Agentic Storefronts 可協助商家一次接入 ChatGPT、Perplexity、Microsoft Copilot 等 AI 對話入口。這使 Shopify 不只是建站工具，而是 DTC 商家接入代理商務時代的資料與交易中台。
ARK 的 AI 促成線上消費預測可解讀為三階段曲線：2024-2026 年仍屬早期滲透期，AI 促成消費占整體線上銷售比例仍低，但使用者行為開始由搜尋轉向對話；2027-2028 年進入加速期，代理工具開始處理比價、購物車、履約與付款，交易規模有望突破兆美元級；2029-2030 年則進入平台再定價期，AI 促成線上消費可能超過 8 兆美元、占全球線上消費約四分之一。這條曲線的投資意義，不在於精確預測每一年交易額，而在於代理交易一旦標準化，商品資料、支付、庫存、履約與廣告歸因都會被重新估值。
圖表 9. AI 電商基礎設施新需求
| 需求 | 傳統電商做法 | AI 電商要求 | 受益環節 |
|---|---|---|---|
| 商品資料 | 面向人類閱讀的商品頁與圖片 | 結構化、可被模型理解的規格、屬性、評價與內容摘要 | PIM、電商 SaaS、內容生成與資料清洗工具 |
| 庫存與價格 | 網站或平台內查詢 | 即時 API 供 AI Agent 讀取，支援動態折扣與稅費計算 | OMS、ERP、雲服務、支付與定價系統 |
| 支付與身分 | 使用者手動輸入或平台錢包 | 代幣化支付、授權邊界、代理行為可驗證 | Stripe、PayPal、Adyen、Visa、Mastercard |
| 履約與售後 | 下單後由商家或平台處理 | AI 推薦時即需知道配送時效、退貨政策與售後能力 | 3PL、FBA/WFS、客服 AI、訂單管理平台 |
| 可見性 | SEO、平台搜尋排名、廣告投放 | LLM 可讀性、AI 搜尋引用、代理商務協議接入 | SEO/GEO 工具、Adobe Commerce、Shopify、資料服務商 |
七、中國平台的雙線策略：主端 AI 化與獨立 AI 入口並進
海外巨頭大致分成兩條路：一是 Amazon Rufus 這類內部 AI 助手，直接依附既有主站與履約網路；二是 ChatGPT、Gemini 這類通用 AI 助手，試圖成為跨商家、跨場景的新入口。中國平台目前更偏雙線投入：一方面在既有主 App 的搜尋、推薦與客服中嵌入 AI，另一方面建立獨立 AI 入口，嘗試把購物、外賣、旅遊、本地生活與支付整合成新的對話式場景。
Farmer 與 Hunter 模式代表兩種不同的 AI 電商路線。Farmer 模式以平台內 AI 為核心，典型代表是淘寶 AI 萬能搜與 Amazon Rufus：它掌握平台內 SKU、使用者歷史、庫存、履約與售後，優勢是轉換路徑短、服務確定性高，但缺點是容易被平台邊界限制。Hunter 模式以通用 AI 助手為核心，典型代表是 ChatGPT、Gemini、Etsy 與 Shopify 生態：它能跨平台理解任務、搜尋全網資料、比較不同商家與價格，優勢是覆蓋場景廣、探索能力強，但缺點是交易仍可能卡在庫存同步、支付授權、售後責任與商家資料品質。未來電商不會只選一邊，而會形成平台內 AI 提升轉換、通用 AI 重分配入口的雙軌競爭。
圖表 10. 中國主要電商與本地生活平台的 AI 佈局
| 企業 | 主端 AI 化 | 獨立 AI 入口 | 策略解讀 |
|---|---|---|---|
| 阿里巴巴 | 淘寶 AI 萬能搜，支援複雜需求的多輪對話式推薦與個性化搜尋 | 千問 App 打通淘寶、淘寶閃購、支付寶、飛豬、高德等生態 | 以 AI 重新組織阿里生態，從諮詢走向交易閉環。 |
| 美團 | 問小團結合本地生活資料與大模型，提供商家、商品、服務與優惠推薦 | 小美 App 可透過語音或文字協助外賣下單、餐廳推薦與日程安排 | 本地生活高頻、即時履約與地理位置資料，適合代理型服務。 |
| 京東 | 主站購物引入 AI 交互搜尋 | 京東 AI 購定位智能購物與生活服務入口 | 京東供應鏈、物流與自營品控可支撐更高可信度的 AI 推薦。 |
資料來源：淘寶、美團、京東等 App，華源證券研究所。
八、投資命題與風險：從流量平台轉向可執行商務系統
1
入口
通用 AI 助手掌握前置決策，平台內 AI 助手掌握交易閉環。入口價值將取決於能否把「推薦」直接轉為「可履約訂單」。
2
協議
ACP、UCP、AP2、MCP、A2A 等標準會決定商家接入成本與資料控制權。標準制定者與早期整合者具備卡位價值。
3
資料
商品、庫存、價格、評價、會員與履約資料若無法被 AI 讀取，品牌在新入口中的可見性會下降。
4
治理
模型幻覺、個人化定價、資料隱私與責任歸屬會影響消費者信任，也會決定監管邊界。
圖表 11. AI 電商應用場景與價值池
| 場景 | 核心功能 | 價值轉移 |
|---|---|---|
| B2B 採購與供應鏈 | 自動化常規採購、驗證供應商、協商批量價格、尋找替代供應 | 從人工採購流程轉向 AI 協調層，降低供應中斷與地緣風險。 |
| B2C 零售 | 週期性復購、跨平台比價、線上下單與線下取貨/配送整合 | 競爭焦點從品牌曝光轉向機器可讀資料、庫存可用性與履約可靠性。 |
| 數位訂閱管理 | 監控使用率、自動取消閒置服務、依價格/效能切換供應商 | AI 從售前發現延伸到購後成本控制。 |
| 酒旅與服務業 | 機票、酒店、交通端到端預訂，動態監控價格並處理退改簽 | 複雜決策與售後服務自動化，提升體驗與效率。 |
資料來源：IBM、華源證券研究所。
結論
AI 電商的本質，是網路流量被代理型介面重新分配。早期看起來像導購與聊天，真正的價值卻在交易協議、支付授權、商品資料、庫存履約與售後責任的重新編排。Amazon、Google、OpenAI 的路徑各有不同，但共同指向一件事：未來的電商平台不只要被人找到，更要被 AI 理解、信任並執行。對投資人與企業經營者而言，應關注具備三種能力的公司：掌握高頻入口、擁有標準化商務資料與支付/履約接口、能在信任與監管框架下規模化代理交易。
